Prevendo com os dados: Um panorama sobre a análise espacial, dados digitais, e a modelagem preditiva em Arqueologia.
Resumo
As análises espaciais, tem um destaque nos trabalhos arqueológicos, já que são fundamentais na compreensão dos contextos e na delimitação de áreas de estudos. Em face disso, este artigo parte de uma discussão sobre a história e os principais conceitos que envolvem os estudos espaciais em Arqueologia, de modo a introduzir o debate no restante do texto. Em complemento a este primeiro tópico, uma abordagem em torno da Arqueologia Digital, é trazida, no intuito de discutir a integração dos aspectos computacionais na Teoria Arqueológica. Em sequência, é feita uma conceituação a respeito dos Modelos Preditivos em Arqueologia (MPA) e o panorama de aplicações dessas técnicas no país e no mundo. Por fim, a discussão se volta para a democratização dos dados, os quais tem um papel importante no desenvolvimento dos estudos espaciais em geral, pois permitem a troca de conhecimento entre diversos pesquisadores e o acesso a dados outrora restritos. De modo geral, o artigo visa trazer novos fatos, e aplicações no ramo das análises espaciais em Arqueologia, como forma de incentivar o desenvolvimento dessas abordagens. Abstract:Spatial analysis is highlighted in archaeological research, as it is fundamental in understanding the contexts and defining areas of study in Archaeology. The accelerated advance in the development of information technologies made spatial studies a key element in the construction of archaeological thinking and brought with it the possibility of extracting a greater amount of information, either directly in field activities or in laboratory analyses. This gradual growth of spatial analysis brings with it a debate regarding the use of digital media in Archaeology, which need to be discussed seriously, after all, it is not Science’s intention to create “button-pushers”. For this, Digital Archaeology emerges to develop the theoretical-methodological bases of Archeology to deal with computational applications. This branch of the archeological sciences is also important for the discussion around digital data and the risks and benefits that these enable, so we will discuss here how to manage them. In addition, the importance of having open and unrestricted information will also be raised, enabling a greater exchange of knowledge among researchers, and boosting the advancement of Archaeology, especially in the digital context. With all the technological progress, which culminated in the current scenario of spatial analysis in Archaeology, platforms such as GIS have gained a major importance. The use of these tools, combined with heritage legislation used to safeguard archaeological remains in infrastructure projects, led to the development of predictive methods based on the search for patterns in the data, whose aim is to find archaeological sites. The so-called archaeological predictive models (APM) have been used all over the world and here we will make an overview of researches on this subject, seeking to enumerate its limitations, talk about possible implementations, as is the case of Artificial Intelligence (AI), which has the aim of developing models that offer more reliable answers to the archaeologists.Downloads
Referências
ABU-MOSTAFA, Yaser; MAGDON-ESMAIL, Malik; LIN, Hsua-Tien Learning from Data: A short course. 1a ed. Pasadena: AML Book, 2012.
ANICHINI, Francesca; WRIGHT, Holly; VILA, Llorenç. Talking about the revolution. Innovation in communication within the Archaide project. III Congreso Internacional de Buenas Prácticas en Patrimonio Mundial. Anais...Mahón: Universidad Complutense de Madrid, 2018
BANERJEE, Ruman; SRIVASTAVA, Prashant; PIKE, Allistair; PETROPOULOS, George. Identification of Painted Rock-Shelter Sites Using GIS Integrated with a Decision Support System and Fuzzy Logic. ISPRS International Journal of Geo-Information, v. 7, p. 326, 12 ago. 2018.
BARCELÓ, Juan. The birth and historical development of computational intelligence applications in Archaeology. Archeologia e Calcolatori, v. 20, p. 95–109, 2009.
BARCELÓ, Juan. Computational Intelligence in Archaeology. State of the Art. (B. Frischer, J. W. Crawford, D. Koller, Eds.)Making History Interactive Proceedings of the 37th International Conference. Anais...Wiliansburg: 2010
BARCELÓ, Juan; DEL CASTILLO, Florencia. Simulating the Past for Understanding the Present. A Critical Review. In: BARCELÓ, Juan.; DEL CASTILLO, Florencia (Eds.). . Simulating Prehistoric and Ancient Worlds. Cham: Springer International Publishing, 2016. p. 1–140.
BERGANZO-BEZGA, Iban; ORENGO, Héctor; CARRERO-PAZOS, Miguel; FONTE, João. Hybrid MSRM-Based Deep Learning and Multitemporal Sentinel 2-Based Machine Learning Algorithm Detects Near 10k Archaeological Tumuli in North-Western Iberia. Remote Sensing, v. 13, p. 4181, 19 out. 2021.
BINFORD, Lewis. A Consideration of Archaeological Research Design. American Antiquity, v. 29, n. 4, p. 425–441, 1964.
BISHOP, Christopher. Pattern Recognition and Machine Learning. [s.l.] Springer New York, 2011.
BRASIL. Ministério da Cultura/Instituto do Patrimônio Histórico e Artístico Nacional. Instrução Normativa no 1 de 25 de março de 2015 Brasília,DF, 2015.
BRASIL. Ministério da Cidadania/Instituto do Patrimônio Histórico e Artístico Nacional. Portaria no 316, de 4 de novembro de 2019 Brasília, DF, 2019.
BRASIL. Ministério do Turismo/Instituto do Patrimônio Histórico e Artístico Nacional/Portaria Gab-Iphan/Iphan no 25, de 15 de junho de 2021 Brasília, DF, 2021.
BROWNLEE, Jason. Imbalanced Classification with Python: Choose Better Metrics, Balance Skewed Classes, and Apply Cost-Sensitive Learning. 1.2 ed. [s.l.] Jason Brownlee, 2020.
BURKOV, Andriy. The Hundred-Page Machine Learning Book. [s.l.] Andriy Burkov, 2019.
CÂMARA, Giberto; CASANOVA, Marco; HEMERLY, Andrea; MAGALHÃES, Geovane; MEDEIROS, Claudia. Anatomia de Sistemas de Informação Geográfica. Disponível em: < xesc.dvi (inpe.br)>. 1996. Acessado em: 05 de maio de 2021.
CASPARI, Gino; CRESPO, Pablo. Convolutional neural networks for archaeological site detection – Finding “princely” tombs. Journal of Archaeological Science, v. 110, p. 104998, 2019.
CERON, Rodrigo. AI, machine learning and deep learning: What’s the difference? Disponível em: <https://www.ibm.com/blogs/systems/ai-machine-learning-and-deep-learning-whats-the-difference/>. 2019. Acessado em: 14 jul. 2020.
CLARKE, David. Analytical Archaeology. 1ª ed. Londres: Routledge, 1968.
CLARKE, David Models in Archaeology. 1ª ed. Londres: Routledge, 1972.
CONOLLY, James; LAKE, Mark. Geographical Information Systems in Archaeology. Madri: Bellatera, 2009.
CORMEN, Thomas; LEISERSON, Charles; RIVEST, Ronald; STEIN, Clifford. Introduction to algorithms. Cambridge: The MIT Press, 2001.
DOUGLASS, Matthew; LIN, Sam; CHODORONEK, Michael. The Application of 3D Photogrammetry for In-Field Documentation of Archaeological Features. Advances in Archaeological Practice, v. 3, p. 136–152, 1 maio 2015.
FERNÁNDEZ, Alberto; GARCÍA, Salvador; GALAR, Mikel; PRATI, Ronaldo; KRAWCZYK, Bartosz; HERRERA, Francisco. Learning from Imbalanced Data Sets. Cham: Springer Inernational, 2018.
FITZ, Paulo Roberto. Geoprocessamento sem complicação. 1. ed. São Paulo: Oficina de Textos, 2008.
FLORES, Fernando Castillo; UGALDE, Francisco García; DÍAZ, José Luís; NAVARRO, Jesús; GASTELUM-STROZZI, Alfonso; ANGELES, Maria del Pilar; MIYATAKE, Mariko. Computer Algorithm for Archaeological Projectile Points Automatic Classification. J. Comput. Cult. Herit., v. 12, n. 3, 2019.
FONSECA, João Aires. Aspectos teóricos e metodológicos no uso de modelos arqueológicos preditivos: uma abordagem na Amazônia brasileira,. In: MAGALHÃES, M. P. (Ed.). . Amazônia antropogênica. Belém: Museu Paraense Emílio Goeldi, 2016. p. 177–198.
FONSECA, João Aires. Padrões de distribuição espacial e modelos preditivos: os sítios arqueológicos no baixo curso dos rios Nhamundá-Trombetas. Boletim do Museu Paraense Emílio Goeldi Ciências Humanas, v. 13, n. 2, p. 353–376, 2018a.
FONSECA, João Aires. Modelagem espacial de sítios arqueológicos nas Serras de Carajás: as inferências dos modelos preditivos. In: MAGALHÃES, M. P. (Ed.). . Humanidade e a Amazônia: 11 mil anos de evolução histórica em Carajás. Belém: Museu Paraense Emílio Goeldi, 2018b. p. 211–231.
GÉRON, Aurélien. Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems. 2ª ed. Sebastopol: O’Reilly Media, Inc., 2019.
GILLINGS, Mark. Mapping invisibility: GIS approaches to the analysis of hiding and seclusion. Journal of Archaeological Science, v. 62, p. 1–14, 2015.
GILLINGS, Mike; HACIGUZELLER, Piraye; LOCK, Gary. Archaeology and spatial analysis. In: GILLINGS, Mark; HACIGÜZELLER, Piraye; LOCK, Gary (Eds.). Archaeological Spatial Analysis: A Methodological Guide. Londres: Routledge, 2019.
GITHUB. About. Disponível em: <https://www.r-project.org/about.html>. 2021 Acessado em: 27 set. 2021.
GLOCK, Albert. Cultural Bias in the Archaeology of Palestine. Journal of Palestine Studies, v. 24, n. 2, p. 48–59, 1995.
HAYASHI, Chikio. What is Data Science ? Fundamental Concepts and a Heuristic Example. In: HAYASHI, C. et al. (Eds.). . Data Science, Classification, and Related Methods. Tóquio: [s.n.]. p. 40–51.
HOBBS, Elizabeth. MnModel Phase 4. Saint Paul: Minessota Department of Transportation, 2019.
HUGGETT, Jeremy. Challenging Digital Archaeology. Open Archaeology, v. 1, 3 jan. 2015.
HUGGETT, Jeremy. The Apparatus of Digital Archaeology. Internet Archaeology, v. 44, 1 jan. 2017.
HUGGETT, Jeremy. Is Big Digital Data Different? Towards a New Archaeological Paradigm. Journal of Field Archaeology, v. 45, n. sup1, p. S8–S17, 20 fev. 2020.
HUGGETT, Jeremy.; REILLY, Paul.; LOCK, Gary. Whither Digital Archaeological Knowledge? The Challenge of Unstable Futures. Journal of Computer Applications in Archaeology, v. 1, p. 42–54, 23 maio 2018.
KELLEHER, John; MACNAMEE, Brian.; D’ARCY, Aoife. Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge: MIT Press, 2015.
KIPNIS, Renato. O uso de modelos preditivos para diagnosticar recursos arqueológicos em áreas a serem afetadas por empreendimentos de impacto ambiental. (S. B. CALDARELLI, Ed.)Atas do Simpósio sobre Política Nacional do Meio Ambiente e Patrimônio Cultural: Repercussões dos Dez Anos da Resolução CONAMA no 001/86 sobre a Pesquisa e a Gestão dos Recursos Culturais no Brasil. Anais...Goiânia: 1997
KLEHM, Carla; BARNES, Adam; FOLLET, Forest; SIMON, Katie; KIAHTIPES, Christopher; MOTHULATSHIPI, Sarah. Toward archaeological predictive modeling in the Bosutswe region of Botswana: Utilizing multispectral satellite imagery to conceptualize ancient landscapes. Journal of Anthropological Archaeology, v. 54, p. 68–83, 2019.
KNEGT, Leonardo Indicadores da paisagem para a ocorrência de sítios arqueológicos na Área Arqueológica de Serra Negra, face leste do Espinhaço. Dissertação ( Mestrado em Arqueologia) Universidade Federal de Minas Gerais, Belo Horizonte, 2015.
KOOPS, Bert-Jaap; GALIČ, Maša. Conceptualising Space and Place: Lessons from Geography for the Debate on Privacy in Public. In: TIMAN, T.; NEWELL, B.; KOOPS, B.-J. (Eds.). . Privacy in public space. Cheltenham: Edward Elgar Publishing, 2017. p. 19–46.
KOZLOWSKI, Henrique.; DEBLASIS, Paulo. Perspectivas de modelagem preditiva arqueológica: estudo de caso na Bacia do Rio Tubarão – Santa Catarina. Especiarias: Cadernos de Ciências Humanas, v. 18, n. 33, p. 72–92, 2018.
KRAMER, Iris. New Approaches to Archaeology using Deep Learning with Remote Sensor Data. (Doutorado em Ciência da Computação) Escola de Eletrônica e Ciência da Computação, Universidade de Southamptom, Southampton, 2020.
KUHN, Max.; JOHNSON, Kjell. Applied Predictive Modeling. New York, NY, USA: Springer New York, 2013.
MALAPERDAS, Geoge.; ZACHARIAS, Nikolaos. The habitation Model Trend Calculation (MTC): A new effective tool for predictive modeling in archaeology. Geo-spatial Information Science, v. 22, n. 4, p. 314–331, 2 out. 2019.
MERENCIO, F. A modelagem preditiva na Arqueologia: um olhar crítico a partir do estudo de caso no território Xetá. Cadernos do LEPAARQ (UFPEL), v. 17, p. 25, 2020.
MOROZOV, Evgeny. BIG TECH: A ascenção dos dados e a morte da política. São Paulo: Ubu Editora, 2018.
MYERS, Oliver. Some Applications of Statistics to Archaeology. Proceedings of the Prehistoric Society, v. 16, p. 200–201, 1950.
NILSSON, Anna. Predicting the Archaeological Landscape Archeological Density Estimation around the Ostlänken railroad corridor. (Bacharelado em Ciência da Computação) Programa de Ciência da Computação da Uiversidade de Uppsala, Uppsala, Suécia, 2016.
NOVIELLO, Mariangela; CAFARELLI, Barbara; CALCULLI, Crescenza; SARRIS, Apostolos; MAIROTA, Paola. Investigating the distribution of archaeological sites: Multiparametric vs probability models and potentials for remote sensing data. Applied Geography, v. 95, p. 34–44, 2018.
OKUYAMA, Adolfo. Contexto Arqueológico do Vale do Gurguéia: Considerações a Partir da Utilização de Modelos Preditivos em SIG. (Mestrado em Arqueologia) Departamento de Arqueologia e Conservação de Arte Rupestre, Universidade Federal do Piauí, Teresina, 2016.
OLIVITO, Riccardo; TACCOLA, Emanuele; ALBERTINI, Niccolò. Cultural Heritage and Digital Technologies. Theory, methods and tools for the study and dissemination of knowledge in the archaeological practice. In: FORTE, M.; CAMPANA, S. Digital Methods and Remote Sensing in Archaeology. 1ª ed. Cham: Springer International, 2016, p. 475–494.
ORENGO, Héctor; GARCIA-MOLSOSA, Arnau. A brave new world for archaeological survey: Automated machine learning-based potsherd detection using high-resolution drone imagery. Journal of Archaeological Science, v. 112, p. 105013, 2019.
PEREZ, Glauco; OKUMURA, Mercedes; AFONSO, Marisa; MOTA, Lúcio. O uso do programa R na Arqueologia Paulista: um estudo de caso dos grupos ceramistas Tupiguarani e Itararé-Taquara. Revista de Arqueologia, v. 32, p. 84, 28 jun. 2019.
PEREZ, Glauco; AFONSO, Marisa.; MOTA, Lúcio. Métodos de análise espacial para sítios arqueológicos: um modelo preditivo para o Estado de São Paulo. Cadernos do LEPAARQ (UFPEL), v. 15, p. 98, 30 nov. 2018.
PLOG, Stephen.; PLOG, Fred.; WAIT, Walter. Decision Making in Modern Surveys. Advances in Archaeological Method and Theory, v. 1, p. 383–421, 7 nov. 1978.
POSTGRESQL. About. Disponível em: <https://www.postgresql.org/about/>. Acessado em: 27 set. 2021.
PUGIN, James. Locating the rock art of the Maloti- Drakensberg (Mestrado em Arqueologia) Departamento de Arqueologia, Universidade de Witwatersrand, Joahanesburgo, 2016.
PYPL. PYPL PopularitY of Programming Language. Disponível em: <https://pypl.github.io/PYPL.html>. Acessado em: 7 jan. 2021.
PYTHON.ORG. BeginnerGuide/Overview. Disponível em: <https://wiki.python.org/moin/BeginnersGuide/Overview>. Acessado em: 27 ago. 2021.
QGIS. QGIS - A liderança do SIG de código aberto. Disponível em: <https://qgis.org/pt_BR/site/about/index.html>. Acessado em: 23 ago. 2021.
RFOUNDATION. About. Disponível em: <https://www.r-project.org/about.html>. Acessado em: 27 set. 2021.
ROBRAHN-GONZÁLEZ, Erika. Arqueologia em perspectivas: 150 anos de prática e reflexão no estudo de nosso passado. Revista USP, v. 44, p. 10 - 31, 2000.
SANTOS, Milton. Técnica, Espaço, Tempo: Globalização e meio técnico-científico_ informacional. São Paulo: Editora da Universidade de São Paulo, 2008.
SCHIFFER, Michael Formation Processes of the Archaeological Record. Salt Lake City: University of Utah Press, 1996.
SPAULDING, Albert. Statistical Techniques for the Discovery of Artifact Types. American Antiquity, v. 18, n. 4, p. 305–313, 1953.
SUPERNANT, Kisha. Modeling Métis mobility? Evaluating least cost paths and indigenous landscapes in the Canadian west. Journal of Archaeological Science, v. 84, p. 63–73, 2017.
THOMAZ, Rosângela; IMAI, Nilton; SILVA, Erivaldo; TSUCHIYA, Ítalo. Visualização cartográfica como ferramenta de suporte À implementação de um modelo preditivo em Arqueologia: um estudo de caso. Anais do Simpósio Brasileiro de Geomática. Anais...Presidente Prudente: 2002
TORRES, Rodrigo. Arqueologia histórica na era digital. Vestígios, v. 11, n. 1, p. 7–19, 2017.
TRIGGER, Bruce História do Pensamento Arqueológico. 2a ed. São Paulo: Odysseus, 2011.
VAN RIJMENAMM, Mark. The History Of Predictive Analytics - Infographic. Disponível em: <https://datafloq.com/read/history-predictive-analytics-infographic/438>. Acessado em: 20 jul. 2020.
VERHAGEN, Philip. Predictive Modelling. (Axel Posluschny, K. Lambers, I. Herzog, Eds.)Layers of Perception. Proceedings of the 35th International Conference on Computer Applications and Quantitative Methods in Archaeology (CAA). Anais...Berlin: 2008
VERHAGEN, Philip. On the Road to Nowhere? Least Cost Paths, Accessibility and the Predictive Modelling Perspective. (F. Contreras, M. Farjas, F. J. Melero, Eds.)38th Annual Conference on Computer Applications and Quantitative Methods in Archaeology. Anais...Granada: CAA, 2010
VERHAGEN, Philip; NUNINGER, Laure; TOURNEUX, François; BERTONCELLO, Frédérique; JENESON, Karen. Introducing the Human Factor in Predictive Modelling: a Work in Progress. (I. Romanowska et al., Eds.)CAA2012 Proceedings of the 40th Conference in Computer Applications and Quantitative Methods in Archaeology, Southampton, United Kingdom, 26-30 March 2012. Anais...Southampton: 2012.
VERHAGEN, Philip. Predictive Modelling. In: SANDRA L. LÓPEZ VARELA (Ed.). . The Encyclopedia of Archaeological Sciences. Newark: John Wiley and Sons, 2018. p. 1–3.
VERHAGEN, Philip; BORSBOOM, Arno. The design of effective and efficient trial trenching strategies for discovering archaeological sites. Journal of Archaeological Science, v. 36, n. 8, p. 1807–1815, 2009.
VERHAGEN, Philip; WHITLEY, Thomas. Integrating Archaeological Theory and Predictive Modeling: a Live Report from the Scene. Journal of Archaeological Method and Theory, v. 19, n. 1, p. 49–100, 2011.
VERHAGEN, Philip.; WHITLEY, Thomas. Predictive Spatial Modelling. In: GILLINGS, M., HACIGÜZELLER, P. & LOCK, G. (Ed.). . Archaeological Spatial Analysis: A Methodological Guide. Nova Iorque: Routledge, 2020. p. 231–246.
VITA-FINZI, Claudio; HIGGS, Eric; STURDY, D.; HARRISS, J.; LEGGE, J.; TIPPETT, H. Prehistoric Economy in the Mount Carmel Area of Palestine: Site Catchment Analysis. (J. Gardiner, Ed.)Proceeding of the Prehistoric Society. Anais...Cambridge University Press, 1970
WACHTEL, Ido; ZIDON, Royi; GARTI, Shimon; SHELACH-LAVI, Gideon. Predictive modeling for archaeological site locations: Comparing logistic regression and maximal entropy in north Israel and north-east China. Journal of Archaeological Science, v. 92, p. 28–36, 2018.
WHEATLEY, David; GILLINGS, Mark. Spatial technology and archaeology: the archaeological applications of GIS. 1ª ed. Londres: Routledge, 2002
WILLEY, Gordon.; PHILIP, Philips. Method and Theory in American Archaeology. Chicago: The University of Chicago Press, 1958.
WILLEY, Gordon. Prehistoric settlement patterns in the Viru Valley, Peru. [s.l.] Bureau of American Ethnology Bulletin, 1953.
ZUBROW, Ezra. Digital Archaeology: a historical context. In: EVANS, T. L.; DALY, P. T. (Eds.). . Digital Archaeology. Bridging Method and Theory. Londres: Routledge, 2006, p. 10–31.
Copyright (c) 2022 Lucas Bonald, Demétrio Mützenberg, Eduardo Krempser
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Os Cadernos do LEPAARQ publicam artigos em português, espanhol, italiano, francês e inglês, sem cobrança de nenhum tipo de taxa em nenhum momento, respeitando a naturalidade e o estilo dos autores. As provas finais serão enviadas aos autores, para sua conferência antes da publicação. O Conselho Editorial não se responsabiliza por opiniões emitidas pelos autores dos trabalhos publicados. O periódico Cadernos do LEPAARQ oferece acesso livre imediato ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização mundial do conhecimento. Os textos publicados poderão ser depositados imediatamente pelos autores em suas páginas pessoais, redes sociais e repositórios de textos.Nesse sentido, o periódico não tem fins lucrativos, de modo que os direitos autorais dos artigos publicados pertencerão aos respectivos autores e estes não receberão nenhuma forma de remuneração. Dessa forma, ao enviar o artigo, o autor do mesmo estará automaticamente aceitando esta condição. A reimpressão, total ou parcial, dos trabalhos publicados deve ser apenas informada pelos seus respectivos autores ao conselho editorial do periódico. OBS. Cabe(m) ao(s) autor(es) as devidas autorizações de uso de imagens com direito autoral protegido (Lei nº 9610, de 19 de fevereiro de 1998), que se realizará com o aceite no ato do preenchimento da ficha de inscrição via web.
