站內搜索
站內搜索
資料圖片
當前，科學(xué)數據在科學(xué)研究中的作用日益顯著(zhù)，數據密集型知識發(fā)現方法受到科學(xué)界的普遍關(guān)注：科學(xué)家不僅通過(guò)對大量數據實(shí)時(shí)、動(dòng)態(tài)地監測與分析來(lái)解決科學(xué)問(wèn)題，更基于數據來(lái)思考、設計和實(shí)施科學(xué)研究。數據不僅是科學(xué)研究的結果，且成為科學(xué)研究的基礎；人們不僅關(guān)心數據建模、描述、組織、保存、訪(fǎng)問(wèn)、分析、復用和建立科學(xué)數據基礎設施，更關(guān)心如何利用泛在網(wǎng)絡(luò )及其內在的交互性、開(kāi)放性，利用海量數據的可知識對象化、可計算化，構造基于數據的、開(kāi)放協(xié)同的研究與創(chuàng )新模式。在人文社會(huì )科學(xué)領(lǐng)域，以“人文計算”、復雜網(wǎng)絡(luò )分析、大規模數據分析為特征的研究方法逐漸被采納，人文社會(huì )科學(xué)的“科學(xué)性”顯著(zhù)增強，而批判性與人文關(guān)懷有所弱化，學(xué)界對此褒貶不一。
人文社會(huì )科學(xué)研究的數據挑戰
其一，科研資料總量的快速增加給人文社會(huì )科學(xué)學(xué)者帶來(lái)了巨大挑戰。2006年，Gregory Crane提出，當前人文社會(huì )科學(xué)研究者在自身研究領(lǐng)域都面臨大量文獻資料的處理，這些文獻資料的數量已經(jīng)大大超越了傳統閱讀能力所能處理的范疇，因而人文社會(huì )科學(xué)學(xué)者也將不得不借助計算機來(lái)處理完成相關(guān)文獻資料，即“百萬(wàn)圖書(shū)的挑戰（Million Books Challenge）”問(wèn)題。隨著(zhù)跨學(xué)科研究趨勢的日益增強，傳統人文科學(xué)和社會(huì )科學(xué)領(lǐng)域引入了大量的計算機處理模式和分析方法，各類(lèi)依托計算機存儲媒介數字學(xué)術(shù)資源的開(kāi)發(fā)，基于復雜運算和分析的計算機模擬與實(shí)證，基于事實(shí)與證據的商業(yè)預測與案件證據推理等研究議題廣泛興起，從根本上改變了人文知識的獲取、標注、比較、取樣、闡釋與表現方式。尤其在語(yǔ)言學(xué)、文學(xué)、歷史學(xué)、文藝學(xué)、民族學(xué)等多個(gè)人文領(lǐng)域取得了引人注目的效果，并組建了專(zhuān)門(mén)的科研機構，形成了國際數字人文機構聯(lián)盟和數字人文中心網(wǎng)絡(luò )兩大數字人文研究聯(lián)盟。
其二，資料的數字化改變了傳統人文社會(huì )科學(xué)的資料類(lèi)型，數字資源的采集、加工和處理對研究成果的獲得作用日益顯著(zhù)。目前，海量的圖書(shū)、報紙、期刊、照片、繪本、樂(lè )曲、視頻等人文資料被數字化，并在互聯(lián)網(wǎng)上被提供給研究者存取利用。而以“大數據”為代表的數據資源相對于數字文本、數字文獻等數字信息資源，來(lái)源更加廣泛，數據粒度更小，記錄單元更加碎片化，結構更加多元化，機器生成數據也顯著(zhù)多于人工生成數據，信息質(zhì)量參差不齊，對資料的匯集、保存和綜合利用更加依賴(lài)計算機的輔助，人文社會(huì )科學(xué)也越來(lái)越需要依賴(lài)計算機對研究過(guò)程的支撐，傳統人文社會(huì )科學(xué)學(xué)者對計算機技術(shù)和分析技巧的缺失甚至可能影響人文社會(huì )科學(xué)研究的最終實(shí)現，進(jìn)而將計算機分析處理能力延伸為人文社會(huì )科學(xué)研究者科研素養的重要組成部分。
大數據與人文社會(huì )科學(xué)研究新思維
從當前數字人文和人文大數據研究情況看，人文及社會(huì )計算方法與人文社會(huì )科學(xué)研究的融合出現了三類(lèi)新的研究思維：
其一，人文社會(huì )科學(xué)開(kāi)放與全過(guò)程研究思維。以往人文社會(huì )科學(xué)研究成果的表現形式為最終成果，再利用主要以文獻引用、轉述和評論等為主。而數字人文研究可記錄人文社會(huì )科學(xué)研究的完整過(guò)程，資源化的原始數據、中間成果得以立體化應用，再利用水平顯著(zhù)提升。目前，國外以在線(xiàn)實(shí)驗室、項目網(wǎng)站、開(kāi)放數據集、項目論壇、項目社會(huì )網(wǎng)絡(luò )為特征的立體開(kāi)放研究思維普遍確立，可參與性大大增強。
其二，人文社會(huì )科學(xué)碎片化重組研究思維。大數據環(huán)境下，人文社會(huì )科學(xué)研究更加注重片段數據、海量數據、非結構化數據的采集、清洗與分析，通過(guò)碎片化重組，深度揭示難以處理或無(wú)法預知的科學(xué)問(wèn)題。比如通過(guò)海量自然語(yǔ)言表達效果觀(guān)測公眾的政治參與意識、通過(guò)科學(xué)家的在線(xiàn)時(shí)間與資源下載時(shí)間分布研究科學(xué)家的作息時(shí)間與工作強度等。
其三，人文社會(huì )科學(xué)計算分析研究思維。以往人文社會(huì )科學(xué)研究定性研究居多，定量研究也主張采用是非論斷，采納或拒絕某一特定假設，是采用確定性、因果關(guān)系的研究思維。在大數據環(huán)境下，人文社會(huì )科學(xué)研究可采用計算分析思維，對相關(guān)命題進(jìn)行趨勢分析。
此外，在上述研究思維體系下，跨學(xué)科協(xié)作、跨平臺協(xié)作、海量資料加工以及人文社會(huì )科學(xué)的計算化趨勢日益明顯，并涌現出若干研究取向與熱點(diǎn)問(wèn)題。
人文社會(huì )科學(xué)大數據研究的基本特征
綜合已有的研究，人文社會(huì )科學(xué)的大數據研究具有如下基本特征：
一是所涉及資料均大大超過(guò)一般的閱讀、分析和理解所能處理的范疇，是以往“不可研究”或“難以研究”的，大數據分析方法的出現提供了人文社會(huì )科學(xué)研究新的研究空間，提供了新的研究可能。
二是一般引入計算分析方法，其結論并非觀(guān)察、思索、領(lǐng)悟等傳統方法獲得，而是通過(guò)大量數據的匯集而“自動(dòng)涌現”，其理論的獲得不同于傳統人文社會(huì )科學(xué)研究。
三是均構建了可持續完善和豐富的數據集和分析工具，其可用性、共享性、重用性、協(xié)作性大大增強，提供了人文社會(huì )科學(xué)學(xué)者大規模協(xié)作的可能。
四是均具有跨學(xué)科特征。數字人文研究需要匯集專(zhuān)業(yè)領(lǐng)域技能、數據管理技能、數據分析技能和項目協(xié)作技能，因而這類(lèi)項目往往由跨度較大的不同學(xué)科的專(zhuān)業(yè)學(xué)者共同完成。
五是決定研究質(zhì)量的主要是數據集的質(zhì)量、數量和利用方式，而研究假設相對容易。在某種程度上，數據科學(xué)家將成為人文社會(huì )科學(xué)大數據研究中的主角。
人文社會(huì )科學(xué)大數據研究的隱憂(yōu)
雖然以微軟、谷歌、IBM為代表的主流數據服務(wù)商都極力推崇數字化人文社會(huì )科學(xué)研究的美好前景，但其也存在不足：
首先，非場(chǎng)景化的研究邏輯缺乏適用性與人文關(guān)懷。由于完全剝離了數據所處的具體環(huán)境，數據可能生澀，并且缺乏可理解性和適用性。比如商業(yè)分析中的數據挖掘，其可用性?xún)H10%左右，并非“一挖就靈”。2012年，加拿大作家史蒂芬·馬爾什在其文章《文學(xué)不是數據：反對數字人文》中也表示，將文學(xué)當作數據會(huì )失去文學(xué)本身豐富的意蘊。
其次，人文社會(huì )科學(xué)的大數據研究有可能“敏銳地”發(fā)現問(wèn)題，卻無(wú)法給問(wèn)題合理的解釋?zhuān)矡o(wú)法給出有針對性的對策，限制了其應用范圍。比如輿情分析、政策計算、情感計算的應用。
再次，數據分析的集群研究會(huì )消滅重要的個(gè)體特征，而個(gè)體反而是眾多人文社會(huì )科學(xué)研究關(guān)注的焦點(diǎn)。
最后，人文社會(huì )科學(xué)大數據研究過(guò)分關(guān)注技術(shù)分析，可能忽視創(chuàng )新思維和思辨分析，不利于大師級人文社會(huì )科學(xué)學(xué)者的培養。
總之，隨著(zhù)人文社會(huì )科學(xué)數據的快速增長(cháng)以及大數據分析技術(shù)的日益完善，人文社會(huì )科學(xué)的大數據研究必然會(huì )成為人文社會(huì )科學(xué)的主流領(lǐng)域，但不會(huì )替代現有的人文社會(huì )科學(xué)研究，而是相互補充，相得益彰。
�。ㄗ髡邽閲疑缈苹鹬卮箜椖俊懊嫦驅W(xué)科領(lǐng)域的網(wǎng)絡(luò )信息資源深度聚合與服務(wù)研究”首席專(zhuān)家、南京大學(xué)教授）
