原標題:我國世界史研究中外文數據庫的利用
據筆者調查,國內主要圖書館購買的以及可免費利用的外文專業數據庫資源,已超過千種。這些數據庫就文獻類型而言,可分為圖書、期刊、學位論文與會議論文、報紙、檔案、統計資料、報告、書目與文摘、圖片、音視頻等。就收入內容而言,歷史學涉及史學理論、世界通史與斷代史、地區國別史(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、經濟、文化、科學、教育、體育、語言與文字、文學、藝術、醫藥衛生等,也有很多資源可以參考。世界史研究需要利用數據庫尤其是外文數據庫,這是無須爭辯的問題。需要討論的是,如何對這些數量龐大的數據庫進行利用。本文從定名與定性、專題數據庫的建立、數據庫內容考辨三個角度,談一些粗淺的看法。
一
所謂定名與定性,是指對數據庫的名稱、性質和收錄范圍有清晰的認識。
一般而言,因數據庫開發者都會提供數據庫名稱,定名問題不會有太大的困難,但也有一些特殊情況。其一,數據庫開發者有時會改變數據庫的名稱,從而導致在不同的館藏地或不同的學者引用中對同一數據庫標引不同。如美國檔案類數據庫“美國解密檔案在線”(U.S. Declassified Documents Online),原名為“解密檔案參考系統”(Declassified Documents Reference System);期刊類全文數據庫“綜合學科學術文獻大全”(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法律數據庫有60余個子庫,美國國會圖書館的“數字化收藏”(Digital Collections)有300多個子庫。一些開發商或代理商,還會重組其數據資源,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超大型數據庫。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,以及有的館藏根據購買情況重新擬定數據庫名稱。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)。
確定性質指確定文獻的收錄類型。前文已提及,外文數據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,或作為前期學術史,或作為史料來源。在開發商或圖書館的數據庫介紹中,會說明文獻的類型或特征。需要強調的是,上述文獻是基于現代的出版類型進行分類的,它很難完全體現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,指弄清數據庫收錄的內容特征。在數據庫的介紹中,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、物理學、婦女研究)等。但確定內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。有的數據庫有很多子庫,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據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據庫,在各館中收錄內容差異也較大。比如Sage期刊庫,有的館(如首都師范大學)購買了500多種現刊,有的館(如北京大學)則購買了800多種現刊。同名數據庫各館收藏不同,會讓同一檢索在不同的館藏出現差異甚至差別較大。此外,有的數據庫以模塊形式呈現,模塊下內容較多,而模塊名稱卻未必能完整展現其收錄內容。如ProQuest歷史庫的一個模塊“越南戰爭和美國外交政策(1960—1975年)”(Vietnam War and American Foreign Policy,1960—1975)是一個單一的數據庫,從其名稱來看,只能判斷其與越戰有關。但這個數據庫收錄內容廣泛,含有104個子輯,內容極其豐富,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,實際上是戰后到20世紀70年代美國外交史研究的重要資源。像這類數據庫,不了解其子輯內容就沒法深入利用。
二
定名與定性是我們利用外文數據庫的起步工作。接下來,就可以大體判斷某一數據庫與我們所從事研究的關系,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研究時,也要圍繞該研究搜集在線資源,做一個專題數據庫的列表。需要注意的是,這些專題數據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的數字資源,也要包括一些宏觀性質的及可能相關的其他數據庫。如研究兩次世界大戰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)數據庫、內維爾·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閣文件(Cabinet Papers)和國會文件的系列數據庫(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)等英國檔案數據庫,以及美國、日本、德國、澳大利亞、加拿大等國家的外交檔案數字資源,可了解圍繞英國綏靖行動有關國家的互動。以上搜集偏重于兩次世界大戰期間與英國有關、相對原始的文獻,也不能忽略一般的通用數據庫,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
在搜集到相當的電子資源后,還要進行內容考辨的工作。這一考辨,可以從兩個角度入手。
一是觀察數據庫資料來源和開發機構。一般而言,政府機構公布的本機構所掌握文獻的權威性,高于其他來源;知名開發商、學術機構開發的專業性數據庫,高于一般網絡資源。例如,我們要查美國人口數據,最優先利用的是美國人口普查局開發的“美國事實發現者”(American Fact Finder),它可以提供美國人口、住房、經濟和地理數據的來源;關于美國農業人口,則要參閱農業部的“國家農業統計數據”(National Agricultural Statistics Service),它提供了自1840年以來美國各州和地區的農業人口普查數據;還可以利用明尼蘇達大學的“美國國家歷史地理信息系統”(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查統計資料,包括帶有地理空間屬性信息的人口、農業、經濟等方面的數據。
二是注重數據形式和原實體之間的關系。就人文學科的多數數據庫而言,其數據往往來自某種實物。利用這種數據庫時,除了傳統利用實物載體要注意的考辨等工作外,還要考察數據形式同原實體之間的關系。如紙質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系何在?等等。如ProQuest公司開發的“數字化國家安全檔案”(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系。利用這類數據庫時,有時還需使用相關的配套指南、大事年表、人名索引等工具。
定名與定性、建立專題數據庫、內容考辨,是利用外文數據庫的基礎工作。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據庫注意事項的全部,如從知識考古學角度,可以討論數據庫開發的知識背景、開發動機、開發人員組成、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、關鍵詞選取、算法等,這些都是我們在使用數據庫時需要考慮的內容。
(作者:姚百慧,系首都師范大學歷史學院教授)