Uma Correção Estatística para Problemas de Datação em Arqueologia

Os arqueólogos há muito têm problemas com encontros. A avaliação de radiocarbono é comumente utilizada para reconstruir contagens de mudanças demográficas humanas anteriores em uma abordagem facilmente manipulada por curvas de calibração de radiocarbono e incerteza de medição. E nunca houve uma correção estatística que funcionasse até agora.

“Ninguém verificou sistematicamente o problema ou demonstrou como você pode lidar com isso estatisticamente”, disse o escavador do Santa Fe Insitute Michael Price, principal autor de um artigo no Journal of Archaeological Scientific sobre um método totalmente novo que ele desenvolveu para resumir conjuntos de datas de radiocarbono. “É fascinante exatamente como esse trabalho colaborou. Identificamos o problema básico e também o corrigimos.”

Nas décadas atuais, as escavadeiras têm dependido cada vez mais de conjuntos de dias de radiocarbono para reconstruir o tamanho da população anterior com uma abordagem chamada de “dias como dados”. A suposição básica é que a variedade de exemplos de radiocarbono de uma determinada duração é simétrica ao tamanho da população da região naquela época. As escavadeiras tradicionalmente utilizam “densidades de probabilidade somadas”, ou SPDs, para resumir esses conjuntos de datas de radiocarbono. “Mas existem muitas questões fundamentais com os SPDs”, diz Julie Hoggarth, arqueóloga do Baylor College e também coautora do artigo.

A datação por radiocarbono determina a degeneração do carbono-14 na matéria orgânica. No entanto, o carbono-14 no ambiente aumenta e diminui com o tempo; não é um padrão consistente. Assim, os cientistas produzem curvas de calibração de radiocarbono que mapeiam os valores de carbono-14 até as datas. No entanto, um valor de carbono-14 solitário pode representar vários dias – um problema conhecido como “equifinalidade”, que normalmente pode predispor os contornos do SPD. “Essa tem sido uma questão significativa”, bem como um obstáculo para as avaliações do grupo, diz Hoggarth. “Como você entende que a mudança que está considerando é uma modificação real no tamanho da população, bem como não é um ajuste na forma da curva de calibração?”

Quando ela discutiu o assunto com Price muitos anos atrás, ele disse a ela que também não era seguidor de SPDs. Ela perguntou o que as escavadeiras precisavam fazer. “Essencialmente, ele afirmou, ‘Bem, não há alternativa.’”.

Esse entendimento causou uma missão de anos. A taxa desenvolveu uma estratégia para aproximar populações antigas que usa o raciocínio bayesiano e uma versão de possibilidade flexível que permite aos pesquisadores superar a equifinalidade. A estratégia também permite que eles integrem informações arqueológicas adicionais com análises de radiocarbono para estimar uma população mais precisa. Ele e sua equipe aplicaram a técnica a datas existentes de radiocarbono na cidade maia de Tikal, que possui pesquisas históricas anteriores substanciais. “Funciona como um ótimo caso de teste”, afirma Hoggarth, um estudioso maia. Por muito tempo, os arqueólogos contestaram as reconstruções de 2 grupos: a população de Tikal aumentou no início da duração tradicional e depois se estabilizou, ou aumentou no final do período atemporal. Quando o grupo aplicou a nova fórmula bayesiana, “

Os autores criaram um plano de código aberto que executa a estratégia totalmente nova e os links e códigos do site da Internet constam de seu artigo. “O motivo pelo qual estou emocionado com isso”, diz Cost, “é que ele está explicando um erro que importa, corrigindo-o e também preparando para trabalhos futuros”.

Este artigo é apenas o primeiro passo. Em seguida, por meio de “fusão de dados”, a equipe incluirá DNA antigo e outros dados em dias de radiocarbono para reparos de grupo ainda mais confiáveis. “Esse é o plano de longa duração”, afirma Cost. E também pode ajudar a resolver um segundo problema com as datas como um método de informação: um “problema de polarização” se, bem como quando os dias de radiocarbono são desviados para um determinado período de tempo, levando a análises não confiáveis.

Referência : Michael Holton Price, José M. Capriles, Julie A. Hoggarth, R. Kyle Bocinsky, Claire E. Ebert, James Holland Jones. Análise Bayesiana de ponta a ponta para resumir conjuntos de datas de radiocarbono . Journal of Archaeological Science , 2021; 135: 105473 DOI:  10.1016 / j.jas.2021.105473