กาฬโรค หรือที่รู้จักกันในชื่อ มรณะดำ (Black Death) คือหนึ่งในเหตุการณ์การระบาดใหญ่ที่ส่งผลกระทบต่อประชากรโลกอย่างมหาศาลในศตวรรษที่ 14 เรื่องราวนี้ไม่ได้เป็นเพียงแค่บันทึกถึงความตายเท่านั้น แต่ยังเป็นชุดข้อมูลทางประวัติศาสตร์ขนาดใหญ่ (Historical Dataset) ที่ซับซ้อน ซึ่งการทำความเข้าใจกลไกการแพร่กระจายและผลกระทบทางสังคม จำเป็นต้องใช้เครื่องมือวิเคราะห์ขั้นสูงอย่างระบบจัดการฐานข้อมูล (DBMS) เช่น PostgreSQL
การจำลองการแพร่ระบาด: การสร้างโมเดลข้อมูลด้วย PostgreSQL
ในมุมมองของ System Specialist เราสามารถมองการระบาดของกาฬโรคเป็นชุดข้อมูล (Dataset) ที่ประกอบด้วยแหล่งกำเนิด (Origin), เส้นทางการแพร่กระจาย (Transmission Routes), และอัตราการเสียชีวิต (Mortality Rates) เพื่อให้เห็นภาพการวิเคราะห์ข้อมูล เราจะใช้ PostgreSQL ในการสร้างตารางจำลองและใช้ Common Table Expressions (CTEs) เพื่อติดตามการขยายตัวของเชื้อโรคจากจุดเริ่มต้นไปยังศูนย์กลางทางเศรษฐกิจ
SQL
-- 1. สร้างตารางจำลองข้อมูลการระบาด (Simulated Plague Data) --
CREATE TABLE plague_records (
region VARCHAR(50),
year INTEGER,
mortality_rate NUMERIC,
trade_route VARCHAR(100)
);
-- 2. ใส่ข้อมูลเริ่มต้น (Initial Data Points) --
INSERT INTO plague_records (region, year, mortality_rate, trade_route) VALUES
('Asia', 1347, 0.15, 'Silk Road');
INSERT INTO plague_records (region, year, mortality_rate, trade_route) VALUES
('Mediterranean', 1348, 0.30, 'Trade Hub');
INSERT INTO plague_records (region, year, mortality_rate, trade_route) VALUES
('Europe', 1349, 0.45, 'Maritime Trade');
-- 3. การวิเคราะห์การแพร่กระจาย (Using CTE for Step-by-Step Spread) --
WITH spread_analysis AS (
SELECT region, year, mortality_rate
FROM plague_records
WHERE region = 'Europe' AND year = 1349
)
SELECT
region,
year,
AVG(mortality_rate) AS average_impact
FROM spread_analysis
GROUP BY region, year;
การวิเคราะห์ผลกระทบเชิงโครงสร้าง (Structural Impact Analysis)
การระบาดครั้งใหญ่นี้ทำให้เกิดการขาดแคลนแรงงานอย่างรุนแรง ซึ่งส่งผลให้ระบบศักดินา (Feudalism) ล่มสลาย การวิเคราะห์นี้สามารถทำได้โดยการรวมข้อมูล (JOIN) ระหว่างอัตราการเสียชีวิตกับสถานะทางเศรษฐกิจ เพื่อหาความสัมพันธ์ที่ชัดเจน
SQL
-- การหาภูมิภาคที่ได้รับผลกระทบสูงสุดในปี 1349 --
SELECT
region,
COUNT(*) AS number_of_records,
MAX(mortality_rate) AS highest_mortality
FROM plague_records
WHERE year = 1349
GROUP BY region
HAVING MAX(mortality_rate) > 0.30;
บทสรุป: บทเรียนจากข้อมูลประวัติศาสตร์
การศึกษา Black Death ผ่านมุมมองของระบบฐานข้อมูล ไม่เพียงแต่ช่วยให้เราเข้าใจถึงความโหดร้ายของโรคระบาด แต่ยังแสดงให้เห็นถึงความสามารถของเทคโนโลยีในการจัดระเบียบและวิเคราะห์ข้อมูลที่ซับซ้อน การวิเคราะห์ด้วย PostgreSQL ทำให้เราสามารถระบุจุดวิกฤต (Critical Nodes) เช่น เส้นทางการค้า หรือภูมิภาคที่มีอัตราการเสียชีวิตสูงสุด ซึ่งเป็นรากฐานสำคัญของการปฏิรูปโครงสร้างสังคมในยุคหลังการระบาดใหญ่