Hoe de nieuwe wetenschap van computationele geschiedenis de studie van het verleden verandert?

Een van de merkwaardige kenmerken van netwerkwetenschap is dat dezelfde netwerken ten grondslag liggen aan totaal verschillende fenomenen. Als gevolg hiervan hebben deze verschijnselen diepe overeenkomsten die op het eerste gezicht verre van duidelijk zijn. Goede voorbeelden zijn de verspreiding van ziekten, de omvang van bosbranden en zelfs de verdeling van de omvang van aardbevingen, die allemaal een vergelijkbaar patroon volgen. Dit is een direct gevolg van het feit dat ze dezelfde netwerkstructuur delen.

Het is dus meestal geen verrassing dat dezelfde wetten ontstaan ​​wanneer natuurkundigen dezelfde netwerken ontdekken die ten grondslag liggen aan andere fenomenen. Precies dit is herhaaldelijk gebeurd in de sociale wetenschappen. Netwerkwetenschap stelt sociale wetenschappers nu in staat om samenlevingen te modelleren, om te bestuderen hoe ideeën, roddels, mode, enzovoort door de samenleving stromen - en zelfs om te bestuderen hoe dit de mening beïnvloedt.

Hiervoor hebben ze de ontwikkelde tools gebruikt om andere disciplines te bestuderen. Dat is de reden waarom het nieuwe veld van computationele sociale wetenschappen zo snel zo krachtig is geworden.

Maar er is nog een ander werkterrein dat er ook baat bij heeft: de studie van de geschiedenis. Door de geschiedenis heen hebben mensen netwerken gevormd die een diepgaande rol hebben gespeeld in de manier waarop gebeurtenissen zich hebben ontvouwd. Historici zijn onlangs begonnen met het reconstrueren van deze netwerken met behulp van historische bronnen zoals correspondentie en hedendaagse archieven.

Vandaag legt Johannes Preiser-Kapeller van de Oostenrijkse Academie van Wetenschappen in Wenen uit hoe deze benadering een nieuw licht werpt op verschillende historische gebeurtenissen. Het werk heeft inderdaad eerder onbekende patronen blootgelegd in de manier waarop de geschiedenis zich ontvouwt. Zoals patronen in de natuur de wetten van de fysica onthullen, zo onthullen deze ontdekkingen de eerste wetten van de geschiedenis.

Preiser-Kapeller heeft zich gericht op middeleeuwse conflicten en met name die met betrekking tot het Byzantijnse rijk in de 14e eeuw, dat geconcentreerd was rond Constantinopel, een schakel tussen Europese en Aziatische handelsnetwerken. Dit was een periode van aanzienlijke conflicten vanwege veranderende politieke krachten, de pest en klimaatverandering veroorzaakt door een kleine ijstijd tijdens de middeleeuwen.

Preiser-Kapeller heeft de toenmalige politieke netwerken gereconstrueerd met behulp van bewaard gebleven correspondentie en andere historische gegevens. In deze netwerken is elk invloedrijk individu een knooppunt en worden er verbanden gelegd tussen degenen die belangrijke relaties delen. Om op het netwerk te worden geregistreerd, moeten deze links worden opgenomen in overeenstemming met zinnen als: Mijn nobele tante of Mijn keizerlijke neef . Ook legt hij vast hoe deze in de loop van de tijd veranderen.

Met behulp van standaardalgoritmen om verschillende maten van netwerkstructuur te bestuderen, vond Preiser-Kapeller clusters binnen het netwerk, identificeerde de belangrijkste actoren in een netwerk en onderzocht hoe individuen zich clusterden rond anderen die op een of andere manier vergelijkbaar waren.

Hoe deze maatregelen in de loop van de tijd veranderen, blijkt een belangrijke link te hebben met de grote gebeurtenissen die zich later ontvouwden. Preiser-Kapeller zegt bijvoorbeeld dat de versnippering van het politieke netwerk de voorwaarden schiep voor een burgeroorlog die het Byzantijnse rijk permanent verzwakte. Uiteindelijk stortte het in 1453 in.

Deze veranderingen volgden ook enkele interessante patronen. De verdeling van frequenties van het aantal conflictbanden dat in een jaar wordt geactiveerd, volgt meestal een machtswet, zegt Preiser-Kapeller. Precies dezelfde machtswetpatronen ontstaan ​​wanneer complexiteitswetenschappers de grootteverdeling van oorlogen, epidemieën en religies bestuderen.

Een interessante vraag is of dezelfde patronen ook elders in de geschiedenis opduiken. Om daar achter te komen, vergeleek hij het netwerk van Byzantium met dat van vijf andere periodes van middeleeuwse conflicten in Europa, Afrika en Azië.

En de resultaten zorgen voor interessante lectuur. Gemiddeld over alle vijf de staatsbesturen verdrievoudigde een verandering van heerser in het ene jaar de kans op een nieuwe verandering in het volgende jaar, zegt Preiser-Kapeller. Dus hoe dichter je bij een omwenteling bent, hoe groter de kans dat er snel weer een komt. Of met andere woorden, omwentelingen hebben de neiging om samen te clusteren.

Dat is een regel die geofysici bekend in de oren klinkt. Een soortgelijk fenomeen bestaat in aardbevingsregistraties: hoe recenter een grote aardbeving, hoe groter de kans op een volgende grote aardbeving. Dit staat bekend als de wet van Omori - dat aardbevingen de neiging hebben om samen te clusteren.

Het is geen verrassing dat vergelijkbare effecten optreden in deze systemen, aangezien ze beide worden beheerst door dezelfde netwerkwetenschap. Historici zouden ruimschoots in hun recht zijn om deze en andere patronen als wetten van de geschiedenis over te nemen.

Deze wetten zijn rijp voor verdere studie. Hoewel de complexiteit die voortvloeit uit netwerktheorie op veel wetenschapsgebieden al tientallen jaren wordt bestudeerd, is er op het gebied van geschiedenis bijna geen dergelijk onderzoek gedaan. Dat suggereert dat er laaghangend fruit is voor de eerste generatie computationele historici, zoals Preiser-Kapeller. Verwacht er in de nabije toekomst meer over te horen.

Referentie: arxiv.org/abs/1606.03433 : Middeleeuwen berekenen? De projectcomplexiteiten en -netwerken in het middeleeuwse Middellandse Zeegebied en het Nabije Oosten

zich verstoppen