DEL ESPECTRO A LA PROCEDENCIA: DOS APLICACIONES DE ACCESO LIBRE PARA CUANTIFICAR Y CLASIFICAR OBSIDIANA ARQUEOLÓGICA POR ED-XRF PORTÁTIL
La determinación de procedencia de artefactos de obsidiana ser relaciona directamente con dos procedimientos que suelen evaluarse por separado: la conversión de espectros de fluorescencia de rayos X a concentraciones elementales (ppm) y la asignación de esas concentraciones a una fuente geológica conocida. Presentamos dos aplicaciones de acceso libre, ejecutables en cualquier navegador sin que los datos salgan del equipo del usuario. GlassCalib convierte espectros crudos del Bruker Tracer III-SD (un equipo usualmente empleado en laboratorios arqueológicos), en concentraciones ppm de once elementos mediante una calibración empírica de tipo Lucas-Tooth y validada dejando uno fuera; los errores varían de 2.9 % en Zr a 14.8 % en Th, y los cinco elementos mejor cuantificados: Y, Sr, Rb, Zr, Nb. Los cuales son precisamente los que se emplean comúnmente en la literatura sobre procedencia al ser más sensibles a la firma geoquímica de cada evento y localidad. Esta base de datos permite llevar a cabo la clasificación de piezas aruqeológicas contra una base de 610 muestras de 30 yacimientos en México y Guatemala. Sobre esa base, seis clasificadores (Distancias de Malahanobis, Análisis discriminante, Arbol de decisión, bosques aleatorios, máquina de vectores de soporte, KNN). Los resultados indican que el 85 % del error se concentra en dos pares de fuentes geológicamente vecinas las cuales, al ser tratadas como unidades únicas, la exactitud asciende a 99.0 %. Para evaluar la aplicación de clasificación supervisada mediante Machine Learning (ML), la aplicamos sobre 374 artefactos del Sitio Acatla (Xochimilco) con asignación de procedencia previa, contrastando el procedimiento tradicional de componentes principales y análisis de conglomerados. El agrupamiento jerárquico tradicional sobre los dos primeros componentes alcanza 95.7 % de concordancia global, frente a 89.3 % de los bosques aleatorios y 90.4 % del consenso entre métodos, pero esta ventaja aparente es porque el conjunto está dominado por tres fuentes muy contrastantes que reúnen 365 piezas. No obstante, la utilidad de usar métodos robustos ML es en yacimientos menores o problemáticos, pues de las nueve piezas de fuentes minoritarias, el análisis clásico de conglomerados recupera entre cero y dos, y los clasificadores supervisados ocho, y los errores recaen, sobre el mismo par Oyameles-Zaragoza previsto por la validación geológica, lo que confirma que el límite es geológico antes que estadístico.