Die quantitative vergleichende Sprachwissenschaft ist die Anwendung quantitativer Analysemethoden in der vergleichenden Sprachwissenschaft . Beispiele hierfür sind die statistischen Bereiche Lexikostatistik und Glottochronologie sowie die Übernahme der Phylogenetik aus der Biologie.

Geschichte

Statistische Methoden werden in der vergleichenden Sprachwissenschaft seit über einem Jahrhundert für quantitative Analysen eingesetzt . In den 1950er Jahren entstand die Swadesh-Liste : ein standardisiertes Set lexikalischer Konzepte , die in den meisten Sprachen als Wörter oder Phrasen vorkommen und es ermöglichen, zwei oder mehr Sprachen empirisch zu vergleichen und gegenüberzustellen.

Die erste veröffentlichte quantitative Studie zur historischen Sprachwissenschaft stammt vermutlich von Sapir aus dem Jahr 1916 [ 1 ]. Kroeber und Chrétien untersuchten 1937 [ 2 ] neun indogermanische Sprachen anhand von 74 morphologischen und phonologischen Merkmalen (1939 erweitert um das Hethitische). Ross [ 3 ] untersuchte 1950 die theoretischen Grundlagen solcher Studien. Swadesh entwickelte mithilfe von Wortlisten Lexikostatistik und Glottochronologie in einer Reihe von Aufsätzen [ 4 ] , die Anfang der 1950er Jahre erschienen. Diese Methoden wurden jedoch vielfach kritisiert [ 5 ] , wobei einige Kritikpunkte von anderen Wissenschaftlern als unberechtigt angesehen wurden. Embleton veröffentlichte 1986 ein Buch mit dem Titel „Statistics in Historical Linguistics“, das frühere Arbeiten zusammenfasste und die glottochronologische Methode erweiterte. Dyen, Kruskal und Black führten 1992 eine Studie zur lexikostatistischen Methode an einer großen indogermanischen Datenbank durch. [ 6 ]

During the 1990s, there was renewed interest in the topic, based on the application of methods of computational phylogenetics and cladistics. Such projects often involved collaboration by linguistic scholars, and colleagues with expertise in information science and/or biological anthropology. These projects often sought to arrive at an optimal phylogenetic tree (or network), to represent a hypothesis about the evolutionary ancestry and perhaps its language contacts. Pioneers in these methods included the founders of CPHL: computational phylogenetics in historical linguistics (CPHL project): Donald Ringe, Tandy Warnow, Luay Nakhleh and Steven N. Evans.

In the mid-1990s a group at Pennsylvania University computerised the comparative method and used a different IE database with 20 ancient languages.[7] In the biological field several software programs were then developed which could have application to historical linguistics. In particular a group at the University of Auckland developed a method that gave controversially old dates for IE languages.[8] A conference on "Time-depth in Historical Linguistics" was held in August 1999 at which many applications of quantitative methods were discussed.[9] Subsequently many papers have been published on studies of various language groups as well as comparisons of the methods. The proceedings of a 2004 conference, Phylogenetic Methods and the Prehistory of Languages were published in 2006, edited by Peter Forster and Colin Renfrew.

Studied language families

Computational phylogenetic analyses have been performed for:

Hintergrund

Die Standardmethode zur Untersuchung von Sprachverwandtschaften ist die vergleichende Methode . Diese weist jedoch einige Einschränkungen auf. Nicht jedes sprachliche Material eignet sich als Input, und es bestehen Probleme hinsichtlich der linguistischen Ebenen, auf denen die Methode operiert. Die rekonstruierten Sprachen sind idealisiert, und verschiedene Forscher können zu unterschiedlichen Ergebnissen gelangen. Häufig werden Stammbäume von Sprachfamilien in Verbindung mit der Methode verwendet, und Entlehnungen müssen aus den Daten ausgeschlossen werden, was schwierig ist, wenn die Entlehnung innerhalb einer Sprachfamilie erfolgt. Oft wird argumentiert, dass die Methode in ihrer zeitlichen Reichweite begrenzt ist. Die Methode ist schwierig anzuwenden, und es gibt keinen unabhängigen Test. [ 28 ] Daher wurde nach alternativen Methoden gesucht, die ein formalisiertes Vorgehen aufweisen, die Verwandtschaftsverhältnisse quantifizieren und überprüfbar sind.

Ein Ziel der vergleichenden historischen Sprachwissenschaft ist es, Fälle genetischer Verwandtschaft zwischen Sprachen zu identifizieren. [ 29 ] Die Schritte der quantitativen Analyse sind: (i) Entwicklung eines Verfahrens auf der Grundlage theoretischer Grundlagen, eines bestimmten Modells oder bisheriger Erfahrungen usw.; (ii) Überprüfung des Verfahrens anhand von Daten, zu denen bereits umfangreiche linguistische Meinungen vorliegen (dies kann zu einer Überarbeitung des Verfahrens aus Schritt (i) oder im Extremfall zu dessen vollständiger Aufgabe führen); (iii) Anwendung des Verfahrens auf Daten, zu denen noch keine linguistischen Meinungen vorliegen, diese noch nicht gefestigt sind oder sich sogar widersprechen. [ 30 ]

Die Anwendung phylogenetischer Methoden auf Sprachen ist ein mehrstufiger Prozess: (a) die Kodierungsphase – die Umwandlung realer Sprachen in einen Ausdruck der Beziehungen zwischen ihnen in Form von numerischen oder Zustandsdaten, sodass diese Daten als Eingabe für phylogenetische Methoden verwendet werden können; (b) die Repräsentationsphase – die Anwendung phylogenetischer Methoden, um aus diesen numerischen und/oder Zustandsdaten ein Signal zu extrahieren, das in eine nützliche Repräsentationsform umgewandelt wird, üblicherweise zweidimensionale grafische Darstellungen wie Bäume oder Netzwerke, die die oft hochkomplexen mehrdimensionalen Beziehungen im Signal synthetisieren und „reduzieren“; (c) die Interpretationsphase – die Bewertung dieser Baum- und Netzwerkdarstellungen, um daraus zu extrahieren, was sie tatsächlich für reale Sprachen und ihre Beziehungen im Laufe der Zeit bedeuten. [ 31 ]

Baumarten und Netzwerke

Das Ergebnis einer quantitativen historisch-linguistischen Analyse ist üblicherweise ein Baum- oder Netzwerkdiagramm. Dies ermöglicht eine zusammenfassende Visualisierung der Ausgabedaten, stellt aber nicht das vollständige Ergebnis dar. Ein Baum ist ein zusammenhängender azyklischer Graph, bestehend aus einer Menge von Knoten (auch „Vertices“ genannt) und einer Menge von Kanten („Zweige“), von denen jede zwei Knoten verbindet. [ 32 ] Ein innerer Knoten repräsentiert einen sprachlichen Vorfahren in einem phylogenetischen Baum oder Netzwerk. Jede Sprache wird durch einen Pfad repräsentiert, wobei die Pfade die verschiedenen Entwicklungsstadien der Sprache darstellen. Zwischen jedem Knotenpaar existiert genau ein Pfad. Ungewurzelte Bäume stellen die Verwandtschaftsverhältnisse der Eingabedaten ohne Annahmen über deren Abstammung dar. Ein gewurzelter Baum identifiziert explizit einen gemeinsamen Vorfahren, oft durch Angabe der Evolutionsrichtung oder durch Einbeziehung einer „Außengruppe“, die bekanntermaßen nur entfernt mit den zu klassifizierenden Sprachen verwandt ist. Die meisten Bäume sind binär, d. h. ein Elternknoten hat zwei Kinder. Ein Baum kann immer erstellt werden, auch wenn dies nicht immer sinnvoll ist. Eine andere Art von Baum basiert ausschließlich auf sprachlichen Ähnlichkeiten und Unterschieden. In diesem Fall repräsentieren die inneren Knoten des Graphen keine Vorfahren, sondern dienen der Darstellung des Konflikts zwischen den verschiedenen Aufteilungen („Bipartitionen“) in der Datenanalyse. Die „phänetische Distanz“ ist die Summe der Gewichte (oft als Längen dargestellt) entlang des Pfades zwischen den Sprachen. Manchmal wird zusätzlich angenommen, dass diese inneren Knoten tatsächlich Vorfahren repräsentieren.

Bei der Konvergenz von Sprachen, meist durch Wortübernahme („Entlehnung“), ist ein Netzwerkmodell besser geeignet. Zusätzliche Kanten spiegeln die doppelte Herkunft einer Sprache wider. Diese Kanten sind bidirektional, wenn beide Sprachen voneinander entlehnt haben. Ein Baum ist somit ein einfaches Netzwerk, es existieren jedoch viele weitere Netzwerktypen. In einem phylogenetischen Netzwerk werden die Taxa durch Knoten und ihre evolutionären Beziehungen durch Äste dargestellt. [ 33 ] Ein weiterer Typ basiert auf Aufspaltungen und ist eine kombinatorische Verallgemeinerung des Aufspaltungsbaums. Eine gegebene Menge von Aufspaltungen kann mehrere Darstellungen haben, sodass interne Knoten nicht unbedingt Vorfahren repräsentieren und lediglich eine „implizite“ Darstellung der Evolutionsgeschichte darstellen, im Gegensatz zur „expliziten“ Darstellung phylogenetischer Netzwerke. In einem Aufspaltungsnetzwerk entspricht die phrenetische Distanz der kürzesten Verbindung zwischen zwei Sprachen. Ein weiterer Typ ist das retikuläre Netzwerk, das Inkompatibilitäten (beispielsweise aufgrund von Sprachkontakt) als Retikulationen darstellt, wobei seine internen Knoten Vorfahren repräsentieren. Ein Netzwerk kann auch durch Hinzufügen von Kontaktkanten zu einem Baum konstruiert werden. Der letzte Haupttyp ist das Konsensnetzwerk, das aus Bäumen gebildet wird. Diese Bäume können das Ergebnis einer Bootstrap-Analyse oder von Stichproben aus einer A-posteriori-Verteilung sein.

Sprachwechsel

Sprachen unterliegen einem ständigen Wandel, jedoch in der Regel nicht mit konstanter Geschwindigkeit [ 34 ]. Dieser kumulative Effekt führt zur Aufspaltung in Dialekte, Sprachen und Sprachfamilien. Man geht allgemein davon aus, dass sich die Morphologie am langsamsten und die Phonologie am schnellsten verändert. Mit fortschreitendem Wandel bleiben immer weniger Spuren der ursprünglichen Sprache erhalten. Schließlich kann es zum Verlust jeglicher Verwandtschaftsnachweise kommen. Veränderungen einer Art von Veränderung müssen andere Arten nicht beeinflussen; beispielsweise wirken sich Lautveränderungen nicht auf die Verwandtschaft aus. Anders als in der Biologie kann nicht davon ausgegangen werden, dass alle Sprachen einen gemeinsamen Ursprung haben; der Nachweis von Verwandtschaft ist daher notwendig. In Modellen wird der Einfachheit halber oft angenommen, dass sich die Merkmale unabhängig voneinander verändern, was jedoch nicht immer der Fall ist. Neben Entlehnungen können auch semantische Verschiebungen und Polymorphismus auftreten.

Datenbanken

Swadesh veröffentlichte ursprünglich eine Liste mit 200 Wörtern, die er später auf 100 Wörter verkürzte. [ 35 ] Eine häufig genutzte Datenbank für indogermanische Sprachen ist die von Dyen, Kruskal und Black, die Daten für 95 Sprachen enthält, obwohl bekannt ist, dass das Original einige Fehler aufweist. Neben den Rohdaten enthält sie auch Verwandtschaftsbeurteilungen. [ 36 ] Die Datenbank von Ringe, Warnow und Taylor umfasst Informationen zu 24 indogermanischen Sprachen mit 22 phonologischen, 15 morphologischen und 333 lexikalischen Merkmalen. Gray und Atkinson verwendeten eine Datenbank mit 87 Sprachen und 2449 lexikalischen Einträgen, die auf dem Dyen-Datensatz basiert und um drei alte Sprachen erweitert wurde. Sie berücksichtigten die Verwandtschaftsbeurteilungen verschiedener Wissenschaftler. Weitere Datenbanken wurden unter anderem für afrikanische, australische und andine Sprachfamilien erstellt.

Die Daten können binär oder mehrstufig kodiert werden. Erstere wird häufig verwendet, führt aber zu einer Verzerrung. Es wurde behauptet, dass zwischen den beiden Kodierungsmethoden ein konstanter Skalierungsfaktor besteht, der berücksichtigt werden kann. Eine andere Studie legt jedoch nahe, dass sich die Topologie ändern kann [ 37 ].

Wortlisten

Die Wortlisten werden so gewählt, dass sie möglichst frei von kulturellen Einflüssen und Entlehnungen sind. Am häufigsten werden die ursprünglichen Swadesh-Listen verwendet, aber es wurden auch viele andere für spezielle Zwecke entwickelt. Diese sind oft kürzer als die von Swadesh bevorzugte Liste mit 100 Einträgen. Kessler hat ein Buch über die Bedeutung von Wortlisten geschrieben [ 38 ] , während McMahon und McMahon Studien zu den Auswirkungen der Rekonstruierbarkeit und der Einprägsamkeit durchgeführt haben [ 28 ] . Der Effekt einer Erhöhung der Anzahl der Einträge wurde untersucht, und es wurde ein Gesetz des abnehmenden Grenznutzens festgestellt; etwa 80 Einträge erwiesen sich als zufriedenstellend [ 39 ] . Einige Studien verwendeten jedoch weniger als die Hälfte dieser Anzahl.

Im Allgemeinen wird jede verwandte Wortgruppe durch ein eigenes Zeichen dargestellt, aber Unterschiede zwischen Wörtern lassen sich auch durch Lautveränderungen als Distanzmessung erfassen. Distanzen können auch Buchstabe für Buchstabe gemessen werden.

Morphologische Merkmale

Traditionell wurden diese Merkmale als wichtiger als lexikalische angesehen, weshalb einige Studien ihnen ein höheres Gewicht beigemessen haben. Solche Merkmale wurden beispielsweise in die indogermanische Datenbank von Ringe, Warnow und Taylor aufgenommen. Andere Studien haben sie jedoch außer Acht gelassen.

Typologische Merkmale

Beispiele für diese Merkmale sind glottalisierte Konstanten, Tonsysteme, Akkusativausrichtung bei Substantiven, Dual, Kasus-Numerus-Korrespondenz, Objekt-Verb-Reihenfolge und Personalpronomen der ersten Person Singular. Diese werden in der WALS-Datenbank aufgeführt, obwohl diese für viele Sprachen bisher nur spärlich bestückt ist. [ 40 ]

Wahrscheinlichkeitsmodelle

Some analysis methods incorporate a statistical model of language evolution and use the properties of the model to estimate the evolution history. Statistical models are also used for simulation of data for testing purposes. A stochastic process can be used to describe how a set of characters evolves within a language. The probability with which a character will change can depend on the branch but not all characters evolve together, nor is the rate identical on all branches. It is often assumed that each character evolves independently but this is not always the case. Within a model borrowing and parallel development (homoplasy) may also be modelled, as well as polymorphisms.

Effects of chance

Chance resemblances produce a level of noise against which the required signal of relatedness has to be found. A study was carried out by Ringe [41] into the effects of chance on the mass comparison method.

Detection of borrowing

Loanwords can severely affect the topology of a tree so efforts are made to exclude borrowings. However, undetected ones sometimes still exist. McMahon and McMahon[42] showed that around 5% borrowing can affect the topology while 10% has significant effects. In networks borrowing produces reticulations. Minett and Wang[43] examined ways of detecting borrowing automatically.

Split dating

Dating of language splits can be determined if it is known how the characters evolve along each branch of a tree. The simplest assumption is that all characters evolve at a single constant rate with time and that this is independent of the tree branch. This was the assumption made in glottochronology. However, studies soon showed that there was variation between languages, some probably due to the presence of unrecognised borrowing.[44] A better approach is to allow rate variation, and the gamma distribution is usually used because of its mathematical convenience. Studies have also been carried out that show that the character replacement rate depends on the frequency of use.[45] Widespread borrowing can bias divergence time estimates by making languages seem more similar and hence younger. However, this also makes the ancestor's branch length longer so that the root is unaffected.[46]

Types of analysis

There is a need to understand how a language classification method works in order to determine its assumptions and limitations. It may only be valid under certain conditions or be suitable for small databases. The methods differ in their data requirements, their complexity and running time. The methods also differ in their optimisation criteria.

Character based models

Maximale Sparsamkeit und maximale Kompatibilität

Diese beiden Methoden ähneln sich, doch das Ziel der Maximum-Parsimony-Methode besteht darin, den Baum (oder das Netzwerk) mit der geringsten Anzahl evolutionärer Veränderungen zu finden. In manchen Implementierungen können den Merkmalen Gewichte zugewiesen werden; dann wird die gewichtete Summe der Veränderungen minimiert. Die Analyse liefert wurzellose Bäume, sofern keine Außengruppe oder gerichtete Merkmale verwendet werden. Heuristiken helfen, den besten Baum zu finden, eine Optimierung ist jedoch nicht garantiert. Die Methode wird häufig mit den Programmen PAUP oder TNT implementiert.

Die maximale Kompatibilität nutzt ebenfalls Merkmale, um den Stammbaum zu finden, in dem sich die maximale Anzahl von Merkmalen ohne Homoplasie entwickelt. Auch hier können die Merkmale gewichtet werden; in diesem Fall besteht das Ziel darin, die Summe der Gewichte kompatibler Merkmale zu maximieren. Die Methode erzeugt außerdem unbewurzelte Stammbäume, sofern keine zusätzlichen Informationen einbezogen werden. Für große Datenbanken existieren keine leicht verfügbaren Heuristiken, die präzise Ergebnisse liefern. Diese Methode wurde bisher nur von Ringes Arbeitsgruppe angewendet. [ 47 ]

Perfekte phylogenetische Netzwerke

Diese Methode erzeugt ein explizites phylogenetisches Netzwerk mit einem zugrunde liegenden Baum und zusätzlichen Kontaktkanten. Merkmale können übernommen werden, entwickeln sich aber ohne Homoplasie. Zur Erzeugung solcher Netzwerke wurde ein graphentheoretischer Algorithmus [ 48 ] verwendet.

Grays und Atkinsons Methode

Die lexikalischen Eingabedaten werden binär kodiert, wobei jedem Zustand des ursprünglichen mehrstufigen Zeichens ein Zeichen zugeordnet ist. Das Verfahren berücksichtigt Homoplasie und Beschränkungen der Aufspaltungszeiten. Es wird eine Likelihood-basierte Analysemethode verwendet, deren Evolution als Ratenmatrix dargestellt wird. Der Gewinn und Verlust von verwandten Wörtern wird mithilfe einer Gammaverteilung modelliert, um Ratenvariationen und eine Ratenglättung zu ermöglichen. Aufgrund der Vielzahl möglicher Bäume in vielen Sprachen wird Bayes'sche Inferenz zur Suche nach dem optimalen Baum eingesetzt. Ein Markov-Chain- Monte-Carlo-Algorithmus [ 49 ] generiert eine Stichprobe von Bäumen als Approximation der A-posteriori-Wahrscheinlichkeitsverteilung . Eine Zusammenfassung dieser Verteilung kann als Greedy-Konsensbaum oder -Netzwerk mit Stützwerten bereitgestellt werden. Das Verfahren liefert außerdem Datumsschätzungen.

Die Methode ist präzise, ​​wenn die ursprünglichen Zeichen binär sind und sich gemäß einem Ratenmodell mit Gamma-verteilten Raten identisch und unabhängig voneinander entwickeln; die Datumsangaben sind präzise, ​​wenn die Änderungsrate konstant ist. Das Verständnis der Leistungsfähigkeit der Methode bei mehrwertigen ursprünglichen Zeichen ist komplexer, da die Binärkodierung nicht unabhängige Zeichen erzeugt, die Methode jedoch Unabhängigkeit voraussetzt.

Die Methode von Nicholls und Gray

Diese Methode [ 50 ] ist eine Weiterentwicklung der Methode von Gray und Atkinson. Anstatt zwei Parameter für ein Merkmal zu verwenden, nutzt diese Methode drei: Geburtenrate, Sterberate eines verwandten Merkmals und dessen Entlehnungsrate. Die Geburtenrate ist eine Poisson- verteilte Zufallsvariable mit einer einzigen Geburt eines verwandten Merkmals, wobei separate Sterbefälle von Zweigen zulässig sind (Dollo-Parsimonie). Die Methode erlaubt keine Homoplasie, jedoch Polymorphismus und Einschränkungen. Ihr Hauptproblem besteht darin, dass sie fehlende Daten nicht verarbeiten kann (dieses Problem wurde inzwischen von Ryder und Nicholls [ 51 ] gelöst). Statistische Verfahren werden verwendet, um das Modell an die Daten anzupassen. Vorinformationen können einbezogen werden, und es wird eine MCMC-Analyse möglicher Rekonstruktionen durchgeführt. Die Methode wurde auf die Datenbank von Gray und Nicholls angewendet und scheint ähnliche Ergebnisse zu liefern.

Distanzbasierte Modelle

Diese Verfahren nutzen eine Dreiecksmatrix für paarweise Sprachvergleiche. Die Eingabezeichenmatrix dient zur Berechnung der Distanzmatrix, entweder mithilfe der Hamming-Distanz oder der Levenshtein-Distanz . Erstere misst den Anteil übereinstimmender Zeichen, während letztere die Kosten verschiedener möglicher Transformationen berücksichtigt. Diese Methoden sind im Vergleich zu rein zeichenbasierten Verfahren schnell. Allerdings führen sie zu Informationsverlusten.

UPGMA

Die „Unweighted Pairwise Group Method with Arithmetic-mean“ ( UPGMA ) ist ein Clustering-Verfahren, das durch wiederholtes Zusammenführen der beiden Sprachen mit dem geringsten Abstand zueinander arbeitet. Es arbeitet präzise mit einer gleichmäßigen, uhrwerkartigen Evolution, kann aber ansonsten fehlerhaft sein. Dieses Verfahren wurde in Swadeshs ursprünglicher Lexikostatistik verwendet.

Split-Zerlegung

Dies ist eine Technik zur Aufteilung von Daten in natürliche Gruppen. [ 52 ] Die Daten können Merkmale sein, sind aber üblicherweise Distanzmaße. Die Merkmalshäufigkeiten oder Distanzen werden verwendet, um die Aufteilungen zu generieren und Gewichte (Astlängen) für diese Aufteilungen zu berechnen. Die gewichteten Aufteilungen werden dann in einem Baum oder Netzwerk dargestellt, wobei die Anzahl der Veränderungen zwischen jedem Taxonpaar minimiert wird. Es gibt schnelle Algorithmen zur Generierung der Aufteilungen. Die Gewichte werden aus den Distanzen zwischen den Taxa bestimmt. Die Aufteilungszerlegung ist effektiv, wenn die Anzahl der Taxa gering ist oder das Signal nicht zu komplex ist.

Nachbar schließt sich an

Diese Methode arbeitet mit Distanzdaten, transformiert die Eingabematrix und berechnet anschließend die minimale Distanz zwischen den Sprachpaaren. [ 53 ] Sie funktioniert auch dann korrekt, wenn sich die Sprachen nicht lexikalisch weiterentwickeln. Eine gewichtete Version der Methode ist ebenfalls möglich. Die Methode erzeugt einen Ausgabebaum. Sie gilt als die Methode, die manuellen Techniken zur Baumkonstruktion am nächsten kommt.

Nachbarnetz

Es verwendet einen ähnlichen Algorithmus wie Neighbor Joining. [ 54 ] Im Gegensatz zur Split-Decomposition werden Knoten nicht sofort fusioniert, sondern erst, nachdem ein Knoten ein zweites Mal gepaart wurde. Anschließend werden die Knoten des Baums durch zwei ersetzt und die Distanzmatrix reduziert. Das Verfahren eignet sich für große und komplexe Datensätze. Allerdings ist das Ergebnis ein Phenogramm und kein Phylogramm. Es ist die gängigste Netzwerkmethode.

Netzwerk

Dies war eine frühe Netzwerkmethode, die in der Sprachanalyse Anwendung fand. Sie wurde ursprünglich für genetische Sequenzen mit mehreren möglichen Ursprüngen entwickelt. [ 55 ] Das Netzwerk reduziert die alternativen Bäume auf ein einziges Netzwerk. Bei mehreren möglichen Verläufen wird eine Retikulation (eine rechteckige Struktur) erstellt. Es generiert eine Liste von Zeichen, die mit einem Baum inkompatibel sind.

ASP

Hierbei wird ein deklarativer Wissensrepräsentationsformalismus und die Methoden der Antwortmengenprogrammierung (ASP) verwendet. [ 56 ] Ein solcher Solver ist CMODELS, der für kleinere Probleme geeignet ist, für größere jedoch Heuristiken erfordert. Durch Vorverarbeitung werden die informativen Zeichen bestimmt. CMODELS transformiert diese in eine Aussagenlogik, deren Modelle mithilfe eines SAT-Solvers berechnet werden.

Fitch/Kitch

Fitch und Kitch sind Maximum-Likelihood-basierte Programme in PHYLIP, die im Gegensatz zu NJ eine Neuanordnung des Baums nach jeder Hinzufügung ermöglichen. Kitch unterscheidet sich von Fitch dadurch, dass es eine konstante Änderungsrate im gesamten Baum annimmt, während Fitch unterschiedliche Raten entlang der einzelnen Äste zulässt. [ 57 ]

Trennstufenmethode

Holm führte im Jahr 2000 eine Methode ein, um einige bekannte Probleme der lexikostatistischen Analyse zu lösen. Dazu gehören die „Symplesiomorphie-Falle“, bei der gemeinsame Archaismen schwer von gemeinsamen Neuerungen zu unterscheiden sind, und die „Proportionalitätsfalle“, bei der spätere Veränderungen frühere verdecken können. Später entwickelte er eine verfeinerte Methode namens SLD, die die variable Wortverteilung in verschiedenen Sprachen berücksichtigt. [ 58 ] Diese Methode setzt keine konstante Änderungsrate voraus.

Schnelle Konvergenzmethoden

Für die Analyse großer Datenbanken (>200 Sprachen) wurden verschiedene schnell konvergierende Analysemethoden entwickelt. Eine davon ist die Disk Covering Method (DCM) [ 59 ] . Diese wurde mit bestehenden Methoden kombiniert, um die Leistung zu verbessern. Die gleichen Autoren beschreiben die DCM-NJ+MP-Methode in ihrer Publikation „The performance of Phylogenetic Methods on Trees of Bounded Diameter“ und vergleichen sie dort mit der NJ-Methode.

Ähnlichkeitsbasierte Modelle

Diese Modelle vergleichen die Buchstaben von Wörtern anstatt ihrer Phonetik. Dunn et al. [ 60 ] untersuchten 125 typologische Zeichen in 16 austronesischen und 15 papuanischen Sprachen . Sie verglichen ihre Ergebnisse mit einem MP-Baum und einem durch traditionelle Analyse erstellten Baum. Dabei wurden signifikante Unterschiede festgestellt. Ähnlich verwendeten Wichmann und Saunders [ 61 ] 96 Zeichen zur Untersuchung von 63 amerikanischen Sprachen.

Computergestützter Massenvergleich

Eine Methode, die für eine erste Untersuchung mehrerer Sprachen auf mögliche Verwandtschaftsverhältnisse vorgeschlagen wurde, war der Massenvergleich . Diese Methode wurde jedoch stark kritisiert und geriet in Vergessenheit. Kürzlich hat Kessler eine computergestützte Version der Methode wiederbelebt, die auf strengen Hypothesentests basiert. [ 62 ] Ziel ist es, Ähnlichkeiten zwischen mehr als zwei Sprachen gleichzeitig zu nutzen. In einer weiteren Arbeit [ 63 ] werden verschiedene Kriterien für den Vergleich von Wortlisten evaluiert. Es zeigte sich, dass die indogermanischen und uralischen Sprachfamilien rekonstruiert werden konnten, es aber keine Hinweise auf eine gemeinsame Oberfamilie gab.

Nichols Methode

Diese Methode nutzt stabile lexikalische Felder, wie beispielsweise Haltungsverben, um Fernbeziehungen herzustellen. [ 64 ] Konvergenz und semantische Verschiebungen werden berücksichtigt, um nach alten Kognaten zu suchen. Ein Modell wird skizziert und die Ergebnisse einer Pilotstudie werden vorgestellt.

ASJP

Das automatisierte Ähnlichkeitsbewertungsprogramm (ASJP) ähnelt der Lexikostatistik , jedoch erfolgt die Ähnlichkeitsbewertung durch ein Computerprogramm nach einem einheitlichen Regelsatz. [ 65 ] Die Stammbäume werden mithilfe gängiger phylogenetischer Methoden generiert. ASJP verwendet 7 Vokalsymbole und 34 Konsonantensymbole. Zusätzlich gibt es verschiedene Modifikatoren. Zwei Wörter gelten als ähnlich, wenn mindestens zwei aufeinanderfolgende Konsonanten in den jeweiligen Wörtern identisch sind, wobei auch Vokale berücksichtigt werden. Der Anteil der als ähnlich bewerteten Wörter mit gleicher Bedeutung in zwei Sprachen ist der lexikalische Ähnlichkeitsprozentsatz (LSP). Zusätzlich wird der phonologische Ähnlichkeitsprozentsatz (PSP) berechnet. Der PSP wird dann vom LSP subtrahiert, um den subtrahierten Ähnlichkeitsprozentsatz (SSP) zu erhalten. Die ASJP-Distanz beträgt 100 - SSP. Aktuell sind in der ASJP-Datenbank [ 66 ] Daten zu über 4.500 Sprachen und Dialekten enthalten , aus denen ein Stammbaum der Weltsprachen erstellt wurde. [ 67 ]

Die Methode von Serva und Petroni

Dieses Verfahren misst den orthografischen Abstand zwischen Wörtern, um die Subjektivität von Verwandtschaftsbeurteilungen zu vermeiden. [ 68 ] Es bestimmt die minimale Anzahl an Operationen, die nötig sind, um ein Wort in ein anderes zu transformieren, normalisiert durch die Länge des längeren Wortes. Aus den Abstandsdaten wird mithilfe der UPGMA-Methode ein Entscheidungsbaum erstellt.

Phonetische Auswertungsmethoden

Heggarty schlug eine Methode vor, um den Grad der Unterschiede zwischen verwandten Wörtern zu messen, anstatt nur Ja/Nein-Antworten zu geben. [ 69 ] Dies basiert auf der Untersuchung zahlreicher (>30) phonetischer Merkmale der Glossen im Vergleich zur Ursprache. Dies könnte einen erheblichen Arbeitsaufwand erfordern, doch Heggarty behauptet, dass lediglich eine repräsentative Lautstichprobe notwendig sei. Er untersuchte auch die Veränderungsrate der Phonetik und fand eine große Variabilität, sodass sie für die Glottochronologie ungeeignet sei. Eine ähnliche Bewertung der Phonetik wurde zuvor bereits von Grimes und Agard für romanische Sprachen durchgeführt, allerdings unter Verwendung von nur sechs Vergleichspunkten. [ 70 ]

Bewertung der Methoden

Kennzahlen

Zur Messung der Ähnlichkeit/Unterschiedlichkeit zweier Bäume stehen Standardverfahren der Mathematik zur Verfügung. Bei Konsensbäumen ist der Konsistenzindex (CI) ein Maß für Homoplasie. Für ein einzelnes Zeichen ist er das Verhältnis der minimal möglichen Anzahl an Schritten auf einem beliebigen Baum (= 1 für Binärbäume) zur Anzahl der rekonstruierten Schritte auf dem Baum. Der CI eines Baums ist die Summe der CIs der einzelnen Zeichen, dividiert durch die Anzahl der Zeichen. [ 71 ] Er repräsentiert den Anteil der korrekt zugeordneten Muster.

Der Retentionsindex (RI) misst die Ähnlichkeit eines Merkmals. Er ist das Verhältnis (g - s) / (g - m), wobei g die größte Anzahl an Schritten eines Merkmals in einem beliebigen Baum, m die kleinste Anzahl an Schritten in einem beliebigen Baum und s die kleinste Anzahl an Schritten in einem bestimmten Baum ist. Es gibt außerdem einen reskalierten CI, der das Produkt aus CI und RI ist.

Bei Binärbäumen wird die Topologie üblicherweise mithilfe der Robinson-Foulds-Metrik verglichen . [ 72 ] Diese Distanz entspricht dem Mittelwert der Anzahl falsch positiver und falsch negativer Ergebnisse hinsichtlich des Auftretens von Ästen. Werte über 10 % gelten als schlechte Übereinstimmung. Für andere Baumarten und Netzwerke existiert noch keine Standardmethode zum Vergleich.

Einige Methoden zur Baumgenerierung erzeugen Listen inkompatibler Zeichen. Diese können bei der Analyse der Ergebnisse äußerst hilfreich sein. Bei heuristischen Methoden stellt die Reproduzierbarkeit ein Problem dar. Dieses Problem wird jedoch durch Standardverfahren der Mathematik behoben.

Vergleich mit früheren Analysen

Zur Evaluierung der Methoden wird eine gut erforschte Sprachfamilie mit einem zuverlässigen Datensatz ausgewählt. Häufig handelt es sich dabei um die indogermanische Familie, es wurden aber auch andere verwendet. Nach Anwendung der zu vergleichenden Methoden auf die Datenbank werden die resultierenden Stammbäume mit dem Referenzstammbaum verglichen, der mithilfe traditioneller linguistischer Methoden ermittelt wurde. Ziel ist es, topologische Konflikte zu vermeiden, beispielsweise fehlende Untergruppen, und kompatible Datierungen zu gewährleisten. Die von Nichols und Warnow [ 73 ] für diese Analyse vorgeschlagenen Sprachfamilien sind Germanisch, Romanisch, Slawisch, Urtürkisch, Chinesisch und Mixe-Zoque sowie ältere Gruppen wie Ozeanisch und Indogermanisch.

Nutzung von Simulationen

Obwohl die Verwendung realer Sprachen die Realitätsnähe erhöht und reale Probleme aufwirft, leidet die oben beschriebene Validierungsmethode darunter, dass die tatsächliche Sprachentwicklung unbekannt ist. Durch die Generierung eines Datensatzes aus einer simulierten Evolution ist der korrekte Stammbaum bekannt. Dieser stellt jedoch eine vereinfachte Version der Realität dar. Daher sollten beide Evaluierungstechniken angewendet werden.

Sensitivitätsanalyse

Um die Robustheit einer Lösung zu beurteilen, ist es wünschenswert, die Eingangsdaten und -beschränkungen zu variieren und die Ausgabe zu beobachten. Jede Variable wird nacheinander leicht verändert. Diese Analyse wurde in einer Reihe von Fällen durchgeführt, und die Methoden erwiesen sich als robust, beispielsweise von Atkinson und Gray. [ 74 ]

Studien, die Methoden vergleichen

Anfang der 1990er Jahre begannen der Linguist Donald Ringe , die Informatiker Luay Nakhleh und Tandy Warnow , der Statistiker Steven N. Evans und weitere Wissenschaftler mit der Forschung im Bereich der quantitativen vergleichenden Sprachwissenschaft. Später gründeten sie das CHPL-Projekt , dessen Ziele unter anderem die Erstellung und Pflege realer linguistischer Datensätze, insbesondere zu indogermanischen Sprachen, die Formulierung statistischer Modelle zur Erfassung der Entwicklung historischer Sprachdaten, die Entwicklung von Simulationswerkzeugen und Genauigkeitsmaßen zur Generierung synthetischer Daten für die Untersuchung der Leistungsfähigkeit von Rekonstruktionsmethoden sowie die Entwicklung und Implementierung statistischer und kombinatorischer Methoden zur Rekonstruktion von Sprachphylogenien, einschließlich phylogenetischer Netzwerke, umfassen. [ 75 ]

Rexova et al. (2003) [ 76 ] führten einen Vergleich verschiedener Kodierungsmethoden durch. Sie erstellten einen reduzierten Datensatz aus der Dyen-Datenbank, ergänzt um hethitische Wörter. Dabei entwickelten sie eine Standard-Mehrzustandsmatrix, in der die 141 Zeichenzustände einzelnen verwandten Klassen entsprechen und Polymorphismus ermöglicht wird. Um Subjektivität zu reduzieren, fassten sie zudem einige verwandte Klassen zusammen; polymorphe Zustände waren in diesen Fällen nicht zulässig. Abschließend erstellten sie eine Binärmatrix, in der jede Wortklasse als separates Zeichen behandelt wurde. Die Matrizen wurden mit PAUP analysiert. Es zeigte sich, dass die Verwendung der Binärmatrix Veränderungen nahe der Wurzel des Baums bewirkte.

McMahon und McMahon (2003) verwendeten drei PHYLIP-Programme (NJ, Fitch und Kitch) auf dem DKB-Datensatz. [ 77 ] Sie stellten fest, dass die Ergebnisse sehr ähnlich waren. Mithilfe von Bootstrapping wurde die Robustheit einzelner Teile des Baums getestet. Anschließend verwendeten sie Teilmengen der Daten, um dessen Erhaltungs- und Rekonstruktionsfähigkeit zu beurteilen. [ 42 ] Die Ergebnisse zeigten topologische Unterschiede, die auf Entlehnungen zurückgeführt wurden. Sie verwendeten dann auch Network, Split Decomposition, Neighbor-net und SplitsTree auf verschiedenen Datensätzen. Zwischen den beiden letztgenannten Methoden wurden signifikante Unterschiede festgestellt. Neighbor-net erwies sich als optimal für die Erkennung von Sprachkontakt .

Im Jahr 2005 verglichen Nakhleh, Warnow, Ringe und Evans sechs Analysemethoden anhand einer indogermanischen Datenbank. [ 78 ] Die verglichenen Methoden waren UPGMA, NJ, MP, MC, WMC und GA. Für UPGMA, NJ und MC sowie zur Berechnung der Mehrheitskonsensbäume wurde das Softwarepaket PAUP verwendet. Die RWT-Datenbank diente als Grundlage, jedoch wurden 40 Merkmale aufgrund von Hinweisen auf Polymorphismus entfernt. Anschließend wurde eine bereinigte Datenbank erstellt, in der alle Merkmale mit eindeutig paralleler Entwicklung ausgeschlossen wurden, wodurch 38 Merkmale verblieben. Die Bäume wurden anhand der Anzahl inkompatibler Merkmale und der Übereinstimmung mit etablierten Subgruppierungsergebnissen bewertet. UPGMA erwies sich als deutlich am schlechtesten, während zwischen den anderen Methoden nur geringe Unterschiede bestanden. Die Ergebnisse hingen vom verwendeten Datensatz ab. Es zeigte sich, dass die Gewichtung der Merkmale wichtig ist und linguistisches Urteilsvermögen erfordert.

Saunders (2005) [ 79 ] verglich NJ, MP, GA und Neighbor-Net anhand einer Kombination aus lexikalischen und typologischen Daten. Er empfahl die Anwendung der GA-Methode, Nichols und Warnow äußerten jedoch Bedenken hinsichtlich der Studienmethodik. [ 80 ]

Cysouw et al. (2006) [ 81 ] verglichen Holms ursprüngliche Methode mit NJ, Fitch, MP und SD. Sie stellten fest, dass Holms Methode weniger genau war als die anderen.

François Barbancon, Warnow, Evans, Ringe und Nakleh (2013) untersuchten 2013 verschiedene Methoden zur Rekonstruktion von Stammbäumen anhand simulierter Daten. [ 82 ] Die simulierten Daten variierten hinsichtlich der Anzahl der Kontaktkanten, des Homoplasiegrades, der Abweichung von einer lexikalischen Uhr und der Abweichung von der Annahme gleicher Raten über alle Positionen hinweg. Es zeigte sich, dass die Genauigkeit der ungewichteten Methoden (MP, NJ, UPGMA und GA) unter allen untersuchten Bedingungen konsistent war, wobei MP die besten Ergebnisse lieferte. Die Genauigkeit der beiden gewichteten Methoden (WMC und WMP) hing von der Eignung des Gewichtungsschemas ab. Bei geringer Homoplasie lieferten die gewichteten Methoden im Allgemeinen genauere Ergebnisse, jedoch konnte eine ungeeignete Gewichtung bei mittlerer oder hoher Homoplasie zu schlechteren Ergebnissen als bei MP oder GA führen.

Das beste Modell auswählen

Die Wahl eines geeigneten Modells ist entscheidend für aussagekräftige phylogenetische Analysen. Sowohl unterparametrisierte als auch zu restriktive Modelle können zu unerwartetem Verhalten führen, wenn ihre zugrunde liegenden Annahmen verletzt werden. Zu komplexe oder überparametrisierte Modelle hingegen erfordern lange Rechenzeiten und können zu einer Überanpassung der Parameter führen. [ 83 ] Die gebräuchlichste Methode zur Modellauswahl ist der Likelihood-Ratio-Test, der die Übereinstimmung zwischen Modell und Daten schätzt. Alternativ können das Akaike-Informationskriterium (AIC) oder das Bayes-Informationskriterium (BIC) verwendet werden. Es stehen Computerprogramme zur Modellauswahl zur Verfügung.

Siehe auch

Anmerkungen

  1. ^ Sapir, Edward (1916). „Zeitperspektive in der Kultur der amerikanischen Ureinwohner: Eine Methodenstudie“. Geological Survey Memoir 90, Nr. 13. Anthropologische Reihe. Ottawa: Government Printing Bureau.
  2. ^ Kroeber, AL; Chrétien, CD (1937). „Quantitative Classification of Indo-European Languages“. Language . 13 (2): 83–103 . doi : 10.2307/408715 . JSTOR 408715 . 
  3. Ross , Alan SC (1950). „Philologische Wahrscheinlichkeitsprobleme“. Journal of the Royal Statistical Society. Series B (Methodological) . 12 (1): 19–59 . doi : 10.1111/j.2517-6161.1950.tb00040.x . JSTOR 2983831 . 
  4. ^ Swadesh, Morris (1952). „Lexiko-statistische Datierung prähistorischer ethnischer Kontakte: Mit besonderer Berücksichtigung nordamerikanischer Indianer und Eskimos“. Proceedings of the American Philosophical Society . 96 (4): 452–463 . JSTOR 3143802 . 
  5. ^ Bergsland, Knut; Vogt, Hans (1962). „Zur Gültigkeit der Glottochronologie“. Current Anthropology . 3 ( 2): 115–153 . doi : 10.1086/200264 . JSTOR 2739527. S2CID 144236043 .  
  6. ^ Dyen, Isidore; Kruskal, Joseph B.; Black, Paul (1992). „Eine indogermanische Klassifikation: Ein lexikostatistisches Experiment“. Transactions of the American Philosophical Society . 82 (5): iii–132. doi : 10.2307/1006517 . JSTOR 1006517 . 
  7. ^ Ringe, Don; Warnow, Tandy; Taylor, Ann (2002). „Indo-European and Computational Cladistics“ . Transactions of the Philological Society . 100 : 59–129 . doi : 10.1111/1467-968X.00091 .
  8. ^ Ursprünglich veröffentlicht in Gray, Russell D.; Atkinson, Quentin D. (2003). „Language-tree divergence times support the Anatolian theory of Indo-European origin“ . Nature . 426 ( 6965): 435–439 . Bibcode : 2003Natur.426..435G . doi : 10.1038/nature02029 . PMID 14647380. S2CID 42340 .  
  9. ^ Veröffentlicht von Renfrew, McMahon und Trask im Jahr 2000
  10. ^ Bouckaert, R.; Lemey, P.; Dunn, M.; Greenhill, SJ; Alekseyenko, AV; Drummond, AJ; Gray, RD; Suchard, MA; Atkinson, QD (2012). „Mapping the Origins and Expansion of the Indo-European Language Family“ . Science . 337 ( 6097): 957–960 . Bibcode : 2012Sci...337..957B . doi : 10.1126/science.1219669 . PMC 4112997. PMID 22923579 .  
  11. Honkola, T.; Vesakoski, O.; Korhonen, K.; Lehtinen, J.; Syrjänen, K.; Wahlberg, N. (2013). „Kulturelle und klimatische Veränderungen prägen die Evolutionsgeschichte der uralischen Sprachen“ . Journal of Evolutionary Biology . 26 (6): 1244–1253 . doi : 10.1111 / jeb.12107 . PMID 23675756. S2CID 7966025 .  
  12. ^ Hruschka, Daniel J.; Branford, Simon; Smith, Eric D.; Wilkins, Jon; Meade, Andrew; Pagel, Mark; Bhattacharya, Tanmoy (2015). „Detecting Regular Sound Changes in Linguistics as Events of Concerted Evolution“ . Current Biology . 25 ( 1): 1–9 . Bibcode : 2015CBio...25....1H . doi : 10.1016/j.cub.2014.10.064 . PMC 4291143. PMID 25532895 .  
  13. Kolipakam , Vishnupriya; Jordan, Fiona M.; Dunn, Michael; Greenhill, Simon J.; Bouckaert, Remco; Gray, Russell D.; Verkerk, Annemarie (2018). „Eine Bayes’sche phylogenetische Studie der dravidischen Sprachfamilie“ . Royal Society Open Science . 5 (3) 171504. Bibcode : 2018RSOS....571504K . doi : 10.1098 / rsos.171504 . PMC 5882685. PMID 29657761 .  
  14. ^ Sidwell, Paul. 2015. Eine umfassende phylogenetische Analyse der austroasiatischen Sprachen . Präsentiert auf der Konferenz „Diversity Linguistics: Retrospect and Prospect“, 1.–3. Mai 2015 (Leipzig, Deutschland), Abschlusskonferenz der Abteilung für Linguistik am Max-Planck-Institut für evolutionäre Anthropologie.
  15. ^ Gray, RD; Drummond, AJ; Greenhill, SJ (2009). „Sprachphylogenien enthüllen Expansionsphasen und -pausen bei der Besiedlung des Pazifiks“. Science . 323 ( 5913): 479–483 . Bibcode : 2009Sci...323..479G . doi : 10.1126/science.1166858 . PMID 19164742. S2CID 29838345 .  
  16. ^ Bowern, Claire und Atkinson, Quentin, 2012. Computergestützte Phylogenetik und die interne Struktur von Pama-Nyungan . Language, Vol. 88, 817-845.
  17. ^ Bouckaert, Remco R.; Bowern, Claire; Atkinson, Quentin D. (2018). „Der Ursprung und die Ausbreitung der Pama-Nyungan-Sprachen in ganz Australien“. Naturökologie und Evolution . 2 (4): 741– 749. Bibcode : 2018NatEE...2..741B . doi : 10.1038/s41559-018-0489-3 . PMID 29531347 . S2CID 4208351 .  
  18. ^ Currie, Thomas E.; Meade, Andrew; Guillon, Myrtille; Mace, Ruth (2013). „Kulturelle Phylogeographie der Bantusprachen Subsahara-Afrikas“ . Proceedings of the Royal Society B: Biological Sciences . 280 (1762) 20130695. doi : 10.1098/rspb.2013.0695 . PMC 3673054. PMID 23658203 .  
  19. ^Grollemund, Rebecca; Branford, Simon; Bostoen, Koen; Meade, Andrew; Venditti, Chris; Pagel, Mark (2015). "Bantu expansion shows that habitat alters the route and pace of human dispersals". Proceedings of the National Academy of Sciences. 112 (43): 13296–13301. Bibcode:2015PNAS..11213296G. doi:10.1073/pnas.1503793112. PMC 4629331. PMID 26371302.
  20. ^Kitchen, Andrew; Ehret, Christopher; Assefa, Shiferaw; Mulligan, Connie J. (2009). "Bayesian phylogenetic analysis of Semitic languages identifies an Early Bronze Age origin of Semitic in the Near East". Proceedings of the Royal Society B: Biological Sciences. 276 (1668): 2703–2710. doi:10.1098/rspb.2009.0408. PMC 2839953. PMID 19403539.
  21. ^Sicoli, Mark A.; Holton, Gary (2014). "Linguistic Phylogenies Support Back-Migration from Beringia to Asia". PLOS ONE. 9 (3) e91722. Bibcode:2014PLoSO...991722S. doi:10.1371/journal.pone.0091722. PMC 3951421. PMID 24621925.
  22. ^Wheeler, Ward C.; Whiteley, Peter M. (2015). "Historical linguistics as a sequence optimization problem: The evolution and biogeography of Uto-Aztecan languages"(PDF). Cladistics. 31 (2): 113–125. doi:10.1111/cla.12078. PMID 34758582. S2CID 86030904.
  23. ^Atkinson, Q. D. (2006). From Species to Languages – a phylogenetic approach to human history. PhD thesis, University of Auckland, Auckland.
  24. ^Walker, Robert S.; Ribeiro, Lincoln A. (2011). "Bayesian phylogeography of the Arawak expansion in lowland South America". Proceedings of the Royal Society B: Biological Sciences. 278 (1718): 2562–2567. doi:10.1098/rspb.2010.2579. PMC 3136831. PMID 21247954.
  25. ^ Michael, Lev, Natalia Chousou-Polydouri, Keith Bartolomei, Erin Donnelly, Vivian Wauters, Sérgio Meira, Zachary O'Hagan. 2015. Eine bayesianische phylogenetische Klassifikation von Tupí-Guaraní . LIAMES 15(2):193-221.
  26. ^ Zhang, Menghan; Yan, Shi; Pan, Wuyun; Jin, Li (2019). „Phylogenetische Belege für einen sino-tibetischen Ursprung in Nordchina im späten Neolithikum“. Nature . 569 ( 7754): 112–115 . Bibcode : 2019Natur.569..112Z . doi : 10.1038/s41586-019-1153-z . PMID 31019300. S2CID 129946000 .  
  27. Sagart , Laurent; Jacques, Guillaume; Lai, Yunfan; Ryder, Robin; Thouzeau, Valentin; Greenhill, Simon J.; List, Johann-Mattis (2019). „Datierte Sprachphylogenien beleuchten die Abstammung des Sino-Tibetischen“ . Proceedings of the National Academy of Sciences of the United States of America . 116 (21): 10317–10322 . Bibcode : 2019PNAS..11610317S . doi : 10.1073 / pnas.1817972116 . PMC 6534992. PMID 31061123 .  
  28. ^ a b McMahon, April MS; McMahon, Robert (2005). Language Classification by Numbers . Oxford University Press. ISBN 978-0-19-927902-9Die
  29. ^ Harrison, SP (2003). „Über die Grenzen der vergleichenden Methode“. In: Brian D. Joseph; Richard D. Janda (Hrsg.). Handbuch der historischen Linguistik . Blackwell Publishing. S.  213–243 . doi : 10.1002/9781405166201.ch2 . ISBN 978-1-4051-6620-1Die
  30. ^ Embleton, Sheila M. (1986). Statistik in der historischen Linguistik . Brockmeyer. ISBN 978-3-88339-537-1Die
  31. Heggarty , Paul (2006). „Interdisziplinäre Indisziplinarität? Können phylogenetische Methoden sinnvoll auf Sprachdaten – und auf die Datierung von Sprachen – angewendet werden?“ (PDF) . In: Peter Forster; Colin Renfrew (Hrsg.). Phylogenetische Methoden und die Vorgeschichte der Sprachen . McDonald Institute Monographs. McDonald Institute for Archaeological Research. Archiviert vom Original (PDF) am 28.01.2021 . Abgerufen am 22.02.2020 .
  32. ^Nichols, Johanna; Warnow, Tandy (2008). "Tutorial on Computational Linguistic Phylogeny". Language and Linguistics Compass. 2 (5): 760–820. doi:10.1111/j.1749-818X.2008.00082.x.
  33. ^Huson, Daniel H.; Bryant, David (2006). "Application of Phylogenetic Networks in Evolutionary Studies". Molecular Biology and Evolution. 23 (2): 254–267. doi:10.1093/molbev/msj030. PMID 16221896.
  34. ^Atkinson, Q. D.; Meade, A.; Venditti, C.; Greenhill, S. J.; Pagel, M. (2008). "Languages Evolve in Punctuational Bursts". Science. 319 (5863): 588. doi:10.1126/science.1149683. hdl:1885/33371. PMID 18239118. S2CID 29740420.
  35. ^Swadesh, Morris (1955). "Towards Greater Accuracy in Lexicostatistic Dating". International Journal of American Linguistics. 21 (2): 121–137. doi:10.1086/464321. JSTOR 1263939. S2CID 144581963.
  36. ^At http://www.idc.upenn.edu
  37. ^Rexova, K. (2003). "Cladistic analysis of languages: Indo-European classification based on lexicostatistical data". Cladistics. 19 (2): 120–127. doi:10.1016/S0748-3007(02)00147-0.
  38. ^CSLI Publications, 2001
  39. ^Holman, Eric W.; Wichmann, Søren; Brown, Cecil H.; Velupillai, Viveka; Müller, André; Bakker, Dik (2008). "Explorations in automated language classification". Folia Linguistica. 42 (3–4). doi:10.1515/FLIN.2008.331. S2CID 82275473.
  40. ^Haspelmath et al., World Atlas of Language Structures, OUP 2005
  41. ^On calculating the factor of chance in language comparison, Transactions of the American Philosophical Society 82 (1992)
  42. ^ abLanguage Classification by Numbers
  43. ^On detection of borrowing, Diachronia 20/2 (2003)
  44. ^see for example Bergsland and Vogt
  45. ^For example, Pagel, Atkinson and Meade, Frequency of word-use predicts rates of lexical evolution throughout Indo-European history, Nature 449, 11 Oct 2007
  46. ^Atkinson and Gray, How old is the Indo-European family (in Phylogenetic Methods and the Prehistory of Languages, Forster and Renfrew, 2006
  47. ^Indo-European and Computational Cladistics, Transactions of the Philosophical Society 100/1 (2002)
  48. ^Nakhleh et al. Perfect Phylogenic networks, Language 81 (2005)
  49. ^Metropolis et al. 1953
  50. ^Nicholls, Geoff K.; Gray, Russell D. "Quantifying uncertainty in a stochastic model of vocabulary evolution". Phylogenetic methods and the prehistory of languages. Mcdonald Institute for Archaeological Research. pp. 161–171. CiteSeerX 10.1.1.799.8282.
  51. ^Ryder, Robin; Nicholls, Geoff (2011), "Missing data in a stochastic Dollo model for cognate data, and its application to the dating of Proto-Indo-European", Journal of the Royal Statistical Society, Series C, 60 (1): 71–92, doi:10.1111/j.1467-9876.2010.00743.x, S2CID 118853910, archived from the original on 2020-06-16, retrieved 2019-11-26
  52. ^Bandelt and Dress 1992
  53. ^Saitou and Nei (1987)
  54. ^Bryant and Moulton : Neighbor-net, an agglomerative method for the construction of phylogenetic networks - Molecular Biology and Evolution 21 (2003)
  55. ^Bandelt et al. 1995
  56. ^Brooks, Erdem. Minett and Ringe : Character-based cladistics and answer set programming
  57. ^McMahon and McMahon
  58. ^Holm : The new arboretum of Indo-European trees - Journal of Quantitative Linguistics 14 (2007)
  59. ^Nakhleh, Roshan, St John, Sun and Warnow : Designing fast converging phylogentic methods - Bioinfomatics, OUP 2001
  60. ^Structural Phylogenetics and the reconstruction of ancient language history, Science 309, 2072 (2005)
  61. ^How to use typological databases in historical linguistic research, Diachronica 24, 373 (2007)
  62. ^See for example The Mathematical Assessment of Long Range Linguistic Relationships - Language and Linguistics Compass 2/5 (2008)
  63. ^Kessler and Lehtonen : Multilateral Comparison and Significance Testing
  64. ^ Nichols: Quasi-Kognaten und lexikalische Typverschiebungen (in: Phylogenetik und die Vorgeschichte der Sprachen, Forster und Renfrew, 2006)
  65. ^ Brown et al.: Automatisierte Klassifizierung der Weltsprachen, Sprachtypologie und Universalienforschung, 61.4: 285–308, 2008. Archiviert am 23. Juni 2010 im Internet Archive .
  66. ^ Von ASJP verarbeitete Sprachen. Archiviert am 11. Mai 2010 in der Wayback Machine (15. März 2010).
  67. ^ Müller, A., S. Wichmann, V. Velupillai et al. 2010. ASJP World Language Tree of Lexical Similarity: Version 3 (Juli 2010) . Archiviert am 30. Juli 2010 im Internet Archive .
  68. ^ Indogermanischer Sprachbaum nach Levenstein-Distanz
  69. ^ Quantifizierung des Wandels der Phonetik im Laufe der Zeit (in: Zeittiefe in der historischen Linguistik, Renfrew, McMahon und Trask, 2001)
  70. ^ Linguistische Vielfalt in den romanischen Sprachen, Language 35 1959
  71. ^ Kluge und Farris, Systematic Zoology 18, 1-32 (1969)
  72. ^ Robinson und Foulds: Vergleich phylogenetischer Bäume - Mathematical Biosciences - 53 (1981)
  73. ^ Tutorial on Computational Linguistic Phylogeny, Language and Linguistic Compass 2/5 (2008)
  74. ^ Wie alt ist die indogermanische Sprachfamilie? (in: Phylogenetische Methoden und die Vorgeschichte der Sprachen, Forster und Renfrew, 2006)
  75. ^ CPHL: Computational Phylogenetics in Historical Linguistics (Homepage), 2009 (17. Oktober 2017).
  76. ^ Kladistische Sprachanalyse, Cladistics 19/2 (2003)
  77. ^ Finding Families, quantitative methods in language classification. Transactions of the Philological Society 101 (2003)
  78. ^ Nakhleh, Warnow, Ringe und Evans, " Ein Vergleich phylogenetischer Rekonstruktionsmethoden anhand eines IE-Datensatzes " (2005)
  79. ^ Linguistische Phylogenetik für drei austronesische Familien, Bachelorarbeit, Swarthmore College (2005)
  80. ^ Tutorial zur computerlinguistischen Phylogenie
  81. ^ Eine Kritik der Separationsbasismethode für genealogische Untergruppierungen mit Daten aus Mixe-Zoquean , Journal of Quantitative Linguistics 13, 225 (2006)
  82. ^ Barbancon, Warnow, Evans, Ringe und Nakhleh, Eine experimentelle Studie zum Vergleich linguistischer phylogenetischer Rekonstruktionsmethoden
  83. ^ Sullivan und Joyce, Modellselektion in der Phylogenetik , Annual Review of Ecology, Evolution and Systematics 36 (2005)

Bibliographie