Изучение истории должно развиваться, чтобы включать аналитику данных с упором на машинное обучение, чтобы развиваться как академическая область и готовить своих студентов к их карьере.

Сегодня исторический анализ устарел, и студенты, изучающие этот предмет, готовятся с нулевыми техническими навыками. Завтра, внедрив рудиментарные навыки анализа данных, исторический анализ можно будет вывести на уровень, который можно увидеть только в научной фантастике, и студенты станут лучшими кандидатами на работу.

Выпускной с историей сегодня

Сегодня, рассказывая кому-то, что вы изучаете историю, вы вызываете много ответов, многие из которых насмешливы: Вы хотите преподавать в средней или старшей школе?, Какое последипломное образование вы хотите получить? , В какой кофейне вы планируете работать бариста? Это не совсем необоснованно; около 1/2 специалистов по истории работали учителями, почти 1/10 — юристами, и в среднем историки зарабатывают намного меньше, чем их коллеги по STEM. Однако остается часто непризнаваемый факт — около 1/3 специалистов по истории работают на руководящих должностях, а почти 1/8 — на должности аналитика. Независимо от намерений, нетривиальное количество специалистов по истории занимают должности в бизнесе. Откуда берется шутка о том, чтобы стать бариста (что, кстати говоря, я ничего не имею против того, чтобы стать бариста, но это обычно не желаемая карьера для этих специалистов по истории), заключается в том, что на данный момент специальность не учит любые технические навыки. Рынок труда по управлению бизнесом после окончания учебы благоприятствует тем, кто может делать хотя бы базовый анализ данных. Специалисты по истории находятся в невыгодном положении по сравнению с их бизнесом, статистикой и другими основными сверстниками STEM, которые проходят некоторую подготовку в рамках своей учебной программы. Часто они могут устроиться на работу только благодаря своим способностям рассказывать истории (ценный навык в деловом мире), и им приходится отчаянно заниматься самообучением в роли. Эти историки, ушедшие из управления бизнесом, выиграют от изучения технических навыков, связанных с анализом данных, во время учебы в бакалавриате в качестве дополнения к способностям рассказывания историй, которые прививает историческое исследование.

Историческое исследование

Исторические исследования не сильно изменились в 20-м и 21-м веках. Хотя для того, чтобы придать больший вес исследованиям, использовались более технические области, такие как экономика и базовая статистика, не было сделано никаких значительных изменений для улучшения основного аспекта истории: анализа информации. Историки используют источники из первых рук (автор был свидетелем события) и из вторых рук (автор не был свидетелем этого события), чтобы рассказывать великие истории, поддерживающие основной тезис. Сегодня величайшая сила в истории — это также ее ахиллесова пята: люди. Основным методом, который используют историки, является чтение (а иногда и просмотр) нескольких источников, иногда дополняемых другими техническими методами, такими как экономическая теория или базовая статистика. Этот метод медленный, склонен к предвзятости и оставляет мало времени для рассказывания историй.

Аналитика данных

Введите аналитику данных. По определению это так: процесс, посредством которого необработанные данные становятся полезными знаниями, на которые можно воздействовать. С четырьмя отдельными этапами: проглатывание, подготовка, анализ и действие. Это означает, что аналитика данных представляет собой смесь статистики, математики и компьютерного программирования. Он дополняется многими инструментами и языками программирования, но наиболее распространенными являются три: SQL, Python и Tableau. В общих чертах, SQL позволяет аналитику запрашивать базу данных для извлечения информации, Python имеет инструменты как для подготовки, так и для анализа данных, а Tableau — это программное обеспечение для анализа/визуализации (вспомните диаграммы Excel в 10-м классе на стероидах) с инструментами, помогающими управлять действиями, зрители. Сила инструментов, которые используют аналитики данных, заключается в простоте обработки огромных объемов данных и создании рекомендуемых действий. Слабость сегодня в том, что часто эта информация представлена ​​без какой-либо ясной истории, что приводит читателей в замешательство.

Кроме того, областью, которая становится обязательной основной компетенцией для аналитиков данных, является машинное обучение. Как сообщает Массачусетский технологический институт, Машинное обучение в широком смысле определяется как способность машины имитировать разумное поведение человека. Машинное обучение стоит за чат-ботами и интеллектуальным текстом, приложениями для языкового перевода, шоу, которые предлагает вам Netflix, и тем, как представлены ваши ленты в социальных сетях. На нем работают автономные транспортные средства и машины, которые могут диагностировать заболевания на основе изображений. Сегодня машинное обучение — это обучение компьютера распознаванию закономерностей.

«Фундамент» в реальном мире

Сделав шаг назад, я не первый, кто предполагает, что слияние истории и аналитики данных создаст нечто потрясающее и мощное. В 1940-х годах легенда научной фантастики Айзек Азимов представил группу людей, способных предсказывать будущее с почти достоверностью, используя анализ данных и исторические исследования: психоисториков. В своем научно-фантастическом романе Основание он представляет, как эта группа управляет империей на протяжении тысячелетий. Императоры возвышаются и падают, ведутся галактические войны, планеты колонизируются, а общества приходят в упадок; все это время этот культ математиков, статистиков и историков тщательно организует события.

80 лет спустя мы еще не достигли этого (если только мое культовое приглашение не потерялось по почте), но с достижениями в области машинного обучения (особенно нейронных сетей, алгоритмов машинного обучения, разработанных, чтобы думать как человек) мы ближе, чем когда-либо . Нетрудно представить чрезвычайно сложные прогнозы будущих человеческих событий с помощью сочетания исторических исследований и аналитики больших данных. Одной из самых больших проблем в области анализа данных и машинного обучения является постоянная жажда данных. Десятки миллионов страниц источников из первых рук доступны, чтобы накормить голодных монстров данных.

Реальные примеры

Преимущество для профессиональных историков:

В качестве элементарного примера того, какую пользу это может принести среднему историку, рассмотрим анализ того, как американцы относились к растущему использованию автомобилей в 1920-х годах. Ваша средняя историческая статья об общественных настроениях в США будет содержать менее 3 из следующих материалов: выступления государственных чиновников, газетные интервью и маркетинг для потребителей. Для любого аналитика это смехотворно маленький размер выборки, который может вызвать серьезные проблемы с предвзятостью в рассказанной истории. Например, многие историки склонны переиндексировать определенные легкодоступные источники, такие как газетные интервью из The New York Times или The Wall Street Journal, в отличие от небольших газетных источников. Это дает достойное представление о том, как те, кто выбрал эти два снимка из центра Манхэттена, относились к автомобилям, но не ко всей нации.

Мы могли бы использовать базовую аналитику данных для обработки данных для отображения различных диаграмм, подсчета упоминаний определенных слов, которые мы считаем важными (Модель-Т), но с машинным обучением мы можем пойти дальше. Представьте себе использование Cloud Natural Language API Google (на основе предварительно обученного алгоритма машинного обучения), который может обнаруживать объекты (Конгресс США, Ford Model-T и т. д.) и настроения (положительные или отрицательные). Вы могли за считанные минуты обработать каждое газетное интервью, выступление государственного чиновника и маркетинговые материалы, подготовленные и проглоченные американцем, со статистикой того, о чем люди говорили и как они себя чувствовали — с разбивкой по регионам и читателям. демография. Это невероятно просто сделать: вы можете научить полного новичка использовать Cloud Natural Language API и отображать анализ за пару дней. Конечно, это не предлагает замену современному историческому анализу, поскольку знание того, что люди много говорят положительно о чем-то, называемом Модель-Т, мало что дает для истории без контекста. Но это позволило бы историкам тратить больше времени на то, что у них получается лучше всего: на сплетение убедительных историй.

Преимущество для магистрантов:

Еще в начале статьи я определил, что около 1/3 специалистов по истории в конечном итоге окажутся на должности управления бизнесом, а 1/8 явно станут аналитиками. Те исторические специальности, которые превратились в управление бизнесом, сегодня выходят на рынок недостаточно подготовленными, и это проявляется как в данных о средней заработной плате, так и в качестве текущего предмета многих шуток. С несколькими модификациями, чтобы дать им базовую техническую подготовку в области анализа данных, которая сделает их более сильными историками, они могут сокрушить рынок труда. Вы можете преподавать основы аналитики данных менее чем за 3 курса (моя альма-матер, Вашингтонский университет, сделала это за 2 для своего младшего по информатике — основы аналитики данных и реляционных баз данных с SQL). Поскольку большинству этих специальностей по истории необходимо получить кредит в области, связанной с STEM, чтобы получить высшее образование, имеет смысл включить аналитику данных в свои исследования. Эти выпускники смогут не только выполнять необходимый технический анализ данных, но и создавать убедительные истории для людей, которым они представляют свой анализ. Это сочетание навыков ценится как золото.

Призыв к действию

Как университеты и историки могут извлечь выгоду из этой возможности? Поговорите со своими коллегами, преподающими аналитику данных, и начните преподавать курс. Университеты уже собрали блестящие исторические умы и умы в области анализа данных в одном месте. Все, что им осталось сделать сейчас, это поговорить, работать вместе и преподавать курс. Нам не нужно переводить историков в совершенно другие дисциплины, просто улучшите изучение ядра современными инструментами.

Внедряя курсы по анализу данных в профиль истории, историки создают более надежный исторический анализ, старшекурсники получают больше карьерных перспектив, и мир может когда-нибудь получить психоисториков.