Forskere udvikler en statistisk løsning på arkæologiske dateringsproblem

Arkæologer har længe haft et datingproblem. Den radiocarbonanalyse, der typisk bruges til at rekonstruere tidligere menneskelige demografiske ændringer, er afhængig af en metode, der let skæves af radiocarbon-kalibreringskurver og måleusikkerhed. Og der har aldrig været en statistisk rettelse, der virker – indtil nu.

"Ingen har systematisk udforsket problemet, eller vist, hvordan du statistisk kan håndtere det, " siger Santa Fe Instituttets arkæolog Michael Price, hovedforfatter på et papir i Tidsskrift for arkæologisk videnskab om en ny metode, han udviklede til at opsummere sæt af radiocarbondatoer. "Det er virkelig spændende, hvordan dette arbejde kom sammen. Vi identificerede et grundlæggende problem og fiksede det."

I de seneste årtier har arkæologer har i stigende grad stolet på sæt af radiocarbon-datoer for at rekonstruere tidligere befolkningsstørrelser gennem en tilgang kaldet "datoer som data." Kerneantagelsen er, at antallet af radiocarbonprøver fra en given periode er proportional med regionens befolkningsstørrelse på det tidspunkt. Arkæologer har traditionelt brugt "opsummerede sandsynlighedstætheder, " eller SPD'er, at opsummere disse sæt af radiocarbondatoer. "Men der er en masse iboende problemer med SPD'er, " siger Julie Hoggarth, Baylor University arkæolog og en medforfatter på papiret.

Radiocarbon-datering måler henfaldet af kulstof-14 i organisk stof. Men mængden af ​​kulstof-14 i atmosfæren svinger gennem tiden; det er ikke en konstant baseline. Så forskere skaber radiocarbon-kalibreringskurver, der kortlægger kulstof-14-værdierne til datoer. Alligevel kan en enkelt kulstof-14-værdi svare til forskellige datoer - et problem kendt som "equifinality, " som naturligvis kan påvirke SPD-kurverne. "Det har været et stort problem, "og en hindring for demografiske analyser, siger Hoggarth. "Hvordan ved du, at den ændring, du ser på, er en reel ændring i befolkningsstørrelse, og det er ikke en ændring i formen på kalibreringskurven?"

Da hun diskuterede problemet med Price for flere år siden, han fortalte hende, at han ikke var fan af SPD'er, enten. Hun spurgte, hvad arkæologer skulle gøre i stedet for. I det væsentlige, han sagde, "Godt, der er intet alternativ."

Den erkendelse førte til en årelang søgen. Price har udviklet en tilgang til at estimere forhistoriske populationer, der bruger Bayesiansk ræsonnement og en fleksibel sandsynlighedsmodel, der giver forskere mulighed for at overvinde problemet med ækvifinalitet. Tilgangen giver dem også mulighed for at kombinere yderligere arkæologisk information med radiocarbonanalyser for at få et mere præcist befolkningsestimat. Han og hans team anvendte tilgangen til eksisterende radiocarbondatoer fra Maya-byen Tikal, som har omfattende forudgående arkæologisk forskning. "Det fungerer som en rigtig god testcase, " siger Hoggarth, en Maya-lærd. I lang tid, arkæologer diskuterede to demografiske rekonstruktioner:Tikals befolkning steg i den tidlige klassiske periode og derefter plateau, eller det steg i den sene klassiske periode. Da holdet anvendte den nye Bayesianske algoritme, "det viste en virkelig stejl befolkningstilvækst forbundet med den sene klassiker, " hun siger, "så det var en virkelig vidunderlig bekræftelse for os."

Forfatterne producerede en open source-pakke, der implementerer den nye tilgang, og hjemmesidelinks og kode er inkluderet i deres papir. "Grunden til, at jeg er spændt på dette, "Pris siger, "er, at det er at påpege en fejl, der betyder noget, ordner det, og lægger grunden til det fremtidige arbejde."

Dette papir er kun det første skridt. Næste, gennem "datafusion, " holdet vil tilføje gammelt DNA og andre data til radiocarbon-datoer for endnu mere pålidelige demografiske rekonstruktioner. "Det er den langsigtede plan, " siger Price. Og det kunne hjælpe med at løse et andet problem med datoerne som datatilgang:Et "bias problem", hvis og når radiocarbondatoer er skævt mod en bestemt tidsperiode, fører til unøjagtige analyser.

Men det er et emne for et andet papir.