Toward a systematic method for identifying language areas
Dit artikel stelt een systematische geografische clusteringsmethode voor om taalgebieden van willekeurige omvang te identificeren, waarmee het gat in bestaande expert-afhankelijke macrogebieddefinities wordt overbrugd en een betere scheiding van universele taalkundige eigenschappen van lokale contact- of erfelijkheids-effecten mogelijk wordt gemaakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een detective bent die een mysterie probeert op te lossen over hoe menselijke talen werken, maar in plaats van naar plaatsen delict te kijken, kijk je naar de meer dan 7.000 talen ter wereld. Dit vakgebied, genaamd linguïstische typologie, draait allemaal om het opsporen van patronen. Leggen alle talen het werkwoord vóór het object? Hebben ze allemaal tonen? Wanneer taalkundigen een patroon vinden, willen ze weten: Is dit een universele regel over hoe menselijke talen gestructureerd zijn, of is het gewoon een toeval omdat twee buren woorden van elkaar hebben geleend?
Om dit te achterhalen, moeten wetenschappers een spel van "controle" spelen. Ze moeten talen die verwant zijn omdat ze een oergrootouder delen (zoals Engels en Duits) scheiden van talen die verwant zijn omdat ze naast elkaar wonen en de hele dag met elkaar kletsen (zoals buren die straattaal lenen). Het probleem is dat deze twee dingen vaak tegelijkertig gebeuren. Als je geen rekening houdt met geografie, denk je misschien dat een taal kenmerk een universele regel is, terwijl het eigenlijk gewoon een lokale trend is. Om dit op te lossen, gebruiken onderzoekers "macrogebieden"—grote geografische zones waar talen waarschijnlijk invloed op elkaar hebben uitgeoefend. Denk aan deze zones als buurten in een enorme stad; als je in dezelfde buurt woont, is het waarschijnlijker dat je gewoonten deelt dan iemand die aan de andere kant van de oceaan woont. Maar tot nu toe was het trekken van de lijnen voor deze buurten een beetje als gokken: experts hebben gewoon naar een kaart gekeken en gezegd: "Oké, dit hele continent is één buurt," wat rommelig en soms fout kan zijn.
Dit artikel, geschreven door Hiram Ring, stelt een simpele maar krachtige vraag: Wat als we niet hoefden te gokken waar deze taalbuurten beginnen en eindigen? Wat als we een computer de lijnen voor ons konden laten trekken? De auteur stelt een methode voor die talen behandelt als stippen op een kaart en een wiskundig hulpmiddel genaamd "clustering" gebruikt om ze te groeperen op basis van hoe dicht ze bij elkaar liggen. Het is alsof je een handvol kleurrijke knikkers op een tafel laat vallen en ze natuurlijk in stapels laat rollen op basis van hun nabijheid, in plaats van te proberen ze met de hand te sorteren.
Het artikel test dit idee op een enorme schaal met behulp van gegevens van meer dan 8.000 talen. De computer groepeerde deze talen in zes grote "macrogebieden" op basis uitsluitend van hun breedtegraad en lengtegraad. Het resultaat was verrassend vergelijkbaar met de door experts getekende kaarten die taalkundigen al jaren gebruiken, wat suggereert dat de experts eigenlijk best goed waren in hun werk. De computer vond echter ook interessante verschillen. Het leek bijvoorbeeld scherpere lijnen te trekken rond natuurlijke barrières zoals de Himalaya en de Wallace-lijn (een beroemde grens in de oceaan tussen Azië en Australië), gebieden die experts soms met elkaar vermengen. De auteur suggereert dat deze door de computer gegenereerde lijnen nauwkeuriger kunnen zijn voor het opsporen van echte taalpatronen, omdat ze de fysieke geografie strikter volgen.
De studie zoomde ook in op een kleinere, beroemde taalbuurt genaamd de "Balkan sprachbund", waar veel verschillende talen zich gedurende eeuwen met elkaar hebben vermengd. De computer slaagde erin om dit gebied onder te verdelen in 16 kleinere clusters. Hoewel deze clusters niet perfect overeenkwamen met de traditionele linguïstische definities van "taalgebieden", toonden ze aan dat de methode werkt voor elke grootte van een kaart, van de hele wereld tot een enkele regio.
De belangrijkste conclusie is niet dat de computer alles heeft opgelost. De auteur is voorzichtig om te zeggen dat dit slechts een startpunt is. De computer kent geen geschiedenis, cultuur of of een specifiek punt op een kaart het centrum van een stad of een eenzaam dorp is; hij kent alleen coördinaten. Dus, hoewel de methode suggereert dat we deze wiskundige groeperingen kunnen gebruiken om ons onderzoek preciezer te maken, vervangt het niet de noodzaak voor menselijke experts om de resultaten te verifiëren. Het artikel betoogt in essentie dat we moeten stoppen met het uitsluitend vertrouwen op handmatige, op gokken gebaseerde kaarten en moeten beginnen met het gebruiken van deze eenvoudige, geautomatiseerde tools om ons te helpen betere grenzen te trekken. Door dat te doen, kunnen taalkundigen een duidelijker beeld krijgen van wat menselijke taal werkelijk universeel maakt, door de diepe regels van taal te scheiden van de lokale gewoonten van onze buren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.