Wiskunde van de geschiedenis

U leest het goed: niet geschiedenis van de wiskunde maar het omgekeerde. Want in geschiedkundig en archeologisch onderzoek speelt wiskunde een steeds grotere rol. Het schoolvoorbeeld hierbij is natuurlijk de C-14 methode: de hoeveelheid koolstof 14 isotopen geeft een idee hoe oud organische materialen zijn.
Maar er is meer! Van oude islamitische astronomische tabellen wordt de betekenis gereconstrueerd met behulp van geavanceerde computerprogramma's; met behulp van matrixrekening worden kruisverbanden in opgravingen in kaart gebracht; statistische modellen transformeren gegevens over de lading van schepen naar een algemeen beeld van de welvaart van weleer; verborgen boodschappen in oude schilderijen komen met meetkunde weer tot leven; scherven worden niet meer door verwoede puzzelaars aan elkaar gepast maar door combinatoriek van de scherfeigenschappen.
Prachtige nieuwe begrippen ontstaan, zoals `antropometrie': de lengte van mensen verraadt de welstand uit een tijd. Kortom: er is meer wiskunde in de geschiedenis dan het aftelbaar zijn van een verzameling van jaartallen ...

Kwantitatieve aspecten van grootschalig geschiedenis onderzoek

Dr. George M. Welling
Informatiekunde, Rijksuniversiteit Groningen

vrijdag 15.30-16.15 uur

In de moderne geschiedschrijving voert de Narrativistische school de boventoon, maar er vindt ook nog steeds grootschalig kwantitatief onderzoek plaats. Denk hierbij vooral aan economische geschiedenis, sociale geschiedenis en demografische geschiedenis. Een ernstig probleem bij deze vormen van onderzoek is de hoeveelheid benodigde gegevens om tot een betrouwbaar beeld te komen. Vaak zijn gegevens geheel of gedeeltelijk verloren gegaan, hetgeen zijn eigen problemen schept. Maar ook als er wel lange tijdreeksen zijn overgebleven, doen er zich een aantal ernstige problemen voor. Zo zijn gegevens uit de vroeg-moderne tijd vrijwel altijd in handschrift overgebleven. Optical Character Recognition ( ocr ), een systeem om teksten van papier om te zetten in een digitale vorm, werkt vrij goed voor gedrukt materiaal, maar voor handschriften zijn de resultaten bedroevend.
De afdeling Kunstmatige Intelligentie van de rug richt zich op de ontwikkeling van algoritmes voor handschriftherkenning, maar de resultaten zijn nog niet erg bemoedigend. Dat plaatst de historicus voor de onaangename taak de gegevens zelf in de computer te gaan invoeren: handmatige verwerking is bij dergelijke hoeveelheden geen optie. Helaas is dit ook geen klusje waarvoor je willekeurig iemand zou kunnen inhuren, want het lezen van zeventiende en achttiende eeuws handschrift is geen sinecure.

In mijn onderzoek naar de handel van Amsterdam aan het einde van de achttiende en begin negentiende eeuw heb ik gebruik gemaakt van de `Paalgeld Registers', een register van een heffing op inkomende scheepvaart in Amsterdam. Voor mijn dissertatie heb ik hieruit een database van schepen en scheepsladingen gemaakt die ongeveer 50.000 scheepsbewegingen betreft.
In deze lezing zal ik ingaan op methoden die ik gebruikt heb om het invoerproces te versnellen. Het cruciale aspect hiervan is het gebruik van hetgeen reeds ingevoerd is als knowledge base voor een soort expert systeem. Op basis van regels en statistische analyse van de invoer tot een gegeven ogenblik worden standaard waarden (defaults) gegenereerd, zodat het aantal toetsaanslagen tot een minimum gereduceerd kan worden. Gebruik makend van een combinatie van een aantal technieken is het mogelijk om het benodigde aantal toetsaanslagen met ongeveer 60 procent te beperken.
Deze methode is in verschillende grootschalige onderzoeken gebruikt, onder andere in het Srebrenica-onderzoek van het niod, en heeft bewezen te leiden tot een aanzienlijke versnelling van het invoer-proces, alsmede tot een verhoging van de kwaliteit van de invoer, doordat alle invoer getest wordt op validiteit. De databases die op deze manier tot stand zijn gekomen lenen zich bijzonder goed voor allerlei vormen van statistische analyse.

 

Datering van archeologische vondsten met behulp van wiskunde en statistiek

Prof.dr. Patrick J.F. Groenen
Econometrisch Instituut, Erasmus Universiteit, Rotterdam

vrijdag 16.15-17.00 uur

Figuur 1
In de archeologie is het vaak moeilijk om opgegraven voorwerpen te dateren. Een van de methoden hiervoor is koolstofdatering. In deze presentatie gaan we in op een andere methode, die gebruik maakt van de verdeling van de gevonden voorwerpen. In de archeologische plaats Sagalassos (Turkije) wordt gezocht naar overblijfselen uit de periode van 50 tot 750 na Christus. Elk jaar worden daar opgravingen verricht op specifieke vindplaatsen en wordt genoteerd welke (overblijfselen van) aardewerk er zich bevonden.
Figuur 1 toont een aardewerken pot opgegraven in Sagalassos. Het achterhalen van de volgorde van de vindplaatsen in de tijd, aan de hand van de verdeling van het aantal gevonden voorwerpen, wordt seriatie genoemd. Het idee is dat de verdeling van het aantal vondsten van een bepaald type aardewerk een populariteitscurve volgt: eerst komt het type niet voor, vervolgens wordt het populair en daarna verdwijnt het weer. Door de vindplaatsen op volgorde te leggen voor verschillende typen aardewerk, wordt geprobeerd de onbekende populariteitscurve te benaderen. In figuur 2 gebeurt dit op een handmatige manier.

 

 

 

 

Figuur 2


Inmiddels zijn er diverse statistische methoden voor seriatie ontwikkeld die gebaseerd zijn op de eentoppigheid van de populariteitscurve. Een van die methoden, die van correspondentie analyse, maakt gebruik van een speciale matrix decompositie. In mijn presentatie zal ik laten zien hoe deze methode in zijn werk gaat. Een nadeel van de meeste seriatiemethoden is dat ze alleen de volgorde van de vindplaatsen teruggeven, maar niet de tijd zelf. Dit kan opgelost worden door extra informatie te gebruiken over datering van enkele vindplaatsen.
Zo kan een gedateerde munt uitsluitsel geven over het precieze jaartal van de vindplaats. Ook weet de archeoloog zeker dat als er twee vindplaatsen boven elkaar zijn, de onderste altijd ouder moet zijn dan degene erboven. Ik zal laten zien hoe deze extra informatie gebruikt kan worden met behulp van lineaire (on)gelijkheidsrestricties om een schatting te geven van de datering van een vindplaats aan de hand van gegevens uit Sagalassos.

 

Calculating Chronology in Archaeology

Irmela Herzog
Rhein Amt für Bodendenkmalpflege, Bonn, Duitsland

zaterdag 10.30-11.15 uur

`How old is it?' is a key question in archaeology, but it is usually easier to answer the question `What came first, what happened afterwards?' This is known as relative chronology. It is a familiar geological principle that in a profile the sequence of layers reflects the sequence of their creation, i.e. the deepest layer is the oldest, while the topmost is the most recent one. For archaeological purposes, this principle can be extended, to include pits, ditches, walls, etc. In urban excavations, often hundreds of archaeological layers are recorded along with their chronological relationships. These layers and their relationships form a partially ordered set, which is displayed as a directed orthogonal graph referred to as Harris matrix in archaeology.Frequently, archaeologists know that two or more layers are contemporary, for example the post holes that belong to one house. The contemporary relationships are equivalence relations that are embedded in the partially ordered set.In this presentation, algorithms for laying out the Harris matrix graph will be discussed, including a projection pursuit application. In addition, methods for the detection of recording errors and the elimination of transitive relationships will be presented. It is easy to create a total order from a partially ordered set, but often the number of ways to do so is immense, even for small data sets. For the archaeologist this means that additional information is needed in order to fix the floating chronological sequences.The audience should have some basic knowledge of graph theory, all other concepts will be explained during the presentation.

A sample profile (left) and a Harris matrix graph (right) based on that profile

Literatuur en bronnen
Orton, C. (1980). Mathematics in Archaeology. Londen: Collins.
Herzog, I. (1993). Computer-aided Harris matrix generation. In: E.C. Harris, M. Brown III and G. Brown (Eds.), Practices of archaeological stratigraphy (pp. 201-217). Londen: Academic Press.
www.stratify.org