Big Data Analytics Redefines כיצד היסטוריונים לומדים את העבר

מחקר היסטורי התבסס על קריאה קפדנית של ארכיונים, אותיות ורשומות רשמיות.במשך מאות שנים, המלאכה של ההיסטוריון התמקדה בניתוח הדוק של מערכות מסמך קטנות יחסית, ומסקנות ממה שלומד אחד יכול לקרוא באופן סביר בחיים.הפרדיגמה השתנתה באופן דרמטי.העלייה של ארכיונים דיגיטליים, בשילוב עם כלים אנליטיים חזקים, מאפשר כעת לעבד מיליוני דפים של טקסט, מפה של מאות שנים של שינויים דמוגרפיים, ועקבות מורכבות של מהפכות אלו, מאז השינויים המשתנים משמעותיים של ההיסטוריה עצמה.

ניתוח נתונים גדול אינו מחליף את העבודה המפרשית של ההיסטוריונים.במקום זאת, הוא מדגימה את יכולתם לראות דפוסים שיהיו בלתי נראים לכל קורא יחיד.על ידי יישום שיטות חישוביות לקורפוס עצום של חומר היסטורי, החוקרים יכולים לשאול שאלות חדשות, לבחון הנחות ארוכות טווח, וחשיפת קשרים שגורמים מחדש את ההבנה שלנו של העבר.

מה זה Big Data Analytics בקונטקסט היסטורי?

ניתוח נתונים גדול מתייחס לבחינה השיטתית של נתונים גדולים, מורכבים באמצעות שיטות חישוביות כדי לזהות דפוסים, התאמות ומגמות. בהקשר של מחקר היסטורי, נתונים אלה כוללים בדרך כלל ספרים, עיתונים, התכתבות, רשומות מפקד, רשומות רכוש, רישומים בית המשפט, מסמכים ראשוניים אחרים שהומרו בפורמטים קריאים מכונה.

המאפיינים המרכזיים של נתונים גדולים בהיסטוריה משקפים את אלה בתחומים אחרים: נפח (terabytes או פטמות טקסט), מהירות (זרם של חומר חדש ספרותי), ומגוון (הנתונים המבנים כמו טבלאות מפקד לצד טקסט לא מובנה) עם זאת, נתונים היסטוריים גדולים מציגים אתגרים ייחודיים.מקורות הם לעתים קרובות לא שלמים, לא עקביים בפורמט, ו מעוצבים על ידי הטיה של יוצרי ההיסטוריה שלהם גם דורשים פרשנות, זהירה של זמן, משמעויות, משמעויות, היכרויות, היכרויות, על פני זמן, היכרויות, על פני זמן מתפתח.

שיטות אנליטיות המשמשות בדרך כלל בפרויקטים היסטוריים של נתונים גדולים כוללים עיבוד שפה טבעית עבור כריית טקסט, ניתוח גיאו-ספטי למיפוי שינוי היסטורי, ניתוח רשת לחקר מערכות יחסים והשפעה, מודלים סטטיסטיים עבור דפוסים כלכליים דמוגרפיים, ואלגוריתמי למידת מכונה לסיווג ותבניות לזיהוי על פני גורה גדולה.

טרנספורמציה דיגיטלית של מחקר היסטורי

השינוי לקראת ההיסטוריה החישובית לא התרחש בין לילה.זה התחיל עם מאמצים מוקדמים לדיגיטליים על מנת לנסח סיועים וקטלוג ב -80 ו-90. יוזמות עיקריות כמו יוזמת הטקסט ⁇ וצמיחת מרכזי מדעי הרוח הדיגיטליים הניחו בסיס לפרויקטים שאפתניים יותר.התעד ההמוני של ספרים על ידי גוגל ספרים, הושק בשנת 2004, והפצה של ספרות באמצעות פלטפורמות כמו LTF:0ronicialraicChronicialing America Scale of Congress, 1th.

אלה מחדשים דיגיטליים פתחו את הדלת לניתוח חישובי.חוקרים יכולים לפתע לחפש מיליוני דפים בתנאים ספציפיים, לעקוב אחר תדירות הרעיונות לאורך זמן, ולהשוות את השימוש בשפה באזורים ועשרות שנים.פרסום כלים כמו Google Ngram Viewer בשנת 2010 אפשר לכל אחד לחקור מגמות תדירות על פני מאות שנים של ספרים אקדמיים פיתחו כלים מתוחכמות יותר עבור מודלים, ניתוח רגשות, ושמה ישות מוכרת לטקסטים היסטוריים.

טרנספורמציה זו הייתה לא אחידה.כמה תחומים, כגון היסטוריה כלכלית ודמוגרוגרפיה היסטורית, השתמשו כבר זמן רב בשיטות כמותיות והסתגלות במהירות. אחרים, כולל היסטוריה אינטלקטואלית והיסטוריה תרבותית, בתחילה התנגדו לגישות חישוביות, אך הם משלבים יותר ויותר שיטות דיגיטליות.מגפת COVID-19 מאיצה את מאמצי הדיגיטציה בארכיונים ברחבי העולם ודחפו יותר היסטוריונים לעסוק בכלים דיגיטליים של צורך, יצירת שינויים מתמשך במחקר.

יישומי מפתח של Big Data Analytics בהיסטוריה

טווח היישומים לניתוח נתונים גדול במחקר היסטורי הוא רחב וצומח במהירות.הסעיפים הבאים מתארים את האזורים הבולטים ביותר של עבודה, עם דוגמאות שנמשכות מפרויקטי מחקר מתמשכים.

טקסט Mining and Corpus Linguistics

כריית טקסט מאפשרת להיסטוריונים לנתח דפוסי שפה על פני אוספים עצומים של מסמכים.על ידי יישום טכניקות עיבוד שפה טבעית לטקסטים דיגיטאליים, החוקרים יכולים לעקוב אחר הופעתה וירידה של מושגים, לזהות שינויים בסגנון רטורי, ולכמת שינויים בשימוש מילים שמשקף שינויים תרבותיים או פוליטיים רחבים יותר.

דוגמה אחת המשפיעה מגיעה מהתחום של ההיסטוריה המושגית.חוקרים במוסדות כמו ה-FLT:0Culture of Knowledge ProjectBuildFLT:1 באוניברסיטת אוקספורד השתמשו בכריית טקסט כדי ללמוד את האבולוציה של השפה המדעית ברשתות התכתובת המודרניות המוקדמות. על ידי ניתוח מכתבי המספרים כמו פרנסיס בייקון וג'ון לוק לצד אלפי כתבים פחות ידועים, הם ממפה את האופן שבו "הסבר" ו"חוסר יכולת" לשנות את ההסתברות" במהלך המהפכה המדעית" ו" במהלך המהפכה" ו" ו"הכחות"הכחה" במהלך המהפכה המדעית" ו"הסבר"הוכיחה.

יישום מרכזי נוסף הוא ניתוח רגשות, שבו אלגוריתמים מעריכים את הטון הרגשי של טקסטים.היסטוריים יש ניתוח רגשות לאוספים של אותיות אישיות, רשומות יומן, ודעת עיתונים חתיכות כדי לעקוב אחר מצב רוח הציבור במהלך תקופות של משבר, כגון מלחמות או דיכאון כלכלי. בעוד ניתוח רגשות נשאר לא מושלם עבור טקסטים היסטוריים עקב שינויים בשפה ובביטוי תרבותי, הוא מציע נקודת התחלה מועילה להיסטוריה רגשית בקנה מידה גדול.

מודל לתגליות הmatic Discovery

מודל הנושא הוא טכניקת כריית טקסט המזההה באופן אוטומטי אשכולות של מילים הקשורות להגדרה בתוך קורפוס, המציעה נושאים או נושאים בסיסיים. היסטוריונים משתמשים במודלים של נושאים כדי לבדוק את התוכן של ארכיונים גדולים מבלי לקרוא כל מסמך. לדוגמה, חוקר החוקר לומד עיתונים מהמאה ה-19 עשוי להפעיל מודל נושא על מיליוני מאמרים כדי לזהות את הנושאים המדוברים ביותר לאורך עשרות שנים, ואז לקדוח לתוך נושאים ספציפיים של עניין.

הגישה הזו הוחלפה על כך ש-FLT:0 (Old ביילי ProceedingsFLT:1), ארכיון דיגיטלי של קרוב ל-200,000 ניסויים פליליים מלונדון המשתרע על פני 1674 עד 1913.

ניתוח גיאו-ספטי ומיפוי היסטורי

מערכות מידע גאוגרפיות הפכו לכלים חיוניים עבור היסטוריונים הלומדים תבניות מרחביות.על ידי מיקומים היסטוריים של מפות, רשומות רכוש וחשבונות נסיעות למאגרי נתונים גאו-ספטיים, החוקרים יכולים לדמיין כיצד נופים, התנחלויות, גבולות ודפוסי תנועה השתנו לאורך זמן.

פרויקטים גדולים כמו מודל ה- 0ORBIS LT:1 מאוניברסיטת סטנפורד לשחזר את רשתות התחבורה של האימפריה הרומית, המאפשר לחוקרים לחשב זמני נסיעה ועלויות ברחבי העולם העתיק. גישה גיאו-ספטית זו שינתה הבנה של מסחר רומי, תקשורת ולוגיסטיקה צבאית.

נתונים גדולים גיאו-ספטיים תומכים גם במחקר על הגירה כפויה, קהילות diaspora, וההיסטוריה הסביבתית של פעילות אנושית.על ידי שילוב של מיצגי אוניות, רשומות מפקדים ונתוני בעלות קרקע עם קואורדינטים גיאוגרפיים, היסטוריונים יכולים לעקוב אחר התנועה של אנשים משועבדים, מהגרים ופליטים בקנה מידה ודיוק שלא ניתן היה להגיע אליהם קודם לכן.

ניתוח רשת של יחסים היסטוריים

ניתוח רשת ממפה את הקשרים בין יחידים, ארגונים או מוסדות, מבנים חושפים של השפעה, שיתוף פעולה וסכסוך. במחקר היסטורי, רשתות אלה משוחזרות בדרך כלל מהתכתבות, רשימות חברות, דפוסי ציטוטים, ונתונים יחסיים אחרים שנמצאו בארכיונים.

פרויקט ציוני דרך בתחום זה הוא ה-FLT:0.Six Degrees of Francis BaconFelo1, אשר משחזר את הרשת החברתית של אינטלקטואלים מודרניים מוקדמים. על ידי ניתוח אלפי אותיות ומסירות, את מפות הפרויקט כיצד דמויות כמו פרנסיס בייקון, תומאס הובס וג'ון דוןן היו מחוברים באמצעות כתבים משותפים, פטרונים והשתייכות מוסדית וכתוצאה מכך, מגלה את הויזואליזציה הצפופה, לעתים קרובות, שעצבו את היחסים האינטלקטואליים של התרבות האינטלקטואלית.

ניתוח רשתי גם הוחל בהיסטוריה הפוליטית, ממיפוי הקשרים בין חברי האסיפות המהפכניות, הפלגים הפרלמנטריים ורשתות דיפלומטיות.מחקרים אלה יכולים לזהות ברוקרים מרכזיים, למדוד את הכפייה של קבוצות פוליטיות, ולעקוב אחר האופן שבו בריתות השתנו במהלך תקופות של מהפכות.הגישה חזקה במיוחד כאשר בשילוב עם כריית טקסט: החוקרים יכולים לנתח את מי תואמים עם מי מהם ומה הם כתבו על תוכן, מבנה ותוכן.

היסטוריה כלכלית ודמוגרפית

כלכלה היסטורית ודמוגרפית השתמשו בשיטות כמותיות במשך עשרות שנים, אבל היקף הנתונים הזמין כעת הרחיב את האפשרויות באופן עצום. חוקרים יכולים לנתח מיליוני רשומות בודדות ממפקדים, רישומי מס, רשומות קהילה ורשימות מחירים כדי לשחזר תנאים כלכליים, דינמיקות אוכלוסייה וסטנדרטים של חיים לאורך זמן.

העבודה של היסטוריונים כלכליים כמו תומאס פיקטי, שהשתמש ברשומות מס לאורך כמה מאות שנים כדי לתעד מגמות ארוכות טווח באי שוויון העושר, מדגים את הכוח של ניתוח כמותי בקנה מידה גדול. פרויקטים כמו Global Price והיסטוריית הכנסה, קובעים מחירים ונתוני שכר מעשר מדינות, ומאפשר מחקר השוואתי של התפתחות כלכלית על פני יבשות ותקופות.

היסטוריונים דמוגרפיים השתמשו ברשומות רישום אזרחיות דיגיטאליות כדי לעקוב אחר לידה, נישואים ושיעורי מוות בהחלטה חסרת תקדים.בשוודיה, מסד הנתונים הדמוגרפי של סקנדיאני מכיל מעל 2 מיליון רשומות ברמה האישית המשתרעות על פני המאה ה-17 עד 19, ומאפשר ניתוח מפורט של תגובות דמוגרפיות לזעזועים כלכליים, מגיפות ושינויים במדיניות.

היתרונות של Big Data Analytics למחקרים היסטוריים

שילוב של ניתוח נתונים גדול מציע יתרונות משמעותיים המשתרעים על פני השטח והשקיה של מלגה היסטורית.

(FLT:0) ,Scale of Evidence: FLT:1 שיטות פיצוי מאפשרות להיסטוריונים לבסס תביעות על בסיסים גדולים בהרבה ראיות מאשר כל קורא אנושי יכול לעבד. ארגומנטים שנתמכו קודם לכן על ידי כמה עשרות דוגמאות ייצוגיות ניתן כעת לבדוק נגד אלפי או מיליוני מסמכים רלוונטיים.

(FLT:0) איתור:00: איור 1 (Algorithms) עולה במציאת דפוסים עדינים במאגרי נתונים גדולים שהקוראים האנושיים יחמיצו.זה כולל מגמות בשימוש במילה, קווי דמיון מבניים בין מסמכים, תואמים בין משתנים כלכליים ותרבותיים, ומחזורים ארוכי טווח בהתנהגות חברתית.

(FLT:0) Hypothesis Generation:FLT:1 ניתוח נתונים Exploratory באמצעות טכניקות נתונים גדולות יכול לעמוד על דפוסים בלתי צפויים שמובילים לשאלות מחקר חדשות.מודל נושא של ארכיון עיתונים עשוי לחשוף דיון שקודם לכן; הדמיה ברשת עשויה לזהות מתווכים מפתח אשר תפקידם נשכח בחשבונות מאוחרים יותר.

(FLT:0Cross-Referencing מקורות:FLT) 1:1 ניתוח נתונים גדול עושה את זה מעשי לשלב מידע ממגוון מקורות שונים.מחקר של תנועות פוליטיות עשוי לשלב מאמרים, דוחות מעקב המשטרה, התכתובת אישית, ורשומות הצבעה, באמצעות שיטות חישוביות כדי לקשר אזכורים של אותם אירועים, אנשים ומקומות על פני חומרים נפרדים אלה.

(FLT:0) הסתברות ושקיפות: ההרחבה של 1 (Comutational Workflow) ניתן לתעד ולשתף, ומאפשר לחוקרים אחרים לשכפל או לביקורת על ממצאי המחקר.זה מייצג שינוי בכיוון של פרקטיקות קפדניות ושקופות במחקר היסטורי, אשר באופן מסורתי התבסס על המומחיות הבלתי מעורערת של חוקרים בודדים.

אתגרים ושיקולים

למרות הפוטנציאל שלה, ניתוח נתונים גדול בהיסטוריה מציג אתגרים אדירים כי החוקרים חייבים לנווט בזהירות.

איכות נתונים וביקורת מקור

נתונים היסטוריים לעולם אינם נקיים.הדיגיטליזציה מציגה שגיאות באמצעות שגיאות זיהוי אופי אופטי, metadata לא שלם, ופורמט לא עקבי.מקורות מקוריים עצמם מעוצבים על ידי הטיה, הרשאות, ומוסכמות של יוצריהם. רשומות Census עשויות לתחת אוכלוסיות מוחלשות; כיסוי עיתונים משקף סדרי עדיפויות; אותיות אישיות כתובות עם קהלים מסוימים בראש.

ניתוח משלים יכול לצרף בעיות אלה אם החוקרים לא יחשבו עבורם.אלגוריתם שהוכשר על נתונים לא מייצגים יניב תוצאות לא ייצוגיות. היסטוריונים העובדים עם נתונים גדולים חייבים ליישם את אותה ביקורת מקור שהם ישתמשו בכל מסמך, אך מותאם להיקף ולמורכבות של אוספים דיגיטליים.זה דורש לעתים קרובות שיתוף פעולה בין מומחי דומיין ומדענים נתונים.

דאגות מוסריות ורגישות תרבותית

הספרות של חומרים ארכיוניים מעלה שאלות אתיות על פרטיות, הסכמה וסמכות תרבותית. רשומות היסטוריות רבות מכילות מידע על אנשים חיים או על צאצאיהם הקרובים. Archives ofקולוניאליזם, חברות מיסיונריות ומוסדות אחרים עשויים להחזיק בחומרים שקהילות מחשיבים רגישים או נאספו תחת תנאי כפייה.

חוקרים המשתמשים בניתוח נתונים גדול חייבים לשקול האם עבודתם מכבדת את כבוד העם המיוצג בנתונים והאם זה עלול לגרום נזק לקהילות ילידיות, למשל, העלו חששות לגבי הספרות של שרידי אבות, אובייקטים מקודשים וידע טקסי.פרקטיקה אתית בהיסטוריה הדיגיטלית דורשת התייעצות מתמשכת עם בעלי עניין קהילתיים ותשומת לב זהירה לממשל נתונים.

פעמוני הכישורים הטכניים

רוב ההיסטוריונים מאומנים בניתוח טקסטואלי, מחקר ארכיוני וטיעון מפרשים, לא בתכנות, סטטיסטיקה או ניהול נתונים.דרישות טכניות של ניתוח נתונים גדול יכולות ליצור מחסומים לכניסה ולהעמיק פערים בין מוסדות ממוחזרים היטב לבין אלה עם יכולות טכנולוגיות פחות.

התייחסות פער זה דורש שינויים באימון בוגר, פיתוח של כלים אנליטיים ידידותיים למשתמש המיועד להיסטוריונים, מודלים שיתופיים שבהם מומחי דומיין עובדים לצד מומחים חישוביים. כמה יוזמות עיקריות, כולל המכון למדעי הרוח הדיגיטלי והמכון למלגות ליברליות לאמנויות דיגיטליות, מספקים תוכניות הכשרה המיועדות לבניית מיומנויות אלה בקרב חוקרי מדעי הרוח.

דואס וגבולות בין-תחומיים

אלגוריתמים אינם נייטרליים.הם מקודמים הנחות על האופן שבו יש לבנות נתונים, אילו דפוסים הם משמעותיים, וקטגוריות משנה.מודלים של למידת מכונות שהוכשרו על טקסטים היסטוריים יורשו את ההטיות המוצגות בטקסטים אלה.אלגוריתם המוכשר על מאגר של כתבי עת רפואיים מהמאה ה-19 ימציא מחדש את הנחות הגזע והמגדריות של אותה אלא אם כן החוקרים יבחנו במפורש עבורם.

יתר על כן, שיטות חישוביות יכולות לענות רק על שאלות מסוימות.הם מתאימים יותר לזהות דפוסים מאשר להסביר מדוע הדפוסים הללו קיימים.העבודה המפרשת של הבנה של מניעים אנושיים, משמעויות תרבותיות, וקונסטלציה היסטורית עדיין דורשת את השיפוט והידע ההקשרי של היסטוריונים מיומנים.ניתוח נתונים גדולים הוא כלי, לא תחליף למחשבה היסטורית.

מסגרות מתודולוגיות להיסטוריה משלימה

שילוב מוצלח של ניתוח נתונים גדול למחקר היסטורי תלוי מתודולוגיה קול.כמה מסגרות יצאו להנחות חוקרים בתכנון והערכה של פרויקטים חישוביים.

(FLT:0) קראטיסט קורא: 1FLT (הראשונה לקורע) על ידי חוקר ספרותי פרנקו מורטי, קריאה מרחוק מתארת את הנוהג של ניתוח ספרות לא באמצעות קריאה של טקסטים בודדים באופן הדוק, אלא על ידי בחינת דפוסים על פני אוספים גדולים.הגישה אומץ באופן נרחב במחקר היסטורי, במיוחד ללימוד ז'אנר, נושא ושינוי שפה לאורך מאות שנים של חומר שפורסם.

(FLT:0) קריאה מהירה: קריאה מהירה: 1 (FLT:1) A זיכוך של קריאה מרחוק, קריאה מדרגית נע בין ניתוח ברמת מאקרו של גורורה גדולה וקריאה קרובה של מסמכים ספציפיים. חוקר עשוי להשתמש בדוגמת הנושא כדי לזהות טקסטים רלוונטיים בארכיון מסיבי, ואז לקרוא את הטקסטים האלה מקרוב כדי להבין את משמעותם.

(FLT:0) שיטות משוחדות: 1FLT:1eurs היסטוריונים רבים עובדים עם נתונים גדולים משלבים ניתוח כמותי עם מחקרים איכותיים, מחקר ארכיוני, והיסטוריה נרטיבית.מחקר של שפה פוליטית בפרלמנט עשוי להשתמש כריית טקסט כדי לעקוב אחר תדירות של תנאי מפתח לאורך עשרות שנים, ולאחר מכן לבחון דיונים ספציפיים בפירוט כדי להבין כיצד מונחים אלה היו מסודרים בהקשר.

מחקרים בהיסטוריה של Computational History

מספר פרויקטים של ציון דרך ממחישים את העוצמה והמורכבות של ניתוח נתונים גדול במחקר היסטורי.

תולדות הרגשות: פרויקט מחקר בינלאומי המבוסס על האוניברסיטה הלאומית האוסטרלית השתמש כריית טקסט לנתח ביטוי רגשי באלפי טקסטים היסטוריים מימי הביניים ועד המאה העשרים.על ידי מעקב אחר תדירות המילים הקשורות לרגשות ספציפיים, כגון פחד, כעס, שמחה, הפרויקט תיעד שינויים ארוכי טווח בנורמות רגשיות ובקשריהן התרבותיים, דתיים, ושינוי פוליטי.

(FLT:0) ממנם את הרפובליקה של אותיות: FLT:1 פרויקט בקנה מידה גדול זה באוניברסיטת סטנפורד שיקף את רשתות התכתובת של אינטלקטואלים נאורים כולל וולטייר, בנג'מין פרנקלין, ומאדאם ד' צ'אנט. על ידי שילוב ניתוח רשת עם ויזואליזציה גיאוסטפטית, הפרויקט חשף כיצד התפשט באמצעות רשתות בלתי פורמליות של אותיות, עיצוב התפתחות הרעיונות על פני הגבולות הלאומיים הזמינים, והופכים לדגם עבודה דיגיטלית עבור נתונים.

The Trans-Atlantic slave Trade Database:cioFLT:1] מסד נתונים מקיף המתעד כמעט 36,000 מסעות שהועברו אפריקאים משועבדים לארצות הברית בין 1500 ל-1866.הפרויקט מצטבר נתונים מארכיונים ברחבי העולם, כולל גילויי ספינות, חוברות יומני וחוקרים משפטיים יכולים לנתח את הסקאלה, כיוון וארגון של העבדות עם דיוק בלתי אפשרי, חקרו של הספרות האפריקאית, הפך להיסטוריון חיוני, להיסטוריון הגירה.

פרספקטיבה עתידית ודרכים מתפתחות

השילוב של ניתוח נתונים גדול למחקר היסטורי עדיין בשלבים המוקדמים שלו.מספר מגמות מתעוררות מצביעות על האופן שבו השדה יתפתח בשנים הקרובות.

(FLT:0) Machine Learning and Pattern Recognition:BuildFLT:1) התקדמות בלמידה מכונה, במיוחד למידה עמוקה עבור ניתוח טקסט וזיהוי תמונות, מרחיבה את סוגי המקורות ההיסטוריים שניתן לנתחם באופן חישובי, החוקרים כבר משתמשים ברשתות עצביות כדי לנטר מסמכים בכתב יד כי יביסו את זיהוי האופי המסורתי של זיהוי תמונה יכול להפיק מידע ממפות, תמונות, ואיורים אלה יכולות לפתוח ארכיון עצום של חומרים בלתי נגישים בעבר.

(FLT:0) המקשר נתונים ואינטגרציה סימנטטית: ההרחבה:Efforts כדי ליצור נתונים פתוחים מקושרים למידע היסטורי יאפשרו לחוקרים לחבר נתונים ממיזמים ומוסדות שונים.היסטוריון חוקר אזור מסוים יכול לשלב נתונים של מפקד, רשומות רכוש, ארכיוןי עיתונים ורשתות למסגרת אנליטית מאוחדת.

(FLT:0) תשתיות מקבילות:FLT:1ig-scale Surgery תלוי יותר ויותר בתשתיות משותפות, כולל מאגרי מידע דיגיטליים, פלטפורמות חישוביות וסטנדרטים לשיתוף נתונים ונתונים. Initiatives כמו מכונת הזמן של הפרויקט האירופי, שמטרתה ליצור מערכת מידע דיגיטלית למורשת התרבות האירופית, מייצגים מאמצים שאפתניים לבניית התשתית המשותפת הדורשת היסטוריה חישובית.

(FLT:0) היסטוריה ציבורית וגישה: 1.FLT (האנליזה של נתונים גדולים) יש גם השלכות על ההיסטוריה הציבורית. הדמיה אינטראקטיבית, תערוכות דיגיטליות ופלטפורמות מקוונות מאפשרות לקהל הרחב לחקור דפוסים היסטוריים.

(FLT:0) מחקרים נתונים פולחניים: FLT:1 כפי ששיטות חישוביות הופכות יותר מרכזי למחקר היסטורי, התחום גם מפתח נקודת מבט ביקורתית על השימוש בנתונים. Scholars בודקים כיצד החלטות דיגיטציה מעצבות את מה שאנו יכולים לדעת על העבר, כיצד שיטות אלגוריתמיות מקודמות הנחות קודקודמות, וכיצד הדיבידנדים הדיגיטליים משפיעים על ההיסטוריה שלהם הם הכרחיים כדי להבטיח כי משרת נתונים גדולים ולא הבנה היסטורית.

מסקנה

ניתוח נתונים גדול יצר אפשרויות חדשות למחקר היסטורי שלא ניתן להעלות על הדעת לפני דור.ההיסטוריים יכולים לנתח טקסטים, לעקוב אחר תנועות, מערכות יחסים מפה, ולבדוק השערות בקנה מידה שמשנה באופן יסודי את השאלות שניתן לשאול ומה ניתן למצוא תשובות.התוצאות העשירות מגיעות משילוב ניתוח חישובי עם ביקורת קפדנית, מיומנות מפרגאלית, ומודעות ברורה של הגבולות והנחות שנבנו לכל שיטה או התחלה.

הטרנספורמציה של ההיסטוריה באמצעות נתונים גדולים אינה תחליף של שיטות מסורתיות אלא הרחבה של ערכת הכלים של ההיסטוריון.זה מאפשר לחוקרים לנוע בין המיקרו לבין המאקרו, המסמך הספציפי לבין הדו-קרב העצום, הסיפור האינדיבידואלי והתבנית המבנית.עבור התחום לממש את הפוטנציאל המלא שלו, ההיסטוריונים חייבים להמשיך לפתח את הכישורים הטכניים, המסגרות האתיות והמבנים המשותפים שיתמכו במחקר קפדני וחישוב.