大數(shù)據(jù)幫你進(jìn)一步認(rèn)識(shí)蘇軾

官天澤 徐子昂 王儲(chǔ)玉 馬梓銘 葛宇軒

編者按

不久前，北京清華附小六年級(jí)的學(xué)生成了“網(wǎng)紅”。原因是幾位小學(xué)生合作寫(xiě)了一篇論文《大數(shù)據(jù)幫你進(jìn)一步認(rèn)識(shí)蘇軾》，利用大數(shù)據(jù)搜索，整理了蘇軾詩(shī)詞的高頻用詞，還展示了研究過(guò)程中克服文獻(xiàn)查找困難的解決辦法。很多人在驚嘆的同時(shí)，也很困惑，為什么清華附小的學(xué)生這么牛？下面，我們選登《大數(shù)據(jù)幫你進(jìn)一步認(rèn)識(shí)蘇軾》，看看這些小學(xué)生是如何開(kāi)展研究性學(xué)習(xí)的。

前言：我們是清華附小2012級(jí)4班的學(xué)生，2017年正逢蘇軾誕辰980周年，學(xué)校開(kāi)展了一系列致敬蘇軾的活動(dòng)。我們利用課前時(shí)間演講了解蘇軾生平，在晨讀時(shí)間吟誦蘇軾的詩(shī)詞，在暮省時(shí)間進(jìn)行游戲飛花令，臨摹蘇軾的書(shū)法和畫(huà)作，跟著康震老師一起品讀蘇軾。通過(guò)老師的推薦，觀看了紀(jì)錄片《蘇東坡》。

隨著對(duì)蘇軾的了解越來(lái)越多，我們心中也產(chǎn)生了很多疑問(wèn)。利用假期時(shí)間，我們進(jìn)行了以蘇軾為主題的小課題研究。同學(xué)們自愿組成小組，確定研究課題，進(jìn)行小組討論和分工。為了方便交流、討論，我們組建了微信群和QQ群，大家在群里熱烈討論，特別是對(duì)于貢獻(xiàn)了智慧的同學(xué)，組長(zhǎng)還給他發(fā)紅包。各小組同學(xué)將老師也拉入群中，大家一遇到疑難問(wèn)題就隨時(shí)向老師請(qǐng)教，老師成了同學(xué)們的“貼身軍師”，思維在碰撞中產(chǎn)生了更多火花。

本次班級(jí)共完成課題研究報(bào)告23 份，研究主題各有不同：《大數(shù)據(jù)幫你進(jìn)一步認(rèn)識(shí)蘇軾》《今人對(duì)蘇軾的評(píng)價(jià)和蘇軾的影響力》《行走的蘇軾》《唯美景與美食不可辜負(fù)》《蘇軾的朋友圈》《蘇軾的心情曲線》《蘇軾的旅游品牌價(jià)值》《蘇軾VS李白》等等。

上學(xué)期我們用大數(shù)據(jù)的方法寫(xiě)了一首《如夢(mèng)令》，這次我們小組研究蘇軾，我們想再用大數(shù)據(jù)的方法對(duì)蘇軾的詩(shī)詞進(jìn)行進(jìn)一步的分析。

一、數(shù)據(jù)證明蘇軾是名高產(chǎn)作家

首先我和徐子昂把蘇軾的3458首詩(shī)詞都找了出來(lái)，大概有25萬(wàn)字。我們發(fā)現(xiàn)唐宋詩(shī)詞由9552位作者創(chuàng)作了276545首詩(shī)詞，平均下來(lái)每位作者要完成28～29首詩(shī)詞的創(chuàng)作，而蘇軾一個(gè)人就相當(dāng)于120位詩(shī)人，占了整個(gè)唐宋詩(shī)詞量的1.25%。蘇軾一共活了66歲（其實(shí)按照今天的計(jì)算方法來(lái)算，他只活了64年，古代出生的時(shí)候就算1歲，過(guò)了年又算1歲，所以在他出生半個(gè)月的時(shí)候就算2歲了），我們按照他的實(shí)際年齡來(lái)計(jì)算，他平均每年需要寫(xiě)54首詩(shī)詞，這樣下來(lái)平均每周至少寫(xiě)一首詩(shī)詞。這些僅僅是他的詩(shī)詞，不包括散文、札記、書(shū)信等。

二、通過(guò)數(shù)據(jù)看蘇軾的人生經(jīng)歷

1. 我們的方法

我和爸爸通過(guò)電腦程序把蘇軾的3458首詩(shī)詞進(jìn)行了分詞研究，找出了這些詩(shī)詞中的高頻詞。

排名前50的高頻詞表如下：

由于漢語(yǔ)里有很多一個(gè)字的詞，這些詞也需要考慮，于是我們把所有的高頻字也做了分析。

排名前50的高頻字表如下：

2. 我們的問(wèn)題

這些高頻詞和字分析出來(lái)之后，我們產(chǎn)生了很多疑惑。比如：

“歸來(lái)”這個(gè)詞竟然出現(xiàn)了157次，是蘇軾詩(shī)詞里面用得最多的一個(gè)詞（注：第一次分析高頻詞時(shí)，還沒(méi)有搜索“子由”，因此排在第一位的詞匯是“歸來(lái)”），“歸去”出現(xiàn)92次，蘇軾是在到處云游嗎？

蘇軾經(jīng)常提到“故人”，出現(xiàn)了135次，還有“道人”60次，這些人都指的誰(shuí)呢？他是不是有很多和尚、道士朋友呀？

蘇軾詩(shī)詞里面提到“西湖”92次，“江南”84次，這些詩(shī)詞是否都是他在杭州當(dāng)官時(shí)候的作品呢？這些詩(shī)句描述的場(chǎng)景是不是與他的這段人生經(jīng)歷有關(guān)？

高頻單字中，“山”2041次，“我”1732次，“風(fēng)”1447次，“云”1260次，“月”1059次，“水”1020次，“花”1006次，“酒”826次，高頻詞里面“明月”出現(xiàn)100次，“飲酒”出現(xiàn)57次，這些詩(shī)句描述的都是什么場(chǎng)景？蘇軾是不是因?yàn)楣賵?chǎng)上不得志而寄情于山、水、花、酒之間？

“使君”出現(xiàn)了152次，而使君是誰(shuí)？“東坡”出現(xiàn)了108次，“東坡”是指地方還是蘇軾自己呢？為什么提到這么多次“東坡”？他的人生和“東坡”的關(guān)系是什么？帶著這些問(wèn)題，我們小組開(kāi)始了研究。

3. 研究的過(guò)程

研究的過(guò)程就像一次考古，很艱苦也很有意思，因?yàn)樵谶@個(gè)過(guò)程中我們遇到了很多困難，也想出了不少辦法。隨著研究的深入，我們的研究范圍甚至高頻詞表都進(jìn)行了調(diào)整和更新。但通過(guò)這個(gè)過(guò)程，我們也收獲了很多，于是我們把整個(gè)研究過(guò)程都記錄了下來(lái)。

（1）小組分工和確定主題

根據(jù)分析數(shù)據(jù)產(chǎn)生的問(wèn)題，我們小組成員進(jìn)行了分工，其中：

徐子昂負(fù)責(zé)研究蘇軾三次被貶的經(jīng)歷，以及包含“歸來(lái)”“歸去”的詩(shī)詞。

馬梓銘研究蘇軾在西湖及江南的經(jīng)歷，以及包含“西湖”“江南”的詩(shī)詞。

王儲(chǔ)玉負(fù)責(zé)研究蘇軾在“明月”“飲酒”方面的愛(ài)好，以及所有包含“明月”“飲酒”的詩(shī)詞。

官天澤負(fù)責(zé)研究蘇軾與“使君”“東坡”的關(guān)系，以及所有包含“使君”“東坡”的詩(shī)詞。

葛宇軒負(fù)責(zé)研究蘇軾與“故人”“道人”的關(guān)系，以及所有包含“故人”“道人”的詩(shī)詞。

大家接受了任務(wù)之后，分別查找資料，總結(jié)分析后形成了各自的研究成果。其實(shí)上面這五個(gè)研究方向都很有趣，但是受時(shí)間和資料所限，我們經(jīng)過(guò)討論，最終決定把這次課題報(bào)告聚焦到蘇軾三次被貶的經(jīng)歷和含有“歸來(lái)”詩(shī)詞之間的關(guān)系上來(lái)，其他的研究方向等以后有時(shí)間再一一攻克吧。

我們猜想“歸來(lái)”可能反映了蘇軾在被貶后，渴望回到朝廷、繼續(xù)為官報(bào)效國(guó)家的一種心情。

我們先在蘇軾詩(shī)詞全集中把所有包含“歸來(lái)”的詩(shī)詞都找了出來(lái)，為了分析這些詩(shī)詞和蘇軾生平的對(duì)應(yīng)關(guān)系，我們需要知道蘇軾創(chuàng)作這些詩(shī)詞的時(shí)間和地點(diǎn)，然后對(duì)比看看是不是他在被貶后寫(xiě)的。

（2）基礎(chǔ)資料查找

我們上網(wǎng)搜索各種版本的蘇軾詩(shī)詞全集，但是發(fā)現(xiàn)要把每一首詩(shī)詞對(duì)應(yīng)的年代和地點(diǎn)都找出來(lái)，卻是一件艱苦而且巨大的工程，因?yàn)闆](méi)有一個(gè)網(wǎng)站能完成這樣的任務(wù)。

后來(lái)我們發(fā)現(xiàn)了兩本工具書(shū)，一個(gè)是《東坡先生編年詩(shī)》[50卷，清乾隆二十六年（1761年）海寧查氏香雨齋刻本]，另一本是《蘇軾詞編年校注》（中華書(shū)局“十國(guó)古典文學(xué)基本叢書(shū)”，鄒同慶、王宗堂著），這兩本書(shū)對(duì)蘇軾的詩(shī)詞按照年代進(jìn)行了編排，可以實(shí)現(xiàn)我們的想法。

研究蘇軾的詞，可以查找《蘇軾詞編年校注》。這書(shū)有編年的詞292首，沒(méi)有編年的31首，殘句11則。我們?cè)诰W(wǎng)上找到了這本書(shū)的電子版，可以快速檢索出來(lái)每一首詞的年代。

研究蘇軾的詩(shī)，可以查找《東坡先生編年詩(shī)》。不過(guò)這本書(shū)只能找到哈佛線上圖書(shū)館的竹紙線裝的掃描書(shū)，一共16冊(cè)50卷（http：//nrs.harvard.edu/urn-3：FHCL：15633072）。清朝人編著的都是繁體字，對(duì)我們來(lái)說(shuō)簡(jiǎn)直是天書(shū)，根本無(wú)法進(jìn)行檢索（見(jiàn)下圖）。

我們幾乎放棄了之前的想法，但是在爸爸的幫助下我們找到了另外一個(gè)網(wǎng)站——http：//ctext.org/library.pl？if=gb&res=94092&remap=gb，這個(gè)網(wǎng)站把這本竹紙線裝的書(shū)進(jìn)行了光學(xué)字符識(shí)別掃描，這樣，大多數(shù)的詩(shī)就可以用搜索的方法查到了（見(jiàn)下圖）。

我們是從編年詩(shī)入手的，工具書(shū)雖然找到了，但還有很多工作需要完成：

第一，由于這本古籍書(shū)是豎排排版，文字的識(shí)別率不是很精確，很多工作需要人工再次確認(rèn)。

第二，我們需要手工查詢每一卷詩(shī)創(chuàng)作的年代和地點(diǎn)。

我們開(kāi)始分工，把50卷書(shū)中的每一卷書(shū)的年代和地點(diǎn)都找了出來(lái)，做出了一張對(duì)應(yīng)表格，見(jiàn)下表（刊發(fā)時(shí)有刪節(jié)）：

我們興奮地以為這下就可以大功告成了，真是高興得太早了，我們開(kāi)始查詢的第一首詩(shī)就出了問(wèn)題。《次韻和王鞏》在《東坡先生編年詩(shī)》的第十冊(cè)里面，可是第十冊(cè)居然有2個(gè)電子文本（在掃描過(guò)程中現(xiàn)代人對(duì)這本古籍進(jìn)行了重新分冊(cè)，16本紙質(zhì)書(shū)被掃描成了23冊(cè)電子文本）。每個(gè)電子文本里面還有好幾卷啊，我們?nèi)绾文軌蚩焖俣ㄎ贿@首詩(shī)是在具體的那一卷里面呢？看樣子搞研究真不是一件容易的事情??！

經(jīng)過(guò)討論，我們想到了一個(gè)辦法，就是做一套對(duì)照表，來(lái)體現(xiàn)電子書(shū)和紙質(zhì)書(shū)的對(duì)照關(guān)系，然后把搜索到的結(jié)果經(jīng)過(guò)兩次對(duì)照，找出它的具體年份。下面是電子書(shū)和紙質(zhì)書(shū)的對(duì)照關(guān)系表（刊發(fā)時(shí)有刪節(jié)）：

這樣我們就可以快速定位每一首詩(shī)的具體年代了，舉個(gè)例子：《次韻和王鞏》在《東坡先生編年詩(shī)》里面，我們搜索其中的詩(shī)句“歸來(lái)千首詩(shī)”，搜索結(jié)果是如下圖這樣的：

這代表它在該書(shū)第十冊(cè)第32列，我們點(diǎn)擊“十”可看到下圖中的的詩(shī)句。

由于十冊(cè)是兩本，我們還需要回到十冊(cè)的首頁(yè)，看一下到底是十（1）還是十（2），在《電子書(shū)和紙質(zhì)書(shū)的對(duì)照關(guān)系表》上找到這首詩(shī)對(duì)應(yīng)的卷冊(cè)之后，再在《每一卷書(shū)的年代和地點(diǎn)對(duì)應(yīng)表》上找到這首詩(shī)的年代和創(chuàng)作地點(diǎn)：

說(shuō)明《次韻和王鞏》這首詩(shī)創(chuàng)作于哲宗元祐元年，即公元1086年，蘇軾當(dāng)年在京都當(dāng)翰林學(xué)士時(shí)候創(chuàng)作的。

（3）研究結(jié)論

我們按照上面的方法和步驟，查到了蘇軾所有包含“歸來(lái)”的111處詩(shī)的年代。但由于時(shí)間的原因，我們沒(méi)有來(lái)得及對(duì)蘇軾所有包含“歸來(lái)”的詞進(jìn)行查找。因此，下面的分析是基于111首包含“歸來(lái)”詩(shī)的統(tǒng)計(jì)結(jié)果。

這是蘇軾一生中，“歸來(lái)”一詞在詩(shī)中出現(xiàn)的次數(shù)分布圖：

我們查找了蘇軾三次被貶的經(jīng)歷，即第一次（1080—1084），因?yàn)椤盀跖_(tái)詩(shī)案”他遭到新黨誣陷，被貶黃州;第二次（1089—1091），蘇軾因?yàn)椴煌馑抉R光盡廢新法，被貶杭州、潁州;第三次（1094—1101），蘇軾因?yàn)榕c章惇政見(jiàn)不合，被貶惠州、儋州。

我們發(fā)現(xiàn)，每次被貶結(jié)束之后，蘇軾詩(shī)中的“歸來(lái)”出現(xiàn)的次數(shù)都會(huì)有所增加，蘇軾這些“歸來(lái)”詩(shī)，與他跌宕起伏的一生似乎存在著聯(lián)系，他一直滿懷憂國(guó)之情，總能將這些歸去歸來(lái)的經(jīng)歷，化作美好的文學(xué)意境。

數(shù)據(jù)分析的結(jié)果印證了我們的猜想，讓我們從一個(gè)新的角度認(rèn)識(shí)了這位文學(xué)巨匠。蘇軾一生憂患重重、多次被貶，正是這些苦難的經(jīng)歷和豐富的閱歷，讓蘇軾更關(guān)心民間疾苦，更親近大自然，使他的作品成為傳世的杰作。時(shí)至今日，我們讀蘇軾的詩(shī)詞，仍然能感到無(wú)限的哀怨和悲涼，更能體味到中國(guó)文化的深厚底蘊(yùn)和幽香。

三、額外的發(fā)現(xiàn)

在研究過(guò)程中，我們還發(fā)現(xiàn)“子由”出現(xiàn)在很多詩(shī)詞中，“子由”是蘇軾弟弟的字，這讓我們想到應(yīng)該檢索一下“子由”在蘇軾作品中出現(xiàn)的次數(shù)。于是，我們重新檢索了一下，發(fā)現(xiàn)“子由”在《蘇軾詩(shī)詞全集》中居然出現(xiàn)了229次，它才是蘇軾高頻詞里面的王者！為此，我們更新了高頻詞表。

我問(wèn)爸爸為什么第一次做的高頻詞表中沒(méi)有搜到“子由”，爸爸給我們解釋說(shuō)，“子由”在漢語(yǔ)中不是一個(gè)詞匯，因此電腦軟件第一次在做分詞的時(shí)候，并沒(méi)有對(duì)它進(jìn)行檢索。分詞是一門(mén)很深的學(xué)問(wèn)。每一部著作都有自己的特點(diǎn)。對(duì)每部著作的分析是一個(gè)不斷發(fā)現(xiàn)的過(guò)程。今天看著正確的分析結(jié)論，可能隨著研究的深入就不一定正確了，比如這次。

這次對(duì)高頻詞表的更新，讓我們?cè)谘芯恐黝}之外，有了額外的收獲：就是我們發(fā)現(xiàn)了蘇軾和他的弟弟子由之間的手足情深。通過(guò)上網(wǎng)進(jìn)一步查資料，我們了解到蘇軾幾乎每到一個(gè)任所就給弟弟子由寄信贈(zèng)詩(shī)，晚年被貶謫時(shí)更是如此。蘇家兄弟情誼之深厚是文學(xué)史上的佳話。他們是兄弟，是師生，是詩(shī)詞唱和的良友，是政治上榮辱與共的伙伴，也是精神上相互勉勵(lì)安慰的知己。我們?cè)O(shè)計(jì)的高頻詞表也進(jìn)一步印證了他倆之間的情誼，我們可以得出結(jié)論，研究表明蘇軾還是一個(gè)好哥哥！