Culturomics och Google Book Project

Rita upp fördelningen över tid av händelser som jordbävningar, skogsbränder, krig, mode, epidemier och så vidare och du får en maktlag, ett matematiskt förhållande där frekvensen beror på någon annan kvantitet som höjs till en viss makt.

Det är en förbryllande och djupgående upptäckt. Det betyder att dessa verkliga fenomen uppstår i mönster som trotsar standard statistisk analys. Det blir meningslöst att till exempel beskriva den 'genomsnittliga' tiden mellan skogsbränder eller den 'genomsnittliga' storleken på en jordbävning eller antalet dödsfall i ett 'genomsnittligt' krig. Begreppet genomsnitt är helt enkelt inte vettigt.

En av nyckelfaktorerna som driver arbetet inom detta område är tillgången på stora datamängder som forskare kan knäcka för att leta efter maktlagar. Det är relativt enkelt att få för många naturfenomen som jordbävningar och skogsbränder, åtminstone under senare tid.

Men traditionellt sett har sociala fenomen varit mycket svårare att mäta. Det har börjat förändras under de senaste åren tack vare de enorma databaser som byggts upp sedan internets tillkomst. Studien av webben har inte avslöjat något slut på maktlagar i mänskligt beteende och på senare tid har data associerad med mobiltelefonanvändning börjat avslöja storskaliga mönster av mänsklig rörlighet och socialt umgänge.

Nu utlöste Google Book-projektet ett nytt undersökningsområde. Detta program har skannat innehållet i cirka 5 miljoner böcker från 40 universitetsbibliotek runt om i världen. Det är ungefär 4 procent av alla böcker som någonsin publicerats.

Förra året publicerade Googles bokteam och några andra den första studien av denna databas. Dessa killar undersökte förekomsten av n-gram, sekvenser av ett visst antal ord, detta nummer betecknat med n.

De drog slutsatsen att deras tillvägagångssätt kan ge unika insikter i områden som grammatikens utveckling, antagandet av teknik, strävan efter berömmelse, censur och historisk epidemiologi. De myntade till och med ett ord för att beskriva detta nya vetenskapsområde som spänner över humaniora och samhällsvetenskap – kulturomik.

Idag tar Jianbo Gao vid Wright State University i Dayton, Ohio, och några kompisar, Googles idé och kör med den. Eller åtminstone jogga några steg.

De här killarna har använt Googles bokdatabas för att studera förekomsten av två typer av ord: de som beskriver naturfenomen som jordbävningar och orkaner; och de som beskriver sociala fenomen som krig och arbetslöshet.

I synnerhet tittar de på en matematisk storhet som kallas Hurst-parametern som beskriver sannolikheten för att en händelse inträffar igen med tanke på att den har inträffat tidigare. Hurst-parametern är ett mått på hur det förflutna påverkar framtiden, oavsett om 'minnet' av en händelse är långsiktigt eller kortsiktigt i data.

I allmänhet, säger de, verkar ord som beskriver naturfenomen visas på ett sätt som har ett långtidsminne medan ord som beskriver sociala fenomen endast har en korttidsminneseffekt.

Det är intressant eftersom det antyder att krafterna som bestämmer när förekomsten av dessa ord är annorlunda. Vår analys tyder på...att sociala fenomen tenderar att följa andra skalningslagar än naturfenomen.

Det är vettigt och det är intressant att se resultatet komma ur en enda mängd data.

Men det finns många komplexiteter som gör resultatet svårt att förstå. Gao och co föreslår att användningen av ord drivs av själva händelserna. Så ordet jordbävning används oftare efter till exempel en stor jordbävning.

Men det finns andra sociala fenomen på jobbet som kan dölja denna effekt, som hur nyheter sprids, användandet av censur, kulturella tabun och så vidare. Det kan vara så att dessa har en mycket mer kraftfull effekt på användningen av vissa ord.

Det gör det svårt att dra starka slutsatser från denna studie.

Men det gör det desto mer tilltalande att göra mer kraftfulla analyser för att reta isär de olika kultureffekter som finns. Culturomics är helt klart en disciplin med en framtid, om än en så svår att förstå för tillfället.

Ref: arxiv.org/abs/1202.5299 : Culturomics Meets Random Fractal Theory: Insikter i långväga korrelationer mellan sociala och naturliga fenomen under de senaste två århundradena

Dölj