Culturomics og Google Book Project

Plot fordelingen over tid af begivenheder som jordskælv, skovbrande, krige, mode, epidemier og så videre, og du vil få en magtlov, et matematisk forhold, hvor frekvensen afhænger af en anden mængde hævet til en vis magt.

Det er en forvirrende og dybtgående opdagelse. Det betyder, at disse fænomener i den virkelige verden forekommer i mønstre, der trodser standard statistisk analyse. Det bliver for eksempel meningsløst at beskrive den 'gennemsnitlige' tid mellem skovbrande eller den 'gennemsnitlige' størrelse af et jordskælv eller antallet af dødsfald i en 'gennemsnitlig' krig. Begrebet gennemsnit giver simpelthen ikke mening.

En af de nøglefaktorer, der driver arbejde på dette område, er tilgængeligheden af ​​store datasæt, som videnskabsmænd kan knuse for at lede efter magtlove. Det er relativt ligetil at få for mange naturfænomener som jordskælv og skovbrande, i det mindste i nyere historie.

Men traditionelt har sociale fænomener været meget sværere at måle. Det er begyndt at ændre sig i de sidste par år takket være de enorme databaser, der er bygget op siden fremkomsten af ​​internettet. Undersøgelsen af ​​nettet har afsløret ingen ende på magtlove i menneskelig adfærd, og for nylig er data forbundet med mobiltelefonbrug begyndt at afsløre store mønstre af menneskelig mobilitet og socialt samkvem.

Nu udløste Google Bog-projektet et nyt undersøgelsesområde. Dette program har scannet indholdet af omkring 5 millioner bøger fra 40 universitetsbiblioteker rundt om i verden. Det er omkring 4 procent af alle de bøger, der nogensinde er udgivet.

Sidste år offentliggjorde Google Books-teamet og nogle få andre den første undersøgelse af denne database. Disse fyre undersøgte forekomsten af ​​n-gram, sekvenser af et bestemt antal ord, dette tal angivet med n.

De konkluderede, at deres tilgang kan producere unik indsigt i områder som grammatikkens udvikling, overtagelsen af ​​teknologi, jagten på berømmelse, censur og historisk epidemiologi. De opfandt endda et ord for at beskrive dette nye videnskabsområde, der spænder over humaniora og samfundsvidenskab – kulturomik.

I dag tager Jianbo Gao ved Wright State University i Dayton, Ohio, og et par venner, Googles idé og løb med den. Eller i det mindste jogg et par skridt.

Disse fyre har brugt Googles bogdatabase til at studere forekomsten af ​​to typer ord: dem, der beskriver naturfænomener såsom jordskælv og orkaner; og dem, der beskriver sociale fænomener som krig og arbejdsløshed.

De ser især på en matematisk størrelse kaldet Hurst-parameteren, som beskriver sandsynligheden for, at en hændelse opstår igen, givet at den har fundet sted tidligere. Hurst-parameteren er et mål for, hvordan fortiden påvirker fremtiden, uanset om 'hukommelsen' af en begivenhed er langsigtet eller kortsigtet i dataene.

Generelt siger de, at ord, der beskriver naturlige fænomener, ser ud til at fremstå på en måde, der har en langtidshukommelse, mens ord, der beskriver sociale fænomener, kun har en korttidshukommelseseffekt.

Det er interessant, fordi det antyder, at de kræfter, der arbejder, der bestemmer, hvornår forekomsten af ​​disse ord er anderledes. Vores analyse tyder på ... at sociale fænomener har en tendens til at følge andre skaleringslove end naturlige fænomener.

Det giver mening, og det er interessant at se resultatet komme ud af en enkelt mængde data.

Men der er talrige kompleksiteter, der gør resultatet svært at gennemskue. Gao og co antyder, at brugen af ​​ord er drevet af selve forekomsten af ​​begivenheder. Så ordet jordskælv bruges oftere efter et stort jordskælv, for eksempel.

Men der er andre sociale fænomener på arbejde, der kan maskere denne effekt, såsom måden nyheder spredes på, brugen af ​​censur, kulturelle tabuer og så videre. Det kan være, at disse har en meget stærkere effekt på brugen af ​​visse ord.

Det gør det svært at drage stærke konklusioner fra denne undersøgelse.

Men det gør det så meget desto mere attraktivt at udføre mere kraftfulde analyser for at pirre de forskellige kulturelle effekter, der er på spil. Culturomics er helt klart en disciplin med en fremtid, omend en så svær at gennemskue for tiden.

Ref: arxiv.org/abs/1202.5299 : Culturomics Meets Random Fractal Theory: Indsigt i langsigtede sammenhænge mellem sociale og naturlige fænomener over de sidste to århundreder

skjule