Sejak kelahiran novel bahasa Inggeris moden pada tahun 1700-an, watak-watak lelaki dan perempuan dari Paul Atreides kepada Elizabeth Bennet telah ketawa, tersenyum, merasakan dan bertindak melalui halaman mereka. Satu kajian baru yang dijalankan menggunakan algoritma pembelajaran mesin telah menawarkan perspektif baru pada sejarah mereka. "Transformasi Jantina dalam Fiksyen Bahasa Inggeris, " yang diterbitkan minggu ini dalam jurnal Analitis Budaya, menganalisis penyampaian jantina dalam lebih daripada 100, 000 novel, mencari paradoks ketika datang ke novel-novel abad ke-20: sebagai peranan gender yang tegar seolah-olah menghilangkan, menunjukkan lebih banyak kesamaan antara jantina, bilangan watak wanita dan proporsi pengarang perempuan-menurun.
Dibina oleh penulis kajian Ted Underwood, seorang profesor Bahasa Inggeris dan Sains Maklumat di University of Illinois, dan ahli sains maklumatnya, David Bamman dari University of California di Berkeley, algoritma menganalisa watak-watak dan penulis 104, 000 novel-jauh lebih banyak daripada anda akan dibaca dalam seumur hidup. Underwood dan Bamman pada asalnya membina algoritma untuk kajian sebelumnya tentang pencirian: mereka telah bergabung dalam kajian semasa oleh pengarang sabrina Lee, seorang pelajar siswazah di University of Illinois. Novel-novel tersebut dipilih terutamanya dari Perpustakaan Digital HathiTrust dan mewakili pemilihan buku terlaris dari tahun 1703 hingga 2009. Senarai ini termasuk tajuk popular seperti Pride and Prejudice, Dune dan beberapa novel Raymond Chandler.
Apabila melihat data dan seksyen itu mengikut masa, para penyelidik dapat melihat trend dalam tempoh tertentu: antara 1800 dan 1970-an, contohnya, "penurunan mantap" dalam perkadaran pengarang wanita-dari kira-kira 50 peratus kepada kurang daripada 25 peratus. Dalam tempoh yang sama, mereka menyaksikan penurunan bilangan watak wanita yang bernama. Trend-trend ini mula berbalik pada bahagian akhir abad ke-20. Dan sepanjang kursus mereka, pergeseran dramatik dan pesat dalam kata-kata yang digunakan untuk mencirikan jantina - serta penurunan bilangan kata-kata jantina yang khusus.
Banyak kata-kata itu tidak secara jantina, seperti "hati" atau "rumah, " walaupun perkataan berpotensi seperti "skirt" atau "kumis" tidak dikecualikan. Contohnya, pada tahun 1800an kata kerja "merasa" lebih banyak dikaitkan dengan wanita, sementara kata kerja "mendapat" lebih sering dikaitkan dengan lelaki. Trend ini merosot dari masa ke masa, sehingga pada tahun 1900-an, kata-kata lain lebih banyak dikaitkan dengan lelaki dan wanita. Pada tahun 1900an, kata-kata yang berkaitan dengan kelahiran menjadi lebih berkaitan dengan wanita dan terdapat penurunan yang sama dalam penggunaan kata-kata itu berkaitan dengan lelaki. "Wanita tersenyum dan ketawa, " penulis menulis, "tetapi orang-orang abad pertengahan, nampaknya hanya tersenyum dan tertawa." Begitu juga pada abad ke-19, ada banyak perbincangan perasaan, pada mulanya kebanyakannya berkaitan dengan watak wanita. Pada abad ke-20, terdapat lebih banyak lagi tentang badan dan pakaian-contohnya, lelaki pertengahan abad sentiasa meletakkan benda-benda di dalam poket atau mengeluarkannya.
Ini jenis hasil yang menunjukkan keperluan untuk pembelajaran mesin pendekatan, Underwood berkata: "Kenyataannya, budaya tidak datang dengan definisi yang jelas mengenai jenis jantina atau genre genre apa pun, " katanya. "Dan pembelajaran mesin adalah membiarkan kita bekerja dengan konsep-konsep yang kabur."
Kaedah ini lebih kerap digunakan untuk bekerja dengan data perbankan atau untuk membantu kereta memandu sendiri tetap selamat, sehingga mungkin kelihatan seperti kelainan aneh untuk menganalisis novel. Tetapi Underwood, dan ulama lain dalam bidang kemanusiaan digital, lihat potensi yang besar.
Seth Long, seorang profesor bahasa Inggeris di Universiti Nebraska yang juga bekerja dalam bidang kemanusiaan digital, berkata hasil yang tidak dijangka ini menunjukkan kekuatan data besar untuk biasiswa kemanusiaan. "Pemodelan statistik akan memerlukan cara yang sangat berbeza untuk memahami sejarah sastera, " katanya. Algoritma adalah batu tulis kosong sehingga diberikan maklumat, tetapi apabila ia mempunyai maklumat itu, ia dapat menarik sesuatu dari hal itu sehingga orang tidak dapat. Dalam kes ini, ia menggagalkan andaian ilmiah tentang bagaimana sejarah kesusasteraan harus dilacak dengan sejarah kemajuan sosial wanita.
"Apabila anda melihat [kajian] bersebelahan lebih banyak projek sejarah sastera tradisional, anda boleh melihat sambungan yang mungkin tidak anda lihat, " kata Claire Jarvis, seorang profesor Bahasa Inggeris di Stanford University. Itu mengesahkan beberapa "hunches" yang dia ada mengenai laluan kesusasteraan, dengan cara kuantitatif. Ini termasuk pengurangan kadar pengarang wanita sepanjang tempoh pengajian, yang mengejutkan Underwood.
"Saya akan menjangkakan untuk melihat beberapa kemajuan, hanya dari segi persamaan perwakilan dalam wanita dalam fiksyen, " kata Underwood. "Mungkin tidak banyak kemajuan, tetapi beberapa kemajuan. Dan kita benar-benar tidak melihat apa-apa. "
Novel pertama yang menggunakan Bahasa Inggeris moden dilihat sebagai hiburan dan kurang sebagai usaha sastera yang sah. Tetapi "sebagai novel menjadi lebih dan lebih dihormati, " kata Jarvis, "ia menjadi kurang berkaitan dengan pengarang perempuan." Dengan kata lain: lelaki mula menulis novel apabila ia mula kelihatan seperti "serius".
Walaupun ahli sejarah sastera telah bercakap mengenai pemergian wanita dari novel pada titik-titik tertentu sebelum ini, kata Underwood, tiada siapa yang melakukan jenis kerja yang luas yang akan menunjukkan trend yang berterusan. Di sinilah pembelajaran mesin masuk.
Kata Lee, "Kesusasteraan kesusasteraan, kita sangat menyedari bahawa ada kesunyian, " - iaitu tempat dalam sejarah kesusasteraan di mana buku tidak ditulis. Satu lagi kesunyian yang dia rasa penting ialah ketiadaan yang semakin meningkat dari watak-watak wanita bernama dalam novel-novel yang dikaji. Dia seorang peminat novel pengarang Itali yang berpura-pura bernama Elena Ferrante, dan mengatakan bahawa penciptaan persahabatan wanita dalam buku Ferrante menyoroti "diam" persahabatan wanita dalam fiksyen di tempat lain, dari masa lalu dan sekarang. Bagi beliau, kajian itu menggariskan perkara yang sama, dan menekankan "kepentingan kerja dengan wanita melihat wanita." Ketiadaan wanita dari novel "telah secara senyap membentuk pengalaman kami tentang sejarah sastera, " kata Underwood.
Para penulis mencatatkan bahawa kajian mereka tidak meliputi semua novel yang ditulis dalam tempoh masa ini, dan hilang perwakilan dari fiksyen genre seperti novel roman dan fiksyen detektif, yang menjadi popular pada abad ke-20. Bagaimanapun, penyelidik mengambil langkah untuk membetulkan kecenderungan mereka dengan menguji pangkalan data mereka terhadap pangkalan data lain. Buku-buku yang mereka pilih mewakili kesusasteraan yang dianggap penting oleh perpustakaan akademik, dan penulis mencatat bahawa ada lebih banyak kerja yang harus dilakukan pada fiksyen genre. "Sastera puisi boleh dibina secara berbeza dalam genre yang berbeza, atau di bahagian yang berlainan dalam bidang sastera, " tulis penulis.
Kaedah pembelajaran mesin menawarkan cara baru untuk melihat kehebatan dan kemunculan masa lalu-aneh, melalui kanta ramalan. Umumnya, algoritma digunakan untuk membuat ramalan atau mengesan corak berdasarkan satu set maklumat, tetapi Long mengatakan penggunaannya untuk sejarah adalah bahawa mereka dapat mengesan trend jangka panjang di masa lalu, serta sekarang atau masa depan. "Saya fikir ini adalah satu cara yang kuat untuk mengekalkan tafsiran kita sendiri, " katanya.
