Los arqueólogos llevan mucho tiempo teniendo problemas con las citas. El análisis de radiocarbono que se usa típicamente para reconstruir cambios demográficos humanos pasados ​​se basa en un método fácilmente sesgado por las curvas de calibración de radiocarbono y la incertidumbre de la medición. Y nunca ha habido una solución estadística que funcione, hasta ahora.

"Nadie ha explorado sistemáticamente el problema, o se le muestra cómo puede manejarlo estadísticamente, "dice el arqueólogo del Instituto Santa Fe, Michael Price, autor principal de un artículo en el Revista de ciencia arqueológica sobre un nuevo método que desarrolló para resumir conjuntos de fechas de radiocarbono. "Es realmente emocionante cómo se unió este trabajo. Identificamos un problema fundamental y lo solucionamos".

En décadas recientes, Los arqueólogos se han basado cada vez más en conjuntos de fechas de radiocarbono para reconstruir el tamaño de la población pasada a través de un enfoque llamado "fechas como datos". El supuesto fundamental es que el número de muestras de radiocarbono de un período determinado es proporcional al tamaño de la población de la región en ese momento. Los arqueólogos han utilizado tradicionalmente "densidades de probabilidad sumadas, "o SPD, para resumir estos conjuntos de fechas de radiocarbono. "Pero hay muchos problemas inherentes a los SPD, "dice Julie Hoggarth, Arqueólogo de la Universidad de Baylor y coautor del artículo.

La datación por radiocarbono mide la desintegración del carbono 14 en la materia orgánica. Pero la cantidad de carbono 14 en la atmósfera fluctúa a lo largo del tiempo; no es una línea de base constante. Entonces, los investigadores crean curvas de calibración de radiocarbono que mapean los valores de carbono-14 a las fechas. Sin embargo, un solo valor de carbono 14 puede corresponder a diferentes fechas, un problema conocido como "equifinalidad, "que naturalmente puede sesgar las curvas SPD". Ese ha sido un problema importante, "y un obstáculo para los análisis demográficos, dice Hoggarth. "¿Cómo sabe que el cambio que está viendo es un cambio real en el tamaño de la población, y no es un cambio en la forma de la curva de calibración? "

Cuando habló del problema con Price hace varios años, le dijo que no era fanático de los SPD, cualquiera. Preguntó qué deberían hacer los arqueólogos en su lugar. Esencialmente, él dijo, "Bien, no hay alternativa."

Ese descubrimiento llevó a una búsqueda de años. Price ha desarrollado un enfoque para estimar poblaciones prehistóricas que utiliza el razonamiento bayesiano y un modelo de probabilidad flexible que permite a los investigadores superar el problema de la equifinalidad. El enfoque también les permite combinar información arqueológica adicional con análisis de radiocarbono para obtener una estimación de población más precisa. Él y su equipo aplicaron el enfoque a las fechas de radiocarbono existentes en la ciudad maya de Tikal, que cuenta con una extensa investigación arqueológica previa. "Sirve como un caso de prueba realmente bueno, "dice Hoggarth, un erudito maya. Por mucho tiempo, Los arqueólogos debatieron dos reconstrucciones demográficas:la población de Tikal se disparó en el período Clásico temprano y luego se estabilizó, o se disparó a finales del período Clásico. Cuando el equipo aplicó el nuevo algoritmo bayesiano, "mostró un aumento de población realmente pronunciado asociado con el Clásico tardío, " ella dice, "Así que fue una confirmación maravillosa para nosotros".

Los autores produjeron un paquete de código abierto que implementa el nuevo enfoque, y los enlaces y el código del sitio web se incluyen en su documento. "La razón por la que estoy emocionado por esto, "Price dice, "es que está señalando un error que importa, arreglando lo, y sentar las bases para el trabajo futuro ".

Este documento es solo el primer paso. Próximo, a través de "fusión de datos, "El equipo agregará ADN antiguo y otros datos a las fechas de radiocarbono para reconstrucciones demográficas aún más confiables". Ese es el plan a largo plazo, "Dice Price. Y podría ayudar a resolver un segundo problema con las fechas como enfoque de datos:un" problema de sesgo "si las fechas de radiocarbono se desvían hacia un período de tiempo particular, dando lugar a análisis inexactos.

Pero ese es un tema para otro artículo.