A hálózatelmélet az utóbbi évek egyik legizgalmasabb és legsokoldalúbban alkalmazott tudományterületévé vált – a természettudományoktól a társadalomtudományokon át egészen a humán kutatásokig. Ráadásul egyre többet hallunk róla a hétköznapi életben is. Kezdjük talán azzal, hogy mit értünk pontosan hálózatelmélet alatt, és milyen tudományágak használják leggyakrabban ezeket a módszereket?
A hálózatelmélet azt mondja, hogy ezek nem csak hasonló felépítésű rendszerek (hiszen csomópontokból és élekből állnak), hanem leírhatók ugyanazon a matematikai nyelven – sőt gyakran nagyon hasonló módon viselkednek. Ezek az 1990-es években megfogalmazott alapelvek többek között Barabási Albert-László munkásságához kötődnek, aki fontos szerepet játszott abban is, hogy önálló területként tekintsünk a hálózatelméletre. Legszorosabban a matematikához kapcsolódik, de inkább empirikus megközelítés jellemzi, azaz adat- és mérésalapú (szemben a hálózatokat elméletileg leíró gráfelmélettel, amelynek történetben szintén meghatározók a magyar kutatók Erdős Páltól Rényi Alfrédon át Lovász Lászlóig); viszont nem korlátozódik csupán az anyagi világra sem, így elkülönül a fizikától is.
Érdemes megemlíteni emellett a hálózatos gondolkodás társadalomelméleti hagyományát is. A 20. század második felében ugyanis egyre inkább előtérbe került az a megközelítés, hogy az egyének leginkább kapcsolataik és az őket körülvevő hálózatok mentén írhatók le (ez a társadalmi hálózatelemzés vagy social network analysis, SNA). Az ilyen elméletek személyeknek nem egy mindentől független lényegét akarják meghatározni, hanem összeköttetéseit tárják fel, ezen keresztül pedig hatásait egy rendszer egészére, illetve a környezet hatását az egyénekre. Sőt mindez igaz lehet a nem emberi létezőkre is: ebből indul ki Bruno Latour cselekvő-hálózat elmélete (Action-Network-Theory, ANT). Tanulságos ennek a két, társadalomtudományi és matematikai hagyománynak a párhuzamos fejlődését vizsgálni, amikor a hálózatos gondolkodás kialakulásáról beszélünk – és mindennek mediális kontextusát is figyelembe venni, amennyiben a számítógépek működése és az internet megjelenése a hálózatos működést mindennapi tapasztalattá tették.
A bölcsészettudományok hagyományosan inkább az értelmezésen és nem a kvantifikáción alapulnak, mégis egyre több kutató alkalmaz számokon, hálózatokon és vizualizációkon alapuló módszereket. Hogyan alakult ki benned ez az érdeklődés, és milyen pontokon érzed a legtermékenyebbnek a kétféle szemlélet találkozását?
Azt gondolom, hogy tévedés szigorúan szembeállítani a kvantitatív és a kvalitatív megközelítéseket; olyan ellentét ez, amelyet a gyakorlati munka folyamatosan cáfol. Nemcsak arról van szó, hogy az adatok és a belőlük létrehozott ábrák is mindig értelmezések, nem léteznek kiválogatástól, feldolgozástól, előzetes feltevésektől és utólagos magyarázatoktól függetlenül. Hanem arról is, hogy az értelmezésnek megfeleltetett bölcsészeti munka sem volt soha mentes az adatok kiválasztásának, elrendezésének, katalogizálásának technikáitól és technológiáitól.
De leginkább kultúrtörténeti szempontból érdekes számomra ez a kérdés: hogyan alakult ki és milyen következményei voltak annak, hogy sokáig (talán túlságosan sokáig, ahogy Sybille Krämer német filozófus fogalmaz) a kultúrát mint értelmezendő szöveget képzeltük el, figyelmen kívül hagyva minden olyan gyakorlatot, amely nem a jelentésekre irányul (testi-térbeli gyakorlatokat, számításokat, technikai működéseket). Ezzel szemben valóságosabbnak, nagyobb magyarázóerővel bírónak tartok egy kiszélesített, nem csak az értelmezéshez kötődő kultúrafogalmat (egyszer javaslatot tettem a kultúra mint diagram elképzelésre is). Ettől függetlenül természetesen fontos számomra, hogy a mérési eredményeket értelmezve, a szövegekre és történeti folyamatokra visszavezetve mutassam be; a puszta számítások még nem eredményeznek bölcsészeti tudást.
Tudsz erre példát mondani?
Főként az irodalomtudomány területén dolgozom, ott a statisztikai eljárások különböző módokon járulhatnak hozzá új ismeretek előállításához. Egyrészt, amikor valóban olyan mintázatokat tárnak fel a nagy mennyiségű adatra vonatkozó elemzések, amelyekre korábban nem volt rálátásunk. A leglátványosabb eredmények a szerzőazonosítás területéről érkeztek. Kiderült, hogy az egy szerzőhöz tartozó, akár különböző időszakból és műfajból származó szövegekben a leggyakoribb szavak eloszlása jobban hasonlít egymásra, mint más szerzőségű művekben.
Azaz létezik egy úgynevezett szerzői ujjlenyomat, amely az adott nyelvhasználóra egyénileg jellemző. Az a meglepő ebben, hogy mindez a leggyakoribb, azaz nem jelentéses szavak statisztikai kiértékelésén nyugszik – ilyenek a névelők, a kötőszavak és más funkciószavak.
Amiből arra következtethetünk, hogy használatuk nem tudatos (hiszen ki is számolgatná, hányszor írta le az „az” szót?). A gyakorlati következményeken, azaz vitatott szerzőségű szövegek vizsgálatán túl mindennek komoly elméleti következménye is van arra nézve, hogy miként hozunk létre szövegeket, és azok milyen statisztikai törvényeknek engedelmeskednek.
De sok esetben nem ilyen felfedezésekről és rejtélyek megoldásáról van szó. Esetenként – ez a második lehetőség, ahogy a statisztikai és az értelmezői mozzanatok összekapcsolódhatnak – a nagy mennyiségű szöveg elemzése egyszerűen egymás mellé rendel és összehasonlíthatóvá tesz olyan műveket, amelyeket korábban nem volt szokás együtt kezelni.
Apropó, történeti folyamatok: a digitális irodalomtudomány egyik ígérete, hogy olyan irodalomtörténet-írást tesz lehetővé, amely már nemcsak pár kiválasztott szerzőn, hanem egy nagyobb, reprezentatívabb korpuszon nyugszik. De elképzelhető, harmadrészt, hogy a számítások csak egy ötletet, nézőpontot adnak a kutatónak, amelyek aztán a szövegek szoros olvasatához vezetik vissza. Ehhez tartozik a negyedik eset, amikor egyáltalán nem új ismeretekről van szó, hanem már ismert jelenségek kerülnek új fénytörésbe. Ilyen volt, amikor drámák szereplőhálózataiból kiindulva azt néztük, hogy komédiák és tragédiák között van-e különbség a bemutatott közösségek felépítésében is, függetlenül a témától vagy a cselekménytől. Ekkor nem az volt az izgalmas, hogy meg tudtuk mondani egy tragédiáról, hogy tragédia, hanem az, hogy olyan sajátosságait tártuk fel, amelyre korábban nem irányult figyelem.
Ezzel el is érkeztünk az irodalomtudomány és a hálózatelemzés kapcsolatához. Hogyan látod a hálózatelmélet helyét az irodalomtudomány jelenlegi módszertani spektrumában? Mit ad hozzá egy ilyen jellegű kutatás az irodalmi szövegek értelmezéséhez?
Az előző példában abból indultunk ki, hogy minden színmű felrajzolható hálózatként, ahol a szereplők a csomópontok, a közöttük lévő élek pedig az interakciókat (súlyozott gráf esetében: azok számát is) jelölik. Több tanulmány érzékletesen bemutatta már – talán leghíresebb ezek közül Franco Moretti Hamlet-elemzése –, hogy mit nyerünk azzal, ha egy ilyen hálózatot vizsgálunk. Elsősorban azt, hogy segítségükkel egyszerre válik áttekinthetővé a szereplők viszonyrendszere az előadás nézésének vagy a szöveg olvasásának időbeliségéhez képest.
Végül kiértékeltük, mennyire sikeresek ezek a címkézések: kiderült, hogy komédiák és tragédiák nem csupán történetükben, témájukban és a szereplők tulajdonságait tekintve különböznek egymástól, hanem a karakterhálózatok, vagyis a bemutatott közösségek felépítése alapján is.
A komédiákra, úgy tűnik, sűrűbb hálózatok jellemzők, ami azt jelenti, hogy a szereplők között egyszerre többféle útvonal is létesül. Ez egy nehézkes, félreértésektől hemzsegő kommunikációs mód, hiszen egyszerre több, párhuzamos információ terjedését engedi meg (sokszor éppen ez a komikum forrása). A tragédiákban ezzel szemben egy-két központi figura irányítja az információ áramlását, egy hatékonyabb modellt eredményezve. Ugyanakkor, ha kiderül egy információról, hogy hamis, vagy egy szereplőről, hogy megbízhatatlan, amint az a tragédiákban gyakran megtörténik, akkor ezek a hálózatok könnyen darabjaikra esnek. A komédiák közössége viszont ellenálló az ilyen szétesésnek: ha kiderül az egyik útvonalról, hogy téves információt szállít, nem okoz gondot, hiszen vannak más bejáratott útvonalak is.
Szóval az elemzés végén a komédiák nehézkes, de védett, míg a tragédiák hatékony, de törékeny közösségként váltak meghatározhatóvá.
A drámaelemzés valóban jó terepnek tűnik a hálózati megközelítéshez. Tudsz mondani más példákat is, ahol ez kevésbé egyértelmű, mégis hasznos lehet?
Ugyanígy adja magát, hogy ne csak művekben vizsgáljunk közösségeket, hanem alkotók közötti kapcsolatokat is megjelenítsünk hálózatos módon. Ezt tette például Markó Anita 1473 és 1600 közötti magyar értelmiségiek kapcsolati hálójának felrajzolásakor. Egy másik érdekes példa Ruth Ahnert és Sebastian E. Ahnert tanulmánya. Ebben a Tudor-kori Anglia hivatalos levelezéseiből hoztak létre hálózatokat, és vizsgáltak olyan figurákat, akik a hálózat több alcsoportjával is kapcsolatot tartottak, így feltehetőleg információt szivárogtattak, vagyis kémként működtek. Munkájukat a kortárs információszerzés és megfigyelés gyakorlataihoz kötik – amire alapot teremt, hogy az egyik általuk azonosított potenciális „kém” egy bizonyos John Snowden, Edward Snowden 16. századi névrokona.
Egy ilyen elrendezés képes felmutatni azt az esetet, amikor két szöveg a legtöbb szempont szerint hasonlít egymásra (közel vannak és vastag közöttük az összekötő él), de azt is, amikor csak bizonyos szempontból érvényes a hasonlóság (vékonyabb kapcsolat és távolabb helyezkednek el a csomópontok). A hálózat létrehozásakor csak ebből az információból indultam ki, tekintet nélkül a szövegek szerzőségére és keletkezési idejére. Mégis az azonos szerzőségű művek kerültek egymáshoz a legközelebb, valamint egyértelmű időbeli tendencia is kirajzolódott a 19. század első harmadától a 20. század végéig. Ez már önmagában izgalmas eredmény volt, bizonyítékként arra, hogy a stílus egyénileg és a korszak által is meghatározott.
Emellett az is kirajzolódott, hogy míg a 19. században stilárisan egységesebb a magyar regényirodalom (legalábbis a vizsgált szövegek esetében), addig a 20. század elejétől nagyobb fokú stiláris sokszínűség lesz a jellemző. Mindez rámutathat arra is, miért jó hálózatokban gondolkodni. A hagyományos stilisztika ugyanis szigorú kategóriákként képzelte el a stílusirányzatokat, amelyek jól elhatárolhatók egymástól és amelyek alá egyértelműen besorolhatók művek és szerzők. Mindez meglehetősen terméketlen vitákat eredményezett arról, hogy például Krúdy Gyula inkább impresszionista vagy szecessziós szerző-e.
Gyakran felmerül az az ellenvetés, hogy a hálózatalapú megközelítések túlságosan leegyszerűsítik az irodalmi műveket, és nem tudják visszaadni azok esztétikai vagy jelentésbeli komplexitását. Mit gondolsz erről?
Természetesen leegyszerűsítik – de ebben rejlik az erejük is. Minden ábra elvonatkoztat az egyedi jellemzők java részétől, hogy általános mintázatokat tudjon felmutatni. Ezek a makroperspektívák nagyon tanulságosak lehetnek. Ugyanakkor nem helyettesíthetik egy irodalmi mű kimeríthetetlen összetettségét, ahogyan az ezzel az összetettséggel szembesülő olvasás tapasztalatát sem.
Az általam elképzelt digitális irodalomtudomány nem is állítja szembe ezeket egymással; ugyanakkor amellett érvelek, hogy fontos lehet a mintázatok felől, távolról is ránéznünk szövegekre és folyamatokra. Ha másért nem, mert így mi is más összefüggésekre figyelmesen olvashatjuk újra a műveket.
Segíthetnek-e ezek a hálózati ábrák újragondolni azt, amit a kánonról gondolunk? Felhívják-e a figyelmet elfeledett vagy alulértékelt művekre, szerzőkre, vagy inkább a már meglévő kánoni struktúrákat erősítik meg?
A stiláris hasonlóságon alapuló hálózat csak kanonikus magyar regényekre vonatkozik, de azért itt is találhatók érdekességek. A legtöbb szerző persze olyan szerepben látható, ahogy azt elvárnánk. Például Jókai prózája a 19. és a 20. századi poétikák közötti átmenetként tűnik fel; a 20. század végéről pedig Mészöly Miklós tekinthető olyan szerzőnek, aki átjárást biztosít különböző stílusok között. Vannak viszont kisebb-nagyobb meglepetések: a hálózat alapján például Kertész Imre regényei sokkal jobban integrálhatók a „prózafordulat” egyes szerzői (például Nádas Péter vagy Krasznahorkai László) közé; míg Esterházy Péter pár vizsgált szövege jobban elkülönül ezektől, és szorosabb kapcsolatot ápol korábbi művekkel. Meg kell azonban jegyezni, hogy a kiválasztott szövegegyüttes vagy a mérések esetlegességei könnyen befolyásolhatják az eredményeket, így vigyázni kell a túlértelmezéssel is. Érdekes még, hogy Herczeg Ferenc stilárisan jól illeszkedik a korszak újítói közé (például Krúdyhoz), miközben a művek szellemiségét és a történetvezetés összetettségét tekintve általában a különbségek a szembetűnők. Igazából minden kapcsolat és elhelyezkedés érdekes – jó sokáig lehet bogarászni az ilyen ábrákat.
Bár a hálózatkutatás látványos eredményeket kínál, de a mögötte álló módszertan gyakran kevésbé ismert. Milyen konkrét eszközökkel, adatbázisokkal és algoritmusokkal dolgozik az, aki ilyen elemzést végez? Hogyan épül fel egy ilyen kutatás a gyakorlatban?
A hálózatok alapjai legtöbb esetben táblázatok, amelyek két oszlopában azok a csomópontok vannak felsorolva, amelyek között kapcsolat áll fent – további oszlopokban pedig ennek a kapcsolatnak a típusát, erősségét lehet jelölni. Vagyis egy meglehetősen egyszerű eljárásról van szó. Persze ha nagy mennyiségű adatot akarunk ilyen módon elrendezni, akkor azt könnyebb algoritmikusan megtenni. Ehhez bizonyára léteznek különféle szoftverek, de érdemes egy programozási nyelvben dolgozni, ahol tulajdonképpen azt csinálhat az ember, amit akar – már alapszintű ismeretekkel is. Különösen a mesterséges intelligencia korában, ami jelentősen megkönnyíti a kódok írását. Ez még így is több befektetett munkával jár, de hosszú távon szerintem megtérül.
Ha már rendelkezik az ember a megfelelő módon előkészített táblázattal, akkor szintén ábrázolhatja az eredményeket ugyanabban a programozási keretben. Fontos lehet továbbá a Gephi szoftver ismerete is, amely nagyon sokféle beállítást tartalmaz a megjelenítésektől a hálózatokat leíró mérőszámok kiszámításáig. A könyvem borítóján látható ábrát is így hoztam létre. Könnyű elveszni a beállítások és lehetőségek erdejében, de rengeteg tanítóanyag található a neten.
Elképzelhetőnek tartod, hogy az ilyen típusú hálózatelemzés megjelenjen az irodalomoktatásban is?
Mindenképpen, bár konkrét gyakorlatokról egyelőre nem tudok. Személyes adósságként is gondolok erre, ugyanis a drámák említett karakterhálózatai szerintem nagyon jól alkalmazhatók lehetnének az irodalomórákon, de nem tettem még eleget azért, hogy ez meg is valósuljon.
Nemcsak a művekhez vihetné közelebb a tanulókat, hanem saját társas hálózataikról és a bennük betöltött szerepekről is el lehetne gondolkodni egy-egy szöveg és hálózat kapcsán.
Mit javasolnál azoknak, akik szeretnének egy kicsit jobban elmélyülni a hálózatelmélet rejtelmeiben vagy akár szeretnének a jövőben komolyabban – mondjuk kutatóként is – foglalkozni ezzel a tudományterülettel? Vannak erre már egyetemi képzések is? Ha igen, hol?
Barabási Albert-László sokat tett a hálózatelmélet népszerűsítéséért, magyarul is olvasható könyvei a szélesebb közönséget célozzák. A társadalmi hálózatelemzés kapcsán jó kiindulópont lehet a Társadalmi kapcsolathálózatok elemzése című kötet. Digitális bölcsészeti képzés egyelőre elvétve található Magyarországon, így elsősorban olyan folyóiratok segíthetik a tájékozódást, mint a Digitális Bölcsészet, esetleg a Helikon és a Literatura tematikus lapszámai. Ami pedig a módszertant illeti: érdemes egyénileg próbálkozni az eszközökkel és eljárásokkal, illetve a hibákból folyamatosan tanulni. Az informatikai tudás ebből a szempontból különbözik a bölcsészetitől, azaz hiába vannak összefoglaló művek, folyamatos alakulás, verziófrissítés és hibakeresés jellemzi. Ezért fontosabbak a fórumok és a tutorial videók, mint a monográfiák. Ugyanakkor terveim között szerepel egy módszertani tanítóanyag létrehozása is – ha minden jól megy, hamarosan ez is segítheti az érdeklődőket.
Fotók: Csákvári Zsigmond / Kultúra.hu
