Varias organizaciones e individuos han intentando hacer una lista de las personas más importantes en la historia. Estas clasificaciones son famosas por ser difíciles de justificar ya que a menudo están influidas por el idioma, la geografía, el género y cosas por el estilo.

Esto no sólo es un problema para los coleccionistas de listas. Los científicos sociales también están interesados ​​en este tipo de clasificaciones puesto que aportan conocimientos sobre el modo en que los humanos transmiten información no genética de una generación a la siguiente. Esta información incluye ciencia, literatura y otros tipos de arte, pero también creencias, gustos, expectativas y temas similares.

El estudio sistemático de este tipo de producción cultural tiene el potencial de revolucionar nuestro entendimiento de la humanidad. Pero la falta de buenas bases de datos en las que basar este trabajo es un inconveniente.

Amy Zhao Yu y varios colegas en el Media Lab del Instituto de Tecnología de Massachusetts (MIT en EEUU), acaban de intentar superar estas limitaciones a través de una lista con la contribución cultural desde casi todos los países y en más de 280 idiomas.

Llaman a esta nueva base de datos "Pantheon 1.0: un conjunto de datos manualmente comisariado de personas que han trascendido las fronteras lingüísticas, temporales y geográficas". Y esperan que pueda poner en marcha el estudio de la cultura con el mismo tipo de técnicas de minería de datos que están revolucionando otras áreas de la sociología y la antropología.

Su enfoque es simple. El equipo ha descargado más de 11.000 biografías del almacén de datos en línea Freebase y las han vinculado a sus páginas en 277 versiones de distintos idiomas en Wikipedia.

Después han creado una lista de ocupaciones subdivididas en dominios culturales. Por ejemplo, la ocupación 'mago' es un tipo de personalidad mediática en la categoría de figuras públicas.

Después han asignado una sola ocupación a cada persona en la lista, aunque quizá sean conocidas por más de una cosa. "Por ejemplo Barack Obama es un político (aunque también aparece como escritor en Freebase), y Shaquille O'Neal es un jugador de baloncesto (aunque también aparece como actor en Freebase)", asegura Yu. "La dificultad de distribuir de forma justa el impacto cultural de los eruditos lo dejamos para una futura consideración".

Después de haber creado esta base de datos, la siguiente cuestión es cómo clasificar a las personas que la componen. Yu y su equipo lo hacen de dos maneras. La primera es simplemente contar el número de ediciones en cada idioma de Wikipedia que tienen un artículo sobre la persona. Creen que eso indica la medida del impacto de la persona a través de las fronteras culturales.

Los investigadores denominan el segundo método como el Índice de Popularidad Histórico. Para ello toman el número de menciones en cada idioma en Wikipedia y lo ajustan en base a factores como el número de páginas vistas, la concentración de páginas vistas en distintos idiomas y el número de páginas vistas que no estén en inglés, además del tiempo desde que nació la persona.

Eso produce clasificaciones interesantes. De las personas nacidas antes del año 500 D.C., el que tiene más menciones en distintos idiomas de Wikipedia es Jesús, seguido de Confucio. Sin embargo, las dos personas que encabezan el Índice de Popularidad Histórico son Aristóteles y Platón.

Del periodo más reciente, entre 1900 y 1950, la persona mencionada en más idiomas distintos de Wikipedia es la cantante brasileña Hebe Camargo, mientras que el marxista revolucionario Che Guevara encabeza el Índice de Popularidad Histórico. Adolf Hitler encabeza el anterior período, de 1850 a 1899, en ambos recuentos (el período se refiere a las fechas de nacimiento).

Entre las otras personas que encabezan las listas de la época en que vivieron están: Mahoma, Leonardo Da Vinci, Isaac Newton, William Shakespeare y Mozart.

Yu y su equipo reconocen que su base de datos sufre de varias influencias. Por ejemplo, usar datos de Wikipedia introduce un influencia importante ya que los editores de Wikipedia no suponen una muestra representativa de la población mundial. Y usar biografías como representación de la producción cultural sólo funciona cuando hay un vínculo claro entre un individuo y una parte específica de la expresión cultural, aunque de lo contrario suele excluir las iniciativas grupales.

Este es un trabajo interesante que genera muchos debates: el estudio de estos tipos de clasificaciones siempre resulta fascinante. Además, abre la posibilidad de estudiar la evolución de la producción cultural y el modo en que este tipo de información no genética ha pasado por las distintas partes del mundo en diferentes momentos.

Puede que no sea perfecto, pero es un primer e interesante paso hacia un nuevo tipo de ciencia basada en los datos.

Ref: arxiv.org/abs/1502.07310 : Pantheon: A Dataset for the Study of Global Cultural Production