Archeologické rozhledy 2009 - Archeologický ústav AV ČR

148 Nové publikacemodelech, které si vynucují dodatečné získávání dat. Kapitoly 2 až 4 ukazují tematickou šíři záběruautora a týkají se studií v projektu Archaeomedes, zaměřeného na vyhodnocování archeologickéhopotenciálu krajiny, kterého se autor účastnil v 90. letech (římské hrnčířské pece v severových. Francii,„pohřbené“ archeologické lokality údolí Rhôny, užití multikriteriálních metod a Bayesovy větypři vývoji modelů jako prostředek ke sladění objektivní a subjektivní dedukce). Zde autor poskytujei metodologii k postihnutí míry nejistoty v modelu a prahových hodnot (rozpětí) pro sběr dat. Kap. 2se týká vyhledávání nových typů lokalit (v tomto případě míst produkce keramiky) na základě předemvytvořeného prediktivního modelu. Jak model ukázal, lokalizace keramických dílen se vázalapředevším na výskyt vhodného materiálu (hrnčířské hlíny) a na komunikace. Díky tomu mohly býtobjeveny nové lokality. Model byl ohodnocen jako vysoce přesný, na druhou stranu však vyžadovalnemalou vstupní investici v podobě času a financí a také nároky na jeho ověření v terénu byly poměrněnáročné. Kapitola o prediktivním modelování v údolí Rhôny (kap. 3) vychází z projektu zaměřenéhona dokumentaci míry ovlivnění archeologické prospekce stavem současné krajiny a jejímitransformativními procesy. Modelovaly se zde zóny, kde se předpokládalo nedochování archeologickýchlokalit v důsledku akumulace nebo eroze a byl stanoven hrubý potenciál pro přítomnost lokalitještě neobjevených. Návaznost na druhou část knihy představují případové studie z Nizozemí kde je,na rozdíl od České republiky, prediktivní modelování a vyhodnocování archeologického potenciálukrajiny pevně zakotveným metodologickým postupem v památkové péči. Velká pozornost se protojiž nejméně dvě desítky let věnuje neustálému vyvíjení a zlepšování prediktivních modelů, k jejichžvýsledkům má přístup nejen státní správa, ale také veřejnost (jsou přístupné na internetu). Chybnépostupy proto mohou mít fatální důsledky a místní badatelé si to dobře uvědomují (např. van Leusen –Kamermans eds. 2005). Samostatná studie (kap. 4) se zaměřuje na tyto expertní posudky a problémypři jejich verifikaci. V tomto případě je zmiňován potenciál multikriteriálních metod při vývoji prediktivníchmodelů, neboť tyto statistické metody spojují subjektivní dedukce s kvantitativním přístupem.Pro demonstraci tohoto postupu byly nejprve vytvořeny expertní posudky na archeologickýpotenciál jedné lokality a tyto posudky byly pomocí multikriteriálních metod testovány. Závěrem vyplývá,že pro speciální postupy v prediktivním modelování, jako jsou podmíněné pravděpodobnostia Bayesova věta („Bayesian statistic“; podle Bayesova teorému, který vyjadřuje, že pravděpodobnostjevu A je v modelu podmíněna jevem B, kterým může být v konkrétním případě např. „stav bádání“,tzn. že stávající modely jsou jednoduše upravitelné, pokud jsou dostupná nová data; srov. Millard 2005,169; Finke – Meylemans – Van de Vauw 2008, 2787), je nutné provést ještě další determinovaný sběrdat. Hlavní výhodou a výstupem z této části je však zdůraznění efektu nejistoty a definování rozpětíhodnot pro sběr dat a vývoj modelů, které by měly tvořit součást všech výstupů z prediktivníhomodelování, k čemuž však v současnosti téměř nedochází.Druhá část se týká archeologické prospekce zaměřené cíleně na sběr dat pro měření kvality prediktivníchmodelů, jejich zlepšování a zejména testování. Úvodní kapitola této části (kap. 5) se proněkoho poněkud překvapivě týká geologických vrtů jako prospekční metody a jejich strategie. Hlavníposelství této části spočívá v tom, že touto metodou se dají „objevit“ pouze rozsáhlé a materiálověbohaté lokality. Proto před užitím této metody musí být v projektu jasné, jaký typ lokalit se hledáa pomocí jakých archeologických indikátorů se „objeví“. Následující studie (kap. 6) se zabývá prospekčnímistrategiemi z obecného hlediska a poněkud překvapeně konstatuje, že jen zřídka se provádějípomocí pravděpodobnostního hlediska. Místa určené k prospekci jsou vybírána většinou náhodně,nikoliv na základě vyjádření pravděpodobnosti určitého nálezu nebo poznání (tedy prediktivníhomodelu). Navazující kapitola je věnovaná testování modelů (rozsáhlá kap. 7, která obsahuje srovnávacíklasifikace, expertní posudky a jejich metodologii, metody autokorelace a asociace, postupy přivalidaci modelů, statistické testování, sběr dat pro nezávislé testování, využití environmentálních datatd.). Autor zde upozorňuje především na nedostatky ve statistickém testování prediktivních modelůanavrhuje tři aspekty, které by měly tvořit základ při evaluaci modelů: měření kvality predikcí, zlepšováníkvality bez testování, testování pomocí nezávislých dat.Třetí část se zabývá alternativními přístupy k zaběhlým schématům v prediktivním modelovánía soustředí se zejména na analýzy využívání krajiny (land use) na konkrétním případu údolí Río