基于數(shù)字人文的檔案信息資源開發(fā)模式構(gòu)建和實施研究

朱令俊/南京大學(xué)信息管理學(xué)院

1 基于數(shù)字人文的檔案信息資源開發(fā)模式的提出

數(shù)字人文是指圍繞人文社科領(lǐng)域特定研究對象、知識本體數(shù)字化保存和應(yīng)用而進行的信息資源采集、加工、組織、服務(wù)、研究、教育等活動的總稱。數(shù)字人文依托數(shù)字化、數(shù)據(jù)管理、數(shù)據(jù)分析、可視化、VR/AR、機器學(xué)習(xí)等技術(shù)[1]，實現(xiàn)人文研究的理念革新、資源整合、機制融合、協(xié)同創(chuàng)新。從數(shù)字技術(shù)角度而言，數(shù)字人文是數(shù)字技術(shù)與人文學(xué)科交叉的學(xué)術(shù)活動領(lǐng)域，是數(shù)字資源在人文學(xué)科中的系統(tǒng)化應(yīng)用?；跀?shù)字人文的背景，檔案信息資源開發(fā)主要由開發(fā)客體、開發(fā)技術(shù)與開發(fā)平臺三部分組成。

1.1 開發(fā)客體：數(shù)字檔案資源/檔案數(shù)據(jù)庫

數(shù)字檔案資源依托計算機技術(shù)、掃描技術(shù)、OCR（Optical Character Recognition，簡稱OCR，光學(xué)字符識別）技術(shù)、數(shù)字攝像技術(shù)、數(shù)據(jù)庫技術(shù)、多媒體等技術(shù)條件實現(xiàn)形成和儲存，形成有序結(jié)構(gòu)的檔案數(shù)據(jù)庫，是構(gòu)造基于數(shù)字人文的檔案信息資源開發(fā)模式的基礎(chǔ)。

1.2 開發(fā)技術(shù)：數(shù)字工具

檔案信息資源開發(fā)需要對大規(guī)模的非結(jié)構(gòu)化數(shù)字檔案資源進行清理過濾，對所采集的有效信息進行文本化與結(jié)構(gòu)化處理。數(shù)字工具是參與檔案信息資源的處理、分析、呈現(xiàn)等全過程的重要媒介，為基于數(shù)字人文的檔案信息資源開發(fā)提供技術(shù)支持。從數(shù)字人文理念出發(fā)，數(shù)字工具主要作用于檔案信息資源開發(fā)中文本編碼、語義分析、時間表、網(wǎng)絡(luò)分析、可視化處理、空間分析和地圖制作幾方面。常見的數(shù)字工具有歷史地理信息系統(tǒng)（History Geography Information System, HGIS）、關(guān)聯(lián)數(shù)據(jù)（Linked Data）、數(shù)據(jù)清洗工具Open Refine、文本可視化分析工具TextArc等，使固化的檔案領(lǐng)域具有生命力和交互性的文化產(chǎn)品。

1.3 開發(fā)平臺：數(shù)字人文網(wǎng)絡(luò)基礎(chǔ)設(shè)施

數(shù)字人文網(wǎng)絡(luò)基礎(chǔ)設(shè)施分為三個層次，核心層為文獻資源及其服務(wù)機構(gòu)；中間層由基金會、資源庫、計算設(shè)施、機構(gòu)存儲、系統(tǒng)平臺、工具軟件、領(lǐng)域?qū)＜液蛿?shù)據(jù)科學(xué)家構(gòu)成，是網(wǎng)絡(luò)基礎(chǔ)設(shè)施的主體部分；外圍層是成果發(fā)布、社會交互、影響輻射的門戶或平臺[2]。網(wǎng)絡(luò)基礎(chǔ)設(shè)施主要提供支持數(shù)據(jù)獲取、存儲、管理、整合、挖掘、可視化的技術(shù)，以及其他計算與信息處理服務(wù)研究的環(huán)境，便于數(shù)字人文框架的總體布局與可持續(xù)性開發(fā)。

從人文學(xué)科角度而言，基于數(shù)字人文的檔案信息資源開發(fā)具有七大特征：面向主題，即面向單一主題聚類、資源整合、集成創(chuàng)新；關(guān)注本體，即注重語義分析效率，提供用于查詢推導(dǎo)的豐富語義信息，提高自動化程度；基于數(shù)字倉儲，即基于知識本體的數(shù)字檔案資源的采集、加工、組織和保存，并為對應(yīng)用戶群體提供集成化、專業(yè)化、精確化、智能化、互動性服務(wù)的信息系統(tǒng)及相關(guān)資源的總和；跨媒介互動，即通過建立邏輯整合交互系統(tǒng)，使海量信息在不同媒介之間交叉?zhèn)鞑ダ?，實現(xiàn)全方位、遠距離、及時性的互動體驗；跨領(lǐng)域整合，即打破學(xué)科領(lǐng)域壁壘，拓展檔案開發(fā)深度、廣度，加強與其他領(lǐng)域研究的關(guān)聯(lián)度；多機構(gòu)協(xié)同，即更加注重跨業(yè)態(tài)、多機構(gòu)的協(xié)同合作與創(chuàng)新，跨界集成資源、技術(shù)、平臺、管理和服務(wù)優(yōu)勢，實現(xiàn)資源整合、技術(shù)支持、業(yè)務(wù)共享等開發(fā)實踐；持續(xù)性開發(fā)，即迎合社會變化與需求及時更新迭代，保證檔案開發(fā)價值的時效性。

2 基于數(shù)字人文的檔案信息資源開發(fā)的案例研究

2.1 案例概述

當(dāng)前，國外學(xué)者密切關(guān)注數(shù)字人文與檔案結(jié)合的項目，其中歐洲聯(lián)合數(shù)字檔案基礎(chǔ)設(shè)施（Collaborative European Digital Archive Infrastructure, CENDARI）[3]與威尼斯時光機器[4]兩大項目作為數(shù)字人文檔案項目的典范，對研究基于數(shù)字人文的檔案信息資源開發(fā)具有參考價值。

CENDARI項目是歐盟資助為期四年的項目，該項目主要由計算機信息學(xué)家、歷史學(xué)家和檔案學(xué)家合作整理、加工、開發(fā)歐洲各國檔案文獻資源而成，利用OAIPMH協(xié)議庫和API（應(yīng)用程序編程接口），Atom（文本代碼編輯器），CKAN（開源數(shù)據(jù)門戶軟件）開發(fā)工具，基于EAG（制度層面）、EAD（采集）、MODS（項目級）等開放平臺。作為強大的檔案虛擬研究基礎(chǔ)設(shè)施和人文研究虛擬工作空間，CENDARI旨在通過內(nèi)容管理與歷史數(shù)據(jù)可視化幫助學(xué)者開展跨機構(gòu)、跨國界研究。威尼斯時光機器項目是瑞士洛桑聯(lián)邦理工學(xué)院和意大利威尼斯大學(xué)合作項目，該項目時間跨度長達十年，主要由數(shù)字人文專家、計算機科學(xué)家、歷史學(xué)家、檔案工作者共同開發(fā)威尼斯國家檔案館檔案，利用斷層（CT）掃描技術(shù)、語義編碼、人工智能、機器學(xué)習(xí)技術(shù)、可視化技術(shù)、云技術(shù)等，借助結(jié)構(gòu)分析、功能預(yù)測、基于語音識別的語言模型、云端平臺等工具，虛擬重構(gòu)中世紀(jì)威尼斯歷史風(fēng)物、地理面貌、文化習(xí)俗等多層次的社會全貌，旨在幫助研究者獲取存儲在威尼斯國家檔案館的大量數(shù)據(jù)，并構(gòu)建中世紀(jì)威尼斯的社會網(wǎng)絡(luò)關(guān)系。

結(jié)合上述案例比較分析，本文提出構(gòu)建一個假設(shè)性的開發(fā)架構(gòu)，用于描述基于數(shù)字人文的檔案信息資源開發(fā)的邏輯過程與基本軌跡：在開發(fā)目標(biāo)的規(guī)劃設(shè)計下，開發(fā)主體明確開發(fā)客體的用戶需求，借助開發(fā)工具和開發(fā)平臺進行技術(shù)處理，客體以多種形式向服務(wù)對象發(fā)布開發(fā)成果，并依據(jù)交互反饋機制后續(xù)完善。

2.2 模式要素簡析

一是開發(fā)目標(biāo)。開發(fā)者在開發(fā)前首先需要明確兩個問題，即通過開發(fā)，檔案信息資源（即開發(fā)客體）會呈現(xiàn)什么效果或結(jié)果？用戶（即服務(wù)對象）通過檔案開發(fā)可以得到什么？在此基礎(chǔ)上考慮后續(xù)開發(fā)的技術(shù)可行性、經(jīng)濟可行性、環(huán)境可行性，精確選擇主題和服務(wù)對象，并圍繞開發(fā)目標(biāo)制定和完善開發(fā)方案。二是開發(fā)主體。數(shù)字人文背景下的檔案信息資源開發(fā)主體更具多元化和復(fù)雜性，且呈現(xiàn)出明顯的跨學(xué)科、跨領(lǐng)域特征，需要綜合考量學(xué)科背景多元化、跨部門跨領(lǐng)域協(xié)作、資源與用戶特性三項因素。三是開發(fā)客體。檔案信息資源需要經(jīng)過海量篩選、綜合評估、充分了解后方能被確定為開發(fā)客體，在開發(fā)中對其可用性、有用性、完整性需要有更高要求，從而細化開發(fā)任務(wù)和目標(biāo)，提供開發(fā)效率。四是服務(wù)對象。開發(fā)的最終目的是服務(wù)利用，服務(wù)對象與開發(fā)目標(biāo)相適應(yīng)。即明確為哪一類用戶群體使用，并與開發(fā)客體形成交互反饋機制。而在數(shù)字人文背景下，服務(wù)對象需要更具目標(biāo)明確性和交互性，推進數(shù)字人文的深入。五是開發(fā)工具與開發(fā)平臺。為實現(xiàn)數(shù)字人文愿景，在搭建高效安全的開發(fā)工具和強大穩(wěn)定的開放平臺的基礎(chǔ)上，需要明確三個問題，即開發(fā)需要哪些技術(shù)、技術(shù)如何應(yīng)用開發(fā)、如何展現(xiàn)技術(shù)紅利，幫助了解檔案信息資源開發(fā)人員和設(shè)計人員多種開發(fā)語言和開發(fā)技術(shù)需求，實現(xiàn)高難度、多樣化、模擬環(huán)境的檔案項目開發(fā)任務(wù)。

2.3 實施原則

為科學(xué)合理、有序高效地開發(fā)檔案信息資源，除了構(gòu)建基于數(shù)字人文的檔案信息資源開發(fā)模式，還要明確檔案信息資源開發(fā)模式的實施原則：一是以檔案為中心，建構(gòu)數(shù)字人文開發(fā)框架，搭建開放、包容、前沿的多學(xué)科交流平臺；二是保護檔案實體，注重檔案可持續(xù)使用，實現(xiàn)機制運行下的實體檔案與數(shù)字檔案協(xié)調(diào)有序；三是技術(shù)創(chuàng)新，構(gòu)造數(shù)字交互環(huán)境，擁抱技術(shù)力量；四是跨界融合，創(chuàng)新開發(fā)途徑，促成產(chǎn)學(xué)研一體化；五是互動共生，探索可復(fù)制、可推廣的實踐經(jīng)驗。

3 基于數(shù)字人文的檔案信息資源開發(fā)實施策略

3.1 技術(shù)：變革的契機與挑戰(zhàn)

技術(shù)是資源利用和服務(wù)供給的支撐力量，是檔案開發(fā)的重要動力?；跀?shù)字人文的檔案信息資源開發(fā)在技術(shù)層面包含數(shù)字化技術(shù)、數(shù)據(jù)管理技術(shù)、數(shù)據(jù)管理技術(shù)、數(shù)據(jù)分析技術(shù)、可視化技術(shù)、VR/AR技術(shù)、機器學(xué)習(xí)技術(shù)。以數(shù)據(jù)分析技術(shù)為例，該技術(shù)對檔案信息資源進行分析研究，涉及內(nèi)容挖掘、時序分析、社會關(guān)系分析、歷史地理空間分析等，能夠重新組織構(gòu)建檔案信息資源所反映的社會網(wǎng)絡(luò)與歷史軌跡。哈佛大學(xué)地理研究中心開發(fā)了地理信息平臺“世界地圖計劃”（WorldMap），將歷史文獻與古地圖上的地理描述予以定位、歸納，使公眾對信息進行編輯與可視化管理[5]。在平臺中，古代中國地圖包含環(huán)境、氣候、邊界、能源、交通、教育、語言、人口等信息，借助數(shù)據(jù)分析技術(shù)提供結(jié)構(gòu)化、可視化的數(shù)據(jù)呈現(xiàn)，能夠在地圖上清晰地標(biāo)注有關(guān)信息，例如標(biāo)注古代中國受蝗蟲災(zāi)害影響的地區(qū)、全國各省男女受教育的平均年限等信息[6]。

3.2 服務(wù)：本質(zhì)的回歸與拓展

服務(wù)是技術(shù)加工和資源利用的保障，是檔案開發(fā)的價值歸宿。數(shù)字人文框架下的檔案信息資源開發(fā)不同于傳統(tǒng)檔案信息資源開發(fā)，本質(zhì)在于檔案機構(gòu)或研究人員的工作理念發(fā)生了轉(zhuǎn)變，由被動“提供”變?yōu)橹鲃印胺?wù)”，從而創(chuàng)新檔案服務(wù)方式。服務(wù)主要從兩大方面實現(xiàn)，即開放式推送和個性化定制。在開放式推送方面可借助平臺網(wǎng)絡(luò)優(yōu)勢，開啟檔案開發(fā)傳播新形式。如美國國家檔案與文件署在Twitter、Facebook、YouTube等社交媒體上積極推廣檔案動圖GIF系列，形成良性循環(huán)的信息生態(tài)圈；里士滿大學(xué)數(shù)字研究實驗室牽頭創(chuàng)建在線信息中心，提供美國“居住警示區(qū)域”信息，將全美社區(qū)按照安全系數(shù)標(biāo)注為不同等級，從“最佳”到“危險”，使用者可以搜索150幅地圖和對5000個社區(qū)的描述信息[7]。由此形成良性信息生態(tài)圈，拓展與提升檔案文化與開發(fā)成果的覆蓋面和影響力，實現(xiàn)檔案信息資源的社會價值。數(shù)字人文還影響著檔案信息資源開發(fā)的內(nèi)容傳播與呈現(xiàn)方式，在個性化定制方面，通過融入全新的技術(shù)如全景技術(shù)、地理信息系統(tǒng)、APP端應(yīng)用服務(wù)、微信小程序等實現(xiàn)檔案信息的實時展示，以耳目一新的方式展現(xiàn)與傳遞檔案文化。

3.3 資源：生態(tài)的融合與重構(gòu)

資源是技術(shù)加工和服務(wù)供給的基礎(chǔ)，是檔案開發(fā)的物質(zhì)前提。資源在構(gòu)建信息生態(tài)圈和聯(lián)接公共部門、研究機構(gòu)與公眾上具有舉足輕重的作用。在數(shù)字人文的支持下，積極建構(gòu)“大檔案觀”理念，使檔案信息資源能夠全方位、無遺漏、多形式地呈現(xiàn)。在重塑檔案信息生態(tài)圈時，可整合檔案館、圖書館、博物館的館藏資源，建立統(tǒng)一的元數(shù)據(jù)標(biāo)準(zhǔn)，解決單館存在的“信息孤島”問題，最大程度地發(fā)揮三館資源優(yōu)勢。通過跨界合作的方式重構(gòu)檔案信息資源，與各類電視節(jié)目聯(lián)合制作以檔案資料為背景的紀(jì)錄片或?qū)ｎ}節(jié)目，如中央電視臺國際頻道的《國寶檔案》節(jié)目，利用檔案資源優(yōu)勢，重新整合加工，還原歷史，賦予檔案呈現(xiàn)于公眾面前又一新形式。除此之外，檔案部門還可以與商業(yè)機構(gòu)、文化遺產(chǎn)保護機構(gòu)等組織主動合作，保護檔案資源，合理挖掘開發(fā)檔案信息價值，如近現(xiàn)代中國蘇州絲綢檔案入選《世界記憶名錄》，可通過開展記憶工程項目和檔案非物質(zhì)文化遺產(chǎn)的保護、傳播、交流等實踐，與全社會共享檔案成果，擴大檔案受眾群體與檔案文化影響力。