徐志瑋（天津理工大學(xué)圖書館）

大數(shù)據(jù)時(shí)代，人文社科研究數(shù)據(jù)量增長(zhǎng)迅速，如何創(chuàng)新地運(yùn)用基于計(jì)算的研究方法對(duì)這些數(shù)據(jù)進(jìn)行智能搜索和深度解析，改變和拓寬人文社科的研究思維和方向是目前的重要課題之一。同時(shí)，網(wǎng)絡(luò)化平臺(tái)連接著世界各地的用戶，從國(guó)際化的宏觀視角探討人文社科課題，得到新的國(guó)際觀點(diǎn)，也是目前的重要課題。為此，本文分析了美國(guó)國(guó)家人文基金會(huì)（National Endowment for the Humanities，NEH）專為數(shù)字人文研究設(shè)立的國(guó)際合作項(xiàng)目“挖掘數(shù)據(jù)挑戰(zhàn)”，為我國(guó)的相關(guān)研究提供參考。

1 國(guó)內(nèi)外研究現(xiàn)狀綜述

基于數(shù)字人文的大數(shù)據(jù)挖掘研究帶有明顯的應(yīng)用性特點(diǎn)，大部分以軟件開發(fā)和升級(jí)、工具使用、算法優(yōu)化和實(shí)驗(yàn)等成果為主，部分已發(fā)表在學(xué)術(shù)期刊上。本文以SCI、SSCI和中國(guó)知網(wǎng)為數(shù)據(jù)來(lái)源進(jìn)行檢索，盡管不能涵蓋所有研究成果，但也能了解目前的研究現(xiàn)狀。

1.1 國(guó)外研究現(xiàn)狀

① 從學(xué)科分布看，國(guó)外利用歷史數(shù)據(jù)開展的實(shí)證性研究最多。Phillips MG等［1］利用數(shù)字技術(shù)和傳統(tǒng)定性研究方法，挖掘20世紀(jì)初澳大利亞婦女通過(guò)遠(yuǎn)程方式進(jìn)行閱讀的特點(diǎn)；Hinrichs U等［2］聯(lián)合環(huán)境歷史學(xué)家、計(jì)算語(yǔ)言學(xué)家和可視化專家，挖掘了四個(gè)世界知名歷史數(shù)據(jù)集中收藏的商品交易數(shù)據(jù)；Linn AR［3］利用在線3D虛擬技術(shù)，繪制了挪威人移民到美國(guó)的歷史路徑；Van Eijnatten J等［4］解析了1863-1940年間荷蘭和德國(guó)出版的有關(guān)毒品、販毒和吸毒者內(nèi)容的報(bào)紙，挖掘了整個(gè)跨大西洋地區(qū)存在的毒品問(wèn)題；Grubert E等［5］探討了文本挖掘分析技術(shù)在人文環(huán)境科學(xué)和國(guó)家政策相互影響方面的價(jià)值。② 從數(shù)據(jù)來(lái)源看，針對(duì)社交媒體開展的大數(shù)據(jù)挖掘是熱點(diǎn)之一。Hsu WF［6］以一個(gè)著名的朋克樂(lè)隊(duì)Kominas在社交媒體Myspace和Twitter上進(jìn)行互動(dòng)的數(shù)據(jù)為對(duì)象，研究音樂(lè)數(shù)據(jù)的地理空間可視化技術(shù)的實(shí)現(xiàn)，以及數(shù)據(jù)的標(biāo)注和分析。③ 從技術(shù)層面看，語(yǔ)義元數(shù)據(jù)成為數(shù)據(jù)挖掘的關(guān)鍵技術(shù)之一。Van Hooland S等［7］探討了“描述”等非結(jié)構(gòu)化元數(shù)據(jù)在數(shù)據(jù)挖掘中的命名實(shí)體識(shí)別和術(shù)語(yǔ)提取方面的問(wèn)題。

國(guó)外圖書館也在嘗試實(shí)驗(yàn)性的實(shí)踐研究。Green HE［8］對(duì)伊利諾伊大學(xué)圖書館研發(fā)的數(shù)據(jù)挖掘軟件MONK進(jìn)行實(shí)證研究，揭示人文學(xué)者使用數(shù)字工具追求創(chuàng)新研究方法的能力；Morgan EL［9］分析了將文本挖掘和其他數(shù)字人文計(jì)算技術(shù)整合到圖書館目錄和“發(fā)現(xiàn)系統(tǒng)”中的可能性。

1.2 國(guó)內(nèi)研究現(xiàn)狀

國(guó)內(nèi)的主要研究者為圖書館館員。① 歷史學(xué)科方面，Zhu SL等［10］將地理信息系統(tǒng)應(yīng)用于我國(guó)古代地方志的開發(fā)和利用，實(shí)現(xiàn)了“廣東地方志”產(chǎn)品分布?xì)v史數(shù)據(jù)的挖掘和可視化；趙思淵［11］介紹了《中國(guó)地方歷史文獻(xiàn)數(shù)據(jù)庫(kù)》的元數(shù)據(jù)結(jié)構(gòu)、交叉導(dǎo)航和數(shù)據(jù)統(tǒng)計(jì)等功能。② 古籍方面，歐陽(yáng)劍［12,13］對(duì)古籍文本的數(shù)據(jù)挖掘進(jìn)行了探索。③ 藝術(shù)史方面，范楨［14］利用計(jì)算機(jī)自然語(yǔ)言處理工具對(duì)《白石老人自傳》進(jìn)行詞頻統(tǒng)計(jì)、高頻分布和語(yǔ)義網(wǎng)絡(luò)的細(xì)讀，確認(rèn)《白石老人自傳》的核心內(nèi)容；夏翠娟等［15,16］探討了家譜和地理數(shù)據(jù)在圖書館數(shù)字人文項(xiàng)目的應(yīng)用，以及關(guān)聯(lián)數(shù)據(jù)在家譜服務(wù)中的應(yīng)用。

綜上所述，國(guó)內(nèi)外都取得了一些實(shí)踐成果。國(guó)內(nèi)基本上是以圖書館和歷史專業(yè)為主導(dǎo)的實(shí)踐研究，國(guó)外涉及的學(xué)科范圍更加寬泛，數(shù)據(jù)來(lái)源也更加豐富。

2 “挖掘數(shù)據(jù)挑戰(zhàn)”項(xiàng)目概述

“挖掘數(shù)據(jù)挑戰(zhàn)”（Digging into Data Challenge，DiD）是NEH于2009年設(shè)立的一個(gè)資助數(shù)字人文研究的國(guó)際合作項(xiàng)目，［17］由美國(guó)、英國(guó)、加拿大、德國(guó)等11個(gè)歐美國(guó)家的18個(gè)國(guó)家級(jí)別的基金組織提供資助（見表1），基本上每?jī)赡昱e行一輪，目前已經(jīng)成功舉辦4輪，共有50個(gè)項(xiàng)目獲得了大額資金的支持。2016年，DiD被重新命名為“T-AP數(shù)據(jù)挖掘挑戰(zhàn)”，T-AP即根據(jù)歐盟第七框架研究與開發(fā)框架計(jì)劃（授權(quán)號(hào)613167）而建立的“跨大西洋平臺(tái)Trans-Atlantic Platform”。

3 成功獲得資助的50個(gè)項(xiàng)目案例總結(jié)

DiD會(huì)在網(wǎng)站上公布已經(jīng)完成項(xiàng)目的最終成果白皮書（2016年獲得資助的14個(gè)項(xiàng)目只有標(biāo)題和摘要），筆者對(duì)全部項(xiàng)目進(jìn)行了仔細(xì)閱讀及分析。由于篇幅有限，本文只列出2016年公布的14個(gè)最新獲獎(jiǎng)項(xiàng)目的名稱、合作單位和研究?jī)?nèi)容摘要（見表2）。

表1 DiD合作國(guó)家和資助組織名稱表

3.1 跨國(guó)學(xué)術(shù)機(jī)構(gòu)的強(qiáng)強(qiáng)聯(lián)合，打造世界頂級(jí)研究成果

2009年，DiD規(guī)定每個(gè)項(xiàng)目要有2個(gè)及以上國(guó)家的3個(gè)機(jī)構(gòu)參與，2016年變?yōu)槊總€(gè)項(xiàng)目至少需要3個(gè)國(guó)家的合作。申請(qǐng)機(jī)構(gòu)需要在國(guó)際人文社科領(lǐng)域有顯著的影響力，且希望項(xiàng)目最終能夠達(dá)到世界領(lǐng)先水平。如，“挖掘符號(hào):制定針對(duì)符號(hào)語(yǔ)言數(shù)據(jù)進(jìn)行交叉語(yǔ)言量化分析的標(biāo)準(zhǔn)注釋實(shí)踐”項(xiàng)目（Digging into Signs:Developing Standard Annotation Practices for Cross-Linguistic Quantitative Analysis of Sign Language Data）的目的在于打造世界最大的聾啞語(yǔ)言語(yǔ)料庫(kù)并制定世界標(biāo)準(zhǔn)；“挖掘生物多樣性”項(xiàng)目（Mining Biodiversity）對(duì)當(dāng)前世界最大生物多樣性系統(tǒng)“生物多樣性文獻(xiàn)圖書館”（Biodiversity Heritage Library，BHL）進(jìn)行升級(jí)，以期將其打造成下一代生物多樣性社會(huì)數(shù)字資源平臺(tái)；“Field Mapping:An Archival Protocol for Social Science Research Findings”項(xiàng)目的目標(biāo)則是構(gòu)建世界上最全面的全球跨學(xué)科科學(xué)發(fā)現(xiàn)的搜索引擎。

值得一提的是，“中文文本自動(dòng)化數(shù)據(jù)抽取”項(xiàng)目 （Automating Data Extraction from Chinese Texts） 是來(lái)源于十年前由哈佛大學(xué)費(fèi)正清研究中心、北京大學(xué)中國(guó)古代史中心和臺(tái)灣“中央研究院”歷史語(yǔ)言研究所聯(lián)合主持的“中國(guó)歷代人物傳記數(shù)據(jù)庫(kù)”的一個(gè)子課題，旨在解決數(shù)據(jù)采集、整理和轉(zhuǎn)換等方面遇到的難點(diǎn)。

3.2 人文研究范式的徹底改變

（1）明顯的跨學(xué)科研究范式。DiD項(xiàng)目往往由多個(gè)學(xué)科的專家共同參與。如，“挖掘考古學(xué)數(shù)據(jù):圖像搜索和標(biāo)記”項(xiàng)目（Digging Archaeological Data:Image Search and Marking，DADAISM）集合了考古學(xué)、圖像處理和檢索、文本挖掘技術(shù)等專家，開發(fā)了一個(gè)序列模型的人機(jī)交互系統(tǒng)；“Analyzing Child Language Experiences Around the World（ACLEW）”項(xiàng)目由語(yǔ)言學(xué)、語(yǔ)音科學(xué)工程、計(jì)算機(jī)技術(shù)等專家參與，開發(fā)自動(dòng)標(biāo)注大規(guī)模嬰兒語(yǔ)料庫(kù)的軟件；“Understanding Opinion and Language Dynamics Using Massive Data”項(xiàng)目的研究團(tuán)隊(duì)擁有數(shù)據(jù)科學(xué)、物理、語(yǔ)言學(xué)、哲學(xué)和法律等領(lǐng)域?qū)I(yè)人才。

表2 獲得2016年DiD資助的14個(gè)項(xiàng)目

（2）開拓人文社科研究的創(chuàng)新思路和方法。研究人員將數(shù)字技術(shù)運(yùn)用到人文社科研究中，就是希望得到手工模式無(wú)法獲得的信息。如，“Analyzing Child Language Experiencesaround the World（ACLEW）”項(xiàng)目挖掘海量嬰兒語(yǔ)言，探討文化/跨國(guó)文化和語(yǔ)言之間的相互關(guān)系，并預(yù)測(cè)這種關(guān)系對(duì)嬰兒語(yǔ)言成長(zhǎng)過(guò)程中所造成的影響和差異；“Cascades,Islands,or Streams?Time,Topic,and Scholarly Activities in Humanities and Social Science Research”項(xiàng)目挖掘社交媒體上那些被忽視、但有價(jià)值的非正式學(xué)術(shù)活動(dòng)數(shù)據(jù)，預(yù)測(cè)未來(lái)的創(chuàng)新研究課題；“全球趨勢(shì):文學(xué)網(wǎng)絡(luò)文化（1050-1900）”項(xiàng)目 （Global Currents:Culturesof Literary Networks（1050-1900））運(yùn)用圖像處理技術(shù)和社會(huì)網(wǎng)絡(luò)分析方法，研究不同文化時(shí)期的知識(shí)交流網(wǎng)絡(luò)特點(diǎn)，揭示世界文化的差異；“Digging by Debating”項(xiàng)目運(yùn)用主題建模和半形式的話語(yǔ)分析技術(shù)，自動(dòng)抽取HathiTrust學(xué)術(shù)論文中的論據(jù)，并以可視化方式標(biāo)識(shí)哲學(xué)和科學(xué)之間的關(guān)系。

3.3 承諾項(xiàng)目研究成果的開放獲取

NEH要求數(shù)字人文項(xiàng)目的申請(qǐng)者承諾免費(fèi)公開研究成果。NEH認(rèn)為，研究成果的開放獲取有助于其他學(xué)者開展相似研究，同時(shí)，能夠培養(yǎng)公眾的人文素養(yǎng)，提高其哲學(xué)批判思維的能力。獲得DiD資助的已完成項(xiàng)目開發(fā)的軟件都可以免費(fèi)下載，且研究者必須在項(xiàng)目結(jié)束后公開一份詳細(xì)說(shuō)明研究成果的白皮書。如，“Trees and Tweets:Mining Billions to Understand Human Migration and Regional Linguistic Variation”項(xiàng)目允許公眾免費(fèi)使用研發(fā)的軟件Word Mapper，并承諾會(huì)公開完整的定量數(shù)據(jù)集。

3.4 積極開展國(guó)家層面的宏觀比較分析

DiD是一個(gè)跨大西洋的國(guó)際合作專項(xiàng)基金，因此，探討歐美在文化、經(jīng)濟(jì)、法律等人文社科方面的國(guó)家級(jí)問(wèn)題是其主要研究課題之一。如，“Digging into High Frequency Data:Present and Future Risks and Opportunities（Atlantis）”項(xiàng)目建立了一個(gè)整合的歐美股市高頻交易數(shù)據(jù)模型，以便在全球范圍內(nèi)控制股市風(fēng)險(xiǎn)；“Intelligent Search Engine for Belief Legends（ISEBEL）”項(xiàng)目對(duì)荷蘭、丹麥和美國(guó)三國(guó)收藏的本國(guó)最大的民間傳說(shuō)數(shù)據(jù)庫(kù)進(jìn)行搜索和分析，比較三國(guó)民眾在文化信仰方面的差異；“SPeech Across Dialects of English（SPADE）:Large-Scale Digital Analysis of A Spoken Language across Space and Time”項(xiàng)目對(duì)英國(guó)、加拿大和美國(guó)三國(guó)不同的英語(yǔ)系語(yǔ)言的語(yǔ)音數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，探討英語(yǔ)語(yǔ)言的變化規(guī)律；“Trees and Tweets:Mining Billions to Understand Human Migration and Regional Linguistic Variation”項(xiàng)目分析英國(guó)和美國(guó)在社交媒體上的語(yǔ)言變化，了解英美兩國(guó)語(yǔ)言變遷的形成過(guò)程和原因，以及語(yǔ)言變化和移民之間的關(guān)系，“Digging into Linked Parliamentary Data”項(xiàng)目對(duì)加拿大、荷蘭和英國(guó)的議會(huì)數(shù)據(jù)進(jìn)行分析，闡述不同國(guó)家在政治和制度方面的發(fā)展和異同。

3.5 深度挖掘紙本資源隱含的信息

手稿、古籍和報(bào)紙等紙質(zhì)資源是人文社科研究中最有價(jià)值的紙本資源，也是DiD項(xiàng)目的主要數(shù)據(jù)來(lái)源。如，“An Epidemiology of Information:Data Mining the 1918 Influenza Pandemic，”項(xiàng)目對(duì)美國(guó)國(guó)會(huì)圖書館和阿爾伯塔省圖書館收藏的1918年發(fā)表的有關(guān)西班牙流感疫情的100多份報(bào)刊進(jìn)行數(shù)據(jù)挖掘，探索疾病和信息傳播之間的關(guān)系；“Digging into the Enlightenment:Mapping the Republic of Letters”項(xiàng)目對(duì)18世紀(jì)以紙質(zhì)信件進(jìn)行通訊的數(shù)據(jù)進(jìn)行分析，得到知識(shí)史網(wǎng)絡(luò)圖，并解析知識(shí)傳播的軌跡；“Oceanic Exchanges:Tracing Global Information Networks in Historical Newspaper Repositories，1840-1914（OcEx）”項(xiàng)目對(duì) 1840-1914年，美國(guó)、德國(guó)、墨西哥、芬蘭、英國(guó)、荷蘭六國(guó)報(bào)紙上的消息、流行信息、詩(shī)歌和小說(shuō)等內(nèi)容進(jìn)行大數(shù)據(jù)分析，探索文化的世界傳播特點(diǎn)。

3.6 鼓勵(lì)有學(xué)術(shù)價(jià)值的數(shù)字資源的解析

除了對(duì)紙本資源進(jìn)行數(shù)據(jù)挖掘，DiD還非常重視兩類網(wǎng)絡(luò)資源的研究:學(xué)術(shù)數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)化社交媒體。

數(shù)字圖書館、檔案館和博物館是創(chuàng)建、存儲(chǔ)、管理和保存學(xué)術(shù)性數(shù)字?jǐn)?shù)據(jù)的重要平臺(tái)，是數(shù)據(jù)挖掘的重要數(shù)據(jù)來(lái)源，DiD一直鼓勵(lì)申請(qǐng)者對(duì)這些重要的且已經(jīng)數(shù)字化的數(shù)據(jù)庫(kù)進(jìn)行深度挖掘。為此，DiD專門在網(wǎng)站上發(fā)布了重要數(shù)據(jù)倉(cāng)庫(kù)的列表:ARTstor、Biodiversity Heritage Library、 JSTOR、 National Library of Medicine（NLM）、National Science Digital Library（NSDL）、National Technical Information Service（NTIS）、Pro ject MUSE等。如，“Digging by Debating”項(xiàng)目以Hathi Trust Digital Library收藏的數(shù)字資源為數(shù)據(jù)來(lái)源；“Integrating Data Mining and Data Management Technologies for Scholarly Inquiry”項(xiàng)目對(duì)JSTOR進(jìn)行分析；“Mining Biodiversity”項(xiàng)目對(duì)Biodiversity Heritage Library平臺(tái)進(jìn)行升級(jí)改造；“THEMIS.COG:Theoretical and Empirical Modeling of Identity and Sentiments in Collaborative Groups”項(xiàng)目對(duì)世界上最大的社交編程和托管平臺(tái)GitHub的用戶進(jìn)行研究，“Dig That Lick:Analysing Large-Scale Data for Melodic Patternsin Jazz Performances”項(xiàng)目對(duì)世界知名爵士樂(lè)數(shù)據(jù)庫(kù)開展跨學(xué)科的音樂(lè)分析。

社交媒體是最大的公眾在線交流平臺(tái)，對(duì)這些大數(shù)據(jù)進(jìn)行用戶行為研究，能從公眾視角分析世界格局。DiD主要采用三種研究方法。① 傳統(tǒng)媒體和社交媒體的比較研究。“Understanding Opinion and Language Dynamics Using Massive Data”項(xiàng)目比較了傳統(tǒng)雜志《紐約時(shí)報(bào)》和新型在線媒體Twitter上發(fā)表的政治新聞數(shù)據(jù)，探討大數(shù)據(jù)信息環(huán)境改變?nèi)祟惖幕顒?dòng)、行為和決策過(guò)程，尤其是意見擴(kuò)散和語(yǔ)言演變的軌跡。② 專業(yè)學(xué)者的用戶研究。“Digging by Debating”項(xiàng)目對(duì)學(xué)術(shù)書目數(shù)據(jù)庫(kù)和專家撰寫的綜述論文進(jìn)行研究，分析學(xué)者在跨學(xué)科研究方面的行為特點(diǎn)；“Cascades,Islands,or Streams?Time,Topic,and Scholarly Activities in Humanities and Social Science Research”項(xiàng)目探討了學(xué)者使用Twitter社交媒體開展非正式學(xué)術(shù)活動(dòng)的特點(diǎn)，探討社交媒體對(duì)學(xué)術(shù)研究的影響。③ 一般公眾的用戶行為研究?！癟reesand Tweets:Mining Billionsto Understand Human Migration and Regional Linguistic Variation”項(xiàng)目比較了美國(guó)和英國(guó)公眾利用Twitter的語(yǔ)言差異，探討語(yǔ)言和移民之間的關(guān)系。

4 國(guó)內(nèi)人文社科管理部門的啟示

4.1 宏觀規(guī)劃

目前，國(guó)內(nèi)還沒有一個(gè)國(guó)家級(jí)別的數(shù)字人文資助機(jī)構(gòu)，沒有統(tǒng)一的宏觀布局，缺乏國(guó)際合作的條件和資金支持。國(guó)家自然科學(xué)基金委員會(huì)在2015年設(shè)立了“大數(shù)據(jù)驅(qū)動(dòng)的管理與決策研究”重大研究基金，2017年該基金在指南中指出：“在大數(shù)據(jù)背景下，傳統(tǒng)的管理與決策正從以管理流程為主的線性范式逐漸向以數(shù)據(jù)為中心的扁平化范式轉(zhuǎn)變，管理與決策中各參與方的角色和相關(guān)信息流向更趨于多元和交互”，［18］這說(shuō)明，國(guó)家已經(jīng)意識(shí)到大數(shù)據(jù)研究的重要性，只是該基金主要面向自然科學(xué)研究領(lǐng)域。筆者也查詢過(guò)國(guó)家人文社科基金，有關(guān)數(shù)字人文和大數(shù)據(jù)的項(xiàng)目近年來(lái)增長(zhǎng)較快，但是還沒有基于人文社科的數(shù)據(jù)挖掘?qū)嵺`內(nèi)容的基金立項(xiàng)，更沒有國(guó)際合作項(xiàng)目。為此，需從國(guó)家層面進(jìn)行宏觀規(guī)劃，建立國(guó)際合作專項(xiàng)基金，有效利用全球的數(shù)字資源，打造國(guó)際化的創(chuàng)新團(tuán)隊(duì)，增強(qiáng)國(guó)家層面的人文社科研究實(shí)力。

4.2 建立評(píng)估機(jī)制

數(shù)據(jù)挖掘研究一般以實(shí)踐應(yīng)用為目標(biāo)，軟件是最普遍的研究成果，如何對(duì)這種成果進(jìn)行學(xué)術(shù)評(píng)價(jià)，國(guó)內(nèi)還沒有一套完善的評(píng)價(jià)標(biāo)準(zhǔn)，也就難以鼓勵(lì)研究者開展相關(guān)的實(shí)踐探索。2017年9月，浙江大學(xué)頒布了《優(yōu)秀網(wǎng)絡(luò)文化成果認(rèn)定實(shí)施辦法（試行）》，提出將優(yōu)秀網(wǎng)絡(luò)文化成果納入學(xué)?？蒲谐晒y(tǒng)計(jì)、各類晉升評(píng)聘和評(píng)獎(jiǎng)評(píng)優(yōu)范圍，但這也只是少數(shù)高校的嘗試性做法，還未普及，不足以激勵(lì)技術(shù)人員和人文社科研究者的合作意向。因此，需要改變國(guó)內(nèi)學(xué)術(shù)評(píng)價(jià)機(jī)制，并鼓勵(lì)跨學(xué)科的研究者開展創(chuàng)新性實(shí)踐探索。

4.3 設(shè)立“數(shù)據(jù)管理計(jì)劃”

數(shù)字資源的長(zhǎng)期保存、復(fù)用和增值日益受到學(xué)術(shù)界的重視。數(shù)據(jù)挖掘研究勢(shì)必產(chǎn)生大量計(jì)算生成的非線性、多維度的“大數(shù)據(jù)”，需要對(duì)這些數(shù)據(jù)進(jìn)行合理的管護(hù)。美國(guó)國(guó)立衛(wèi)生研究院要求，2003年開始，申請(qǐng)經(jīng)費(fèi)在50萬(wàn)美元以上的申請(qǐng)者必須提交一份數(shù)據(jù)共享管理計(jì)劃；美國(guó)國(guó)家科學(xué)基金會(huì)在2011年要求申請(qǐng)者提交“數(shù)據(jù)管理計(jì)劃”；［19］NEH在資助數(shù)字人文項(xiàng)目時(shí)，明確提出申請(qǐng)者需要附上2頁(yè)的“數(shù)據(jù)管理計(jì)劃”。在數(shù)據(jù)管護(hù)越來(lái)越受到重視的學(xué)術(shù)研究背景下，國(guó)內(nèi)基金管理部門應(yīng)積極設(shè)立類似的數(shù)據(jù)保護(hù)計(jì)劃。

4.4 鼓勵(lì)共享研究成果

開放獲取模式對(duì)培養(yǎng)公眾的人文素養(yǎng)有積極作用，基于數(shù)字人文的數(shù)據(jù)挖掘項(xiàng)目往往涉及公眾的文化、生活、經(jīng)濟(jì)、法律等內(nèi)容，這些研究成果對(duì)公眾開放，可以提高公眾對(duì)人文社科問(wèn)題的批判思維能力，也能了解公眾對(duì)這些問(wèn)題的認(rèn)知程度，還能掌握學(xué)者和公眾對(duì)這些問(wèn)題的理解差異。同時(shí)，對(duì)人文社科學(xué)者也有幫助。大部分?jǐn)?shù)據(jù)挖掘項(xiàng)目的研究成果是軟件和工具，這些成果可以幫助其他學(xué)者分析數(shù)據(jù)，而無(wú)需投入精力開發(fā)系統(tǒng)，起到了事半功倍的效果。

5 對(duì)國(guó)內(nèi)圖書館理論和實(shí)踐研究的啟示

5.1 對(duì)數(shù)據(jù)管護(hù)的研究

網(wǎng)絡(luò)時(shí)代，圖書館需要把數(shù)字資源的管護(hù)納入自己的服務(wù)范圍。數(shù)字人文研究讓數(shù)據(jù)管護(hù)工作變得更加重要，尤其是人文社科研究者經(jīng)常使用計(jì)算建模方法開展數(shù)字人文研究，會(huì)產(chǎn)生很多數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行合理的存檔、保存、監(jiān)護(hù)和管理，是圖書館參與數(shù)字人文實(shí)踐研究的一個(gè)重要職責(zé)。另外，圖書館一直承擔(dān)著信息素養(yǎng)的培訓(xùn)工作，有豐富經(jīng)驗(yàn)。大數(shù)據(jù)時(shí)代，數(shù)據(jù)素養(yǎng)教育可以作為圖書館的一個(gè)服務(wù)方向。首先，對(duì)館員進(jìn)行數(shù)據(jù)素養(yǎng)教育，鼓勵(lì)館員學(xué)習(xí)信息技術(shù)知識(shí)，有條件的圖書館可以設(shè)立數(shù)據(jù)館員職位，與其他專業(yè)的學(xué)者進(jìn)行數(shù)據(jù)管護(hù)合作；其次，對(duì)人文社科研究者和公眾進(jìn)行數(shù)據(jù)素養(yǎng)培訓(xùn)，幫助用戶提高數(shù)據(jù)管護(hù)的能力。另外，高校圖書館還可以拓寬學(xué)科服務(wù)范圍，如搜集整理學(xué)科科研數(shù)據(jù)、分析學(xué)科的學(xué)術(shù)發(fā)展態(tài)勢(shì)等。

5.2 對(duì)數(shù)據(jù)來(lái)源的研究

社交網(wǎng)絡(luò)平臺(tái)是目前大數(shù)據(jù)研究的重要數(shù)據(jù)來(lái)源。社交媒體將人類信息傳播的速度帶入了一個(gè)嶄新的時(shí)代，也為人文社科研究貢獻(xiàn)了大量的網(wǎng)絡(luò)數(shù)據(jù)。為此，圖書館可以拓寬以下兩方面的研究。①社交媒體環(huán)境下的學(xué)術(shù)性評(píng)價(jià)研究。目前，大量學(xué)術(shù)活動(dòng)通過(guò)社交媒體進(jìn)行傳播，這些數(shù)據(jù)能洞察創(chuàng)新性學(xué)術(shù)內(nèi)容的最初端倪，屬于有學(xué)術(shù)價(jià)值的早期指標(biāo)。但是，至今還沒有太多的科學(xué)證據(jù)對(duì)此予以證明。因此，對(duì)于社交媒體產(chǎn)生的非正式性學(xué)術(shù)傳播數(shù)據(jù)進(jìn)行學(xué)術(shù)性評(píng)價(jià)研究，可以在一定程度上成為網(wǎng)絡(luò)資源評(píng)價(jià)機(jī)制的依據(jù)。② 社交媒體情景下的公眾輿情研究。公眾利用社交媒體發(fā)表大量有關(guān)人文社科問(wèn)題的數(shù)據(jù)，社交媒體成為學(xué)者和公眾知識(shí)分享的平臺(tái)。通過(guò)數(shù)據(jù)挖掘，可以獲得公眾對(duì)人文社科問(wèn)題的認(rèn)知，掌握學(xué)者與公眾在人文社科問(wèn)題理解上的差異。

同時(shí)，圖書館也要加強(qiáng)對(duì)已有數(shù)字語(yǔ)料庫(kù)的研究。開放獲取數(shù)據(jù)庫(kù)、企業(yè)數(shù)據(jù)庫(kù)、數(shù)字圖書館、檔案館和博物館等都保存了大量有學(xué)術(shù)價(jià)值的數(shù)字資源，圖書館不僅要對(duì)這些資源進(jìn)行合理管理，還需要加強(qiáng)對(duì)這些數(shù)據(jù)的分析研究，開展知識(shí)發(fā)現(xiàn)的咨詢服務(wù)和情報(bào)分析。為此，圖書館主管部門可以列出一些高質(zhì)量的數(shù)字語(yǔ)料庫(kù)，尤其是具有中國(guó)特色的語(yǔ)料庫(kù)，鼓勵(lì)人文社科專家、計(jì)算機(jī)專家和圖書館等合作開展數(shù)字人文挖掘研究。

5.3 對(duì)數(shù)字技術(shù)的研究

目前，圖書館與信息技術(shù)的關(guān)系越來(lái)越緊密，圖書館的技術(shù)人員和管理者需要了解數(shù)字技術(shù)的內(nèi)容和發(fā)展趨勢(shì)，才能更好地開展創(chuàng)新的服務(wù)工作。筆者對(duì)DiD項(xiàng)目運(yùn)用的數(shù)字技術(shù)進(jìn)行歸類，發(fā)現(xiàn)常用的技術(shù)包括文本挖掘、機(jī)器學(xué)習(xí)、數(shù)據(jù)模型、聚類、神經(jīng)機(jī)器翻譯、光學(xué)字符識(shí)別、可視化、圖像處理技術(shù)、地理信息系統(tǒng)和關(guān)聯(lián)數(shù)據(jù)等，機(jī)器學(xué)習(xí)技術(shù)中的自然語(yǔ)言處理和自動(dòng)語(yǔ)義標(biāo)注是關(guān)鍵技術(shù)。這些技術(shù)的專業(yè)性很強(qiáng)，圖書館需要與專業(yè)人員開展合作才能開展數(shù)字人文研究。同時(shí)，圖書館可以在元數(shù)據(jù)技術(shù)方面開展研究，如，元數(shù)據(jù)的自動(dòng)標(biāo)注技術(shù)、異構(gòu)元數(shù)據(jù)的互操作技術(shù)、關(guān)聯(lián)數(shù)據(jù)技術(shù)等。