✏️ В 2020 г. Брайан Уэзерсон, профессор философии в Мичиганском университете и один из редакторов журнала Philosopher’s Imprint, провел эксперимент с использованием LDA, проанализировав ок. 32000 статей из двенадцати философских журналов, опубликованных в 1933-2013 гг., в том числе Analysis, Journal of Philosophy, Mind, Philosophical Review и др. (см. полный список в онлайн-версии книги).

Подобное исследование ✨проведенное полностью на языке R✨ стало возможным благодаря функционалу Data for Research, предоставляемому JSTOR.

Свои выводы автор изложил в небольшой статье в онлайн-издании Daily Nous. Важнейший из них заключается в том, что

...существует огромная разница между работами конца XIX – начала XX века, которые современные аналитические философы воспринимают всерьез, и работами, которые обычно появляются в журналах в те годы.

В период с 1915 по 1941 год практически не обсуждалась работа Бертрана Рассела «On Denoting». Долгое время не обсуждались в журналах такие фигуры, как Джордж Эдвард Мур и Готлоб Фреге. Поздние работы Витгенштейна привлекают внимание современников, но «Трактат» также остается незамеченным, а тема позитивизма «активируется» уже в контексте проблемы верификации.

Напротив, замечает исследователь, журналы начала века полны статей о различных формах идеализма, при этом в британских журналах основное внимание уделяется сознанию (mind) и метафизике, а в американских — этике и политической философии. Многие выдающиеся авторы той эпохи сегодня более или менее полностью забыты.

Шэдворт Ходжсон опубликовал три десятка работ в ведущих журналах, и в наши дни о нем редко упоминают даже вскользь.

Для тех, кто желает воспроизвести экперимент, Уэзерсон подготовил небольшой туториал. Остальные могут просто приободриться, если их не цитируют -- или почитать оживленную дискуссию под постом в Daily Nous.

❓Как оценить качество тематической модели? Можно использовать количественные показатели, такие как coherence score или perplexity, или прибегнуть к качественной экспертной оценке. Но встречаются и более необычные приемы.

Один из них мы нашли в работе американского DH-исследователя Камерона Блевинса, который смоделировал дневник американской акушерки XVIII в. Марты Баллард. За свою долгую и непростую жизнь (1735–1812) Баллард сделала около 10 000 дневниковых записей, в которых она рассказывает о принятых родах, о различных личных перипетиях и о многом другом. Эти записи легли в основу работы Л. Т. Ульрих «История повитухи» (1990), за которую она получила Пулитцеровскую премию.

Блевинс заметил, что свои записи Баллард нередко начинает с сообщения о погоде, и один из LDA-топиков собрал лексику, связанную с холодной погодой. Сюда вошли слова «ветер», «холод» и т.п. Измерив присутствие этой темы в разное время года, Блевинс увидел, что тема “активируется” в зимние месяцы; в то время как весной и летом Баллард больше говорит о своем саде.

Из домашки по курсу анализа текста на языке R родилась целая статья! Поздравляю Женю Дуненкова с этим достижением и радуюсь, как будто сама нобелевскую премию получила 🎄

Я уже писала (и еще один текст в печати), что Дельта Берроуза с древнегреческим справляется не очень хорошо. Даже более примитивная версия Дельты (расстояние Манхэттена без стандартизации) дает большую точность классификации, а лучше всего, по моим наблюдениям, показывает себя косинусное сходство.

Но, оказывается, есть возможность обойтись и без косинусов: достаточно просто взять корень квадратный из матрицы с частотностями, а потом посчитать тот же Манхэттен. Это называется Eder’s Simple. Наблюдение об эффективности для греков принадлежит не мне.
Но я проверила на своем корпусе, все так. Хотя косинус все равно лучше 📐

В связи с этой математической чертовщиной (квадратный корень? really?) мне вспоминается серия “Смешариков” про лунного ворона. Статистика — точная наука, но главное не перепутать, в какой руке держать бубен 🪶

Не так много в нашей песочнице поводов применить двусторонний t-test, и вот один из них, говорящий нам, что нет статистически значимой разницы между длиной книги в “Государстве” и в “Законах”. А что это значит? А бог весть.

⚠️ Будьте бдительны, пытаясь повторить этот эксперимент. Не забудьте проверить распределения на нормальность. #задачка

Сегодня пришли результаты студенческой оценки преподавания (СОП), из которых следует, что с первым своим курсом по программированию на R я вроде бы справилась. Спасибо, дорогие студенты, за ваши отзывы. Я их все прочитала, а некоторые даже по два раза 🧡

🧩 Задачка для тех, кому не спится

⭐️ Византийский компилятор Стобей составляет антологию, куда включает отрывки из подлинных и подложных диалогов Платона (условно подлинными будем считать все, что Трасилл включил в тетралогии; условно подложными — все, что вошло в Appendix Platonica).

⭐️ Подложные он процитировал 40 раз, а подлинные — ок. 400. Опустим цифры, которые никому не интересны.

❓ Можно ли сказать, что есть зависимость между участием в тетралогиях и числом цитат у Стобея?

💭 Построим линейную модель, в которой зависимой переменной будет число цитат, а независимыми — группа (t = tetralogy, a = appendix) и число слов в диалоге.

☑️ На уровне значимости < 0.001 устанавливаем связь между числом слов и числом цитат.

➖ На уровне значимости 0.05 отвергаем связь между участием в тетралогиях и числом цитат.

🌷 Многозначительный вывод: не важно, кто ты, важно, сколько ты нагнал знаков. #задачка

Идем спать в осознании того, что полночи потрачены на полную фигню и забивание цифирек в эксель.