Culturomics en het Google Book-project

Zet de verdeling in de tijd van gebeurtenissen zoals aardbevingen, bosbranden, oorlogen, mode, epidemieën enzovoort en je krijgt een machtswet, een wiskundige relatie waarin de frequentie afhangt van een andere hoeveelheid die tot een bepaalde macht is verheven.

Dat is een raadselachtige en diepgaande ontdekking. Het betekent dat deze verschijnselen in de echte wereld voorkomen in patronen die de standaard statistische analyse tarten. Het wordt zinloos om bijvoorbeeld de ‘gemiddelde’ tijd tussen bosbranden of de ‘gemiddelde’ omvang van een aardbeving of het aantal doden in een ‘gemiddelde’ oorlog te beschrijven. Het begrip gemiddelde is gewoon niet logisch.

Een van de belangrijkste factoren die het werk op dit gebied stimuleren, is de beschikbaarheid van grote datasets die wetenschappers kunnen kraken om machtswetten te zoeken. Dat is relatief eenvoudig te krijgen voor veel natuurlijke fenomenen zoals aardbevingen en bosbranden, althans in de recente geschiedenis.

Maar van oudsher zijn sociale fenomenen veel moeilijker te meten. Dat is de afgelopen jaren begonnen te veranderen dankzij de enorme databases die zijn opgebouwd sinds de komst van internet. De studie van het web heeft aangetoond dat er geen einde komt aan machtswetten in menselijk gedrag en meer recentelijk zijn de gegevens die verband houden met het gebruik van mobiele telefoons begonnen grootschalige patronen van menselijke mobiliteit en sociale omgang aan het licht te brengen.

Nu bracht het Google Book-project een nieuw onderzoeksgebied op gang. Dit programma heeft de inhoud gescand van zo'n 5 miljoen boeken uit 40 universiteitsbibliotheken over de hele wereld. Dat is ongeveer 4 procent van alle boeken die ooit zijn gepubliceerd.

Vorig jaar publiceerden het Google books-team en enkele anderen de eerste studie van deze database. Deze jongens onderzochten het voorkomen van n-grammen, reeksen van een bepaald aantal woorden, dit aantal aangeduid met n.

Ze concludeerden dat hun aanpak unieke inzichten kan opleveren op gebieden als de evolutie van grammatica, de adoptie van technologie, het nastreven van roem, censuur en historische epidemiologie. Ze hebben zelfs een woord bedacht om dit nieuwe wetenschapsgebied te beschrijven dat de geesteswetenschappen en de sociale wetenschappen – culturele wetenschappen – omvat.

Vandaag nemen Jianbo Gao van de Wright State University in Dayton, Ohio, en een paar vrienden het idee van Google over en gaan ermee aan de slag. Of jog in ieder geval een paar stappen.

Deze jongens hebben de Google Books-database gebruikt om het voorkomen van twee soorten woorden te bestuderen: woorden die natuurlijke fenomenen beschrijven zoals aardbevingen en orkanen; en degenen die sociale fenomenen zoals oorlog en werkloosheid beschrijven.

In het bijzonder kijken ze naar een wiskundige grootheid die de Hurst-parameter wordt genoemd en die de waarschijnlijkheid beschrijft dat een gebeurtenis zich opnieuw voordoet, aangezien deze in het verleden heeft plaatsgevonden. De Hurst-parameter is een maatstaf voor de manier waarop het verleden de toekomst beïnvloedt, of de 'herinnering' van een gebeurtenis zich in de gegevens voor de lange of korte termijn bevindt.

Over het algemeen zeggen ze dat woorden die natuurlijke fenomenen beschrijven, lijken te verschijnen op een manier die een langetermijngeheugen heeft, terwijl woorden die sociale fenomenen beschrijven slechts een kortetermijngeheugeneffect hebben.

Dat is interessant omdat het impliceert dat de krachten die aan het werk zijn die bepalen wanneer deze woorden voorkomen, verschillend zijn. Onze analyse suggereert... dat sociale fenomenen de neiging hebben om andere schaalwetten te volgen dan natuurlijke fenomenen.

Dat is logisch en het is interessant om te zien dat het resultaat uit één enkele hoeveelheid gegevens komt.

Maar er zijn tal van complexiteiten die het resultaat moeilijk te doorgronden maken. Gao en co suggereren dat het gebruik van woorden wordt gedreven door het optreden van gebeurtenissen zelf. Het woord aardbeving wordt dus vaker gebruikt na bijvoorbeeld een grote aardbeving.

Maar er zijn andere sociale fenomenen aan het werk die dit effect kunnen maskeren, zoals de manier waarop nieuws zich verspreidt, het gebruik van censuur, culturele taboes enzovoort. Het kan zijn dat deze een veel krachtiger effect hebben op het gebruik van bepaalde woorden.

Dat maakt het moeilijk om harde conclusies te trekken uit dit onderzoek.

Maar het maakt het des te aantrekkelijker om krachtigere analyses uit te voeren om de verschillende culturele effecten die aan het werk zijn uit elkaar te halen. Culturomics is duidelijk een discipline met toekomst, zij het voorlopig moeilijk te doorgronden.

Referentie: arxiv.org/abs/1202.5299 : Culturomics ontmoet willekeurige fractaltheorie: inzichten in langetermijncorrelaties van sociale en natuurlijke verschijnselen in de afgelopen twee eeuwen

zich verstoppen