數字人文技術在檔案編研中的應用研究

葉靖宜

摘要：數字人文是在人文計算的基礎上發展起來的，側重人文社會科學研究對象知識本體的數字化保存和應用。近年來隨著信息化技術的不斷發展，數字人文技術深入檔案編研領域不斷嘗試和應用，自我國大力推進檔案信息化建設以來，已經產生了大量數字檔案信息資源，但過程中也產生了信息化程度低、缺乏組織規范、技術不成熟等問題，文章從國家政府和檔案館自身兩方面有針對性的提出建議，以期為檔案編研工作提供參考和指導。

關鍵詞：數字人文;檔案館;技術應用

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2020）03-0013-03

1 數字人文的概念

1.1 起源與概念

目前，學術界普遍認為數字人文起源于人文計算（Humani-ties Computing），1949年，意大利耶穌教神父羅伯托·布薩（Ro-berto Busa）在IBM公司的協助下，使用計算機處理神學家阿奎那（Thomas Aquinas）的全集，半自動地生成其中中世紀拉丁文字詞的索引，自此引起了學者們對于人文計算的關注和研究。數字人文是在人文計算的基礎上發展起來的，但兩者研究的側重點有所不同，人文計算強調的是計算機技術在人文社會科學領域中的應用，而數字人文是針對計算工具與所有文化產品交叉領域的研究[1]，側重人文社會科學研究對象知識本體的數字化保存和應用[2]。

1.2 數字人文的定義

對于數字人文，學界尚未形成統一的定義，劍橋大學藝術、社科人文研究中心學者Katy Barrett認為，數字人文是利用計算機對于傳統人文研究資料進行處理和分析，結合人文學科方法論和計算機進行人文研究[3]。倫敦國王學院的Willard Mc Carty教授認為，利用研究對象數字化對人文科學研究的內容、方法和模式進行支撐、保障和創新是數字人文研究的核心[4]。我國學者趙生輝認為，數字人文是圍繞人文社會科學領域特定研究對象知識本體的數字化保存和應用所進行的相關信息資源采集、加工、組織、服務、研究、教育等活動總稱[2]。而對于數字人文最經典的定義是美國伊利諾伊香檳分校圖書情報學院院長約翰安斯沃斯（John Unsworth）教授提出的，數字人文是一種代表性的實踐、一種建模的方式，或者說就是一種擬態、一種推理、一個本體論約定。這種代表性的實踐可一分為二，一端是高效的計算，另一端是人文溝通[5][6]。

2 研究現狀分析

截止到2019年7月，以“數字人文”為主題關鍵詞檢索中國知網期刊數據庫，共檢索到相關論文836篇，從圖中可以看出，2010年以前，對于數字人文的研究文獻數量幾乎為零，學界研究者幾乎沒有數字人文相關主題研究，從2011年開始發文量才緩步提升，此時數字人文逐漸引起學界研究者的注意，有專家學者開始關于數字人文的研究。而從2015年開始，對于數字人文相關主題的論文研究明顯增加，發文量顯著提升，且每一年較前一年都有較大增幅。數字人文概念已經引起了廣泛的關注和重視，關于數字人文的研究大幅上升。僅2018年一年的發表量就達到215篇，并呈現出持續增長態勢。

隨著計算機技術的普及與大數據分析在科學研究領域的滲入，數據密集型的科學發現第四范式日益興起，數字人文研究越來越受到研究者們的重視。在“文學和語言計算學會”和“計算機和人文學會”基礎上成立的國際數字人文組織聯盟不斷發展壯大。眾多國內外數字人文研究中心不斷涌現，也形成了大量經典數字人文應用案例，對于數字人文的研究熱點也主要集中在高校圖書館、人文科學、圖書館學、大數據、可視化等方面。

弗吉尼亞大學的影谷（The Valley of the Shadow）項目是對歷史信息的數字化，通過對于報紙、原始信件、演講、地圖等信息資源對于美國內戰時期的歷史進行還原與重現[7]。加拿大瑞爾森大學數字人文中心的REED Online項目集合了英國國王學院數字人文部門、多倫多大學圖書館相關人員及多家出版商，對于早期英國戲劇記錄學術交流模式的改進進行了探索[8]。馬里蘭大學、伊利諾伊大學香檳分校、國家超級計算應用中心等高校與機構共同參與的Monk項目[9]，基于Word Hoard和NORA兩個前期項目平臺，開發人文領域的文本元數據中的新知識，為人文學者提供集成化的文本挖掘平臺。耶魯大學的“機器人讀Vogue”（Ro-bots Reading Vogue）項目[10]囑于可視化與圖形化的應用，通過對經典時尚雜志Vogue的封面、內容、數據進行深入挖掘，探索Vogue雜志從性別研究到計算機科學等問題的可能性。

我國對于數字人文的研究起步較晚，2008年，臺灣大學成立“數位人文研究中心”，對明清檔案、古契書、國民黨黨史、臺灣老照片、植物標本、民族文化等多種資源進行數字化研究，成為臺灣“數位典藏科技計劃”的重要組成部分[11]。2011年5月，武漢大學成立了我國大陸地區第一家高校數字人文研究中心，形成了包括歷史地理信息系統、古籍檔案語義分析、新聞傳播文本挖掘、法律文檔數據庫、計算機語料庫研究等一系列數字人文實踐項目[12]。由于我國擁有燦爛的傳統文化藝術資源，形成了一批基于文物保護、史學研究、古籍研習的數字人文項目，如“數字敦煌”項目[13]，“中國歷代人物傳記資料庫（CBDB）”項目，“全唐詩分析系統”和“全宋詩分析系統”[14]以及“古籍研習平臺”等，為我國傳統文化藝術和保護提供了支撐和平臺，為人文學者以及普通用戶對于傳統文化藝術的研究提供參考和便利。

3 數字人文在檔案館中的應用

3.1 背景與意義

檔案館作為眾多文獻檔案的集中存儲場所，本身就是一個豐富的數據庫，對于檔案館中現有的大量特色資源進行數字化的人文研究有著明顯的價值和意義，通過檔案信息化，使得檔案資源可以不受時間、空間和載體的限制進行網絡檢索和遠程共享，極大地提升了檔案的利用率，實現檔案館作為傳播文化和信息資源的社會機構的基本服務職能，檔案館本身具有的特有屬性使其成為實施數字人文的絕佳場所。

自2000年我國大力推進檔案信息化建設以來，已經產生了大量數字檔案信息資源，如何對檔案館豐富的特色資源進行更深刻的人文研究，在檔案數字化文本入庫和檔案信息的數字化文本呈現的基礎上，從海量非結構化、復雜冗余的數據資源中提取出各檔案文本信息間的模式與關聯，提升對于問題研究的決策支持，真正實現大數據時代“信息為王”的理念是推進我國數字人文建設的關鍵問題。

3.2 現狀與不足

我國檔案信息化建設開始較晚，雖然經過近年來的蓬勃發展，檔案信息化研究取得了明顯的成果，但是目前我國的檔案信息化還處于初級階段。檔案館現有的檔案信息化建設主要體現在對于初級業務流程的計劃和管理，包括檔案文件的在線檢索與借閱的信息化管理，用戶可以通過網絡系統對于需要的檔案進行檔案的題錄、文摘及全文等基礎性的檢索和查詢;以及檔案的收集、整理、立卷和歸檔等基礎流程的信息化管理，檔案館的工作人員可以利用信息系統進行材料預立卷、整理組卷、歸檔驗收及檔案鑒定等工作。部分檔案館以案卷集解釋檔案資料信息等，僅僅只是實現了對于檔案的題錄、摘要等部分內容的在線發布和利用，提供的是“目錄式服務”。

部分已經開始實施和推進數字化的檔案館也局限于對于紙質資源的數字化掃描和檔案信息的文本入庫，只是將自身的服務從“目錄式”提升到了“全文式”[15]，缺乏對于檔案信息資源的深入挖掘與知識發現，還遠遠無法滿足當前知識經濟背景下研究者的基于檔案信息的相關研究需求，也無法實現檔案館作為文化傳播和信息資源載體提供知識的知識服務。

在推進檔案信息化的過程中涌現出了很多問題，如在工作流程中缺少明確的組織和規范，檔案館推進檔案信息化沒有統一的方向指引，使得檔案的數字化處理無法以一種標準化的形式迅速推進，導致檔案信息化進程緩慢。同時，對于檔案內容的揭示還存在不完善、不完整等問題，對于公文、電報簿冊、書信、電話記錄、圖紙、登記表、報表、名冊，照片、錄音帶、錄像帶等非傳統性的檔案信息資源的開發和利用還存在明顯不足。從技術層面來說，目前部分數字資源無法進行內容識別，如對于手寫檔案等非標準化的檔案信息的內容識別還存在困難，對于檔案信息的知識發現仍然存在障礙，成為推動數字人文的瓶頸。

4 對策與建議

從國家和政府的宏觀角度來說，我國國家檔案局、中央檔案館及檔案科學技術研究所、中國檔案學會等相關主管部門與行業協會應當對于檔案信息化建設引起足夠的重視，清楚認識到我國目前檔案信息化建設中存在的如目標不明確、機制不健全、溝通不順暢等諸多問題，同時加強隊伍建設，重視對于檔案信息化專業人才的培養。目前檔案館需要的是多領域全面化的復合型人才，不僅需要具有圖書情報、檔案管理等領域的專業知識，了解檔案館里的工作流程，擁有系統化的檔案業務知識，也要掌握相關的計算機科學和管理學基礎，能夠利用計算機軟件、網絡技術和硬件設備等展開檔案信息化管理的相關工作，并對于數據存儲、備份策略和檢測機制等關鍵問題開展研究。總體而言，檔案界對于相關檔案信息化人才存在著較高的要求，而目前對于真正的檔案信息化人才也存在著巨大的需求缺口，這也要求我國相關組織機構對于檔案信息化人才進行針對性的、專業化的培養和培訓，一方面提升現有館員的相關理論和技術水平，一方面培養并引導一批新生的檔案信息化人才加入檔案館，為檔案館注入新鮮的血液。

目前的檔案信息化工作還存在著無組織、不規范等諸多問題，歸根究底是由于缺乏相關的標準規范的引導，國家主管部門與行業協會組織應當積極合作，制定一套完整的檔案資源信息化的標準對于我國現在的檔案信息化工作進行指導。2017年5月，我國國家檔案館與中央檔案局及其他相關組織機構成立了“檔案信息化工作領導小組”，旨在對于我國檔案信息化工作進行統一的領導和統籌規劃，真正落實《全國檔案事業發展“十三五”規劃綱要》，不斷提高以信息化為核心的檔案管理現代化水平。這是檔案界一次很好的實踐，檔案信息化小組應當在此基礎上盡快出臺關于檔案資源信息化的標準和規范，不斷健全相關法規和章程，有方向的引導和指引各檔案館檔案信息化工作的實施和推進。

從檔案信息化工作推進的角度，檔案館自身應該主動參與、積極推動檔案信息化的建設，積極推動數字化資源的全文識別，不斷完善和健全數字化檔案資源的特色數據庫，如公文、電報簿冊、書信、電話記錄、圖紙、登記表、報表、名冊、照片、錄音帶、錄像帶等非傳統性的檔案信息資源的開發和利用與存儲也應當納入研究的范圍。從技術領域而言，需要不斷推進相關計算機技術的研究，如手寫識別、機器學習等算法的改良和優化，從而實現對于部分目前難以實現內容識別的檔案資源的信息讀取與入庫分析，也可以選擇商業外包的形式，對于無法進行全文識別的文本資源采用閱讀翻譯等商業手段處理，具體也應當視檔案性質與檔案館實際情況而定。

參考文獻：

[1] Robinson L，Priego E，Bawden D.Library and Information Sci-ence and Digital Humanities：rwo Disciplines， Joint Future？[EB/OL]. [2019-11-04]. https：//www.zenodo.org/record/17969#.XcAcWjMzY2w.

[2]趙生輝，朱學芳.我國高校數字人文中心建設初探[J].圖書情報工作，2014，58（6）：64-69，100.

[3]陸璟.PISA如何測評閱讀素養[EB/OL].[2019-11-04].http：//www.jyb.cn/book/ydz d/201 103/t201 103 17_4203 68.html

[4]郭金龍，許鑫.數字人文中的文本挖掘研究[J]大學圖書館學報，2012，30（3）：11-18.

[5]周瓊，胡禮忠，圖書館員在“數字人文”中的作為——“2011數字人文國際大會”后的感想[J].圖書館建設，2012（3）：82-84.

[6]范佳，“數字人文”內涵與古籍數字化的深度開發[J].圖書館學研究，2013（3）：29-32.

[7]李娜.高校圖書館閱讀教育工作探析[J].新西部，2013（13）：121-122.

[8]燕今偉，劉霞，信息素質教程[M].武漢：武漢大學出版社，2008：195.

[9] Monk [EB/OL]. [2019-11-04]. http：//mith. umd. edu/research/monk/

[10] Robots Reading Vogue [EB/OL]. [2019-11-04]. http：//dh.li-brary.yale.edu/proj ects/vogue/

[11]臺灣大學數字人文研究中心網站.中心介紹[EB/OL].[2019-1 1-04]. http：//www.digital.ntu.edu.tw/introduction.j sp.

[12]武漢大學人文社會科學研究院網站，武漢大學成立數字人文研究中心——推動數字技術深層融人人文社會科學研究[EB/OL]. [2019-11-04]. http：//ssroff. whu. edu. cn/info/1009/1407.htm

[13]敦煌石窟公共網，數字敦煌工程簡介.[EB/OL]. [2019-11-04].https：//www.e-dunhuang.com/index.htm

[14]朱本軍，聶華，跨界與融合：全球視野下的數字人文——首屆北京大學“數字人文論壇”會議綜述[J].大學圖書館學報，2016，34（5）：16-21.

[15]楊力，姚樂野.基于知識管理的數字檔案館服務體系構建[J]檔案學通訊，2010（1）：58-60.