INFERENZA BAYESANA DI SUPPORTO ALLE DATAZIONI AL RADIOCARBONIO
L’utilizzo delle datazioni al radiocarbonio ha spesso supportato gli studi sui cambiamenti demografici dell’antichità e si basa sul metodo distorto dalle curve di calibrazione del radiocarbonio e, anche, sull’incertezza della misura: purtroppo, le correzioni statistiche non hanno mai seriamente supportato il metodo di datazione.
Secondo l’archeologo del Santa Fe Institute, Michael Price, autore principale di un articolo sul Journal of Archaeological Science su un nuovo metodo che ha sviluppato come riassumere le serie di date al radiocarbonio, nessuno ha mai esplorato o affrontato sistematicamente il problema della validità statistica della datazione al radiocarbonio.
Negli ultimi decenni, gli archeologi hanno fatto sempre più affidamento su insiemi di date al radiocarbonio per ricostruire le dimensioni della popolazione maya attraverso un approccio chiamato “dates as data” (date come dati).
Il presupposto fondamentale della ricerca è che il numero di campioni di radiocarbonio di un dato periodo sia proporzionale alla dimensione della popolazione della regione in quel momento. Gli archeologi hanno tradizionalmente utilizzato le “densità di probabilità sommate“, “summed probability densities” o SPD, per riassumere queste serie di date al radiocarbonio.
L’archeologa della Baylor University e co-autrice del documento, Julie Hoggarth, ritiene che esistano molti problemi intrinseci con gli SPD.
La datazione al radiocarbonio misura il decadimento del carbonio-14 nella materia organica: la quantità di carbonio-14 nell’atmosfera fluttua nel tempo e non è una linea di base costante. Quindi i ricercatori creano curve di calibrazione del radiocarbonio che mappano i valori del carbonio-14 a specifiche date. Tuttavia, un singolo valore di carbonio-14 può corrispondere a date diverse, un problema noto come “equifinalità“, che può naturalmente distorcere le curve SPD.
Secondo la Hoggarth, l’equifinalità potrebbe essere un enorme ostacolo per le analisi demografiche perché è difficile osservare se il cambiamento demografico oggetto di studi sia un cambiamento effettivo nella dimensione della popolazione e non un cambiamento nella forma della curva di calibrazione.
Il confronto con Price ha portato i ricercatori, dopo anni di studio, a sviluppare un approccio alla stima delle popolazioni preistoriche che utilizzando l’inferenza bayesana e un modello di probabilità flessibile che consenta ai ricercatori di superare il problema dell’equifinalità. L’approccio consente, inoltre, di combinare ulteriori informazioni archeologiche con analisi al radiocarbonio per ottenere una stima della popolazione più accurata.
Price e il suo team hanno applicato la ricerca alle datazioni al radiocarbonio esistenti relative alla città maya di Tikal che vanta una vasta ricerca archeologica precedente.
Per la Hoggart è stato un ottimo banco di prova. Per molto tempo, gli archeologi hanno discusso due ricostruzioni demografiche differenti: la popolazione di Tikal è aumentata nel primo periodo classico e poi si è stabilizzata oppure è aumentata nel tardo periodo classico. Quando il team ha applicato il nuovo algoritmo bayesiano, la ricerca ha mostrato un aumento della popolazione davvero ripido associato al tardo Classico sovvertendo anche la ricerca archeologica.
Gli autori hanno prodotto un pacchetto open source che implementi il nuovo approccio e nel loro articolo sono inclusi collegamenti e codice a siti Web: secondo Price, dunque, la ricerca ha sottolineato un errore fondamentale nell tipo di datazione, “Il motivo per cui sono entusiasta di questo”, dice Price, “è che sta sottolineando un errore che conta, risolvendolo e gettando le basi er il lavoro futuro.
Questo documento è solo il primo passo. Successivamente, attraverso la “fusione dei dati”, il team aggiungerà DNA antico e altri dati alle cronologie al radiocarbonio per ottenere ricostruzioni demografiche ancora più affidabili risolvendo, secondo Price, un “problema di distorsione” soprattutto quando le date al radiocarbonio sono sbilanciate verso un particolare periodo di tempo, portando ad analisi imprecise.
Tradotto e rielaborato da Daniele Mancini
Per ulteriori info: Santa Fe Institute
