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

Resumo Técnico: Viés de Atribuição em Grafos de Conhecimento Filosófico

Enunciado do Problema
O artigo identifica uma falha metodológica sistemática na construção de grafos de conhecimento computacional para a história da filosofia: a confluência de frequência de corpus com prioridade histórica e significância filosófica. Na prática padrão, conceitos são atribuídos a uma tradição específica com base em qual escola os menciona com mais frequência no corpus digitalizado disponível. Os autores argumentam que essa abordagem assume implicitamente que o volume textual correlaciona-se com origem ou propriedade. Essa suposição é problemática porque funde três medições distintas:

1. Poder Textual: Qual tradição produziu e preservou a maior quantidade de texto (frequentemente influenciado por continuidade institucional e vieses de digitalização).
2. Prioridade Histórica: Qual tradição documentou primeiro um conceito em uma fonte datável.
3. Significância Filosófica: Qual tradição desenvolveu o tratamento mais sofisticado de um conceito.

Ao usar a frequência do corpus como a única métrica de atribuição, os grafos de conhecimento (especificamente aqueles que cobrem a filosofia indiana) atribuem sistematicamente conceitos a escolas posteriores (ex: Advaita Vedanta) que se envolveram extensivamente com eles, obscurecendo suas origens anteriores em outras tradições (ex: Jainismo, Budismo ou textos védicos precoces). Isso resulta em uma narrativa histórica distorcida, onde a composição do corpus sobrevivente é confundida com a própria história das ideias.

Metodologia
O estudo utiliza o darshana-graph, um grafo de conhecimento contendo 28.322 relações documentadas entre as tradições hindu, budista e jainista. Os autores propõem e implementam uma Camada de Atribuição Temporal para corrigir o viés de frequência de corpus.

1. Estrutura de Objetivos de Medição: Os autores distinguem três questões de pesquisa, cada uma exigindo um método de atribuição diferente:

   • Questão 1 (Engajamento Textual): Resolvida pela atribuição de frequência de corpus.
   • Questão 2 (Atestação Mais Antiga): Resolvida pela atribuição temporal usando datas de fontes citadas academicamente.
   • Questão 3 (Profundidade Filosófica): Requer julgamento humanístico, não métodos computacionais.

2. Sistema de Datação de Três Níveis: Para permitir instantâneos de rede específicos por era, os autores desenvolveram um sistema de datação em três níveis para os 2.349 nós de conceitos:

   • Nível 1 (Citação Explícita): Conceitos com uma entrada direta em uma camada curada de 40 fontes acadêmicas (ex: Witzel, Olivelle, Gombrich) fornecendo uma fonte datável e um intervalo de datas específico. Isso cobre apenas 24 conceitos (1,0% do grafo), mas serve como a verdade fundamental (ground truth) para a atestação histórica.
   • Nível 2 (Proxy de Escola): Conceitos sem citações explícitas são atribuídos à data de fundação da escola que os menciona com mais frequência no corpus. Isso é tratado como um "limite de visibilidade textual", e não como uma origem histórica.
   • Nível 3 (Desconhecido): Conceitos sem data atribuível (nenhum presente neste conjunto de dados).

3. Abordagem de Análise: Os autores comparam métricas de rede (especificamente a centralidade de intermediação ou betweenness centrality) sob duas condições:

   • Atribuição por Frequência de Corpus: Atribuindo conceitos à escola com o maior volume textual.
   • Atribuição Temporal: Filtrando a rede por era usando o sistema de datação de três níveis para observar como a estrutura da rede evolui de 600 a.C.E. até 1500 d.C.E.

Resultados Principais

• A Distorção da Frequência de Corpus: Sob a atribuição de frequência de corpus, os 25 principais conceitos por centralidade de intermediação são exclusivamente atribuídos a escolas hindus, com o Advaita Vedanta dominando 16 dos 25. Nenhum conceito budista ou jainista aparece nos 25 principais.
• Descompassos Temporais: Sete dos 25 principais conceitos mostram descompassos temporais significativos quando analisados via a camada de Nível 1. Suas atestações documentadas mais antigas precedem a escola atribuída em 288 a 2.288 anos.
  • Exemplo: Moksha (libertação), atribuído ao Advaita Vedanta pela frequência do corpus, tem sua primeira atestação soteriológica sistemática em fontes jainistas (Acaranga Sutra) mais de 1.200 anos antes da existência do Advaita como escola.
  • Exemplo: Brahman e Atman aparecem em fontes védicas (1500–1200 a.C.E.) aproximadamente 2.288 anos antes de sua atribuição ao Advaita Vedanta (fundado ~788 d.C.E.).
• A Distorção de 800 d.C.E. (Viés de Conjunto de Dados): Uma descoberta crítica é o "efeito de amplificação Advaita". Entre 300 d.C.E. e 800 d.C.E., a rede cresce de 18 nós para 1.028 nós. Destes novos nós, 97,4% são proxies de Nível 2 carregando a data de fundação do Advaita Vedanta (788 d.C.E.). Esta explosão não reflete um surto histórico de inovação filosófica, mas sim a sobrevivência da produção de comentários do Advaita, a destrução das tradições de manuscritos budistas e a vantagem de digitalização dos textos em sânscrito. Consequentemente, o instantâneo de 800 d.C.E. é 97,4% Advaita, um número que os autores identificam como uma medida de viés de conjunto de dados, não de realidade histórica.
• O Instantâneo de 300 a.C.E.: O instantâneo historicamente mais confiável (baseado inteiramente em citações de Nível 1) revela uma rede genuinamente pluralista: 59% Védica/Upanishádica precoce, 24% Jain e 18% Budista. Isso contradiz a imagem dominada pelo Advaita produzida pela frequência do corpus.
• Homologia Estrutural: Ao aplicar a atribuição temporal, os autores possibilitaram a análise estrutural trans-tradição. Usando vetores de características de redes de ego, eles identificaram "homólogos estruturais" — conceitos em diferentes tradições que ocupam posições de rede semelhantes, apesar das diferenças doutrinárias.
  • Validado: Purusha (Samkhya) e Jiva (Jain) pontuaram 0,990 de similaridade; Prakriti (Samkhya) e Maya (Védica) pontuaram 0,972.
  • Novo: Nibbana (libertação budista) e Samsara (existência cíclica védica) pontuaram 0,954. Embora sejam opostos doutrinários, ambos funcionam como o ponto de referência último em suas respectivas soteriologias.
  • Novo: Cetana (intenção budista) e Ajiva (matéria não-viva jain) pontuaram 0,923, identificados como categorias ontológicas secundárias estruturalmente análogas.

Significância e Alegações
O artigo não alega que a atribuição temporal seja uma solução perfeita ou que recupere a "verdadeira" origem dos conceitos (o que é impossível devido às tradições orais e textos perdidos). Em vez disso, alega o seguinte:

1. Transparência Metodológica: A principal contribuição é o Estrutura de Objetivos de Medição, que força os pesquisadores a declarar explicitamente se estão medindo poder textual, prioridade histórica ou significância filosófica. A confusão entre estes leva a conclusões sistematicamente enganosas.
2. Visibilidade do Viés: O estudo demonstra que a atribuição por frequência de corpus naturaliza as decisões de construção do corpus (digitalização, preservação) como fatos históricos neutros. O método temporal, mesmo com suas limitações (1% de cobertura de Nível 1), torna esses vieses visíveis e mensuráveis (ex: o número de 97,4% de Advaita em 800 d.C.E.).
3. Restauração do Pluralismo: A fundamentação temporal restaura uma visão pluralista da história filosófica indiana, mostrando que as redes iniciais eram espaços compartilhados envolvendo tradições védicas, jainistas e budistas, em vez de uma dominância hindu monolítica.
4. Novas Capacidades Analíticas: O artigo argumenta que a atribuição temporal é um pré-requisito para uma análise estrutural válida entre tradições. Sem ela, os conceitos de alta centralidade de intermediação são todos ancorados a uma única tradição, tornando impossível detectar a homologia estrutural entre tradições. O artigo apresenta a homologia estrutural não como uma alegação de equivalência doutrinária, mas como um "espaço conceitual compartilhado" mensurável, navegado por diferentes vocabulários.

Em conclusão, o artigo afirma que a pesquisa em humanidades computacionais deve distinguir entre dados (composição do corpus), capta (seleções construídas) e interpretação. Ele defende uma abordagem modesta onde os métodos de atribuição são explicitamente justificados e os resultados são enquadrados como medições de camadas específicas (poder textual vs. atestação) em vez de alegações definitivas sobre a história filosófica.