Uporaba strojnega učenja za napovedovanje spola na poznoantičnem grobišču Lajh v Kranju / Applying Machine Learning to Sex Prediction at the Late Antique Cemetery Lajh in Kranj

Abstract: Quantitative methods have long been employed in archaeology, yet the application of machine learning techniques to archaeological data has only recently gained momentum. This paper presents an example of using machine learning to enrich datasets from the Late Antique cemetery Lajh in Kranj. Of 544 graves analysed, only 88 (16.2%) have anthropological sex determinations, largely due to early excavation practices where skeletal remains were not systematically preserved. To address this gap, we trained a logistic regression model on 69 graves characterised with both grave goods and anthropologically determined sex. Using the presence and quantity of 68 categories of grave goods, the model predicted sex labels for all the graves with grave goods and provided probability scores for each prediction. Reliable predictions (> 75% probability) were obtained for 188 graves, effectively expanding the dataset for further analysis.

The model revealed meaningful patterns, for example, those associating specific grave goods with gender and the expression of gender in children’s burials. While the approach is limited by data quality, typological generalisations, and small training sets, it demonstrates how machine learning can highlight relationships between variables and provide additional perspectives on gender in mortuary contexts.

Izvleček: V arheologiji se kvantitativne metode že dolgo uporabljajo, vendar pa se je uporaba metod strojnega učenja na arheoloških podatkih začela uveljavljati šele v zadnjem času. V članku predstavljamo primer uporabe strojnega učenja za obogatitev podatkovnih zbirk s poznoantičnega grobišča Lajh v Kranju. Od 544 analiziranih grobov jih ima le 88 (16,2 %) antropološko določitev spola, predvsem zaradi zgodnjih izkopavanj, pri katerih skeletni ostanki niso bili sistematično shranjeni. Da bi zapolnili to vrzel, smo na 69 grobovih, ki so vsebovali pridatke in antropološko določen spol, naučili model logistične regresije. Na podlagi prisotnosti in števila 68 vrst grobnih pridatkov je model napovedal spol za preostale grobove z grobnimi pridatki in za vsako napoved podal verjetnost. Zanesljive napovedi (> 75-odstotna verjetnost) smo pridobili za 188 grobov, s čimer smo zbirko podatkov razširili za nadaljnje analize.

Model je razkril pomembne vzorce, med drugim povezave posameznih vrst pridatkov s spolom ter z izražanjem spola v otroških grobovih. Čeprav je pristop omejen s kakovostjo podatkov, tipološkimi posplošitvami in majhnim naborom podatkov za učenje, se je pokazalo, da lahko strojno učenje poudari odnose med spremenljivkami in ponudi dodatne poglede na družbeni spol v kontekstu grobišč.