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

Technische Samenvatting: Attributiebias in Filosofische Kennisgrafen

Probleemstelling
Het artikel identificeert een systematische methodologische fout in de constructie van computationele kennisgrafen voor de filosofische geschiedenis: de verwarring van corpusfrequentie met historische prioriteit en filosofische significantie. In de standaardpraktijk worden concepten toegeschreven aan een specifieke traditie op basis van welke school ze het meest frequent vermeldt in het beschikbare gedigitaliseerde corpus. De auteurs stellen dat deze benadering impliciet aanneemt dat tekstuele omvang correleert met oorsprong of eigendom. Deze aanname is problematisch omdat het drie verschillende metingen verzwakt:

1. Tekstuele Macht: Welke traditie heeft de meeste tekst geproduceerd en bewaard (vaak beïnvloed door institutionele continuïteit en digitaliseringsbiases).
2. Historische Prioriteit: Welke traditie een concept als eerste documenteerde in een dateerbare bron.
3. Filosofische Significantie: Welke traditie de meest verfijnde behandeling van een concept heeft ontwikkeld.

Door corpusfrequentie als enige attributiemetriek te gebruiken, schrijven kennisgrafen (specifiek die over de Indiase filosofie) concepten systematisch toe aan latere scholen (bijv. Advaita Vedanta) die er uitgebreid mee bezig waren, waardoor hun eerdere oorsprong in andere tradities (bijv. Jainisme, Boeddhisme of vroege Vedische teksten) wordt vertroebeld. Dit resulteert in een vertekend historisch narratief waarbij de samenstelling van het overlevende corpus wordt verward met de werkelijke geschiedenis van ideeën.

Methodologie
De studie maakt gebruik van de darshana-graph, een kennisgraaf die 28.322 gedocumenteerde relaties bevat over hindoeïstische, boeddhistische en jaïnistische tradities. De auteurs stellen een Temporele Attributielaag voor en implementeren deze om de bias door corpusfrequentie te corrigeren.

1. Framework voor Meetdoelen: De auteurs onderscheiden drie onderzoeksvragen, die elk een verschillende attributiemethode vereisen:

   • Vraag 1 (Tekstuele Betrokkenheid): Opgelost door corpus-frequentie-attributie.
   • Vraag 2 (Vroegste Attestatie): Opgelost door temporele attributie met behulp van door wetenschappers geciteerde brondata.
   • Vraag 3 (Filosofische Diepgang): Vereist humanistische beoordeling, niet computationele methoden.

2. Drie-fasen Datingsysteem: Om era-specifieke netwerk-snapshots mogelijk te maken, hebben de auteurs een gelaagd datingsysteem ontwikkeld voor de 2.349 concept-nodes:

   • Fase 1 (Expliciete Citatie): Concepten met een directe vermelding in een gecureerde laag van 40 wetenschappelijke bronnen (bijv. Witzel, Olivelle, Gombrich) die een dateerbare bron en een specifieke tijdsperiode bieden. Dit beslaat slechts 24 concepten (1,0% van de graaf) maar dient als de grondwaarheid voor historische attestatie.
   • Fase 2 (School Proxy): Concepten zonder expliciete citaties worden toegewezen aan de oprichtingsdatum van de school die hen het meest frequent vermeldt in het corpus. Dit wordt behandeld als een "tekstuele zichtbaarheidsgrens" in plaats van een historische oorsprong.
   • Fase 3 (Onbekend): Concepten zonder toewijsbare datum (geen aanwezig in deze dataset).

3. Analysestatistiek: De auteurs vergelijken netwerkmetrieken (specifiek betweenness centrality) onder twee condities:

   • Corpus-Frequentie Attributie: Het toeschrijven van concepten aan de school met het hoogste tekstuele volume.
   • Temporele Attributie: Het filteren van het netwerk per tijdperk met behulp van het drie-fasen datingsysteem om te observeren hoe de netwerkstructuur evolueert van 600 v.Chr. tot 1500 n.Chr.

Belangrijkste Resultaten

• De Corpus-Frequentie Distorsie: Onder corpus-frequentie-attributie worden de top 25 concepten volgens betweenness centrality exclusief toegeschreven aan hindoeïstische scholen, waarbij Advaita Vedanta 16 van de 25 domineert. Geen enkele boeddhistische of jaïnistische concepten verschijnen in de top 25.
• Temporele Mismatches: Zeven van de top 25 concepten vertonen significante temporele mismatches wanneer ze via de Fase 1-laag worden geanalyseerd. Hun vroegste gedocumenteerde attestaties gaan 288 tot 2.288 jaar vooraf aan de toegeschreven school.
  • Voorbeeld: Moksha (bevrijding), toegeschreven aan Advaita Vedanta door corpusfrequentie, heeft zijn vroegste systematische soteriologische attestatie in jaïnistische bronnen (Acaranga Sutra), ruim 1.200 jaar vóór het bestaan van Advaita als school.
  • Voorbeeld: Brahman en Atman verschijnen in Vedische bronnen (1500–1200 v.Chr.), ongeveer 2.288 jaar vóór hun attributie aan Advaita Vedanta (gesticht rond 788 n.Chr.).
• De 800 n.Chr. Distorsie (Dataset Bias): Een kritieke bevinding is het "Advaita-amplificatie-effect". Tussen 300 n.Chr. en 800 n.Chr. groeit het netwerk van 18 naar 1.028 nodes. Van deze nieuwe nodes zijn 97,4% Fase 2-proxies die de oprichtingsdatum van Advaita Vedanta (788 n.Chr.) dragen. Deze explosie weerspiegelt geen historische piek in filosofische innovatie, maar eerder het overleven van de commentaristische output van Advaita, de vernietiging van boeddhistische manuscripttradities en de digitaliseringsvoordelen van Sanskriet-teksten. Bijgevolg is de 800 n.Chr.-snapshot voor 97,4% Advaita, een cijfer dat de auteurs identificeren als een maat voor dataset bias, niet als historische realiteit.
• De 300 v.Chr. Snapshot: De meest historisch betrouwbare snapshot (gebaseerd op louter Fase 1-citaties) onthult een werkelijk pluralistisch netwerk: 59% Vedisch/Vroeg Upanishadisch, 24% Jaïnistisch en 18% Boeddhistisch. Dit spreekt het door Advaita gedomineerde beeld tegen dat door corpusfrequentie wordt geproduceerd.
• Structurele Homologie: Door temporele attributie toe te passen, maakten de auteurs cross-traditie structurele analyse mogelijk. Met behulp van ego-netwerk feature-vectoren identificeerden zij "structurele homologen"—concepten in verschillende tradities die vergelijkbare posities in het netwerk innemen ondanks doctrinaal verschil.
  • Gevalideerd: Purusha (Samkhya) en Jiva (Jaïnistisch) scoorden 0,990 gelijkenis; Prakriti (Samkhya) en Maya (Vedisch) scoorden 0,972.
  • Nieuw: Nibbana (Boeddhistische bevrijding) en Samsara (Vedische cyclische existentie) scoorden 0,954. Hoewel doctrinaal tegenovergesteld, fungeren beide als het ultieme referentiepunt in hun respectieve soteriologieën.
  • Nieuw: Cetana (Boeddhistische intentie) en Ajiva (Jaïnistische niet-levende materie) scoorden 0,923, geïdentificeerd als structureel analoge secundaire ontologische categorieën.

Significantie en Claims
Het artikel beweert niet dat temporele attributie een perfecte oplossing is of dat het de "ware" oorsprong van concepten herstelt (wat onmogelijk is vanwege verloren orale tradities en teksten). In plaats daarvan claimt het het volgende:

1. Methodologische Transparantie: De primaire bijdrage is het Measurement Objectives Framework, dat onderzoekers dwingt expliciet te vermelden of ze tekstuele macht, historische prioriteit of filosofische significantie meten. Het verwarren hiervan leidt tot systematisch misleidende conclusies.
2. Zichtbaarheid van Bias: De studie demonstreert dat corpus-frequentie-attributie de beslissingen van de corpusconstructie (digitalisering, preservatie) naturaliseert als neutrale historische feiten. De temporele methode, ondanks haar beperkingen (1% Fase 1-dekking), maakt deze biases zichtbaar en meetbaar (bijv. de 97,4% Advaita-figuur bij 800 n.Chr.).
3. Herstel van Pluralisme: Temporele gronding herstelt een pluralistisch beeld van de Indiase filosofische geschiedenis, waarbij laat zien dat vroege netwerken gedeelde ruimtes waren waarin Vedische, Jaïnistische en Boeddhistische tradities betrokken waren, in plaats van een monolithische hindoeïstische dominantie.
4. Nieuwe Analytische Mogelijkheden: Het paper betoogt dat temporele attributie een vereiste is voor geldige cross-traditie structurele analyse. Zonder dit zijn alle concepten met een hoge betweenness aan één traditie verankerd, wat detectie van structurele homologie tussen tradities onmogelijk maakt. Het presenteert structurele homologie niet als een claim van doctrinaal equivalentie, maar als een meetbare "gedeelde conceptuele ruimte" die door verschillende vocabulaire wordt genavigeerd.

Concluderend stelt het artikel dat onderzoek in de digitale geesteswetenschappen onderscheid moet maken tussen data (corpus samenstelling), capta (geconstrueerde selecties) en interpretatie. Het pleit voor een bescheiden benadering waarbij attributiemethoden expliciet worden gerechtvaardigd en resultaten worden geframed als metingen van specifieke lagen (tekstuele macht versus attestatie) in plaats van definitieve claims over de filosofische geschiedenis.