O documento discute o uso de métodos estatísticos para analisar a literatura poética entre 1820-1919. Ele aplicou modelagem de tópicos e regressão linear para prever quais textos foram revisados com base em "sacos de palavras", sugerindo que fronteiras sociais influenciaram o prestígio literário. O autor argumenta que estratégias supervisionadas de aprendizado de máquina podem mapear o campo literário de forma útil, desde que os pesquisadores compreendam os limites dos dados.

1. Os usos literários do espaço
de alta dimensão
The literary uses of high-dimensional
space – Ted Underwood
Apresentação Síntese de Artigo: Grupo de Estudos em Métodos Digitais
Integrante: Luis Felipe
Data: 07/10/2016

2. Conceitos - Chave
• Topic Modeling – É um processo assistido por um software que usa
estatística para apresentar temas, ou grupos de palavras que
representem conjuntos textuais.
• Regressão Linear – Uma esquação estatística que tenta demonstrar a
relação existente entre uma variável (dependente), e outras variáveis
(independentes).
• High Dimension Space – É uma das referências existentes ao big data
que é caracterizada pela grande quantidade de variáveis, e dimensões
em que dados podem ser processados.

3. Contexto do Artigo
• O objeto de estudo do artigo é a história da literatura poética.
Foram reunidas amostras de textos entre 1820 e 1919, de 14
revistas e 53,200 volumes aleatórios.
• As amostras de texto foram analisadas utilizando o conceito de
espaço de alta dimensão, de forma supervisionada, em busca
de prever quais textos foram revisados e quais não.

4. Desconfiança nos Dados
• “Para a maioria dos humanistas, “Big Data” não implica em um
conjunto particular de novos métodos, mas somente faz
referência a uma nublada e gigante versão de tudo que nos
desconfiamos sobre os números” (Marche, 2012).
• “Por que não tínhamos modelos estatísticos em nossas
disciplinas anteriormente e agora temos, o que mudou que fez
com que eles funcionem agora?” (Underwood, 2015)

5. Desconfiança nos Dados
• Com poucas variáveis era possível tornar os dados
estruturados com métodos de modelagem.
• Ao analisar a história (história literária no caso), fica difícil
comparar os diferentes períodos existentes (devido aos
diferentes grupos de variáveis) e mesurá-los, então os
métodos quantitativos tem provido grande apoio nesta área.

6. Por que os Dados Importam Agora?
• Existe uma nova abordagem que permite identificar as
variáveis dos diferentes gêneros de um texto sem que
sejam pré-definias pelo pesquisador. (Modelagem
Estatística)
• E como resultado temos “sacos de palavras”.
• “Como escritores e leitores, experienciamos a escrita
sequencial, e não como uma distribuição sob o lexical.

7. Por que os Dados Importam Agora?
• “Mas, na verdade, palavras são pequenas coisas
importantes, e um espaço de alta dimensão definido por
milhares delas nos dá espaço para rastrear complexas
fronteiras literárias que não apareceriam com um único
termo.”
• Os conjuntos de palavras podem representar gêneros,
tópicos, tom, e até mesmo o contexto social da escrita.
• Mas, para fazermos inferências com base nessa estrutura de
dados, é necessário compreender a ordem das palavras, de
forma que os pesquisadores precisem ter conceitos iniciais
sobre seu problema de pesquisa.

8. Estratégias Supervisionadas e Não Supervisionadas
• Estratégias Não Supervisionadas: São estratégias que não recebem
nenhuma interferência humana em seu processo, normalmente
softwares processam dados e retornam um resultado.
• Estratégias Supervisionadas: São estratégias que permitem ao
pesquisador inferir alguns entendimentos prévios e aplicar eles sobre
o processamento dos dados. (O autor cita Machine Learning).

9. Estratégias Supervisionadas e Não Supervisionadas
• Inferir dados sobre estratégias não supervisionadas (Topic Modeling)
pode deixar pesquisador inseguro, e talvez limitar uma conclusão
mais concreta.
• Utilizar a estratégia supervisionada por vezes não aparece como uma
área estudada na história literária, mas isso pode ser pelo falo da
grande utilização do Topic Modeling e Estratégias não
supervisionadas.
• “Modelos Preditivos Supervisionados nos permitem mapear o campo
literário a partir de amostras de trabalhos de diferentes localizações
sociais, e modelar as fronteiras entre eles.”

10. Um Modelo de Distinção Poética – 1820 a 1919
 Hipótese: “O prestígio literário pode também ter sido governado por
fronteiras sociais duráveis.”

 A diferença das fontes utilizadas apresentam o conceito de
fronteiras entre os textos revisados ou ignorados, que pode indicar
fronteiras sociais.

 “Mesmo se pudéssemos de alguma forma treinar um modelo para
predizer “se um volume foi revisado” baseado somente no texto, o
que poderia ser apontado?”

11. Um Modelo de Distinção Poética – 1820 a 1919

12. Distinção e Mudança Histórica
 Este resultado não permite tirar muitas conclusões sobre a distinção
entre volumes revisados e ignorados, mas o modelo utilizado em si
já é algo significante a ser observado.

 A utilização da linha preta que correlaciona a revisão dos modelos
com o aumento de produção de acordo com o tempo, resultou em
uma precisão maior, porém não pode ser indicado como uma
relação causal.


13. Conclusão
 O termo Big Data não vem sendo entendido apropriadamente pelos
humanistas, por medo ou aversão, porém deve-se levar em
consideração a quantidade de mudanças metodológicas existentes
e abertura de fronteiras.
 Ao utilizar métodos supervisionados nesta área, é possível
pressupor alguns contextos sociais, e aplicar métodos preditivos
para agrupá-los, caracterizá-los e compará-los de maneira
otimizada.