原標題：我國世界史研究中外文數(shù)據(jù)庫的利用

　　據(jù)筆者調(diào)查，國內(nèi)主要圖書館購買的以及可免費利用的外文專業(yè)數(shù)據(jù)庫資源，已超過千種。這些數(shù)據(jù)庫就文獻類型而言，可分為圖書、期刊、學位論文與會議論文、報紙、檔案、統(tǒng)計資料、報告、書目與文摘、圖片、音視頻等。就收入內(nèi)容而言，歷史學涉及史學理論、世界通史與斷代史、地區(qū)國別史（涉及70個左右的國家）、傳記、文物考古，其他學科如地理、哲學與宗教、政治與法律、軍事、經(jīng)濟、文化、科學、教育、體育、語言與文字、文學、藝術(shù)、醫(yī)藥衛(wèi)生等，也有很多資源可以參考。世界史研究需要利用數(shù)據(jù)庫尤其是外文數(shù)據(jù)庫，這是無須爭辯的問題。需要討論的是，如何對這些數(shù)量龐大的數(shù)據(jù)庫進行利用。本文從定名與定性、專題數(shù)據(jù)庫的建立、數(shù)據(jù)庫內(nèi)容考辨三個角度，談一些粗淺的看法。

　　一 

　　所謂定名與定性，是指對數(shù)據(jù)庫的名稱、性質(zhì)和收錄范圍有清晰的認識。

　　一般而言，因數(shù)據(jù)庫開發(fā)者都會提供數(shù)據(jù)庫名稱，定名問題不會有太大的困難，但也有一些特殊情況。其一，數(shù)據(jù)庫開發(fā)者有時會改變數(shù)據(jù)庫的名稱，從而導致在不同的館藏地或不同的學者引用中對同一數(shù)據(jù)庫標引不同。如美國檔案類數(shù)據(jù)庫“美國解密檔案在線”（U.S. Declassified Documents Online），原名為“解密檔案參考系統(tǒng)”（Declassified Documents Reference System）；期刊類全文數(shù)據(jù)庫“綜合學科學術(shù)文獻大全”（Academic Search Complete），原來的英文名為“Academic Search Premier”。在這種情況下，建議標引以最新名稱為準，同時了解其歷史名稱。其二，存在總庫、子庫的情況。如HeinOnline法律數(shù)據(jù)庫有60余個子庫，美國國會圖書館的“數(shù)字化收藏”（Digital Collections）有300多個子庫。一些開發(fā)商或代理商，還會重組其數(shù)據(jù)資源，形成新的總庫。如Gale公司，它把旗下部分報紙期刊類的庫組成Gale NewsVault，又把以檔案為主的300余個子庫組成“珍稀原始典藏檔案”（Archives Unbound，簡稱AU），還把這兩個庫和它的其他偏重原始檔案文獻的子庫組合起來，形成了Gale Scholar超大型數(shù)據(jù)庫。就個人利用而言，清晰的子庫名稱更重要；但由于一些館藏只標引了總庫，所以也需要了解總庫名稱。其三，館藏機構(gòu)的標引方式，也會造成名稱的混亂。比如，有的館藏只列翻譯而無原文名稱，各館藏有時翻譯名稱不同，以及有的館藏根據(jù)購買情況重新擬定數(shù)據(jù)庫名稱。如國家圖書館購買了AU中亞洲的部分專輯，命名為“珍稀原始典藏檔案合集：亞洲”（Archives Unbound Asia）。

　　確定性質(zhì)指確定文獻的收錄類型。前文已提及，外文數(shù)據(jù)庫的文獻類型包括圖書、期刊、報紙、檔案等。不同類型的文獻，在史學研究中所起到的作用是不同的，或作為目錄檢索路徑，或作為前期學術(shù)史，或作為史料來源。在開發(fā)商或圖書館的數(shù)據(jù)庫介紹中，會說明文獻的類型或特征。需要強調(diào)的是，上述文獻是基于現(xiàn)代的出版類型進行分類的，它很難完全體現(xiàn)人類過去所積累的文獻的所有特征，所以只能是相對性的。比如，檔案在今天往往指代有密級的、生成之時尚不能為一般公眾查看的文獻，但對于古代史而言，甲骨、碑銘、紙草文書、木板文書等，不管其當時的利用范圍如何，都已是研究那個時代的珍貴“檔案”了。

　　確定收錄范圍，指弄清數(shù)據(jù)庫收錄的內(nèi)容特征。在數(shù)據(jù)庫的介紹中，一般會對此作出說明，如“早期英文書籍在線”（Early English Books Online）的介紹，一般會說明其收錄的數(shù)量（12.5萬余種、超過2250萬頁英文著作）、時段（1473—1700年之間）、類型（名家著作、皇家條例及布告、軍事、宗教和其他公共文件、年鑒）、學科范圍（歷史、語言、音樂、美術(shù)、物理學、婦女研究）等。但確定內(nèi)容特征有時也會有一定的困難，上文提及的總庫與子庫的情況是其中之一。有的數(shù)據(jù)庫有很多子庫，但圖書館一般只會選擇部分子庫購買，而標引時卻用總庫名稱，這樣就很難知道該庫在某一具體館中的子庫收錄情況。另一種情況是，很多圖書館會選擇數(shù)據(jù)庫中與本校教學科研密切的模塊來購買，從而導致即便沒有子庫的數(shù)據(jù)庫，在各館中收錄內(nèi)容差異也較大。比如Sage期刊庫，有的館（如首都師范大學）購買了500多種現(xiàn)刊，有的館（如北京大學）則購買了800多種現(xiàn)刊。同名數(shù)據(jù)庫各館收藏不同，會讓同一檢索在不同的館藏出現(xiàn)差異甚至差別較大。此外，有的數(shù)據(jù)庫以模塊形式呈現(xiàn)，模塊下內(nèi)容較多，而模塊名稱卻未必能完整展現(xiàn)其收錄內(nèi)容。如ProQuest歷史庫的一個模塊“越南戰(zhàn)爭和美國外交政策（1960—1975年）”（Vietnam War and American Foreign Policy，1960—1975）是一個單一的數(shù)據(jù)庫，從其名稱來看，只能判斷其與越戰(zhàn)有關(guān)。但這個數(shù)據(jù)庫收錄內(nèi)容廣泛，含有104個子輯，內(nèi)容極其豐富，比如有成系列的美國國家安全委員會文件、國家安全委員會會議記錄，從肯尼迪到尼克松時期的國家安全文件等，實際上是戰(zhàn)后到20世紀70年代美國外交史研究的重要資源。像這類數(shù)據(jù)庫，不了解其子輯內(nèi)容就沒法深入利用。

　　二 

　　定名與定性是我們利用外文數(shù)據(jù)庫的起步工作。接下來，就可以大體判斷某一數(shù)據(jù)庫與我們所從事研究的關(guān)系，從而確定是否要加以搜集和利用。類似于做專題文獻書目一樣，在從事一項專題性的學術(shù)研究時，也要圍繞該研究搜集在線資源，做一個專題數(shù)據(jù)庫的列表。需要注意的是，這些專題數(shù)據(jù)庫搜集時面不能過窄，它們不僅要包括與某一研究直接相關(guān)的數(shù)字資源，也要包括一些宏觀性質(zhì)的及可能相關(guān)的其他數(shù)據(jù)庫。如研究兩次世界大戰(zhàn)期間英國的綏靖外交，首選當然是英國的外交檔案以及重要人物的文件集，如收錄了60余冊《英國外交政策文件，1919—1939年》的“英國海外政策文件”（Documents on British Policy Overseas）數(shù)據(jù)庫、內(nèi)維爾·張伯倫和奧斯丁·張伯倫的文件集（The Papers of Neville Chamberlain； The Papers of Sir Austen Chamberlain）、“丘吉爾檔案”（Churchill Archive），次選是這一時期的內(nèi)閣文件（Cabinet Papers）和國會文件的系列數(shù)據(jù)庫（U.K.Parliamentary Papers， House of Commons Parliamentary Papers， Hansard等），最后是反映當時媒體動向的重要報刊，如“大英圖書館報紙”（British Library Newspapers）、《泰晤士報》《每日電訊報》《倫敦新聞畫報》《圖畫郵報》等。同時，通過“英國外交部機密印刷件：北美，1824—1961年”（Confidential Print： North America， 1824—1961）、“英國外交部：美國通信”（British Foreign Office： United States Correspondence）、“英國外交部檔案：日本，1919—1952年”（Foreign Office Files for Japan，1919—1952）、“英國外交部檔案：中國，1919—1980年”（Foreign Office Files for China，1919—1980）等英國檔案數(shù)據(jù)庫，以及美國、日本、德國、澳大利亞、加拿大等國家的外交檔案數(shù)字資源，可了解圍繞英國綏靖行動有關(guān)國家的互動。以上搜集偏重于兩次世界大戰(zhàn)期間與英國有關(guān)、相對原始的文獻，也不能忽略一般的通用數(shù)據(jù)庫，比如圖書資源（約50種）、期刊資源（約30種）、學位論文資源（十余種）等。

　　三 

　　在搜集到相當?shù)碾娮淤Y源后，還要進行內(nèi)容考辨的工作。這一考辨，可以從兩個角度入手。

　　一是觀察數(shù)據(jù)庫資料來源和開發(fā)機構(gòu)。一般而言，政府機構(gòu)公布的本機構(gòu)所掌握文獻的權(quán)威性，高于其他來源；知名開發(fā)商、學術(shù)機構(gòu)開發(fā)的專業(yè)性數(shù)據(jù)庫，高于一般網(wǎng)絡(luò)資源。例如，我們要查美國人口數(shù)據(jù)，最優(yōu)先利用的是美國人口普查局開發(fā)的“美國事實發(fā)現(xiàn)者”（American Fact Finder），它可以提供美國人口、住房、經(jīng)濟和地理數(shù)據(jù)的來源；關(guān)于美國農(nóng)業(yè)人口，則要參閱農(nóng)業(yè)部的“國家農(nóng)業(yè)統(tǒng)計數(shù)據(jù)”（National Agricultural Statistics Service），它提供了自1840年以來美國各州和地區(qū)的農(nóng)業(yè)人口普查數(shù)據(jù)；還可以利用明尼蘇達大學的“美國國家歷史地理信息系統(tǒng)”（National Historical Geographic Information System），它提供了1790年至今的美國人口普查和其他全國性調(diào)查統(tǒng)計資料，包括帶有地理空間屬性信息的人口、農(nóng)業(yè)、經(jīng)濟等方面的數(shù)據(jù)。

　　二是注重數(shù)據(jù)形式和原實體之間的關(guān)系。就人文學科的多數(shù)數(shù)據(jù)庫而言，其數(shù)據(jù)往往來自某種實物。利用這種數(shù)據(jù)庫時，除了傳統(tǒng)利用實物載體要注意的考辨等工作外，還要考察數(shù)據(jù)形式同原實體之間的關(guān)系。如紙質(zhì)文獻在電子化的過程中，是完整電子化，還是部分電子化？電子化的文獻是如何排列的，這種排列同原始文獻的排列關(guān)系何在？等等。如ProQuest公司開發(fā)的“數(shù)字化國家安全檔案”（Digital National Security Archive），其文獻選取和組合模式是圍繞某一國家安全問題，抽取來自不同機構(gòu)的檔案，并按時間先后組織在新的子輯中。雖然所抽取的檔案是完整掃描，但它并不會完整掃描原檔案所在卷宗或系列，研究人員只能通過不同檔案的時序排列建立起聯(lián)系。利用這類數(shù)據(jù)庫時，有時還需使用相關(guān)的配套指南、大事年表、人名索引等工具。

　　定名與定性、建立專題數(shù)據(jù)庫、內(nèi)容考辨，是利用外文數(shù)據(jù)庫的基礎(chǔ)工作。做好這些工作，研究者可以更高效準確地找到自己所需要的電子資源。當然，它們并非利用外文數(shù)據(jù)庫注意事項的全部，如從知識考古學角度，可以討論數(shù)據(jù)庫開發(fā)的知識背景、開發(fā)動機、開發(fā)人員組成、文獻著錄方式等；從文獻挖掘角度，可以討論挖掘工具的選用、關(guān)鍵詞選取、算法等，這些都是我們在使用數(shù)據(jù)庫時需要考慮的內(nèi)容。

　�。ㄗ髡撸阂Π倩�，系首都師范大學歷史學院教授）