數(shù)字人文項目中數(shù)字化標準初探

其其格

（北京外國語大學，北京 100089）

近年來，數(shù)字人文成為圖書館領域十分熱門的話題，將人文資料用互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術手段，變成可以機械統(tǒng)計、有可視化結(jié)果的數(shù)據(jù)源是圖書館新的數(shù)據(jù)服務方式。悄悄興起的數(shù)字人文運動，正在撼動圖書館保存管理圖書資料的傳統(tǒng)業(yè)務，越來越多的圖書館開始重視并參與到圖書資料數(shù)據(jù)化的統(tǒng)計分析課題中，將業(yè)務延伸到數(shù)據(jù)的管理與知識的組織服務中去。在此背景下，圖書館調(diào)整策略，升級業(yè)務，在本館文獻資源數(shù)據(jù)化的基礎上建設各自的數(shù)據(jù)平臺，提供更好服務的同時，也制造出了越來越多不同形式的數(shù)字人文平臺。這些平臺揭示了不同層面、不同內(nèi)容、不同格式的文獻，并呈現(xiàn)出多樣的分析和檢索形式。隨著這些項目的推進與數(shù)字人文變革的深入，讀者將不得不奔波檢索于不同單位的數(shù)字項目中，而這些項目中很多共通的信息都不能相互鏈接使用，圖書館設置的一個個項目變成了知識分享的藩籬。

隨著各機構紛紛立項開展與推進數(shù)字人文項目，數(shù)字人文成果的獲取和推廣問題即將突顯，文獻數(shù)字化的數(shù)據(jù)標準、平臺標準、獲取標準及未來可融合的技術標準等一系列的行業(yè)標準，或許是未來數(shù)字人文做大做強，真正惠及學林，推動整個文史行業(yè)的研究熱度，提高影響力的關鍵。

1 數(shù)字人文項目實踐中的主要困境

關于圖書館數(shù)字人文發(fā)展中存在的問題，許多學者都有所討論。蔣萌[1]在《新時代圖書館數(shù)字人文發(fā)展研究》中認為，圖書館數(shù)字人文發(fā)展存在觀念滯后于傳統(tǒng)束縛、體系開放與邊界迷茫、方法創(chuàng)新與技術支撐薄弱3 個問題。黃水清[2]認為，人文計算的研究現(xiàn)狀可用“三多三少”來概括，首先是追熱點的論文多，有實質(zhì)意義的成果少……其次是非人文學者關注多，人文學者關注少……最后是泛泛議論多，成功案例少。朱強[3]表示，數(shù)字人文項目兼容性不強、標準繁雜，很容易形成大量的信息孤島，會造成大量的重復建設；同時，隨著時間的推移，項目引導制下產(chǎn)生的數(shù)字人文成果由于項目到期的原因?qū)⒚媾R服務無法跟上、無法可持續(xù)發(fā)展等諸多問題。本文在文獻調(diào)查的基礎上，總結(jié)出數(shù)字人文項目實踐中的主要困境有以下4 點。

1）同質(zhì)化文獻資源重復建設，造成資源浪費。在紛亂復雜的數(shù)字人文項目建設中，用什么樣的資源、做什么樣的平臺都是各機構自身的項目計劃，大多數(shù)項目的文獻來源為本館資源，而大館之間互通的文獻非常多，很難避免資源重復建設問題。針對這個問題，袁愛蓮[4]提到了特色學科資源重復建設的問題，認為各高校間可根據(jù)實際情況進行圖書館特色學科資源的協(xié)同采購和聯(lián)合建設，這樣不僅有助于減少各高校圖書館的特色學科資源建設成本，也可以避免特色學科資源的重復和浪費問題，并可以提升高校圖書館特色學科資源的利用效率。

對同一部書不斷重復進行數(shù)字化，必然造成人力、物力、財力的浪費，在眾多數(shù)字人文項目的建設中，文獻電子化如果能如袁愛蓮所言，形成一個協(xié)同采購的平臺，必然可以減少很多資源的浪費，但也不能忽視同一文獻的版本、鈐印、批注等文獻內(nèi)容之外的價值。最好的做法是在數(shù)字人文項目建設中，既有相同文獻的協(xié)同采購，以加快項目的推進，又有文獻特色化的掌控，不流失文獻價值。

2）平臺技術使用不統(tǒng)一，影響了項目完成后進一步整合集中更全面揭示文獻的可能性。不同機構的數(shù)字人文項目采用的設計理念和技術不同，使得在項目建設初始階段就注定每家成果的差異性，但縱覽數(shù)字人文項目，圍繞不同主題的文獻資源、歷史資料而建設的項目庫比比皆是，從長遠看，同樣是史料，不同歷史階段的史料庫是否可以兼容；同樣是民族文獻庫，能否對接同行的資源庫等，都是電子資源庫大量建設之后面臨的問題。如第一階段的項目建設成果各自為政，各項目建設的平臺技術不能兼容，則從長遠看各平臺通力合作，整合資源，更好更便捷地為讀者服務就成為了難題。

3）多機構成果獲取之間存在藩籬，加大了讀者獲取資源的難度。隨著數(shù)字人文項目成果的逐步完成，特色資源的多少、檢索是否精準、分析模型好壞、界面是否友好、使用是否方便、信息揭示是否完整、準入門檻高低等因素，都將是讀者獲取信息的重要參考。在不久的將來，數(shù)字人文項目成果的大面積分布和海量不同單位項目賬號的獲取，會成為跨庫文獻檢索新的難點，文獻檢索技巧也從數(shù)據(jù)庫之間的使用和轉(zhuǎn)換，變成更多層級信息獲取的分析和博弈。在不久的將來，海量的數(shù)據(jù)將在不同機構多樣化的存在并且各自為政，加大了讀者獲取文獻的難度?？梢灶A見，數(shù)字人文項目成果獲取的藩籬會極大地浪費科研與建設資源，提高知識獲取和分享的壁壘，割裂各機構文獻資源的紐帶。面對這個趨勢，筆者認為有必要在大多數(shù)字人文項目建設初期做一些預設，讓各自為政的機構和數(shù)據(jù)有互通共用的可能，讓各家的數(shù)字人文項目能夠取長補短，避免重復建設，讓數(shù)字人文的基本分析工具在大多數(shù)項目中通用?，F(xiàn)階段，這個預設最好由基金發(fā)布部門和項目建設部門都認可的協(xié)會或單位制定，從頂端設計出發(fā)，讓大多數(shù)項目有共通的可能。在本文中，稱之為數(shù)字人文標準制定。

另外一個困境是參與數(shù)字人文建設的機構單位越多，需要跨庫去找的資源就越多，本應檢索使用便捷的數(shù)據(jù)尋找起來越難。大量基金支持下的數(shù)字人文項目的展開，建立起越來越大規(guī)模的數(shù)據(jù)，數(shù)據(jù)的檢索利用效率今后還有很大提升空間。

4）成果揭示的形式多樣，質(zhì)量參差，分析工具多元，加大了讀者轉(zhuǎn)引困難。由于各家機構數(shù)字人文項目建設的情況不同，原始文獻的數(shù)字化階段也各有不同，有的剛剛起步，有的直接從縮微膠片、光盤、黑白掃描等不同形式的原有數(shù)字化形式轉(zhuǎn)換，數(shù)字項目結(jié)束后，讀者能夠獲取的文獻形式也差異很大，在圖像清晰度上，新數(shù)字化的文獻成果要高于縮微膠片、黑白掃描等早期數(shù)字化的文獻，利用這些文獻做進一步文字提取，數(shù)據(jù)分析的準確率更高；不同項目中底層設計的分析模型不同、參數(shù)不同，也會影響最終的分析結(jié)果。以北京大學為例，張乃帥、孫超在《北京大學圖書館長期保存系統(tǒng)建設與探索》提出，在數(shù)字人文資源及館藏資源的長期保存實踐中出現(xiàn)的問題有：數(shù)據(jù)庫商提供的回溯數(shù)據(jù)和更新數(shù)據(jù)格式不一致、部分功能需手動啟用、底層數(shù)據(jù)模型兼容性較差、數(shù)字人文資源保存難度大等[5]。北京大學作為國內(nèi)頂級高校經(jīng)費充足、資源豐富，圖書館老師聯(lián)合學者引領著國內(nèi)數(shù)字人文項目的推進和實踐，他們尚有此考慮，在更寬廣視野中的圖書館在數(shù)字人文項目建設中也必然面臨這樣的困境，這也是本問題提出的大背景。相信開展數(shù)字人文項目的機構在項目推進過程中，或多或少都會出現(xiàn)相關問題，同樣的文獻，因為數(shù)字化形式的不同，或者分析模型的不同，可能分析出不同的結(jié)果；而隨著數(shù)字人文成果的增加，本意為方便讀者做文獻分析的數(shù)字人文項目，也會因不同因素影響，可能出現(xiàn)不同的分析結(jié)果，導致數(shù)字人文項目中分析結(jié)果的科學性缺乏驗證。

2 數(shù)字人文項目發(fā)展期的標準化建設

由上述困境不難看出，隨著數(shù)字人文理念的傳播和文化保護意識的提升，數(shù)字人文建設項目遍地開花，但項目成果的形式與數(shù)據(jù)進一步分析使用情況值得深思。發(fā)展中的數(shù)字人文項目是智慧圖書館的數(shù)據(jù)化文獻特藏深層揭示分析的嘗試，還是未來科研標準化數(shù)據(jù)的締造者，都要看數(shù)字人文項目建設中數(shù)據(jù)格式、分析工具等是否能夠統(tǒng)一標準，項目成果能否達到行業(yè)使用共識?；谶@個認識，筆者認為數(shù)字人文項目建設中標準的制定必不可少。

1）制定可共同聯(lián)合的技術標準，讓更多的項目可有共建、聯(lián)合的可能性。鑒于目前各自為政的資源建設情況，各家成果不能實現(xiàn)共建共檢共引，讀者文獻檢索的結(jié)果就會非常雜亂。如果在項目建設初期打通基礎技術，那么隨著不同主題、不同概念的數(shù)字人文項目的完成，很多項目可以合并統(tǒng)一，形成更大規(guī)模的資源庫，方便讀者高效地檢索分析。在頂端設計、項目申請之前就制定好基本的標準，有利于資源的整合，促進更好地為讀者服務?；谶@個問題，李立睿在《國外iSchools 高校圖書館數(shù)字學術服務調(diào)查與分析》中提出，高校圖書館可以從重視用戶個性需求內(nèi)容識別、以協(xié)同化模式推動服務進程、加強綜合化服務聯(lián)盟構建等方面深化數(shù)字學術服務發(fā)展[6]。協(xié)同化模式，共建聯(lián)合的形式逐漸被大家認可。

2）制定數(shù)據(jù)形式的標準，讓數(shù)字人文項目建設有所參考，讀者的信息獲取更有保障。我國幅員遼闊，圖書館眾多，不同地區(qū)不同性質(zhì)的圖書館資源數(shù)字化情況不同，在數(shù)字人文項目建設中，有利用原本數(shù)字化資源進行的，也有從文獻數(shù)字化起步，經(jīng)過數(shù)字化步驟之后進一步整合資源形成可分析可視化的分析數(shù)據(jù)庫的。各家具體情況不同，所提供的原始數(shù)據(jù)不同，導致最終成果也各有特色，例如古籍內(nèi)容揭示，有的提供黑白掃描時期不甚清晰的圖片入庫，那么進一步取詞分析則有難度；有的原始數(shù)據(jù)都是文本，那么追根溯源，考鏡源流，版本引用上存在困難。諸如此類，都是因為數(shù)字人文項目建設準入沒有標準導致的，在數(shù)字化項目興起階段，這些錯綜復雜的情況能夠反映我國數(shù)字資源的多元化存在情況，但是隨著行業(yè)成果的融合，標準化引用等進一步合作需求的出現(xiàn)，項目元數(shù)據(jù)的格式、大小、呈現(xiàn)形式、分析工具等都需要有一定的標準。學術研究講究慎終追遠和前人成果，只有嚴格整合文獻資源，遵循必要的標準規(guī)則，才能讓數(shù)字人文項目平穩(wěn)落地，為讀者服務，為科研服務，產(chǎn)生更大的效能。

上海圖書館夏翠娟認為，圖書館應結(jié)合資源優(yōu)勢和專業(yè)優(yōu)勢，集中精力于基礎設施建設，促進跨機構資源整合、跨領域知識融通和跨網(wǎng)域開放獲取[7]。吉林大學薛歡雪針對可移動文物數(shù)據(jù)庫的構建探討了數(shù)字人文“一站式服務”的問題，認為對于任何特定的研究領域，似乎沒有“一站式商店”提供所有可用的數(shù)字資源。構建可移動文物數(shù)據(jù)庫的目的是通過互聯(lián)網(wǎng)和信息技術，有效地將圖書館、博物館和檔案館等資源進行整合，將數(shù)字資源與實物相鏈接，兼顧各自的優(yōu)勢，構建虛實結(jié)合的信息知識傳播形式，打造適合跨機構的數(shù)字化學術生態(tài)系統(tǒng)[8]，并在可移動文物數(shù)據(jù)庫建構框架中，對整合跨機構的數(shù)字化學術生態(tài)系統(tǒng)提出了期待。

可見，學界對于數(shù)字人文項目的標準也有期待和呼喚，標準的出臺和實施是時代發(fā)展的必然。

3 數(shù)字人文項目實踐中標準制定應注意的問題

基于以上情況，數(shù)字人文項目推行幾年來，各種問題已經(jīng)開始出現(xiàn)，各類圖書館在計劃、推進數(shù)字人文項目建設時應該注意以下4 點。

首先，要注意行業(yè)性標準的參考。標志性大館大力扶植基礎項目，并公開技術標準，小館盡量予以參考。這樣，小館在項目設計、項目實施中，可以避免很多因信息不對稱而造成的決策失誤，也能在未來業(yè)務拓展、開放獲取等不同情況下做到兼容。在這方面，國內(nèi)已有成功的先例。如國家圖書館古籍普查設立的“古籍普查平臺”，其中對于古籍基本項目著錄格式都有清晰明確的要求，多家機構在本館古籍普查的同時，也統(tǒng)一了古籍著錄標準。再如，“中華古籍保護計劃”的“中華古籍資源庫”建設，在國家圖書館館藏資源電子化的同時，集成天津圖書館古籍法藏敦煌遺書等多館館藏資源。近年來，這一項目得到了眾多公共館的支持配合，各家同步進行古籍數(shù)字化平臺建設，建設成果可以在統(tǒng)一平臺上開放獲取，供讀者使用。這一項目的推進和實施，做到了在行業(yè)大標準的前提下兼容各館業(yè)務，形成大的數(shù)字人文項目。

其次，要注意以大館帶小館，大項目聯(lián)動小項目。數(shù)字項目制定之初，可以調(diào)研國家圖書館、上海圖書館等大館相關業(yè)務開展的經(jīng)驗和教訓，在基礎標準制定上盡量兼容可升級。例如，館藏古籍中家譜數(shù)字化建設，可以參考上海圖書館“上海圖書館藏家譜全文”數(shù)據(jù)庫，查重排除已經(jīng)數(shù)字化的家譜，增加本館特色，兼容上海圖書館系統(tǒng)，讓大館大項目帶動小館小項目，可免去很多重復建設。

再次，要注意精簡門檻，合理配置，多庫聯(lián)合，更廣闊地揭示資源。在數(shù)字人文項目成果的揭示上，盡量少設置讀者閱覽門檻，或太拘泥本館資源，只求一城一池的發(fā)展，而是要開闊眼界，在兄弟單位尋求跨單位協(xié)作，各單位的特色資源聯(lián)合建設聯(lián)合展示，更全面廣闊地揭示資源。

最后，要注意引導OA 項目，將成果轉(zhuǎn)化為實際，推動產(chǎn)學研一體化。近年來，數(shù)字人文項目建設的同時，伴隨著開放獲取運動的極大發(fā)展。原來圖書館各自為政，資源獲取門檻較高的局面被一個個建設完備、OA 開放、獲取容易的大數(shù)字人文項目所打破。所以，各類圖書館都要意識到OA 潮流的發(fā)展，積極投入到共同建設、開放獲取的資源呈現(xiàn)中，在建設數(shù)字人文項目時就注重引導OA 項目，更大限度地推動產(chǎn)學研的快速轉(zhuǎn)化。

4 數(shù)字人文項目標準制定的意義與展望

由上可見，數(shù)字人文項目建設前期，數(shù)據(jù)格式、呈現(xiàn)形式、分析模型等標準的制定有利于合理優(yōu)化利用資源，推進我國文獻數(shù)字化的進程。這樣的頂端設計，需要從上而下，由項目的審批部門提出，貫徹到各個層級機構的項目中去。

習近平總書記在紀念改革開放四十周年的講話中指出，推動中華優(yōu)秀傳統(tǒng)文化創(chuàng)造性轉(zhuǎn)化、創(chuàng)新性發(fā)展，傳承革命文化、發(fā)展先進文化，努力創(chuàng)造光耀時代、光耀世界的中華文化。數(shù)字人文的本質(zhì)就是將傳統(tǒng)的古籍、史料等文化資源進行現(xiàn)代化的轉(zhuǎn)換分析，這類項目的推進既離不開國家和機構的支持，也離不開圖書館館員孜孜不倦地工作。而制定合理的項目標準，有助于圖書館推動優(yōu)秀傳統(tǒng)文化創(chuàng)造性轉(zhuǎn)化、發(fā)展。圖書館作為傳統(tǒng)文獻的收藏機構，有責任和擔當做好標準化的數(shù)字人文項目，有能力和力量推動傳統(tǒng)文化光耀時代、光耀世界。而提供標準化、可兼容的數(shù)據(jù)產(chǎn)品，是為更多讀者，為更廣大群眾做好文化服務的基礎。綜上所述，數(shù)字人文背景下，館藏數(shù)字化的標準制定是整個行業(yè)文化轉(zhuǎn)換傳播的題中之意，有利于圖書館業(yè)務的發(fā)展和時代賦予圖書館責任擔當?shù)耐瓿伞?/p>