Data Driven Date Prediction?

Die Datierung historischer Dokumente und Texte gehört zu einem der wichtigsten Aufgaben der archivischen und historischen Tätigkeit. Die historischen Hilfswissenschaften stellen dazu auch ein breites Set von Verfahren und Herangehensweisen zur Verfügung. Wie das geht, hat wohl ausnahmslos jeder angehende Historiker, jede angehende Historikerin bei Ahasver von Brandt einmal gelesen.

Was aber der gute Herr von Brandt selig noch nicht hat ahnen können – er verstarb schliesslich auch bereits im Jahre 1977 – ist die Tatsache, dass heute bereits laut darüber nachgedacht wird, die Datierung eines Textes mit algorithmisierter Unterstützung zu versuchen. Das ist zwar im Kontext einer Data Driven History naheliegend, bei Lichte betrachtet aber nicht ganz trivial.

Mit einem enormen statistischen Aufwand hat Andrew Tausz vom Institute for Computational and Mathematical Engineering (iCME) in Stanford einen ersten Versuch unternommen und ein Modell vorgelegt, das zwar für Historiker von der Anwendungsseite her höchst interessant sein könnte, aber natürlich den methodischen Horizont der meisten Kollegen (mich selbstverständlich inbegriffen) bei weitem übersteigen dürfte.

Als Nebenfachsoziologe hatte ich zwar einige Vorlesungen und Übungen in Statistik absolvieren dürfen, aber ich muss gestehen, dass weder die Bayessche Statistik noch die Gauss-Verteilung allzu detailliert in unserem soziologischen Curriculum vorgesehen waren. Bleibt zu hoffen, dass unsere geschätzten Leserinnen und Leser den Text von Andrew Tausz mit noch mehr Aha-Erlebnissen als ich es konnte lesen werden!

Schreibe einen Kommentar