Exploración del uso de modelos predictivos como apoyo a la prospección arqueológica en el valle bajo de Cañete, Perú
Year: 2022
Type: article
Abstract: El valle bajo de Cañete ha sido sometido a una fuerte presión agrícola y territorial que amenaza la conservación de evidencias aún no registradas. Este trabajo explora el uso de métodos computacionales, en particular de aprendizaje automático, como herramienta de apoyo a la prospección arqueológica en este valle. El objetivo general fue evaluar modelos de aprendizaje automático basados en variables geográficas simples que contribuyan a identificar áreas con alta probabilidad de contener evidencia arqueológica superficial. Para esto, se construyeron dos modelos de clasificación supervisada mediante Random Forest. El Modelo 1 empleó una grilla general con balanceo de clases mediante SMOTE. El Modelo 2 incorporó variables hidrológicas, como la proximidad a ríos y acequias. Ambos enfoques fueron validados mediante trabajo arqueológico en campo. Si bien los dos modelos alcanzaron desempeños estadísticos altos en fase de entrenamiento, los resultados muestran una utilidad práctica distinta. El Modelo 1 permitió una detección más amplia, con una mayor proporción de falsos positivos y un 44.4 % de acierto en campo. En cambio, el Modelo 2 presentó un mejor equilibrio entre sensibilidad y precisión (70.6 % de confirmación). En conjunto, los hallazgos sugieren que el aprendizaje automático constituye una herramienta viable y útil para apoyar la prospección arqueológica, siempre que sus resultados sean interpretados críticamente y complementados con validación empírica en campo.
Author: Cornejo Meza, Dina Soledad
Language: Spanish
Subfield: Archeology
Field: Social Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7221742566