大數據時代高校檔案數據化發展初探

苗洪麗

檔案信息資源具有來源多元、內容豐富、信息散布、數據繁雜等特性，尤其是隨著高校的發展，檔案的種類、數量和內容都在不斷增多，這對高校檔案管理部門的檔案信息管理控制能力和開發利用能力提出了更高的要求。2016年印發的《全國檔案事業發展“十三五”規劃綱要》明確提出，要采用大數據、智慧管理、智能樓宇管理等技術，提高檔案館業務信息化和檔案信息資源深度開發與服務水平[1]。通過檔案數據化，更新信息處理模式，可以為提升檔案信息管理和開發能力提供新的思路和技術手段。

一、檔案數據化是數字化的進一步發展

檔案信息的數據化是新時代檔案事業發展的新趨向，是建立在數字化基礎上的進一步發展。數字化的主要工作是將檔案由物理形態轉變成電子形態，即可通過計算機來閱讀和編輯的二進制數據檔案信息。數字化的確有很多優勢，豐富了檔案儲存方式，增加了流通渠道，但在檔案利用方面，只是將實物變成了電腦屏幕，沒有從實質上改變檔案的利用方式。真正要實現檔案利用方式的進一步發展就需要實現檔案數據化，也就是將其中蘊含的信息轉變成可制表分析的量化形式的過程[2]。

檔案數據化是在數字化的基礎上，用OCR（Optical Character Recognition，光學字符識別）、ASR（Automatic Speech Recognition，自動語音識別）等技術，對檔案中的內容進行智能識別，完成基本的分類和著錄工作，通過詞頻分析、GIS以及關系網絡分析等方法，將利用文獻的方式從“讀”轉變為“分析”，重組檔案內容，置入新的文本或數據結構中，實現結構化。換言之，數據化是將利用檔案的途徑由“頁面閱讀”轉變為“信息開發”，在由計算機識讀檔案文字的基礎上，借助智能化的工具轉換成計算機可以理解的內容，實現檔案利用價值的深度開發[3]。

檔案數字化主要是將檔案信息轉化為二進制代碼，數據化對應的則是檔案中零散的信息。檔案數字化是數據化的基礎，如果沒有數字化對檔案的收入和轉化，那么就無法開展檔案數據化工作；但數據化對檔案信息的識別和處理，是數字化所不能替代的。所以檔案數據化和數字化并不是對立的，而是承接與完善的發展過程。

二、檔案數據化發展是必行之勢

隨著高校的發展，各類檔案的數量必然是呈增加趨勢的。截至2018年，全國共有普通高等學校2663所，比上年增加32所，增長1.22%。普通本專科招生790.99萬人，比上年增加29.50萬人，增長3.87%；普通高等學校教職工248.75萬人，比上年增加4.45萬人，增長1.82%。普通高等學校校舍總建筑面積97713.56萬平方米，比上年增加2313.23萬平方米；教學科研儀器設備總值5533.06億元，比上年增加537.77億元[4]。我國高等教育事業在蓬勃發展的同時，檔案中包含的信息數量也逐漸增多，這為高校檔案部門帶來了巨大的壓力。傳統的檔案管理和數字化檔案管理模式，仍然需要大量的人工介入，才能完成對檔案信息的利用和整理，導致一定的滯后性、片面性和主觀性，已經不能滿足高校的現實要求。

新時代對高校檔案部門提出了更高的要求，只有具備探索數據時代改善業務能力、服務水平，提升檔案利用率的能力，才能更好地為高校師生服務。數字化解決了檔案信息的收集、轉化、錄入和儲存的問題，而具有高密度價值的檔案信息，只有通過數據化手段才能對其進行智能分析與利用，實現對多源異構的低密度價值數據資源的深層次開發與整合，為高校發展和規劃提供有效的檔案信息。

在大數據時代，只有大數據和人工智能技術完成檔案數據化，才能完成檔案的深層次利用，可以說全面推進高校檔案數據化，正是高校檔案管理未來的發展方向。但需要注意的是，數據分析和數據挖掘應當作為高校檔案業務的拓展部分，而非高校檔案管理工作的全部內容。

三、高校檔案數據化意義

數據化可以實現檔案信息從機器讀取到智能理解的轉變，為高校檔案部門業務工作智能化轉型奠定基礎，對于實現檔案智能化深度開發、增強智能化服務能力、提升智能化管理水平，具有重要的現實意義。

1.實現智能化深度開發。檔案信息資源的深度開發一直以來都是高校檔案部門重點研究內容，單純的數字化技術不能通過計算機技術對檔案信息進行識別和處理，使得高校的檔案信息停滯于數據領域之外，無法實現更深層次的內容開發和挖掘。這樣一來，伴隨著檔案數字化工作的不斷推進，高校檔案部門利用數字化技術完成了對檔案信息的收錄、保存、檢索工作，大量的檔案信息得以通過PDF、圖片、文本文檔等數字格式進行保存，呈現出“內卷化”趨勢。即雖然擁有大量有價值的檔案信息，但沒有足夠的能力來加以利用，檔案工作難以突破“有編無研”的瓶頸，使得檔案數字化也逐漸變成了“雞肋”。

檔案數據化為高校檔案信息資源開發和利用帶來新的方向，不但改變了檔案信息的儲存模式——將檔案信息與檔案實體剝離，也實現了對檔案信息的有序化組織和內容的開發。通過適當的統計分析方法對檔案信息進行分析，提取有效數據，并對其加以詳細研究及概括總結，實現了將檔案信息從基礎性的“載體轉化”到更深層的“內容開發”，再進一步對檔案信息進行融合、關聯、挖掘與分析，實現智能化的處理。

2.增強智能化服務能力。目前，高校檔案部門為師生提供的服務主要集中在：檔案查閱、檔案展覽、跨館出證、信息推送、參考咨詢等方面，在需求多樣化和差異化的今天，這些服務已經不能完全滿足于高校師生的需求。在傳統管理模式下，要利用檔案信息往往是要建立在對檔案內容有初步掌握的前提下，但是龐雜的高校檔案決定了其不可能進行完全掌握，尤其是在定期更新的環境里，對于檔案內容的了解就有了更高的門檻。這需要高校檔案部門能預測用戶隱性訴求，改善服務方式，實現檔案服務的人性化和知識化，從“供給導向”服務模式向以用戶為中心的“需求導向”服務模式轉變[5]。

高校檔案的數據化是為了滿足不同個體的檔案需求，在收集分析檔案信息的基礎上，通過大數據技術，對檔案用戶的身份、習慣、借閱內容、搜索方式、言行記錄等結構化、半結構化、非結構化數據進行分析。精準地將檔案信息提供給有具體需求的師生，甚至是挖掘內在需求，做到定點推送，完成檔案服務和用戶需求的匹配、檔案信息和傳輸渠道匹配。

3.提升智能化管理水平。傳統的高校檔案管理模式，在很大程度上依賴于著錄標引深度以及文件目錄、專題指南、專題目錄、全宗指南、案卷目錄等檢索工具的編制，這一工作模式，操作相對簡單，在檔案工作的初步階段，有利于檔案的著錄描述、檢索、管理和長期保存。但是工作量大，對人力依賴性比較高，無法解析檔案中信息單元的復雜特征及信息單元間的復雜語義關系，也不能對其進行定義和識別。

推行檔案數據化后，通過數據挖掘技術分析檔案數據，從檔案數據中挖掘出潛在信息，實現檔案信息智能檢索服務、檔案信息決策服務[6]。基于元數據進行檔案信息的標引，從而對檔案數據進行聚類、分類和相關性分析，利用大數據和人工智能領域的技術，按照預設模型和流程，自主感知、匯集、記憶、分析信息，把檔案信息變成電腦可以任意檢索的數據，在非人為干預的情況下，實現檔案的收集、立卷、歸檔、標引、鑒定、檢索、編研、利用和服務等，提升高校檔案部門對檔案信息內容層面的把控能力。

只有推行檔案數據化，才能完成高校檔案信息的數據挖掘與數據的深度整合，充分將高校的信息加以利用，最大限度實現高校檔案信息的價值。