В археологии сериация — это метод относительной датировки , при котором комплексы или артефакты из многочисленных памятников одной и той же культуры размещаются в хронологическом порядке. Там, где невозможно применить абсолютные методы датирования , такие как радиоуглеродный анализ, археологам приходится использовать методы относительного датирования для датировки археологических находок и объектов. Сериация — стандартный метод датировки в археологии. С его помощью можно датировать каменные орудия труда, фрагменты керамики и другие артефакты. В Европе его часто использовали для реконструкции хронологической последовательности могил на кладбище (например, Йоргенсен 1992; [1] Мюссемайер, Нивелер и др. 2003). [2]
Были применены два разных варианта сериализации: контекстуальная и частотная (Renfrew and Bahn 1996, стр. 116–117). В то время как контекстная сериация основана на наличии или отсутствии стиля дизайна , частотная сериация основана на измерении пропорционального изобилия или частоты стиля дизайна. Контекстная сериация часто используется для реконструкции хронологической последовательности могил, поскольку важно только наличие или отсутствие стиля или типа дизайна. Частотная сериализация применяется в случаях большого количества объектов, принадлежащих одному стилю. Примером тому являются совокупности керамических черепков, включающие примерно один и тот же набор типов, хотя и в разных пропорциях.
Флиндерс Петри провел раскопки в Диосполисе Парва в Египте в конце девятнадцатого века. Он обнаружил, что могилы, которые он обнаружил, не содержали никаких свидетельств их датировки, а их дискретный характер означал, что последовательность захоронений не могла быть построена с помощью их стратиграфии . Петри перечислил содержимое каждой могилы на полоске картона и менял бумаги местами, пока не пришел к последовательности, которая его удовлетворила. [3] Он полагал, что наиболее точной последовательностью будет та, в которой концентрация определенных стилей дизайна будет иметь наименьшую продолжительность в последовательности статей (Renfrew and Bahn 1996, стр. 116; Kendall 1971, стр. 215; Shennan 1997, стр. 341 [4] ). В то время как Петри считается изобретателем контекстной сериализации, Брейнерд (1951) [5] и Робинсон (1951) [6] были первыми, кто обратился к проблеме частотной сериализации (Shennan 1997, стр. 342 [4] ).
Предположение о том, что стили дизайна следуют колоколообразной кривой популярности – начинаются медленно, достигают пика, а затем угасают по мере того, как становится популярным другой стиль – обеспечивает основу для частотного разделения. Также предполагается, что популярность дизайна будет в целом одинаковой от сайта к сайту в пределах одной и той же культуры . Кроме того, очень важно, чтобы время существования разных стилей дизайна перекрывалось. Следуя этим правилам, совокупность объектов можно расположить в такой последовательности, чтобы участки с наиболее близкими пропорциями определенных стилей всегда находились вместе (Lock 2003, стр. 125).
Задача идентификации стилей дизайна, т.е. формирования групп объектов, принадлежащих одному стилю дизайна, отнюдь не тривиальна. Создание типологии часто является основой сериализации. Ошибки в типологии приводят к ошибкам в сериализации: например, если у определенного стиля дизайна было два пика популярности ( бимодальное распределение ), этот стиль дизайна не подходит для сериализации и его включение в анализ может привести к странным результатам. Некоторые стили дизайна использовались в течение очень долгого времени, поскольку построенная форма была удобной и не добавлялось никаких улучшений или украшений. Конечно, эти стили дизайна не подлежат хронологической последовательности. Например, ножи раннего средневековья в Европе, как говорят, не имеют хронологических изменений.
Помимо временной организации, результаты сериации могут отражать различия в социальном статусе, возрасте, поле или различия, возникающие в результате региональных различий (или комбинации двух или более этих факторов). Шеннан (1997, стр. 343) [4] представляет результат сериации датских кладов на основе типов артефактов, таких как кинжалы, топоры и мечи. Результат не является хронологической последовательностью из-за выбора типов, упорядочение, по-видимому, начинается с исключительно мужских кладов и заканчивается исключительно женскими.
Доран и Ходсон (1975, стр. 269) [7] перечисляют три условия, которые должны быть удовлетворены для получения результата хронологической сериализации:
В настоящее время результаты сериализации больше не производятся вручную, как во времена Петри, а с помощью соответствующих алгоритмов. Хотя, по мнению Дэвида Джорджа Кендалла (1971), статья Петри уже продемонстрировала глубокое понимание математики проблемы сериализации (Цитата: «...по моему мнению, Петри следует причислить к величайшим прикладным математикам девятнадцатого века»). В списке вех статистики археологии Бакстера (2003, стр. 8) статья Робинсона (1951) [6] стоит первой. Робинсон основал свой метод частотной серии на матрице подобия . В 1971 году Кендалл предложил использовать методы многомерного масштабирования для задач сериализации, и этот подход также использовался некоторыми другими учеными (см. Baxter 2003, стр. 202–203). Бакстер также представляет обзор статистических методов сериализации и описание этих подходов (стр. 202–207). В 1975 году Доран и Ходсон (стр. 269–281) [7] подробно обобщили современное состояние методов сериализации, дав подробные описания подходов Кендалла и Робинсона.
Сегодня наиболее популярный метод сериализации как для контекстных, так и для частотных задач основан на анализе соответствий . Последовательность первой оси анализа соответствия считается лучшим порядком сериализации (Shennan 1997, [4], стр. 342; Lock 2003, стр. 127; Jensen & Høilund Nielsen 1997). С помощью этого приема устанавливается не только последовательность объектов, но и стили оформления. Обратите внимание, что для установления направления вычисляемой последовательности необходимы внешние данные, т. е. метод не определяет, является ли первый объект в последовательности самым старым или самым молодым объектом.
Кендалл (1971) применил многомерное масштабирование к данным о кладбище Мюнзингена. Полученная диаграмма рассеяния имела форму подковы, где могилы располагались по кривой в соответствии с их хронологическим порядком. Аналогичным образом, отображение оценок компонентов для первых двух осей результата анализа соответствия будет отображать параболу , если рассматриваемые стили дизайна контролируются только одним фактором (например, хронологией). Хилл и Гоуч (1980) назвали это эффектом арки . [8] И Кендалл, и Дженсен и Хойлунд Нильсен (1997) создали наборы искусственных данных, чтобы показать, что парабола приводит к идеальным обстоятельствам. Поэтому рекомендуется просмотреть диаграмму рассеяния первых двух осей анализа соответствия , чтобы выяснить, играют ли роль и другие факторы (см. примеры 2 и 3).
Если важно более одного фактора, эффект арки может исказить результаты. Хилл и Гауч (1980) представили метод устранения этого эффекта.
В 2003 году Гроенен и Побломе адаптировали алгоритм анализа соответствия, чтобы объединить сериацию с абсолютными датами и стратиграфическими связями. [9] [10]
Небольшой пример ниже был вдохновлен серийным упорядочением египетской керамики Флиндерсом Петри, опубликованным Ренфрю и Баном (1996, стр. 117).
Необработанные данные хранятся в несортированной двоичной таблице непредвиденных обстоятельств , указывающей, какой стиль дизайна и в каком контексте можно найти с помощью символа звездочки. Например, рассмотрим первый столбец: контекст 3 содержит стили дизайна blackrim , Bottle и handle . Стакан содержится в контекстах 1 и 2. Контекстная сериализация сортирует стили дизайна и контексты таким образом , чтобы символы звездочек находились как можно ближе к диагонали стола. Конечно, для таких небольших примеров не нужны никакие компьютерные программы, чтобы найти наилучший порядок, но для более крупных наборов данных, таких как 900 могил, изученных Петри, они чрезвычайно полезны.
Данные, представленные в этом примере, были смоделированы с помощью WinBasp. Первоначально было создано 60 контекстов (называемых модулями в WinBasp) и 50 типов. Контексты были помечены в хронологическом порядке номерами от 01 до 60, типы обозначены в форме от T00001 до T00050. Если тип представлен одним объектом, то только этот объект не имеет отношения к хронологической последовательности, поскольку не обеспечивает связи с другим контекстом. Аналогично, контексты, содержащие только один объект, не имеют значения для сериализации. Поэтому были исключены контексты с одним объектом или без него, а также типы, представленные одним объектом или не представленные вовсе. Полученные необработанные смоделированные данные, состоящие из 43 контекстов и 34 типов, показаны слева. Как и ожидалось, точки, указывающие на появление типа в контексте, расположены близко к диагонали таблицы.
Изображение справа показывает результат сериализации для этого набора данных. Обратите внимание, что точки расположены еще более компактно по диагонали таблицы по сравнению с необработанными данными. Это указывает на небольшую проблему сериализации: на самом деле интервалы производства могут быть несколько длиннее, чем рассчитанные алгоритмом. В общем, последовательности контекстов и типов, рассчитанные с помощью алгоритма сериализации, не являются правильными хронологическими последовательностями, но они достаточно близки.
На изображении выше показана диаграмма рассеяния с типичной формой параболы первых двух осей анализа соответствия контекстам смоделированного набора данных.
В таблице непредвиденных обстоятельств показаны 29 контекстов с идеальными данными сериализации, созданными Кендаллом, Йенсеном и Хойлундом Нильсеном (см. Выше). С каждым новым контекстом появляется новый тип и исчезает другой тип. Для этих регулярных данных представляется разумным предположить постоянные временные интервалы для смежных во времени контекстов.
Результаты анализа соответствия, показанные на рисунках ниже, были рассчитаны на основе 49 контекстов с идеальными данными сериализации. Диаграмма рассеяния первых двух осей анализа соответствия показывает типичную форму параболы. Отображение оценок по первой и третьей осям показывает точки, лежащие на полиномиальной кривой третьей степени . Аналогичным образом, график оценок по первой и четвертой осям будет отображать полином четвертой степени для идеальных данных – и так далее.
Обратите внимание, что расстояния оценок для соседних контекстов на первой оси различаются: в начале и в конце расстояния чрезвычайно малы, самые большие расстояния в центре примерно в 30 раз больше, чем наименьшие расстояния. Хилл и Гауч (1979) [8] создали аналогичную таблицу сопряженности с регулярной структурой, в которой каждый контекст содержит шесть типов. Они также отмечают, что внутриконтекстные расстояния на концах меньше, чем в середине. Это была одна из причин, по которой они предложили корректировку, которая называется анализом соответствия без тренда .
Тем не менее, некоторые археологи полагают, что линейное преобразование оценок по первой оси на основе некоторых известных абсолютных дат позволит получить хорошие оценки неизвестных абсолютных дат, и этот подход лежит в основе метода, представленного Грёненом и Побломе (см. выше), чтобы объединить относительные и абсолютные даты. Этот идеальный пример показывает, что линейное преобразование может быть не во всех случаях подходящим, хотя исследование моделирования, проведенное ван де Вельденом, Грёненом и Побломе, пришло к выводу, что предсказания этого подхода довольно хороши. [11]
Археологическая последовательность (или последовательность) для краткости на конкретном археологическом объекте может быть определена на двух уровнях строгости.
{{cite web}}: CS1 maint: архивная копия в заголовке ( ссылка )ван де Вельден, М., Гроенен, П.Дж.Ф., Поблом, Дж. (2007). Сериация с помощью анализа ограниченного соответствия: исследование моделирования. Отчет Эконометрического института EI 2007-40.