Attribution Bias in Philosophical Knowledge Graphs: Corpus Frequency versus Temporal Sourcing

Sintesi Tecnica: Bias di Attribuzione nei Grafi della Conoscenza Filosofica

Problematica
Il saggio identifica un difetto metodologico sistematico nella costruzione di grafi della conoscenza computazionale per la storia della filosofia: la conflazione tra frequenza del corpus e priorità storica e significatività filosofica. Nella pratica standard, i concetti vengono attribuiti a una specifica tradizione sulla base di quale scuola li menziona più frequentemente nel corpus digitalizzato disponibile. Gli autori sostengono che questo approccio assuma implicitamente che il volume testuale sia correlato all'origine o alla proprietà. Tale assunzione è problematica perché confonde tre misurazioni distinte:

1. Potere Testuale: Quale tradizione ha prodotto e preservato il maggior numero di testi (spesso influenzato dalla continuità istituzionale e dai bias di digitalizzazione).
2. Priorità Storica: Quale tradizione ha documentato per prima un concetto in una fonte databile.
3. Significatività Filosofica: Quale tradizione ha sviluppato il trattamento più sofisticato di un concetto.

Utilizzando la frequenza del corpus come unico metrica di attribuzione, i grafi della conoscenza (specificamente quelli che coprono la filosofia indiana) attribuiscono sistematicamente i concetti a scuole successive (ad es. l'Advaita Vedanta) che si sono occupate ampiamente di essi, oscurando le loro origini più antiche in altre tradizioni (ad es. Jainismo, Buddismo o i primi testi vedici). Ciò produce una narrazione storica distorta dove la composizione del corpus superstite viene scambiata per la reale storia delle idee.

Metodologia
Lo studio utilizza il darshana-graph, un grafo della conoscenza contenente 28.322 relazioni documentate attraverso le tradizioni induista, buddista e jaina. Gli autori propongono e implementano uno Strato di Attribuzione Temporale per correggere il bias della frequenza del corpus.

1. Framework degli Obiettivi di Misurazione: Gli autori distinguono tre domande di ricerca, ciascuna delle quali richiede un diverso metodo di attribuzione:

   • Domanda 1 (Impegno Testuale): Risolta dall'attribuzione per frequenza del corpus.
   • Domanda 2 (Prima Attestazione): Risolta dall'attribuzione temporale utilizzando le date delle fonti citate dagli studiosi.
   • Domanda 3 (Profondità Filosofica): Richiede il giudizio umano, non metodi computazionali.

2. Sistema di Datazione a Tre Livelli: Per consentire snapshot di rete specifici per epoca, gli autori hanno sviluppato un sistema di datazione a tre livelli per i 2.349 nodi concettuali:

   • Livello 1 (Citazione Esplicita): Concetti con un'entrata diretta in uno strato curato di 40 fonti accademiche (ad es. Witzel, Olivelle, Gombrich) che forniscono una fonte databile e un intervallo di date specifico. Questo copre solo 24 concetti (l'1,0% del grafo) ma funge da verità di base (ground truth) per l'attestazione storica.
   • Livello 2 (Proxy della Scuola): Concetti senza citazioni esplicite sono assegnati alla data di fondazione della scuola che li menziona più frequentemente nel corpus. Questo è trattato come un "confine di visibilità testuale" piuttosto che come un'origine storica.
   • Livello 3 (Sconosciuto): Concetti senza data assegnabile (nessuno presente in questo dataset).

3. Approccio Analitico: Gli autori confrontano le metriche di rete (specificamente la centralità di intermediazione o betweenness centrality) sotto due condizioni:

   • Attribuzione per Frequenza del Corpus: Assegnazione dei concetti alla scuola con il maggior volume testuale.
   • Attribuzione Temporale: Filtraggio della rete per epoca utilizzando il sistema di datazione a tre livelli per osservare come la struttura della rete si evolve dal 600 a.C. al 1500 d.C.

Risultati Chiave

• La Distorsione della Frequenza del Corpus: Sotto l'attribuzione per frequenza del corpus, i primi 25 concetti per centralità di intermediazione sono attribuiti esclusivamente a scuole induiste, con l'Advaita Vedanta che domina 16 dei 25. Nessun concetto buddista o jaina appare nei primi 25.
• Discrepanze Temporali: Sette dei primi 25 concetti mostrano discrepanze temporali significative quando analizzati tramite il Livello 1. Le loro prime attestazioni documentate precedono la scuola attribuita di 288 o 2.288 anni.
  • Esempio: Moksha (liberazione), attribuito all'Advaita Vedanta dalla frequenza del corpus, ha la sua prima attestazione soteriologica sistematica in fonti jaine oltre 1.200 anni prima dell'esistenza dell'Advaita come scuola.
  • Esempio: Brahman e Atman appaiono in fonti vediche (1500–1200 a.C.) circa 2.288 anni prima della loro attribuzione all'Advaita Vedanta (fondato intorno al 788 d.C.).
• La Distorsione dell'800 d.C. (Bias del Dataset): Un risultato critico è l'effetto di "amplificazione Advaita". Tra il 300 d.C. e l'800 d.C., la rete cresce da 18 nodi a 1.028 nodi. Di questi nuovi nodi, il 97,4% sono proxy di Livello 2 che portano la data di fondazione dell'Advaita Vedanta (788 d.C.). Questa esplosione non riflette un aumento storico dell'innovazione filosofica, ma piuttosto la sopravvivenza della produzione commentaristica dell'Advaita, la distruzione delle tradizioni di manoscritti buddisti e il vantaggio della digitalizzazione dei testi sanscriti. Di conseguenza, lo snapshot dell'800 d.C. è composto per il 97,4% da Advaita, una cifra che gli autori identificano come misura del bias del dataset, non della realtà storica.
• Lo Snapshot del 300 a.C.: Lo snapshot storicamente più affidabile (basato interamente sulle citazioni di Livello 1) rivela una rete genuinamente pluralista: 59% Vedica/Upanishadica precoce, 24% Jaina e 18% Buddista. Ciò contraddice l'immagine dominata dall'Advaita prodotta dalla frequenza del corpus.
• Omologia Strutturale: Applicando l'attribuzione temporale, gli autori hanno reso possibile l'analisi strutturale tra diverse tradizioni. Utilizzando i vettori di caratteristiche degli ego-network, hanno identificato "omologhi strutturali": concetti in diverse tradizioni che occupano posizioni di rete simili nonostante le differenze dottrinali.
  • Validato: Purusha (Samkhya) e Jiva (Jaina) hanno ottenuto una somiglianza di 0,990; Prakriti (Samkhya) e Maya (Vedica) 0,972.
  • Nuovo: Nibbana (liberazione buddista) e Samsara (esistenza ciclica vedica) hanno ottenuto 0,954. Sebbene siano opposti dottrinali, entrambi fungono da punto di riferimento ultimo nelle rispettive soteriologie.
  • Nuovo: Cetana (intenzione buddista) e Ajiva (materia non vivente jaina) hanno ottenuto 0,923, identificati come categorie ontologiche secondarie strutturalmente analoghe.

Significatività e Rivendicazioni
Il saggio non sostiene che l'attribuzione temporale sia una soluzione perfetta o che recuperi l'origine "reale" dei concetti (il che è impossibile a causa delle tradizioni orali e dei testi perduti). Sostiene invece quanto segue:

1. Trasparenza Metodologica: Il contributo primario è il Framework degli Obiettivi di Misurazione, che costringe i ricercatori a dichiarare esplicitamente se stanno misurando il potere testuale, la priorità storica o la significatività filosofica. La conflazione di questi elementi porta a conclusioni sistematicamente fuorvianti.
2. Visibilità del Bias: Lo studio dimosta che l'attribuzione per frequenza del corpus naturalizza le decisioni di costruzione del corpus (digitalizzazione, preservazione) come fatti storici neutrali. Il metodo temporale, nonostante i suoi limiti (1% di copertura del Livello 1), rende questi bias visibili e misurabili (ad es. la figura del 97,4% dell'Advaita all'800 d.C.).
3. Restaurazione del Pluralismo: L'ancoraggio temporale resta una visione pluralista della storia della filosofia indiana, mostrando che le reti precoci erano spazi condivisi che coinvolgevano tradizioni vediche, jaine e buddiste, piuttosto che una monolitica dominanza induista.
4. Nuove Capacità Analitiche: Il saggio sostiene che l'attribuzione temporale è un prerequisito per una valida analisi strutturale tra tradizioni. Senza di essa, i concetti ad alta centralità di intermediazione sono tutti ancorati a una singola tradizione, rendendo impossibile rilevare l'omologia strutturale tra le tradizioni. Il saggio presenta l'omologia strutturale non come una rivendicazione di equivalenza dottrinale, ma come uno "spazio concettuale condiviso" navigato da vocabolari differenti.

In conclusione, il saggio afferma che la ricerca nelle discipline umanistiche computazionali deve distinguere tra dati (composizione del corpus), capta (selezioni costruite) e interpretazione. Propone un approccio modesto in cui i metodi di attribuzione sono esplicitamente giustificati e i risultati sono inquadrati come misurazioni di strati specifici (potere testuale vs. attestazione) piuttosto che rivendicazioni definitive sulla storia della filosofia.