Table of Contents
Giriş Giriş Giriş
Veri bilimi ve tarihsel araştırma kesişimleri, dijital tarih veya hesaplama tarihi olarak sıklıkla yeni bir disipline yükselerek büyük veri analizine başvurarak, ilk olarak e-ticaret, sosyal medya ve bilimsel araştırmalar için tasarlanmışlardır - bu analizlerin ölçek ve hızları, araştırmacıların desenleri, eğilimleri ve korelasyonları analiz etmelerine izin verebilir ve bu, binlerce gazete sayfasının örneklemelerine ve örneklemelerine göre daha önce görünmez olan her şeyi içerir.
Tarihsel Araştırmada Büyük Verinin Yükselişi
Tarihsel bir bağlamda büyük veriler dijital veri kümelerine atıfta bulunur, böylece geleneksel elektronik tablo veya veritabanı araçları ile kolayca işlenemezler; ve web konuşması, kişisel yazışmaların, kamuya açıklığı ve ephemera. ”|Döndergiler ve gazeteler; hükümetler ve kurumlar, telif hakkı kayıtları ve parlamento işlemlerinin nasıl değiştiğine dair bir bakış açısı sunarlar; ve Web konuşması, üniversitenin kişisel yazışmaları, halkla ilişkiler ve ephemera.Projeler gibi dijital analizler sunar.
Örneğin, İngiliz Kütüphanesi 17. yüzyıldan 20. yüzyıla kadar 40 milyondan fazla gazete sayfası tutuyor - tek bir araştırmacı bile, doğru araçlarla, birkaç arşivden sınırlı kalmak yerine, insan deneyimini rakamlara düşürmek için zorlamak yerine, tarihsel kayıtlara geçmeyen algoritmaları güçlendirmek için görünmez yapılar ortaya koyuyor.
Tarihsel Büyük Veri için Anahtar Analitik Yöntemler
Tarihsel büyük verilerden anlamlı desenler çıkarmak için, araştırmacılar bilgisayar bilim, istatistik ve dijital insanlıklardan adapte edilmiş bir hesap makinesi kullanırlar. Aşağıda, her biri farklı tür sorulara uygundur.
Text Mining and Natural Language Processing (NLP)
Text madenciliği, yapılandırılan metinleri, nicelenebilen ve analiz edebilecek şekilde dönüştürmeyi içerir. Common NLP görevleri tarihsel metinlere uygulanan konu modellemesini içerir, bu da otomatik olarak bir korpustadaki temaları tanımlar; varlık (NER), insanların isimlerini, yerleri, organizasyonları ve tarihlerini alır; ve duygusal geçişleri ölçen, örneğin, gazete editörleri on yıllar boyunca, araştırmacılar, 18. yüzyıldaki tıp dergilerinin yükselişini tespit edebilir.
Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis Network Analysis
Ağı analizi, varlık arasındaki ilişkileri haritalar – insanlar, örgütler, fikirler veya hatta yerler. Tarihsel araştırmalarda, sosyal yapıları anlamak için özellikle güçlü, siyasi ittifaklar, bilimsel işbirliği ve ticaret ağları vardır.Örneğin, Jephi veya Cytoscape gibi modern araçlar, bir ölçeklendirme sırasında bu bağlantıların hayal kırıklığına uğrayabileceğini tespit edebilir.
Spasal Analiz ve Coğrafi Bilgi Sistemleri (GIS)
GIS tarihçilerin haritalarda veri yer almasını ve zaman içinde uzaysal desenleri analiz etmesini sağlar. Bu yöntem, Avrupa'daki Siyah Ölüm'in yayılmasını yeniden inşa etmek için kullanılmıştır, Yeraltı Treninin rotalarını haritalamak ve 19. yüzyılda ABD seçimlerindeki oylama kalıpların dağıtımını analiz etmek için kullanılmıştır.
Kalıp Tespiti İçin Makine Öğrenmesi
Basit istatistik yöntemlerinin ötesinde, makine öğrenme algoritmaları karmaşık, tarihsel verilerdeki şaşırtıcı olmayan kalıpları tespit edebilir. Kombinasyon algoritmaları grup benzer tarihsel olaylar veya belgeler önceden etiket olmadan - daha önce tanınmamış metinleri tespit etmek için uygulanabilir (HTR) OCR’ye karşı çıkan, erken modern mektupların koleksiyonları gibi, daha önce de tarih öncesi veya kilise kayıtları ile çakışan eserler.
Gizli Desenleri Keşfet Etme Çalışmaları
Aşağıdaki örnekler, geleneksel historiografinin kaçırılmış veya sadece ima edilebilir desenleri ne kadar büyük veri yöntemleri ortaya koydu.
Gazete Arşivleri Yoluyla Kamu Sentiment'de Değiştirilmesi
En verimli alanlardan biri, 1790'dan 1900'den beri, dilin 19. yüzyılın başlarındaki sınır dışı edilen bir şekilde, sınır dışı edilen ülkelerin, Belçikalı tarihi hesaplardan daha önce gerçekleşen bir geçiştir.
Tarihsel Şekillerin Sosyal Ağlarını Haritası
"The project "Six Degrees of Francis Bacon" (a name referencing the famous “six derece of ayrılık” konsepti), erken modern İngiliz entelektüellerinin sosyal bağlantılarını yeniden inşa etmek için ağ analizi kullandı.Rektör mektupları, müteahhitler ve üyelik listeleri, Thomas Jefferson'un yazışma ağlarında en merkezi olmadığını ortaya koydu, kuzey kolonileri arasında bir köprünün ve daha önce tanınmasına bağlı olduğunu belirtti.
Uzun Süreli Ekonomik Verileri Analiz Etmek
Ekonomik tarihçilerin nicel verilerle uzun süredir çalışmışlar, ancak büyük veriler kapsamını genişletmiştir. Küresel Fiyat ve Income History Group, güney ve doğudan 600 yıl boyunca onlarca şehirde bir dizinde ve fiyatlarda bir veritabanı topladı.Tüm veriler bir araya geldiğinde, araştırmacılar "Küçük Farklılık" tespit ettiler - kuzey batı Avrupa'nın güney ve doğudan ekonomik olarak ortaya çıktığı zaman, binlerce tahıl kaydının her zaman belirginleştiğini fark etti.
Tarihsel Kayıtlardan Hastalık Yeniden Yapın
Epidemiyoloji, 1665'in yoğunlaşması nedeniyle 17. Yüzyıl Londra parishes ve GIS'den gelen binlerce mezarlık kaydının, büyük konfeksiyonun ve pazarların yayılması nedeniyle, bu analizin sadece şehir merkezinden önce ayrılamadığını keşfetti; bunun yerine, modern salgınlarla ilgili 30 yorumda bulunan bazı mahallelerden parish'e atladı.
Meydanlar ve Sınırlar
Onun sözüne rağmen, tarihte büyük veriler yöntemik ve etik zorluklarla doludur. İlk olarak, veri kalitesi nadiren mükemmel. OCR hataları metin madenciliği sonuçları verebilir; örneğin, bir gazete makalesinde tek bir garbled karakteri, zengin kurumların tüm çıkarlarını yansıtmak için ortaya çıkabilir ve öncelik verir, sömürge güçleri veya mevcut siyasi modaları doğrulamak ve doğrulamak gerekir, örneğin, Avrupa arşivleri genellikle bir örnek üzerinde el ele geçirilir.
Üçüncü olarak, korelasyon causasyon değildir. Büyük veriler, iki trendin birlikte hareket ettiğini ortaya çıkarabilir - örneğin, dini referanslarda bir artış - ancak açıklama, tarihsel bağlamı gerektirir.Asla, analiz riskleri, etik inceleme kurulları ve anonimleştirme protokolleri haline geldiğinde, mahremiyet kaygıları, 20. yüzyıldan itibaren kişisel verilerle uğraşırken ortaya çıkar.
Tarihteki Büyük Verinin Geleceği
İleriye bakıldığında, makine öğrenimi ile büyük verilerin entegrasyonu - özellikle de GPT gibi büyük dil modelleri (LLMs) - olasılıklarını özetleyebilirler. LLM'ler tarihsel metinleri özetleyebilir, hipotezler üretir veya hatta büyük fiziksel açıklamalarda eğitilmiş olarak “karşıtlıklı” tarihsel senaryolar simüle edebilir. Ancak, bu modeller aynı zamanda mevcut önyargıları da genişletebilir ve makul anlatılar üretebilirler.
Başka bir sınır, tarihsel verilerin diğer bilimsel alanlardaki füzyonudur. Tarihsel iklimoloji, örneğin, ağaçla kaplı verileri, buz çekirdeklerini ve geçmiş iklimleri yeniden inşa etmek için tarihsel hava sözlükleri ortaya koyarken, araştırmacılar iklim şoklarının kıtlık veya göçleri nasıl tetiklediğini modelleyebilirler. Archaeology de veriye dayalı hale gelir: kapaklı tarama, orman kanoları altında saklı tüm Mayan şehirleri ortaya çıkardı, karbon dating ve DNA analizleri, bu nüfus hareketlerinin istatistiksel modellerine entegre ediliyor.
Bu araçlar daha erişilebilir hale geldiğinde, tarihsel araştırmaların demokratikleştirilmesini görebiliriz, amatör genalogların veya yerel tarih toplumlarının üniversiteler tarafından kullanılan aynı algoritmaları uygulayabileceği. Ancak, çalışmalarının etik, epistemolojik ve pratik boyutlarıyla ilgilenmeleri gerekir.
Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç
Tarihçi araştırma için büyük verilerin uygulanması, geleneksel tarihçinin zanaatı için bir yedek değildir - duygu, ağ, uzay ve zaman içinde gizli desenler ortaya çıkarmak, yeni sorular sormak ve yorum yapmak veya meydan okumalar yapmak için izin verir - İrlanda'daki sahtekarlık retorisinden - bazen kişisel araştırmacıya görünmez desenleri ortaya çıkarmak için, bazen de insanların metinlerini tekrarlamak için yeniden ortaya çıkmamızı sağlamak için, özellikle de önemli olan bağlantıların yeniden tanımlanmasına izin vermek.