16 Nov 2017

Gabriele Gattiglia

Università di Pisa
https://www.unipi.it/

Ricercatore di Metodologia della Ricerca Archeologica presso il Dipartimento di Civiltà e Forme del sapere dell'Università di Pisa, è coordinatore del progetto Europeo ArchAIDE e dirige il MAPPA Lab, che gestisce il MOD (Map Open Data), il repository italiano dei Dati Archeologici Aperti. Si occupa di archeologia digitale e data archaeology, di applicazioni matematiche e di Big Data in archeologia. Ha condotto e partecipato a più di 100 scavi archeologici. Ha pubblicato 11 libri e 70 articoli su riviste scientifiche nazionali, internazionali e in atti di convegni.

Researcher in Methodology of Archeology Research at the Department of Civilization and Forms of Knowledge at the University of Pisa, he is the coordinator of the European ArchAIDE project and of the MAP Lab, which manages the MOD (Map Open Data), the Italian repository of open archaeological data. He deals with digital archeology and data archeology, mathematical applications and Big Data in archeology. He has conducted and participated in more than 100 archaeological excavations. He has published 11 books and 70 articles on national, international scientific journals and conference proceedings.

SESSIONE 1

Big Data

Big Data in Archeologia. L’approccio del progetto ArchAIDE

Gabriele Gattiglia and Francesca Anichini

Negli ultimi anni, gli archeologi hanno cominciato a chiedersi se un approccio di tipo big data possa o meno essere applicato all’archeologia. La digitalizzazione ha cambiato profondamente l’archeologia ed ha aumentato esponenzialmente il quantitativo di dati da elaborare, ma non implica di per sé la “datificazione”, cioè il processo di trasformare qualcosa (oggetti, processi ecc) in un formato quantitativo che possa essere classificato e analizzato, andando significativamente oltre la digitalizzazione. Inoltre, la datificazione si sposa con un approccio di tipo Big Data che permette analisi matematiche più sophisticate per analizzare relazioni non lineari tra dati, permettendo di utilizzare l’informazione ad esempio per analisi massive predittive. Datificare l’archeologia significherebbe produrre un flusso che comuncia dai dati prodtti dalla pratica archeologica, ad esempio localizzazione, interazioni e relazioni tra ritrovamenti e siti.

Il progetto ArchAIDE va esattamente in questa direzione. ArchAIDE è un progetto finanziato nell’ambito di H2020 con l’obiettivo di realizzare: un tool che supporti gli archeologi nel riconoscere e classificare frammenti di vasellame attraverso efficienti algoritmi per la caratterizzazione, ricerca e individuazione di corrispondenze visuali e geometriche; Un tool di visualizzazione real time per migliorare l’accesso a reperti archeologici e generare nuova consocenza; un open archive che permetta l’archiviazione e il riuso di dati archeologici. Questo processo sposterebbe l’archeologia verso un approccio data-driven e Big Data.

Big Archaeological Data. The ArchAIDE project approach

Gabriele Gattiglia and Francesca Anichini

In recent years, archaeologists began to ask to themselves if a Big Data approach can be applied to archaeology. Digitisation has changed archaeology deeply, and has increased exponentially the amount of data that could be processed, but it does not by itself involve datafication. Datafication is the act of transforming something (objects, processes, etc.) into a quantified format, so they can be tabulated and analysed; it promises to go significantly beyond digitisation. Moreover, datafication fits a Big Data approach that permit more sophisticated mathematical analyses to identify non-linear relationships among data, allowing to use the information, for instance, for massive predictive analyses.

To datafy archaeology would mean to produce a flow of data starting from the data produced by the archaeological practice, for instance, locations, interactions and relations between finds and sites. The ArchAIDE project goes exactly in this direction. ArchAIDE is a H2020 funded project (2016-2019) that will realise a tool that will support archaeologists in recognising and classifying potsherds, through efficient algorithms for characterization, search and retrieval of the visual/geometrical correspondences; a web-based real-time data visualization to improve access to archaeological heritage and generate new understanding; an open archive to allow the archival and re-use of archaeological data. This process would move archaeology towards data-driven research and Big Data.

Stampa