USA-flag

NCBI:《权力的游戏》中的死亡与生存

2019-06-03 11:36 我要评论(0)

原文标题:“Death is certain, the time is not”: mortality and survival in Game of Thrones

译文标题“死亡是必然的归宿,但时间并不确定”:《权力的游戏》中的死亡与生存

原刊媒体:NCBI

作者Reidar P. Lystad、Benjamin T. Brown

原文链接:https://www.ncbi.nlm.nih.gov/pubmed/30535868

背景

《权力的游戏》(以下简称《权》)是一部广受欢迎的HBO连续剧,改编自乔治·P·R·马丁的《冰与火之歌》系列。这部连续剧刻画了一个虚拟的社会,其中充满了政治动乱、内战和无处不在的暴力。仇恨的累积,加上缺乏一个稳定的民主政府,让管理者和管理机构无法为居民提供服务、改善他们的健康条件、提高他们的福祉。《权》的世界让人联想到欧洲历史,这并不奇怪,因为原作者曾经承认他的作品灵感来源于多个历史事件,尤其是15世纪末发生在英格兰的玫瑰战争。

暴力作为所有社会的特征贯穿了整个人类历史,但是随着时间的推移,暴力呈逐渐下降的趋势。例如,暴力导致的死亡人数从国家出现前社会中的每十万分之五百,下降到中世纪的十万分之四十,当代社会的数字不到十万分之十。在国家出现前的社会,15%的人因战争而死亡,今天这个数字不到0.005%。斯蒂芬·平克在他的书《人性中的善良天使:暴力为什么会减少》中提到,有五个历史因素导致了当代社会暴力程度的下降:当代国家的出现让动用武力的合法性被国家垄断、商业比武力征服更重要、一系列启蒙思想的出现(比如人权、知识的普及、理性的解决问题和决策过程)。

几乎没有人对《权》中人物的健康和福祉状况进行研究。有一项研究提到了所谓的“灰鳞病”,另一项研究讨论了强迫性健身行为以及相关的荷尔蒙反应。据笔者所知,尚未出现任何与生存和死亡有关的研究。因此这份报告的主要目的是分析《权》中人物的生存和死亡状况;估算存活的时间和生存的几率;分析促成其死亡和生存的因素;描述死亡的原因。附带性的目的是让笔者在最终季播放之前,有借口重温前七季的内容。

方法

人口研究

研究中包括了HBO的《权》电视连续剧前七季中所有出现的重要人物。所谓“重要人物”的定义是满足以下所有条件的人物:人类;出现在片头或者片尾的演职员表中;出现在当前事件的画面中(也就是不包括闪回的内容);首次出现时尚未死亡。未出现在演职员表中的人物也可能被包括进来,条件是他们与其他角色之间的互动对于故事的发展和人物性格的塑造起到了重要的作用。人物是否有台词并不是一个必要的条件,因为有些人物因自身条件无法讲话(比如脑部创伤或者截舌术)。

数据来源

主要的数据来源是《权》DVD套装,其中包括了目前已经播放的七季、67集电视剧。除此之外,IMDb和维基百科中的“权力的游戏”词条内容也被列入参考范围,用来与直接观察所得进行校验。两位笔者分别独立列出了死亡事件发生的时间,如果出现差异,二人共同在原材料中检验数据来源,并取得一致意见。

每个人物都被记录下他们的社会人口信息:性别、社会地位、职业、宗教信仰和效忠对象。对于社会地位,身为领主及其合法后裔的人物被归类为“贵族”,其他所有人物被归类为“贱民”。职业包括“丝领”(比如神职人员、商人、政客、统治者)和“皮领”(包括武士、农夫和其它从事繁重手工劳动的职业)。部分角色在剧集中曾经改变过宣誓效忠的对象,因此他们最后所在的团体以及是否转换过身份都被记录下来。

这里引入了一个评判人物在剧中重要程度的间接方法。重要性分值的计算方法是,用一个人物在剧中真正出现的集数除以这个人物有可能出现的集数(也就是从这个人物第一次登场一直到他/她死亡或者被编剧砍掉,一共过了几集)。然后用这个数字乘以这个人物曾经出现过的季数。(译者注:举例来说,某个人物在第一季第一集出现,在第三季第八集死亡,其中有9集出现。那么这个人物的重要性分值就是9/28*3。)重要性分值被分为三个级别:高、中、低。

结论描述

这项研究的主要目的是呈现距离死亡的时间。生存时间从这个人物第一次出现在电视剧中开始,以小时为单位。七季的净时长(排除片头和片尾的剧集时间)被加总,作为所有剧集的时间长度,这个数字表明一个人物有可能存活的最长时间。对每个人物来说,他们的起始时间就是在剧集中首次出现或者首次被提到的时间,终止时间是死亡时间,或者被剪辑时间,如果他们活到了第七季结束的话。

尽管大部分的死亡场景都被毫无保留地呈现出来,但也有些死亡事件只在对话中被提到,或者通过剧情暗示出来。对于这些人物,死亡的时间被定义为表明死亡的场景或者剧集结束时的净时长。对于每一个死亡事件,主要的诊断信息、死因和死亡地点都被记录下来,依据是“疾病和相关健康问题的国际统计分类”第十款的澳大利亚修订版,这个版本参照了世界卫生组织的分类标准。除此之外,每个死亡事件发生的地理位置(维斯特洛斯、厄索斯、索斯罗斯等)、具体地点(室内、室外)和一天中的时间(白天、夜晚)也被记录下来。

统计分析

统计分析的方法使用R语言分析法,3.3.2版本。汇总统计被用来描述人物死亡的具体特征,卡普兰-梅尔生存分析法被用来制作共生群的生存经历曲线。我们使用分层分析和佩托-佩托测试法来比较人物次生群体的生存经历(也就是社会人口变量)。与常规的非参数法给所有因素都赋予相同权重的方法不同,佩托-佩托测试法把更早出现的变量赋予更大的权重。而且,非参数法的假设是存在同比例的变量,当出现不同比例的变量迹象时,佩托-佩托法就更有效率。

多变量考克斯比率风险回归模型被用来识别潜在的预测变量。多变量模型中P<0.10的变量被包括在后续的多变量考克斯比率风险回归模型中。比率风险假设在舍恩菲尔德残值中作为时间的函数。当潜在的预测变量出现违背比率风险假设的迹象时,时间协变量就被用来确定潜在预测与生存时间函数的关系。这种互动的关系也被用来假设多变量模型中的时间协变量。最终的多变量模型可以识别出生存和估算风险比例的预测值,其信备率为95%。当P<0.05时,变量就被认为是生存的独立预测值。

结果