Die Rückkehr des Leittyps ?
Verwendung der Indikator-Arten-Analyse als
archäologische Indikator-Typen-Analyse
Typ 7 => Gru...
Folie 2/23Georg Roth / Köln, Indikatortypen-Analyse
1. Einleitung
Gliederung
1. Einleitung
2. Leitfund und Indikator-Analy...
Folie 3/23Georg Roth / Köln, Indikatortypen-Analyse
2. Leitfund vs. Indikatortypen-Analyse
2.1. Leitfund
- Typologisch ana...
Folie 4/23Georg Roth / Köln, Indikatortypen-Analyse
2. Leitfund vs. Indikatortypen-Analyse
2.2. Indikator-Arten
- Ökologie...
Folie 5/23Georg Roth / Köln, Indikatortypen-Analyse
Auf meine Anfrage
antwortete der Entwickler des R-Paketes zur Indikato...
Folie 6/23Georg Roth / Köln, Indikatortypen-Analyse
3. Datenstruktur und Software
3.1. Verwendbare Information bzw. Datens...
Folie 7/23Georg Roth / Köln, Indikatortypen-Analyse
Statistik-Programmieroberfläche R
kostenfrei Opensource, frei, ständig...
Folie 8/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.1. Methodik: Indikatorwert für Anzahlen
Indikator-Analys...
Folie 9/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.1. Methodik: Indikatorwert
Indikator-Wert misst Prognose...
Folie 10/23Georg Roth / Köln, Indikatortypen-Analyse
Standardisiert auf Maximalwert
4. Methodik
4.2. Methodik: Phi-Koeffiz...
Folie 11/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.3. Vergleich: IndVal / Phi (rpb)
Phi-Wert
Maß für von G...
Folie 12/23Georg Roth / Köln, Indikatortypen-Analyse
4. Methodik
4.4. Teste: Absicherung gegen Zufall
Außer Messung auch A...
Folie 13/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.1. Inventare und Gruppen...
Folie 14/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.2. Inventardatierungen
D...
Folie 15/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
Rohmaterialvorkommen (SCHA...
Folie 16/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
Rohmaterialvorkommen (SCHA...
Folie 17/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
Rohmaterialvorkommen (SCHA...
Folie 18/23Georg Roth / Köln, Indikatortypen-Analyse
5. Beispiel Neolithisches Silexrohmaterial
5.4. Fazit für Rohmaterial...
Folie 19/23Georg Roth / Köln, Indikatortypen-Analyse
„Was wollte ich eigentlich sagen:…“
1. Indikator-Typen-Analysen sind ...
Folie 20/23Georg Roth / Köln, Indikatortypen-Analyse
Vielen Dank für Ihre Aufmerksamkeit !
Georg Roth groth@uni-koeln.de
F...
Folie 21/23Georg Roth / Köln, Indikatortypen-Analyse
Folie 22/23Georg Roth / Köln, Indikatortypen-Analyse
Literatur: Indikator-Typen-Analysen
M. De Caceres/P. Legendre, Associ...
Folie 23/23Georg Roth / Köln, Indikatortypen-Analyse
ad 5. Beispiel Neolithisches Silexrohmaterial
Daten der neolithischen...
Nächste SlideShare
Wird geladen in …5
×

[DCSB] Georg Roth (Universität zu Köln) "Die Rückkehr des Leitfundes? Die Verwendung der ökologischen Indikator-Arten-Analyse als archäologische Indikator-Typen-Analyse."

1.279 Aufrufe

Veröffentlicht am

Veröffentlicht in: Bildung
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.279
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
96
Aktionen
Geteilt
0
Downloads
1
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

[DCSB] Georg Roth (Universität zu Köln) "Die Rückkehr des Leitfundes? Die Verwendung der ökologischen Indikator-Arten-Analyse als archäologische Indikator-Typen-Analyse."

  1. 1. Die Rückkehr des Leittyps ? Verwendung der Indikator-Arten-Analyse als archäologische Indikator-Typen-Analyse Typ 7 => Gruppe A ? Vorgetragen in Berlin, Digital Classicist Seminar, Dienstag 11. Februar 2014 Überarbeitete Onlineversion vom Montag, dem 3. März 2014
  2. 2. Folie 2/23Georg Roth / Köln, Indikatortypen-Analyse 1. Einleitung Gliederung 1. Einleitung 2. Leitfund und Indikator-Analyse 3. Datenstruktur und Software 4. Methodik 5. Beispiel: Alt-/mittelneolithisches Silexrohmaterial in Franken 6. Kern-Aussagen
  3. 3. Folie 3/23Georg Roth / Köln, Indikatortypen-Analyse 2. Leitfund vs. Indikatortypen-Analyse 2.1. Leitfund - Typologisch analysierte Inventare archäologischer Objekte - Typ anhand dessen Auftreten Stufe/Gruppe definiert wird - Konzept aus der Geologie entlehnt (Leitfossil) - in Archäologie Inventargruppen definiert, in Geologie vorgegeben Geological Index fossils (Wikipedia Commons) Bz-Vollgriffschwert Nord. BzZ II (Driehaus 1968) Navicella-Fibel Golasecca-Kultur IC (Eles Masi 1986) Ex post („passiv“) Gruppen vorgegeben Art („Typ“) ermittelt A priori („aktiv“) Gruppen definiert Typ als Definens
  4. 4. Folie 4/23Georg Roth / Köln, Indikatortypen-Analyse 2. Leitfund vs. Indikatortypen-Analyse 2.2. Indikator-Arten - Ökologie sucht Arten, deren Auftreten Gruppenzugehörigkeit (Region, Habitattyp etc.) eines Artenspektrums anzeigt („Indikator“) - Konzept seit 1920ern intuitiv verfolgt - Seit späte 1990er objektive/statistische Methodik (Dufrene/Legendre 1997) - Artenspektren-Gruppierung(-en) vorgegeben (Region, Habitattyp etc.) Vilcha/De Caceres et al. 2013 : Indikatorarten (Bäume) für Regional- gruppen iberischer Eichenwälder. Qercus faginea (Wikipedia Commons) Quercus pyrenaica Arten-Gemeinschaften (FOTO De Caceres) Iberisches Gebirge (Wikipedia Commons) Wird Indikator (bei neuem Fall) gefunden, gehört Fall zu indizierter Gruppe bzw. Gruppe ist durch Indikator charakterisiert
  5. 5. Folie 5/23Georg Roth / Köln, Indikatortypen-Analyse Auf meine Anfrage antwortete der Entwickler des R-Paketes zur Indikator-Analyse, Dr. Miquel de Caceres, sinngemäß: ‚die Anwendung der Methode benötige nur Daten in der skizzierten Form [s. u.] und beinhalte keine ökologie-spezifischen Rechenschritte‘. 2. Leitfund vs. Indikatortypen-Analyse 2.3. Transfer in die Archäologie = Indikator-Typen GEFRAGT: Typ-Auftreten zeigt Gruppenzugehörigkeit des Inventars an ? - Wenn (zeitliche) Gruppierung von Inventarspektrum unabhängig, dann objektive Methodik zur Identifizierung von Leitfunden (sensu Leitfossil) - Wenn Gruppierung anhand Inventarspektrem erstellt (z. b. Chronologie), dann unterstützende Methodik zur Beschreibung von Gruppierungen (sensu Leitfund) - Erweiterung der Indikatoren-Analyse (Phi-Koeffizient) erlaubt Messen von bevorzugtem Auftreten oder auffälligem Fehlen => objektive Beschreibung von Typ-Auftreten in Inventargruppen Rückkehr des Leitfundes ? Klares JEIN ! Email-Antwort von: Miquel De Caceres 5. Mai 2011
  6. 6. Folie 6/23Georg Roth / Köln, Indikatortypen-Analyse 3. Datenstruktur und Software 3.1. Verwendbare Information bzw. Datenstruktur T 01 T 02 T 03 T 04 T 05 T 06 T 07 T 08 T 09 GRUPPE Inventar 01 19 55 78 9 60 78 53 68 22 Inventar 02 61 17 33 21 75 22 22 13 12 Inventar 03 84 41 58 2 85 41 41 32 7 Inventar 04 74 46 3 95 21 73 40 77 41 Inventar 05 63 79 81 96 99 100 3 8 29 Inventar 06 86 27 42 60 42 10 78 65 37 Inventar 07 24 66 16 3 51 23 18 18 48 Inventar 08 33 23 84 6 82 14 30 54 74 Inventar 09 8 68 77 92 68 72 36 53 91 Inventar 10 66 22 80 58 72 74 58 11 11 Inventar 11 84 58 88 83 62 54 19 69 60 Inventar 12 52 86 52 17 44 62 93 34 78 B A Zwei Informationen: Kreuztabelle und Gruppenzugehörigkeit 1. Kreuztabelle mit Sparten für Inventare und Sparten für Typen = typische archäolog. Daten mit Inventaren in Zeilen und Typen in Spalten 2. Sparten (Spalte) mit Gruppenzugehörigkeit der Inventare zwei Informationsvarianten möglich: Anzahlen oder Präsenz-Absenz-Daten (1 oder 0) Zusatzspalte: Gruppierung in Spalten: Typen in Zeilen: Inventare in Zellen: Anzahlen oder Präsenz- Absenz gerade betrachtete Gruppe = Zielgruppe
  7. 7. Folie 7/23Georg Roth / Köln, Indikatortypen-Analyse Statistik-Programmieroberfläche R kostenfrei Opensource, frei, ständig aktualisiert wissenschaftliche Publikation(-en) Packet indicspecies (De Caceres/Jansen 2013) http://http://http://http://cran.rcran.rcran.rcran.r----project.orgproject.orgproject.orgproject.org////package=indicspeciespackage=indicspeciespackage=indicspeciespackage=indicspecies http://cran.r-project.org 3.2. Software 3. Datenstruktur und Software Ökologe Miquel De Caceres Biodiversitätslabor des Katalanischen Forstwirtschaftszentrums in Solsona www.ctfc.cat Software und Analyse-Anleitung zu seinem Paket indicspecies über 4.000 Erweiterungs-Pakete für verschiedenste Methoden Weltweit mächtigste Statistik-Software für die Wissenschaft FOTO De Caceres
  8. 8. Folie 8/23Georg Roth / Köln, Indikatortypen-Analyse 4. Methodik 4.1. Methodik: Indikatorwert für Anzahlen Indikator-Analyse für Anzahlen bei unterschiedlich großen Fall-Gruppen [Wurzel (IndValg ind); g = gruppengrößen-korrigiert, ind = partiell Individuen-basiert] Berechnet wird für jeden Typ bezogen auf jede Gruppe: A = Bruch aus mittleren Typ-Anzahl in Zielgruppe (A1) und Summe (A2) der mittleren Typ-Anzahlen von allen Gruppen (A{0,…,1}, A → 1, wenn nur in Zielgruppe) B = Anteil der Zielgruppenfälle mit Typ (B {0,…,1} , „Anteil Fälle-mit-Typ an Zielgruppe“) Ziehe Wurzel aus Produkt von A und B (= Geometrisches Mittel unabhängiger Effekte) Indikatorwert („Wurzel (IndVal)“) gleich Wurzel aus (A1 / A2 * B) A1 A2 In Abwandlung auch für Präsenz-/Absenz-Daten A B Spezifität Treue
  9. 9. Folie 9/23Georg Roth / Köln, Indikatortypen-Analyse 4. Methodik 4.1. Methodik: Indikatorwert Indikator-Wert misst Prognose-Güte eines Typs für eine Fallgruppe Das Mittel aus Term A /Spezifität („Bezogenheit“ eines Typs auf Gruppe) und Term B /Treue („Typ-Treue zur Gruppe“) entspricht Mittel aus Prognosequalität (A) und Prognoseeignung (B) IndVal zwischen 0 (niedrige) und 1 (hohe) Prognosegüte Bei Indikatorwert zu beachten - er berücksichtigt nur (!) die Werte für jeweils untersuchten Typ - er behandelt Abwesenheiten außerhalb Zielgruppe anders als innerhalb zwei Erweiterungen des Indikatorwertes möglich - messen der Indikator-Tauglichkeit von Typkombinationen [war nicht möglich bisher] - messen der Indikator-Tauglichkeit für Kombinationen von Gruppen (‚Meta-Gruppen‘) [macht nur bei mehr als zwei Gruppen Sinn] A Spezifität/ Qualität Treue/ Eignung B
  10. 10. Folie 10/23Georg Roth / Köln, Indikatortypen-Analyse Standardisiert auf Maximalwert 4. Methodik 4.2. Methodik: Phi-Koeffizient für Anzahlen A1 A2 In Abwandlung auch für Präsenz- Absenz-Daten („echtes Phi“)B1 und B2 in Formel aufgelöst A1 und A2 in Formel verändert Phi-Wert misst bevorzugtes/vermiedenes Auftreten eines Typs in Gruppen (im Unterschied zu Gleichverteilung über alle Gruppen) [ rg pb ; g=gruppengrößen-korrigiert, pb = Punkt-biserialer-Korrelationskoeffizient] Anzahl in Zielgruppe (A1) minus erwartete Anzahl (bei Gleichverteilung/Zufall) (A2), als Bruchteil der Streuung bei Zufall (B1) und des theoretischen Maximalwerts (B2) Phi zwischen: – 1 = Vermeidung und + 1 = Präferenz - Absenzen außerhalb Zielgruppe erhöhen Wert so wie Präsenzen innerhalb Zielgruppe - Ausgangspunkt ist Gleichverteilung über alle Gruppen (Abweichung vom Durchlaufen) - Erweiterungen wie Typen- und Gruppenkombinationen ebenfalls möglich Beobachtet Erwartet– Schwankungsbreite Maximalwertstandardisiert
  11. 11. Folie 11/23Georg Roth / Köln, Indikatortypen-Analyse 4. Methodik 4.3. Vergleich: IndVal / Phi (rpb) Phi-Wert Maß für von Gleichverteilung abweichendem Auftreten eines Typs Wie weicht Typauftreten in den Gruppen Gleichverteilung über alle Gruppen ab ? Indikatorwert Maß für Entsprechung von Typauftreten und Gruppenzugehörigkeit bzw. Prognosecharakter eines Typs für eine Gruppe Welcher Typ zeigt alleine durch Auftreten schon Zielgruppe an ? Oft ergeben beide Ansätze ähnliches Bild, aber Deutung muss sich unterscheiden je danach, welche Methode verwendet wurde.
  12. 12. Folie 12/23Georg Roth / Köln, Indikatortypen-Analyse 4. Methodik 4.4. Teste: Absicherung gegen Zufall Außer Messung auch Absicherung der beobachteten Werte gegen Zufall möglich (Test auf Signifikanz der Beobachtung) empfohlene Datensatzgröße für wirklich belastbare Testergebnisse ca. 100 Inventare mit mind. 30 Inventaren pro Gruppe [Beispiel hier aus 5. zu klein…] Signifikanz-Berechnung durch Permutationsteste (Permutation hier = Vertauschung der Gruppenzughörigkeit) Signifikanz-Berechnung bereits korrigiert für Mehrfachtesten ! Vertrauensbereiche (Konfidenzintervalle) für Maße ermittelbar Beachte: Trotzdem können Teste von räumlicher Autokorrelation (raum- bezogene Selbstähnlichkeit) und Tautologie-Effekten (wenn Fallgruppierung anhand der Typen) betroffen und verzerrt sein.
  13. 13. Folie 13/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial 5.1. Inventare und Gruppen Silexrohmaterial-Inventare der Jungsteinzeit aus Westfranken von alt- (AN) und mittel- neolithischen (MN) Fundstellen (SCHARL 2007, Tab. 4 und 5). Daten 25 Fundstellen bestehend aus 20 Begehungen und 5 Grabungen (2,15,19,21,22) Kreuztabellen AN (n=12) und MN (n=13) Fundstellen gegen Rohmaterial Gruppierungen (typenunabhängig) (2) Chronologisch (AN oder MN) (2) Regional (14 links, 11 rechts des Mains) (4) Chronologie und Region gekreuzt (7 AN/links, 5 AN/rechts, 7 MN/links, 6 MN/rechts ) Neolithische Silexinventare W.-Franken (SCHARL 2007, Abb. 1) MAIN Verändert: Mainverlauf schematisch
  14. 14. Folie 14/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial 5.2. Inventardatierungen Datierung (= chronologische Gruppierung) von Rohmaterialtypen unabhängig => Teste unverzerrt, aber Gruppen kleiner als Empfehlung => wenig robust Datierung Silexinventare (SCHARL 2007, Abb. 4) AN = mLBK – spLBK = 5200-4950 BC MN = GG – Rö = 4950-4550 BC
  15. 15. Folie 15/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial Rohmaterialvorkommen (SCHARL 2007, Abb. 14) 5.3.1 Indikatoren / chronologisch „prognosentaugliches Rohmaterial ist…“ IndikatorenIndikatorenIndikatorenIndikatoren LBK/MNLBK/MNLBK/MNLBK/MN Multilevel pattern analysis --------------------------- Association function: IndVal.g Significance level (alpha): 0.05 Total number of species: 26 Selected number of species: 7 Number of species associated to 1 group: 7 Group LBK #sps. 2 A B stat p.value RIJ 0.9485 0.8333 0.889 0.010 ** WIT 0.8059 0.8333 0.820 0.017 * Group MN #sps. 5 A B stat p.value ARN 0.9329 1.0000 0.966 0.001 *** IN1 0.9522 0.7692 0.856 0.006 ** BUX 0.8626 0.7692 0.815 0.017 * RUL 0.9461 0.4615 0.661 0.043 * ORT 1.0000 0.3846 0.620 0.045 * (alle Silex-Fotos: SCHARL 2007)
  16. 16. Folie 16/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial Rohmaterialvorkommen (SCHARL 2007, Abb. 14) 5.3.2 Präferenzen / regional „bevorzugt auftretendes Rohmaterial für …“ PhiPhiPhiPhi----KoeffizientKoeffizientKoeffizientKoeffizient Main links/Main links/Main links/Main links/rechtsrechtsrechtsrechts Multilevel pattern analysis --------------------------- Association function: r.g Significance level (alpha): 0.05 Total number of species: 26 Selected number of species: 6 Number of species associated to 1 group: 6 Group linksmain #sps. 5 stat p.value JUR 0.404 0.047 * WIT 0.382 0.047 * IN2 0.376 0.045 * BAI 0.346 0.035 * GAI 0.332 0.018 * Group rechtsmain #sps. 1 stat p.value BAL 0.422 0.027 * (alle Silex-Fotos: SCHARL 2007)
  17. 17. Folie 17/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial Rohmaterialvorkommen (SCHARL 2007, Abb. 14)5.3.3 Metagruppen-Indikatoren / gekreuzt „typisch für Gruppe oder Gruppen-Kombination“ IndikatorenIndikatorenIndikatorenIndikatoren GruppenkombinationGruppenkombinationGruppenkombinationGruppenkombination Multilevel pattern analysis --------------------------- Association function: IndVal.g Significance level (alpha): 0.05 Total number of species: 26 Selected number of species: 6 Number of species associated to 1 groupto 1 groupto 1 groupto 1 group: 3 Group Lr #sps. 1 stat p.value RIJ 0.917 0.004 ** Group Ml #sps. 2 stat p.value BUX 0.828 0.041 * GAI 0.818 0.035 * Number of species associated to 2 groupsto 2 groupsto 2 groupsto 2 groups: 3 Group Ll+Lr #sps. 1 stat p.value WIT 0.815 0.041 * Group Ml+Mr #sps. 2 stat p.value ARN 0.967 0.001 *** IN1 0.858 0.011 * (alle Silex-Fotos: SCHARL 2007)
  18. 18. Folie 18/23Georg Roth / Köln, Indikatortypen-Analyse 5. Beispiel Neolithisches Silexrohmaterial 5.4. Fazit für Rohmaterial-Beispiel - „altbekannte“ Charakteristika werden erfasst => Methoden-Evaluation erfolgreich ! - Beobachtung regionaler Aufteilung bestätigt - Begehungs-Inventare sind gute Daten - zahlreiche Details (nur in Ausschnitten dargestellt) - hier: Indikatoren sensu Leitfossil (Gruppierung rohmaterialunabhängig) MAIN Neolithische Silexinventare Westfranken (SCHARL 2007, Abb. 1) (alle Silex-Fotos: SCHARL 2007) Verändert: Mainverlauf schematisch
  19. 19. Folie 19/23Georg Roth / Köln, Indikatortypen-Analyse „Was wollte ich eigentlich sagen:…“ 1. Indikator-Typen-Analysen sind je nach Ausgangslage eine vielversprechende Methodik (Gruppierung Typen-unabhängig) eine sinnvolle objektiv beschreibende Ergänzung (Gr. Typen-abhängig) 2. Indikatoren sind für allgemeine Fragestellungen vielseitig verwendbar. 3. Kombinations-basierte Ansätze erschließen neues Konzept. 4. R-basierte Analysen garantieren leichte Nachvollziehbarkeit. 6. Kern-Aussagen
  20. 20. Folie 20/23Georg Roth / Köln, Indikatortypen-Analyse Vielen Dank für Ihre Aufmerksamkeit ! Georg Roth groth@uni-koeln.de Für eigene Indikatoranalysen Software unter: http://cran.r-project.org/package=indicspecies [R starten und Folgendes eingeben] > install.packages("indicspecies") > require(indicspecies) > vignette("indicspeciesTutorial") Abendlicher Blick Dezember 2013 vom Cairo Tower Richtung Giza-Pyramiden
  21. 21. Folie 21/23Georg Roth / Köln, Indikatortypen-Analyse
  22. 22. Folie 22/23Georg Roth / Köln, Indikatortypen-Analyse Literatur: Indikator-Typen-Analysen M. De Caceres/P. Legendre, Associations between species and groups of sites: Indices and statistical inference. Ecology 90, 2009, 3566–3574. M. De Caceres/P. Legendre/M. Moretti, Improving indicator species analysis by combining groups of sites. Oikos 119, 2010, 1674–1684. M. De Caceres/P. Legendre/S. Wiser/L. Brotons, Using species combinations in indicator value analyses. Methods in Ecology and Evolution 3, 2012, 973–982. M. De Caceres/Fl. Jansen, indicspecies: Studying the statistical relationship between species and groups of sites. R package version 1.6.7 (14-01-2013) [http://cran.r-project.org/package=indicspecies]. M. Dufrene/P. Legendre, Species assemblages and indicator species: the need for a flexible asymmetrical approach. Ecological Monographs 67, 1997, 345–366. P. Legendre, Indicator Species: Computation. In: S. Levin (ed.), Encyclopedia of Biodiversity Vol. 4 (2nd ed. 2013), 264-268. R Core Team, R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria (version 2.15.3.: 01-03-2013) <ISBN 3-900051- 07-0> [http://www.r-project.org].
  23. 23. Folie 23/23Georg Roth / Köln, Indikatortypen-Analyse ad 5. Beispiel Neolithisches Silexrohmaterial Daten der neolithischen Silexinventare aus Westfranken in S. SCHARL, Die Silexrohstoffversorgung am Übergang vom Alt- zum Mittel- neolithikum im westlichen Franken (Diss. Berlin 2007), Anhang. Altneolithikum Tab. 4 Bandkeramische Fundstellen. Anzahl der Silices pro Fundstelle Mittelneolithikum Tab. 5 Mittelneolithische Fundstellen. Anzahl der Silices pro Fundstelle. Impressum (Vortragsumfang 20 Folien, Vortragsdauer 30 min): Indikator-Berechnungen, Vortragsfolien und alle nicht anderweitig ausge- wiesenen Abbildungen von Dr. Georg Roth (März 2014) groth@uni-koeln.de Liebe Leserin, Lieber Leser, sollten Sie außer Anregungen auch Inhalte aus diesen Vortragsfolien ver- wenden, danke Ich Ihnen schon jetzt für den angemessenen Hinweis auf die bezeichneten Quellen und/oder meinen Vortrag sowie den Bezugsort. Dr. Georg Roth Köln, Rosenmontag 2014 Die Online-Stellung erfolgte durch und auf Wunsch des DCSB.

×