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)量增長迅速，如何創(chuàng)新地運(yùn)用基于計(jì)算的研究方法對這些數(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，從國際化的宏觀視角探討人文社科課題，得到新的國際觀點(diǎn)，也是目前的重要課題。為此，本文分析了美國國家人文基金會(huì)（National Endowment for the Humanities，NEH）專為數(shù)字人文研究設(shè)立的國際合作項(xiàng)目“挖掘數(shù)據(jù)挑戰(zhàn)”，為我國的相關(guān)研究提供參考。

1 國內(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、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和中國知網(wǎng)為數(shù)據(jù)來源進(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 國外研究現(xiàn)狀

① 從學(xué)科分布看，國外利用歷史數(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的歷史路徑；Van Eijnatten J等［4］解析了1863-1940年間荷蘭和德國出版的有關(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)和國家政策相互影響方面的價(jià)值。② 從數(shù)據(jù)來源看，針對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)為對象，研究音樂數(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)語提取方面的問題。

國外圖書館也在嘗試實(shí)驗(yàn)性的實(shí)踐研究。Green HE［8］對伊利諾伊大學(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 國內(nèi)研究現(xiàn)狀

國內(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《中國地方歷史文獻(xiàn)數(shù)據(jù)庫》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，歐陽劍［12,13］對古籍文本的數(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)自然語言處理工具對《白石老人自傳》進(jìn)行詞頻統(tǒng)計(jì)、高頻分布和語義網(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，國內(nèi)外都取得了一些實(shí)踐成果。國內(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，國外涉及的學(xué)科范圍更加寬泛，數(shù)據(jù)來源也更加豐富。

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)字人文研究的國際合作項(xiàng)目，［17］由美國、英國、加拿大、德國等11個(gè)歐美國家的18個(gè)國家級別的基金組織提供資助（見表1），基本上每兩年舉行一輪，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、合作單位和研究內(nèi)容摘要（見表2）。

表1 DiD合作國家和資助組織名稱表

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

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)國家的合作。申請機(jī)構(gòu)需要在國際人文社科領(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:制定針對符號語言數(shù)據(jù)進(jìn)行交叉語言量化分析的標(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言語料庫并制定世界標(biāo)準(zhǔn)；“挖掘生物多樣性”項(xiàng)目（Mining Biodiversity）對當(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，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)中國古代史中心和臺(tái)灣“中央研究院”歷史語言研究所聯(lián)合主持的“中國歷代人物傳記數(shù)據(jù)庫”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)目由語言學(xué)、語音科學(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)模嬰兒語料庫的軟件；“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法獲得的信息。如，“Analyzing Child Language Experiencesaround the World（ACLEW）”項(xiàng)目挖掘海量嬰兒語言，探討文化/跨國文化和語言之間的相互關(guān)系，并預(yù)測這種關(guān)系對嬰兒語言成長過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)測未來的創(chuàng)新研究課題；“全球趨勢: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 積極開展國家層面的宏觀比較分析

DiD是一個(gè)跨大西洋的國際合作專項(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家級問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)目對荷蘭、丹麥和美國三國收藏的本國最大的民間傳說數(shù)據(jù)庫進(jìn)行搜索和分析，比較三國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)目對英國、加拿大和美國三國不同的英語系語言的語音數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，探討英語語言的變化規(guī)律；“Trees and Tweets:Mining Billions to Understand Human Migration and Regional Linguistic Variation”項(xiàng)目分析英國和美國在社交媒體上的語言變化，了解英美兩國語言變遷的形成過程和原因，以及語言變化和移民之間的關(guān)系，“Digging into Linked Parliamentary Data”項(xiàng)目對加拿大、荷蘭和英國的議會(huì)數(shù)據(jù)進(jìn)行分析，闡述不同國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)來源。如，“An Epidemiology of Information:Data Mining the 1918 Influenza Pandemic，”項(xiàng)目對美國國會(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 1840-1914年，美國、德國、墨西哥、芬蘭、英國、荷蘭六國報(bào)紙上的消息、流行信息、詩歌和小說等內(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)來源，DiD一直鼓勵(lì)申請者對這些重要的且已經(jīng)數(shù)字化的數(shù)據(jù)庫進(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)倉庫的列表: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)來源；“Integrating Data Mining and Data Management Technologies for Scholarly Inquiry”項(xiàng)目對JSTOR進(jìn)行分析；“Mining Biodiversity”項(xiàng)目對Biodiversity Heritage Library平臺(tái)進(jìn)行升級改造；“THEMIS.COG:Theoretical and Empirical Modeling of Identity and Sentiments in Collaborative Groups”項(xiàng)目對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)目對世界知名爵士樂數(shù)據(jù)庫開展跨學(xué)科的音樂分析。

社交媒體是最大的公眾在線交流平臺(tái)，對這些大數(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?！癠nderstanding 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)、行為和決策過程，尤其是意見擴(kuò)散和語言演變的軌跡。② 專業(yè)學(xué)者的用戶研究?！癉igging by Debating”項(xiàng)目對學(xué)術(shù)書目數(shù)據(jù)庫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)，探討社交媒體對學(xué)術(shù)研究的影響。③ 一般公眾的用戶行為研究。“Treesand Tweets:Mining Billionsto Understand Human Migration and Regional Linguistic Variation”項(xiàng)目比較了美國和英國公眾利用Twitter的語言差異，探討語言和移民之間的關(guān)系。

4 國內(nèi)人文社科管理部門的啟示

4.1 宏觀規(guī)劃

目前，國內(nèi)還沒有一個(gè)國家級別的數(shù)字人文資助機(jī)構(gòu)，沒有統(tǒng)一的宏觀布局，缺乏國際合作的條件和資金支持。國家自然科學(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］這說明，國家已經(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。筆者也查詢過國家人文社科基金，有關(guān)數(shù)字人文和大數(shù)據(jù)的項(xiàng)目近年來增長較快，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)，更沒有國際合作項(xiàng)目。為此，需從國家層面進(jìn)行宏觀規(guī)劃，建立國際合作專項(xiàng)基金，有效利用全球的數(shù)字資源，打造國際化的創(chuàng)新團(tuán)隊(duì)，增強(qiáng)國家層面的人文社科研究實(shí)力。

4.2 建立評估機(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，如何對這種成果進(jìn)行學(xué)術(shù)評價(jià)，國內(nèi)還沒有一套完善的評價(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)、各類晉升評聘和評獎(jiǎng)評優(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，需要改變國內(nèi)學(xué)術(shù)評價(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)”，需要對這些數(shù)據(jù)進(jìn)行合理的管護(hù)。美國國立衛(wèi)生研究院要求，2003年開始，申請經(jīng)費(fèi)在50萬美元以上的申請者必須提交一份數(shù)據(jù)共享管理計(jì)劃；美國國家科學(xué)基金會(huì)在2011年要求申請者提交“數(shù)據(jù)管理計(jì)劃”；［19］NEH在資助數(shù)字人文項(xiàng)目時(shí)，明確提出申請者需要附上2頁的“數(shù)據(jù)管理計(jì)劃”。在數(shù)據(jù)管護(hù)越來越受到重視的學(xué)術(shù)研究背景下，國內(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，這些研究成果對公眾開放，可以提高公眾對人文社科問題的批判思維能力，也能了解公眾對這些問題的認(rèn)知程度，還能掌握學(xué)者和公眾對這些問題的理解差異。同時(shí)，對人文社科學(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)，而無需投入精力開發(fā)系統(tǒng)，起到了事半功倍的效果。

5 對國內(nèi)圖書館理論和實(shí)踐研究的啟示

5.1 對數(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)勢等。

5.2 對數(shù)據(jù)來源的研究

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)性評價(jià)研究。目前，大量學(xué)術(shù)活動(dòng)通過社交媒體進(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)對此予以證明。因此，對于社交媒體產(chǎn)生的非正式性學(xué)術(shù)傳播數(shù)據(jù)進(jìn)行學(xué)術(shù)性評價(jià)研究，可以在一定程度上成為網(wǎng)絡(luò)資源評價(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)。通過數(shù)據(jù)挖掘，可以獲得公眾對人文社科問題的認(rèn)知，掌握學(xué)者與公眾在人文社科問題理解上的差異。

同時(shí)，圖書館也要加強(qiáng)對已有數(shù)字語料庫的研究。開放獲取數(shù)據(jù)庫、企業(yè)數(shù)據(jù)庫、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，圖書館不僅要對這些資源進(jìn)行合理管理，還需要加強(qiáng)對這些數(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)字語料庫，尤其是具有中國特色的語料庫，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，才能更好地開展創(chuàng)新的服務(wù)工作。筆者對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)中的自然語言處理和自動(dòng)語義標(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。