Modeling Changing Scientific Concepts with Complex Networks: A Case Study on the Chemical Revolution

Motivation

• Known: LLM을 통한 context embedding으로 개념 변화를 추정할 수 있으나, 이는 해석 불가능하고 시간 인식이 부족하며, 역사 데이터의 편향이 문제가 된다.
• Gap: 기존 diachronic word embedding은 의미 변화를 추적하지만 변화 메커니즘을 설명하지 못하며, prototype semantics와 네트워크 구조를 결합한 temporal concept modeling이 부족하다.
• Why: 과학 개념의 변화는 역사적 전환의 지표이며, 특히 과학혁명과 같은 패러다임 전환을 이해하려면 개념의 구조적 변화를 추적하는 것이 필수적이다.
• Approach: Royal Society Corpus를 활용하여 topic model 기반 complex network로 개념을 표현하고, 핵심 읽기(core reading)와 주변 읽기(peripheral reading)의 시간적 변동을 분석하여 개념 구조 변화를 감지한다.

Achievement

Figure 3: Topic clusters. By comparing both relevant decades (1st row=1780s, 2nd row=1800s) across sam-

• Conceptual Structure Shift Detection Task 정의: diachronic corpus로부터 시간별 concept network를 생성하고 core-periphery organization의 궤적을 추적하는 프레임워크 제안
• Prototype Semantics 기반 Network 표현: 개념을 radial structure로 모델링하여 onomasiological change(lexeme 다양성), semasiological change(새로운 의미 출현), 및 ontological system 대체를 포착
• 화학혁명 사례 검증: phlogiston에서 oxygen으로의 패러다임 전환 과정에서 onomasiological change가 높은 entropy와 topological density와 연관됨을 실증적으로 입증

How

Figure 2: Topic models evaluation. These results, produced by evaluating models for the 1800s non-cumulative

• Royal Society Corpus에 대해 시간 슬라이스(1750s-1800s)별로 LDA topic model 적용
• 각 decade에서 개념(phlogiston, oxygen 등)의 관련 lexemes를 식별하고 topic co-occurrence로 네트워크 구성
• Network entropy와 topological density 계산으로 개념 구조의 복잡도 및 연결도 정량화
• Core와 periphery 읽기의 시간적 변동을 추적하여 onomasiological change 정도 측정
• 변화 기간(1780s-1790s)과 안정 기간의 네트워크 특성 비교 분석

Originality

• LLM 임베딩의 해석성 부족을 극복하기 위해 explicit topic-based network 구조 도입
• Prototype semantics의 core-periphery 개념을 temporal graph로 구현하여 과학 개념의 동역학 모델링
• Onomasiological perspective를 network topology(entropy, density)와 직접 연결하여 새로운 분석 프레임워크 제시
• Digital Humanities의 역사 데이터 편향 문제를 의식적으로 고려하여 해석 가능한 방법론 개발

Limitation & Further Study

• Royal Society Corpus로 제한되어 다른 과학 영역(생물학, 물리학 등)에 대한 일반화 가능성 미검증
• Topic model의 토픽 수 선택, 시간 슬라이스 크기 등 하이퍼파라미터 설정이 결과에 미치는 영향 분석 부족
• 화학혁명 사례가 강한 실증이지만, 다른 scientific revolution에서 동일한 패턴이 나타나는지 확인 필요
• Core 읽기의 정의와 식별 기준이 여전히 주관적일 수 있으며, 자동화된 검증 방안 모색 요구

Evaluation

총평: 과학 개념의 시간적 변화를 해석 가능한 network 구조로 모델링한 창의적 연구로, prototype semantics 이론과 computational method를 효과적으로 결합하였으나, 다양한 과학 영역과 혁명 사례로 일반화하려는 추가 연구가 필요하다.