 從數位典藏到數位人文
數位典藏是近年臺灣投入相當多精力與經費的領域，在臺大校內，從昆蟲系到人類系，從植物系到醫學系，橫跨人文社會與自然科學的各個學門，皆相繼加入數位典藏的行伍中。臺大數位典藏研究發展中心（以下簡稱「數典中心」）即在上述背景下成立。中心成員協助不同學門的研究單位，整合相關資源與人力，藉數位科技保存珍貴資料。
十多年來，臺灣數位典藏已是成果斐然，但我們仍想問：然後呢？保存過往當然重要，但如何從過去看見未來？典藏的文物和珍籍，如何更直接、更具效益地轉化成研究素材？而數位科技除了做為保存技術外，又如何在研究與教學等應用層面，提供學者更多工具與利器，發現新的可能性？
對於以上提問，「數位人文」（digital humanities）是我們尋找答案的方向。這個頗為新穎的詞彙，也出現在數典中心的英文名稱（Research Center for Digital Humanities）中。不過，「數位人文」聽起來也許稍嫌寬泛，畢竟「數位」與「人文」兩塊領域何其廣大，兩者結合恐怕更要讓人摸不著頭緒。
因此，多年來數典中心主要聚焦於歷史資料庫，希冀先找到一扇窗口，讓資訊科技與人文學科展開具體對話。換言之，我們沒有野心獨力完成數位人文的所有研究，而是希望拋磚引玉，藉由一些未臻成熟，但或許尚有潛力的概念，引發注意與進一步討論。用最簡單的話講，我們相信，資訊科技確實能提供歷史研究相當幫助，大幅提昇研究水準，目前這種跨界結合的成果，只能算剛剛起步，未臻成熟，亦未發揮科技的潛力。我們期待發展出所謂的「歷史資訊學」，甚至形成方法論上的「典範轉移」。這個理想應可推而廣之，應用於人文研究的不同領域。下文我們要分享近來摸索的心得。這些構想是否實際，需留待讀者自行評判。無論如何，若能藉由這篇小文章，找到志趣相合的同行者，將是最讓人欣喜的結果。 |
|
歷史資訊學的前世今生
歷史研究與資訊科技的結合非自今日始。熟悉當代史學的人，大概都記得年鑑學派史家勒華拉度里（Emmanuel Le Roy Ladurie, 1929-）所言：「明日的歷史學家若不會寫程式，那他就什麼也不是。」（The historian of tomorrow will be a computer programmer or he will be nothing.）這句20世紀70年代的宣言，而今看來誇張。多數歷史學家，可能對最基礎的程式語言一竅不通。就連勒華拉度里自己後期的著作，似乎也與電腦程式漸行漸遠。
但回到當時學術脈絡，計量史學正方興未艾。在法國，勒華拉度里與一群史家高唱系列史（serial history），透過大量統計數據呈現社會的長期發展；在美國，經濟學家佛格爾（Robert Fogel, 1926-）則因為美國鐵路史與黑奴史的計量史著作，聲名鵲起。統計證據取代了史家的自由心證。數字會說話，而且越說越多，越說越大聲。勒華拉度里自信滿滿的發言因此不難理解：史家得以提出不同於以往的觀察視角，電腦處理大量數據資料的能力，無疑扮演了關鍵性角色。
時移勢易，計量史學看似鋒頭不再。但當時的研究成果，仍是學術上重要資產。更重要的是，那代表了歷史學界接受資訊科技衝擊的第一波。新生代學者開始想像新技術帶來的可能性，思考如何調整問題意識，發現前人所未見。借用古偉瀛教授的話，那是「闢蹊／PC」的工作。回顧當時討論，不少學者已經看見資訊技術大有可為，甚至預言其革命性力量。但近二十年來，不僅計量史學日益式微，歷史學界對新技術的態度，也不復往昔樂觀。現在重提資訊與歷史研究的結合，或所謂「歷史資訊學」，難道只是老調重彈？
我們的回答是：世界已經不一樣了。這幾十年來資訊科技的突飛猛進，甚至要讓相關專家應接不暇，而這些技術正在一點一滴地改變人們的生活方式，乃至於思考模式。生物醫學研究的發展歷程，是最明顯的例證：資訊科技幾乎改變了整個生醫領域的版圖！更重要的是，儘管技術不斷前進，卻也變得更加可親，更為普及。在計量史學的年代，資訊科技可能只是少數人的昂貴玩物，但當下，它已是多數人生活中不可或缺的一部分。
眾多技術中，最明顯也最重要的發展，應為是網際網路的興盛。無論網路背後涉及多麼繁複深奧的理論或技術，對多數人而言，他只要準備一台基本功能堪用的電腦，便可在無垠的虛擬世界中展開探索。樂觀的觀察家說，Google與維基百科（wikipedia）正在改寫人們對知識的定義，或許不算誇大。
學院研究者當然不可能自外於這波潮流。未來的學術社群，將越來越倚賴網際網路互動。但只憑維基百科是難以成就學者的；充斥網路的錯誤訊息，更要讓專家嗤之以鼻。學術性的資料因此更形珍貴。在不同學術單位積極投入下，如今我們已經擁有各式各樣，涵蓋不同專題、語言和形式的資料庫。就連許多自稱「電腦文盲」的大學者都感受到資料庫的來勢洶洶。無論研究者是否樂見，資料庫的威力與效應，在在影響著當前學術研究，而且是大規模地、深刻地。因此，我們並不是如小說家般，幻想著不存在的科技烏托邦，而是要討論一個正在發生、許多人習焉不察，或未嘗深思的現象。
不只是資料庫
建置資料庫正是近年來數典中心投注最多心力之處。迄2009年4月，我們已經開放八個資料庫，內容涵括明清臺灣行政檔案、臺灣民間契約文書、日治法院檔案、日治時期統計資料、臺灣省諮議會檔案、中國國民黨史料、臺灣社運相關報刊資料等（詳見附錄），時間範圍從十七世紀以降，共計超過600萬筆影像與近2億字全文。
這龐大的工作絕非由數典中心單方面完成，而必須感謝眾多合作單位。他們大方開放珍貴資料，使其成為具有價值的公共財；又辛苦進行資料整理之工作，包括影像掃描、全文打字、建立後設資料（metadata）。以「日治法院檔案資料庫」為例，即為臺大法學院王泰升教授帶領學生，犧牲寶貴研究時間，在地方法院尋找為人遺忘的司法檔案，又在艱辛的條件下，將檔案逐一翻拍為數位影像。此外，臺大圖書館的工作人員，更在這幾年數位典藏工作中居功厥偉。
面對這許多寶貴資料，我們的責任是建立完善、便利的資料庫，讓研究者盡情利用。這句話說來容易，甚至每個資料庫都要宣稱如此。但是理想與實踐往往有差距，到底要怎麼達到這個目標呢？為此，我們投入相當時間思索：究竟何謂完善、便利的資料庫？資料庫使用者究竟要什麼？或者，我們究竟要提供研究者什麼？
首先，每個資料庫都有其不同的建置目的。有些資料庫是為「內部管理」所用，有些資料庫則是「推廣」、「教育」之用，在基本概念上，他們就會與「為研究而建立」的資料庫非常不同。如果有些資料庫對研究者而言「不太好用」，往往是沒有弄清幾種概念的差異，或者用過於粗糙的方式，打算一口氣完成三種目的。結果不是過於複雜（預設外來的使用者像內部管理者一般，對資料的性質與分類非常熟悉），就是過於簡單，甚至膚淺（預設瀏覽者腦中對資料毫無所知，也無意瞭解更多）。
有經驗的人大概都知道，實際研究通常落在上述兩種情況中間。也就是說，研究者往往是帶著問題，還有基本知識進入資料庫檢索；既非無知，也非全知。而他們抱持的期待可能有兩種：一是找尋某條已知的材料；一是針對某一問題（或概念），盡可能地發現相關素材，無論已知或未知。資料庫的最基本也最初步的功能，因此是縮短研究者查找資料的時間。
歷史學者大可質疑，運用資料庫檢索，永遠比不上一字一句地閱讀史料。後者不僅可增進研究者對資料的熟悉，地毯式的搜查，也比僅僅依靠關鍵字檢索周全。對此，我們要說，資料庫的目的本就不在於讓研究者「束書不觀」。對於各種著作──無論是一手材料或是二手研究──的熟悉，當然是人文領域不變的基本工夫。
然而，即便我們對皓首窮經的學者充滿敬意，但當資料數量日益龐大，超過任何一位認真學者畢生之力所能遍讀時，資料庫無疑可以成為最佳的「輔助工具」。提倡「e考據」的黃一農教授，已經以其厚實而精彩的著作，證明了這一點。
然而，如果僅止於「找到資料」，那麼數典中心的工作應該非常單純──即不斷擴充資料庫內容。但在我們看來，這是不夠的。在資訊學界，出現的窘境經常是「為創新而創新」。多數人忙著提供看起來更新更炫目的工具，卻少有人思考如何發揮現有工具的真正潛力。我們所面對的問題也有幾分相似。當前太多人忙著建立資料庫，卻太少人停下思考：這麼多的資料庫是否在研究上，帶來了任何本質性的改變？當使用者可以在短時間內找到大量的資料後，又怎麼樣？大家相信量變可以帶來質變，但它會自然而然地發生嗎？
我們發現，資料庫的使用者多半一筆一筆地閱讀檢索到的資料。對辛勤的研究者，這理所當然。但若依照目前態勢繼續發展，那很可能有一天，資料庫使用者仍得面對過量檢索結果興歎。這其中有沒有什麼環節，是科技能提供協助的？
我們因此開始思考，資料庫可以不只是「資料庫」，更可以成為一個「研究環境」。它不只儲存大量的資料，也應該提供各種工具，協助使用者利用、觀察和挖掘這些資料。想像一座巨大，如博赫士（Jorge Luis Borges）筆下無限延展的圖書館，訓練有素的館員，不只能幫忙找出一本一本的書，還能引領讀者探索蘊藏其中的種種「知識」。這些知識不等同於書本「資訊」，亦無法化約為任何特定的書籍。他們超過個體總和，是經由不同文本，互相指涉、串連，進而浮現的「集體意義」（collective meaning）。
敏銳的讀者或許已經發現，這種在字裡行間尋找線索、爬梳脈絡，將零碎材料轉化為知識的行為，不已近似歷史學家的工作嗎？然而，資料庫如何可能提供「知識」，而不只是「資訊」呢？對此，我們並沒有立即而完整的答案。但提問的角度及探索的視野，因此不能停留在單純的「資料檢索」（data retrieval），而必須進入另一個層次，即「資料探勘」（data mining）。
電腦能讀史料嗎？
資料探勘在人文領域並非時興的概念，但它不僅是資工研究的熱門課題，更被廣泛運用在商業運作之上。
根據維基百科的定義，「資料探勘」指的是「從大量的資料中抽取其中隱含的模式」（the process of extracting hidden patterns from large amounts of data）。這段好像說了什麼、又好像什麼都沒說的陳述，到底意味著什麼？又與歷史資訊學或數位歷史有何關係？
用具體的例子來說明吧。「臺灣歷史數位圖書館」（Taiwan History Digital Library, THDL）是數典中心2009年2月份甫開放的歷史資料庫，由臺大資工系博士後研究員杜協昌負責整體系統建置，其中包含「明清臺灣行政檔案」和「古契書」兩大部份。在國立臺中圖書館與臺大圖書館等單位協助下，蒐集了約24,000件古契書的全文（總數仍在增加中）。對契書研究者而言，這個數量不可謂不多。如果這是「大量的資料」，那麼，要如何「抽取中隱含的模式」呢？
契約代表物權或土地權的轉移。就理論言，一塊土地的開發，從官方頒布開墾契始，可能經歷買賣、鬮分、租佃、典讓、找洗等不同事件，如果將相關的契約加以排列，應該能重建一塊土地的生命史。然而，實際情形卻非如此順利。研究者往往面臨兩重問題，第一，有相當大量的古契書，因為種種原因消失了；第二，契書總數已經不夠完整，更麻煩的是散落在不同學術單位或收藏者手中。種種限制下，要再現土地的生命史，真是談何容易。
臺灣歷史數位圖書館雖然集中了兩萬多件契書，但起初他們只像散落一地的珍珠。因為契書來源各不相同，即便部份經過人為整理，但不同整理者各有各的邏輯，放在一起亦無法首尾一貫。如何串連這些契書，讓它們變成耀眼迷人的珍珠項鍊？土法煉鋼的方式是，找一位歷史學家，將所有契書從頭到尾看過，再藉由其強大的腦袋與心靈加以重建。這雖然不失為一條解決途徑，但我們最後選擇了另外一種方法：交由電腦來讀。
只認得0與1的電腦能讀史料嗎？當然可以，不過就像任何一位初接觸契書的新手研究者，電腦也需要旁人指引。
以臺大資工系碩士生黃于鳴的研究為例，她先是利用數位化的全文，自動擷取出每張契書中的來源時間、四至、土地面積、賣價、地號等資料；其次配合人工建立的詮釋資料，包括分類、人名、角色、地名、立契時間，利用程式將這些契書特徵資料自動兩兩比對。她進而發現，在兩萬多件契書中，有239組是契書內容相同、有806組鬮分契（通常只有些微差異）。最重要的是，電腦還因此發現將近1,000對「上下手契」。換言之，透過程式設計，電腦找出了土地在不同人之間轉手、流動的過程。若再進一步搭配鬮分契與買賣契，幾個家族的地方開發史甚至隱然從中浮現。
讀者當然可以批評：這些結果距離一個完整的歷史研究還遠得很！這一點我們完全同意。電腦對史料的解讀當然也不可能百分之百正確，因此上述結果也都經過人工檢查。然而，再次借用館員的比喻，我們所要提供的，本來就不是「取代」歷史學者的工作（至少短期內不可能），而是提供有效的「協助」，形成互補。當電腦找出契書間的關係後，歷史學者仍得付出時間，消化契書的內容，憑藉既有知識，加以解讀與詮釋，再將資料轉化為精彩的研究著作。
但我們希望能說服讀者，電腦所能做的，遠不只是「儲存」和「檢索」，還可能進行更深一層的知識工作。大家不妨想像一下，若由人工閱讀24,000份契書，大概只能發現幾條特定脈絡，而且應該是閱讀者早已鎖定的目標。要同時找到這多重互不相干的關係，幾乎不可能，這是人腦的限制。換言之，有些工作交由電腦處理，會更快，也更好。
上述電腦找出的契約關係，皆已整合進現有資料庫（即臺灣歷史數位圖書館）中，使用者找到特定契書後，便可觸類旁通地看到相關文件。這是我們所謂的「研究環境」，它不只提供檢索結果，還提供實用的研究工具。就如同好的檔案館，除原始材料外，也購置合用的工具書與相關學術書刊，讓研究者不假外求，便能展開工作。
如何達成這個目標，也是值得思考的問題。我們除了陸續將常用工具書數位化（如清代文官官職表，和針對臺灣史的中西曆轉換），臺灣歷史數位圖書館中還有其他「檢索後分析」的功能，例如，針對檢索結果自動畫出「年代分佈圖」；將檢索結果再加以分類，即「檢索後分類」；統計檢索結果出現的人名、地名或其他專有名詞，即「詞頻分析」。這種種設計皆出於一個基本理念，就是讓使用者除了逐篇閱讀外，還能有其他方式利用其檢索結果。「檢索後分類」是最好的例子，可以突顯數位化史料的特性。假設有人從臺灣歷史數位圖書館中，找到一批地契資料，彈指之間，他就可以讓這批資料以年代、出處、作者、分類等範疇，加以排列組合。（未來我們更希望能加上「地區」等其他範疇）
這是實體資料辦不到的。收藏實體資料只能永遠選擇一種排列方式，若以年代分類，就不可能又以作者分類（至少在同一個層次不可能）。這是不得不然，也因此不可避免犧牲資料某些特徵。用比較淺顯的方式來說，假設你今天走進書店想找某一位作者的書，該書店以出版社來排列圖書，但你偏偏不知道那本書是哪家出版社出的，那麼，要找到這本書真是如大海撈針了。
但電子資料庫不一樣。一個資料無論有多少種「身分」，電子資料庫都可以予以保留，並視使用者所需加以利用。以「書」為例，它可以是某某作者的作品，出版社的書，某某年的出版。凡此種種，都是一本書的不同身份，而
可以在電腦中並存，互不衝突。曾用過圖書館線上查詢系統的讀者，應該不難體會此點。
在我們構想中，數位資料此一優勢最具潛力處，在於讓研究者發現意料之外的脈絡。因此，檢索結果除了可依不同範疇（年代、作者等）分類，系統也按照幾個範疇進行初步統計。簡言之，這些功能希望提供讀者一個「俯瞰的視角」，快速掌握史料的整體「地貌」。而由此延伸，我們更想問，這種俯瞰的視角，有沒有可能刺激出新的問題或議題？
如果這個說法又要讓人想起計量史學，特別是那些針對「文字」而非「數字」的計量研究，應該是因為這個取徑仍然深具意義。尤其在史料數量大幅增加的今日，對歷史「大圖像」的掌握將更形重要。在這一點上，數位科技應該可以幫助歷史學者，快速掌握龐大史料匯聚而成的大致圖像。但我們不是在重提計量史學，因為數字對於歷史的解釋力有其限度。我們在資料庫中提供基本的統計，毋寧是想把這些數字視作新議題的出發點，期待好奇的歷史學者繼續追索，發現更具深度的解答。
當資訊與歷史碰頭
綜合以上討論，我們對數位歷史的思考大致可歸結為兩點：第一，在歷史研究中，有什麼事情是電腦可以取代人工的？第二，有什麼樣的研究是單憑人力難以企及的？潛藏在這兩個問題背後，有一個更大的追問，即人文研究的過程中，究竟涉及了哪些形式的心智工作？又有哪些模式是電腦可以模擬的？當然，答案不可能憑空而生。就這一點而言，數典中心出身理工科系的多數研究人員，又得像個人類學家般，耐心地、細膩地觀察其欲瞭解的對象。這是長期的工作，無法求速效。因此我們非常期待，甚至渴望與人文研究者有更多互動。
科技與人文的對話，近年盛行於學術圈內外，有時甚至要淪為浮濫。其實科技學者與人文學者有如不同國度的居民，往往對彼此語言毫無所悉；遑論「兩種文化」各自培育的學者，有何等迥異的思考模式。所謂的對話，不免成為各說各話。
循此，數典中心的自我期許，是架起溝通的平台或橋樑，甚至居中擔任「翻譯」。我們希望盡可能提供機會，找到一些不同領域研究者共同關心的焦點，讓跨領域對話逐步展開，就算規模不大，只要能引發一些火花，便勝過華而不實的表面工夫。
更具體來說，我們目前初步進行的工作有以下幾點：其一，鎖定具有潛力的課題，定期舉辦討論會，請不同領域的研究者帶領，形成有活力而持續的聚會。如2009年2月起進行的「古契書與臺灣史」討論月會，就是初步嘗試。我們依次邀請臺灣史學者，如陳秋坤、林欣宜與陳瑛珣主講，講題包括中國歷史上的土地買賣法令、十九世紀中葉臺灣的邊區事業經營、古契書與性別研究等等。
其二，數典中心推動訪問學人制度，使資深或新銳教授和學生都能與中心成員進一步交流。我們特別歡迎跨領域、具有前瞻性和創造力的計畫。
數位人文與數位歷史的研究，無疑是披荊斬棘。到現在為止，中文世界的討論相當稀少。但若把眼光拉遠，數位人文學其實已在世界不同地方萌芽。單就美國來講，維吉尼亞大學（University of Virginia）、喬治梅森大學（George Mason University）、洛杉磯加州大學（UCLA）皆相繼成立研究中心，號召不同領域學者投入；史丹佛大學（Stanford University）、芝加哥大學（Chicago University）及伊利諾大學香檳分校（University of Illinois at Urbana-Champaign）分別徵聘數位歷史或數位人文的博士後研究人員；鑽研近代書籍史的學者，如羅伯．丹頓（Robert Darnton, 1939-）、安東尼．葛夫頓（Anthony Grafton, 1950-），也紛紛撰文討論科技時代的圖書出版與人文研究何去何從。這些現象在在說明數位人文研究在未來的重要性。
最後，我們歡迎新一代的人文社會研究者加入研究團隊。新的成員不一定要是臺灣史的專家（若有豐富的知識當然更好），更不需要（像勒華拉度里說的）是個會寫程式的歷史學者。關鍵不在技術操作，而是對科技的潛力有些信心，對歷史或人文研究的本質有點感覺。最重要的還是想像力──能夠跳脫現有的框架與窠臼。
美國語言學會（American Philological Association）前會長歐唐納爾（James J. O’Donnell, 1950-）最近撰文指出，科技已經走在人文研究前面。後者不能只是被動回應，而必須積極思考，如何在這樣的新時代問出正確的、有價值的問題，並且有足夠的野心，借助科技尋找解答。
的確，數位歷史不只是科技面的問題，也不該停留在玄思的階段。這個概念如果有價值，應該體現於對歷史學領域產生積極和實際的影響。我們因此要招募年輕研究者一同思索上述問題，並著手從事具體的歷史研究。與其他學術前沿領域一樣，這將是探索性的工作，沒有太多可供參考和追隨的範例，也沒有現成的答案或模式可以遵循，有失敗的風險，但也有無限可能。
結語
任何學術發展都有其變與不變，任何構想也會有其洞見與不見。請 容我們再次強調，數位歷史的目標，不在否定、推翻或取代現存歷史研究，而是企圖開拓新的領域、方法與議題。這個新興領域應該容納更多對話，我們因此歡迎各 種批評，尤其是來自不同面向的意見。意見不同是學術討論常態，但往往能刺激出進一步思考。如多年來吳密察教授一直以他敏銳的眼光，和直言不諱的個性，提供 許多寶貴意見，在在成為我們前進的動力。
本文介紹了我們一些粗淺想法，和工作的大致進展，其中涉及議題繁多，無法一一詳述。這些成果是數典中心成員共同努力的結晶。理工研究講究分工，上述幾個計畫亦經過不同成員與碩博士生接力投入。
但距離理想，顯然還有許多工作亟待完成。基礎建設仍是重要的，擴充資料庫內容必須持續進行。未來我們依舊期待與更多單位合作，保存具有重要性（significance）、唯一性（uniqueness）、即時性（timeliness）與脆弱性（fragility）的資料。同樣地，我們也要針對每種資料的「個性」，藉由電腦科技，挖掘出其中最珍貴的面向。數典中心的人力十分有限，但值得做的事情太多，只能儘量加緊腳步，大步前進。
如果要問，資訊科技究竟會帶給歷史研究何等衝擊？答案之一是，「沒有功勞也有苦勞」的時代將逐漸遠去。未來的文章若僅是「資料豐富」，顯然不夠。歷史學家一如廚師，在資源匱乏的時代，有好的食材就已領先他人；告別匱乏年代後，廚師要證明自己的本領，必須以同樣素材，做出更加精緻而富有創意的菜色。這個說法或許稍嫌唐突，因為優秀的歷史著作向來不能只是堆砌史料。但未來，當資料取得越來越方便，歷史學者除非握有關鍵性的獨家秘本，否則絕不能只是「有幾分材料出幾分貨」。駕馭史料、發掘問題的能力和眼光，將比以往任何時代都更形重要。儘管這些工夫不易教授，也不易學習，但就整體學界而言仍是件好事，因為標準越高，未來的著作也應該愈加精彩。不過，學者個人功力的高低深淺，已非他人責任。我們盡所能提供好用的工具，至於如何炒出一桌好菜，就留給歷史學者去煩惱了。
附錄：臺大數典中心相關之資料庫
一、台灣歷史數位圖書館（THDL）
(http://thdl.ntu.edu.tw/)
目前本資料庫包含「明清臺灣行政檔案」與「古契書」兩文獻集。「明清檔案」約有37,000件全文資料，「古契書」約有24,000筆全文資料。時間涵蓋明清兩代、日治時期及戰後。
|
|
四、臺灣省諮議會檔案資料庫
(http://140.112.30.234/TPCCA/)
本資料庫包含民國35年至84年間議會相關檔案，計有：總務、民政、財政、教育、經建、主計、提案、質詢等八大類，共89,660筆資料，影像收納範圍則為民國35年到80年，共1,079,019張影幅。 |
|
八、臺灣大學典藏數位化計畫
(http://www.darc.ntu.edu.tw/)
內容含伊能嘉矩手稿、淡新檔案、田代文庫、狄寶賽文庫、歌仔冊、拓碑。另有臺大校內數位典藏之「植物標本與歷史文獻」、「昆蟲標本與文獻」、「臺灣岩石與地質史料」、「人類學系學術資料」、「臺灣近代醫療文物」等。 |
|
| 
