211service.com
Noi siamo le parole
Prendendo spunto dalle tecniche della genomica, un team di ricercatori ha ideato uno strumento che fornisce dati quantitativi su come la cultura cambia nel tempo. La ricerca genomica analizza enormi quantità di dati per studiare come funzionano e cambiano i geni; il nuovo strumento adotta un approccio su larga scala per studiare la frequenza dell'uso delle parole nel tempo.
L'approccio ha senso se le parole sono considerate un'unità di cultura, afferma Erez Lieberman Aiden, uno dei leader del progetto. Il genoma contiene informazioni ereditabili, trasmesse di generazione in generazione, dice. Anche le parole che usiamo, nei libri che scriviamo, vengono tramandate di generazione in generazione.
Lieberman Aiden e Jean-Baptiste Michel , entrambi ad Harvard Programma per le dinamiche evolutive , ha guidato il progetto, che hanno soprannominato culturomics, un portmanteau che unisce cultura e genomica. Il primo frutto del loro lavoro fu un gigantesco database delle parole di circa 5,2 milioni di libri pubblicati tra il 1800 e il 2000, circa il 4% di tutti i libri pubblicati. Questi provenivano dal progetto Google Books, la cui biblioteca contiene 15 milioni di libri.
Nel numero di oggi della rivista Scienza, i ricercatori presentano il loro progetto insieme ad alcuni dei primi risultati che hanno derivato dai dati. In relazione alla pubblicazione, Google sta lanciando un'applicazione (a www.culturomics.org ) che consente a chiunque di accedere e analizzare il database finito, che include 2 miliardi di parole e frasi.
I ricercatori affermano che monitorando la frequenza dell'uso delle parole, scienziati sociali, informatici e matematici possono osservare l'emergere e l'evoluzione delle tendenze culturali nel tempo. Lo strumento può essere utilizzato per creare linee temporali della cultura, mostrando picchi e valli corrispondenti all'uso pesante e scarso di particolari parole.
La soppressione, ad esempio, lascia un segno nella storia culturale. I libri in lingua tedesca pubblicati sotto la censura nazista tra il 1936 e il 1944 menzionano a malapena alcuni artisti e filosofi i cui nomi erano comuni prima e dopo quel periodo.
Le analisi hanno anche identificato parole che esistevano nei libri pubblicati ma non avevano una casa nei dizionari, tra cui aridificazione (l'essiccamento di una regione) e cancellabile. Queste parole libere non fanno eccezione: quando i ricercatori hanno sommato tutte le parole del lessico inglese, ne hanno contate più di un milione, il doppio rispetto ai grandi dizionari moderni. (Il Dizionario inglese di Oxford , ad esempio, ha meno di 500.000 voci.)
Lieberman Aiden afferma di sperare che i ricercatori di molte discipline trovino nuovi modi per sfruttare i dati. È un altro strumento a disposizione degli umanisti per raccogliere informazioni e rispondere a domande sulla natura umana.
Lui e Michel hanno iniziato a lavorare seriamente al progetto nel 2007. Non tutti i libri nella biblioteca digitale di Google sono di pubblico dominio, quindi i ricercatori hanno dovuto stare attenti a non violare la legge sul copyright. In sostanza, hanno rimosso le parole dal contesto dei libri, mantenendo intatti i metadati come la data di pubblicazione, e hanno organizzato le parole in un'enorme tabella di frequenza.
Hanno applicato filtri per rendere il loro set di dati il più accurato possibile, eliminando, ad esempio, libri con date di pubblicazione errate o quelli il cui testo è stato trascritto male da software di riconoscimento ottico dei caratteri. Dopo il filtraggio, sono rimasti con 5.195.769 libri, contenenti un testo lungo più di 500 miliardi di parole. Circa il 72% di queste sono parole inglesi.
I calcoli intensivi necessari per restringere quel set di dati a uno in base alla frequenza di ciascuna parola sono stati distribuiti su più macchine di Google e completati rapidamente.
Jon Kleinberg , un informatico della Cornell University, afferma che la frequenza delle parole può essere un potente strumento quantitativo per identificare le tendenze nella cultura. Osservare il comportamento delle singole parole può spesso essere un forte primo indicatore di un fenomeno nel tempo, dice. I materiali scansionati, tuttavia, sono solo l'inizio. Altri testi digitali forniscono ricche fonti per lo studio quantitativo dell'informazione culturale. Ad esempio, l'analisi dei termini di ricerca di Google può rivelare ciò che interessa alle persone. Oppure uno studio su larga scala degli aggiornamenti di Facebook può servire come controllo del polso in tempo reale sulle masse.
Stiamo vedendo cose che non sono mai state scritte prima, dice. Su Twitter o Facebook, milioni di persone dicono 'Mi sento felice' o 'Mi sento triste'. Fino agli ultimi 10 anni, dove avresti potuto trovare milioni di persone che scrivevano i loro sentimenti?