[論文レビュー] Pantheon: A Dataset for the Study of Global Cultural Production.

Amy Yu, Shahar Ronen+3 more|arXiv (Cornell University)|Feb 25, 2015

Wikis in Education and Collaboration被引用数 4

ひとこと要約

Pantheon 1.0 は、多言語のウィキペディア伝記から収集された、11,341人の世界的に影響力のある人物からなる手作業によるキュレート済みデータセットであり、人口統計データ、文化的分野分類、および歴史的インデックス（HPI）や多言語可視性を含む著名度指標を備えている。研究では HPI とウィキペディア言語別カウントが、テニス、水泳、レーシング、チェスなどの分野で外部測定値と相関関係にあり、R² ≥ 50% の高い相関を示した。

ABSTRACT

We present the Pantheon 1.0 dataset: a manually curated dataset of individuals that have transcended linguistic, temporal, and geographic boundaries. The Pantheon 1.0 dataset includes the 11,341 biographies present in more than 25 languages in Wikipedia and is enriched with: (i) manually curated demographic information (place of birth, date of birth, and gender), (ii) a cultural domain classification categorizing each biography at three levels of aggregation (i.e. Arts/Fine Arts/Painting), and (iii) measures of global visibility (fame) including the number of languages in which a biography is present in Wikipedia, the monthly page-views received by a biography (2008-2013), and a global visibility metric we name the Historical Popularity Index (HPI). We validate our measures of global visibility (HPI and Wikipedia language editions) using external measures of accomplishment in several cultural domains: Tennis, Swimming, Car Racing, and Chess. In all of these cases we find that measures of accomplishments and fame (HPI) correlate with an $R^2 \geq 50%$, suggesting that measures of global fame are appropriate proxies for measures of accomplishment.

研究の動機と目的

• 言語や時代を超えて広く認識された人物を対象とした、標準的で世界的に代表的なデータセットの構築。
• 文化的影響力と可視性を反映する、定量的グローバル著名度の測定法の開発と検証。
• デジタル著名度指標（例：多言語ウィキペディアへの存在、ページビュー）が、多様な文化的分野における実世界の実績と強く相関するかどうかの評価。
• グローバル文化生産と可視性のダイナミクスを研究するためのベンチマークデータセットの提供。
• 統一的かつ手作業で検証済みのデータセットを用いた、著名度と実績の分野横断的比較を可能にする。

提案手法

• データセットは、25種類以上のウィキペディア言語版に存在する伝記を対象とすることで、グローバルなカバレッジと文化的な超越性を確保した。
• 手作業によるキュレーションを用いて、各人物の出身地、生年月日、性別の人口統計データを収集した。
• 文化的分野を三段階の階層分類（例：芸術 → 美術 → 絵画）に分類し、文化的生産の詳細な分析を可能にした。
• グローバル可視性は以下の指標で測定した：(1) 伝記が含まれるウィキペディア言語版の数、(2) 月間ページビュー（2008–2013年）、(3) 新たに提案された歴史的インデックス（HPI）。
• HPI は、多言語での存在とページビューのトレンドを統合した複合指標として、歴史的著名度を定量化するために計算された。
• 外部妥当性の検証には、テニス、水泳、自動車レーシング、チェス分野の分野特化型の実績データを用い、HPI およびウィキペディア言語別カウントと比較した。

実験結果

リサーチクエスチョン

• RQ1 ウィキペディア言語版の数と HPI は、グローバル文化的著名度の信頼できる代理指標として適しているか。
• RQ2 デジタル著名度指標は、文化的分野ごとに異なる客観的実績測定値とどの程度相関しているか。
• RQ3 HPI は、多様な文化的分野において長期間にわたる歴史的可視性を効果的に捉えられるか。
• RQ4 性的別や出身地といった人口統計的要因と、グローバル文化的可視性の関係は何か。
• RQ5 芸術、スポーツ、科学といった文化的分野ごとに、可視性のパターンはどのように異なるか。

主な発見

• 歴史的インデックス（HPI）とウィキペディア言語版カウントは、全テスト分野で外部の実績測定値と強い相関を示し、R² ≥ 50% の高い相関を示した。
• テニス、水泳、自動車レーシング、チェスの分野において、HPI と多言語ウィキペディア存在は、実際の実績を有意に予測する要因となった。
• 25種類以上のウィキペディア言語版にまたがる11,341件の伝記を含んでおり、広範な言語的・地理的カバレッジを確保している。
• 人口統計的および文化的分野分類データの手作業によるキュレーションにより、文化的比較分析に高い信頼性と一貫性が保証された。
• HPI は、リーチ（言語版数）とエンゲージメント（ページビュー）の両方を統合し、長期的な著名度トレンドを効果的に捉えている。
• 本研究では、デジタル可視性指標が、大規模かつ文化的に多様な研究において文化的影響力の有効な代理指標であることが確認された。