檢索資料

在實際史學研究工作中，近年來計算機數(shù)據(jù)庫的發(fā)展真正產生廣泛影響的，是多數(shù)學者已經習慣利用歷史文獻數(shù)據(jù)庫來搜尋資料。這也是我們首先應該討論的。

新技術在給研究工作帶來極大便利的同時，也帶來了一些前所未有的新問題，值得注意。

利用數(shù)據(jù)庫來搜尋資料這一方法的廣泛應用，所帶來的第一個結果，無疑是從中得到的搜索結果的數(shù)量大增，正如黃一農所指出的，“隨著出版業(yè)的蓬勃以及圖書館的現(xiàn)代化，再加上網際網路和數(shù)位資料庫的普及，一位文史工作者往往有機會掌握前人未曾寓目的材料，并在較短時間內透過邏輯推理的布局，填補探究歷史細節(jié)時的隙縫”。正由于學者們“有機會在很短時間內就掌握前人未曾寓目的材料”，就可以經分析研究，得出新的結論。這也正是他“深感史學研究已晉入一前人所無法想象的新局”的原因，也是他提出“e-考據(jù)”說的依據(jù)所在。

盡管這種檢索的結果可能極大地擴展了學者們搜尋資料的范圍與數(shù)量，并幫助他們在不同類型的資料之間建立起聯(lián)系，推進分析思考，不過這種搜尋資料的路徑，本來就是“傳統(tǒng)”考據(jù)學所要求的，只不過學者們常受條件之限，不太容易做到而已。因此就其本質而言，從傳統(tǒng)考據(jù)到“e-考據(jù)”，仍屬量變而非質變。這也是為什么有論者以為“e-考據(jù)作為一種考據(jù)方法的創(chuàng)新，并未改變考據(jù)學的性質”之故。此外，黃一農所實踐的兩個案例，無論是關于第一代天主教徒，還是關于曹振彥的生平事跡，都發(fā)生在明末清初，其存世的歷史文獻相比于前代要豐富得多，有例如“明人文集資料庫”那樣信息量十分豐富的數(shù)據(jù)庫，其所能夠提供的幫助就十分顯著。如果事涉更早一些的歷史時期，情況也許會有所不同。

第二個結果，這也是本人在日常研究工作中常常感到困惑之處，那就是對于某一史事，常常難以確定哪些詞匯應該被納入檢索字串的范圍，而且檢索出來的成百上千條的結果，常常絕大多數(shù)與研究主題并不相關，對檢索結果一條條地分析閱讀，徒然增加了工作量。因此，有學者感嘆數(shù)據(jù)庫檢索并未使得搜尋資料變得容易，反而是更難了。

這就反映了文史類數(shù)據(jù)庫建設所面臨的一大難題：中國傳統(tǒng)歷史文獻絕大多數(shù)是出于文人之手的描述性文本，其中最大量的是文學作品，到了數(shù)字人文時代，不管是“細讀”還是“遠讀”，計算機的閱讀，只可能落實于文字表面，將數(shù)據(jù)信息與檢索字串機械地一一對應。至少在目前的條件下，還不太可能應對傳統(tǒng)文人士大夫筆下常見的各種看似“詞不達意”的、靈活多變的表述方式。簡言之，當文本未能在字面上直接反映歷史信息時，我們該怎么辦？

這里又可以分為三種不同的層次。

其一，一個對象物，文獻中可能用不同的詞匯來指稱它，研究者非遍覽史籍，則難以知曉，不太可能僅依靠檢索數(shù)據(jù)庫來完成資料的收集。黃一農在討論曹振彥生平時，就曾以“瞿汝稷”為例指出，在資料庫中可以發(fā)現(xiàn)其人共有十數(shù)種稱謂。他一共舉出了諸如“瞿元立”“瞿洞觀”等17種不同的稱謂。一個歷史人物有他的姓名、表字、雅號、別名、官職、籍貫等等，這當然是常見的現(xiàn)象。有的時候，厘清歷史人物的雅號別名就已經是一項并不輕松的研究議題。例如關于宋代名相王安石的表字，吳曾《能改齋漫錄》卷十四曾載：“（王）荊公少字介卿，后易介甫?！苯袢藢Υ擞袑Ｎ挠懻?，但莫衷一是。更麻煩的是，相比于同名同姓的案例，一個字號為多人所共享的情況則更為普遍。例如僅據(jù)《宋人傳記資料索引》，一些典雅的字號，往往相同者眾多。例如“子文”，相同者有王聎等26人；“子正”，相同者則多至33人。即便如“希文”這樣相對冷僻的字號，也有范仲淹等相同者5人。

不僅是歷史人物，制度、事物等也常見一事多名的現(xiàn)象。例如南宋時期有一個中央向地方征調財賦的重要項目，叫月樁錢，文獻所載，又稱月給錢、月解錢、月樁大軍錢等等，甚至簡稱“大軍錢”。而“大軍錢”一詞，當時還指另外的財政項目，相互間的辨別，全憑研究者細讀文獻上下文才能做出判斷。

這樣一來，在具體的研究過程中，以往依靠通讀文獻，細細品味，遺漏、返工的情況相對較少。現(xiàn)在如果主要依靠數(shù)據(jù)庫檢索來搜尋資料，則往往需要每發(fā)現(xiàn)一個新的與研究議題相關的關鍵詞，就返工再做一次檢索，最后卻仍無法保證是否已經將相關記載搜尋無遺。這無疑會給研究工作帶來不小的困惑。也許，技術專家會告訴我們，現(xiàn)今大數(shù)據(jù)技術的發(fā)展，已經完全可以由研究者歸納出其中的規(guī)律，設置必要的前提條件，讓計算機經過學習，掌握相關的分辨、判斷技術，再讓它將相關記載的文本“挖掘”出來。這樣的設想是否適合于中國古代歷史資料的搜尋，筆者尚無法判斷。不過比較明確的是，歸納詞頻規(guī)律與為檢索設置必要的前提條件，當然是只有史學工作者才能夠勝任的一項工作。而這樣一來，實際上研究過程恐怕已經完成，無須再煩勞機器了；同時其可能需要的人力、物力投入，也多半會得不償失。

其二，在中國古代歷史文獻的記載中，文本字面含義與史實之間常常存在錯位，這就使得事情變得更為復雜了。筆者近年從事的兩個專題研究，有一定的示范意義。

討論宋代鄉(xiāng)村基層管理組織，存世的宋元地方志是核心文獻。從宋到元，存在著一個從鄉(xiāng)里、鄉(xiāng)管到鄉(xiāng)都的制度演變過程，這是公認的史實。但是數(shù)十種存世宋元方志關于鄉(xiāng)村基層管理組織的描述，從南宋至元代，在“鄉(xiāng)”之下，超過80%卻仍記載著已經退出歷史舞臺的“里”，至于當時實際運行之中的“都”與“?！?，則甚少記載。如果完全依賴數(shù)據(jù)庫的檢索統(tǒng)計，就可能使人誤以為當時的鄉(xiāng)村基層管理組織，仍是以“鄉(xiāng)”與“里”為核心來建構的，這就反而遠離了史實。實際上這些“里”，看似鄉(xiāng)村基層管理組織，卻不過是經過演變的某種地理單元而已。這樣的認識，僅憑數(shù)據(jù)庫的檢索閱讀，當然是無法達到的。

又關于宋代城市的城區(qū)布局與管理，存世地方志的記載無不以“坊”為中心，無論是“坊巷”“坊市”或者“坊陌”，都是如此。多數(shù)地方志幾乎不記載關于街巷的情況。即便有的地方志，如《嘉泰會稽志》，設有“衢巷”之目，看似專為街巷而立，實際記載的內容，卻僅有坊而無巷。這就給了讀者一個直觀的印象，似乎當時的城區(qū)一切都以“坊”為中心來展開。實際上，“坊”在宋元方志的文本中有多重含義，既可能是城市管理組織“坊區(qū)”，又多指聳立于街巷兩端的兼具裝飾與實用功能的坊額坊表，同時也有可能是純粹作為紀念性建筑物的牌坊，如各地常見的狀元坊、功德坊之類的東西。但是宋元地方志對于其間的區(qū)別幾乎都不做說明，只是將它們混雜在一起記載了下來。究其原因，就是因為地方志編纂者們“歷史書寫”的用心所在，是要凸顯各地城區(qū)坊額的“為美名以志”，即其某種“為邑之壯觀”。同時，對于在民眾日常生活中扮演著主角的街巷，他們卻嫌其名稱“出于俚俗”，“多非馴雅”，不屑于記述了。這種在歷史書寫中畸輕畸重的失真現(xiàn)象，長期誤導了人們對于當時城市制度的認識。如果僅僅依靠數(shù)據(jù)庫對歷史文本的統(tǒng)計分析，無疑也會得出坊主巷從的結論，難以解開這個歷史的謎團。

其三，更進一步，文人士大夫行文遣墨，筆下常見的隱語、反諷、比擬、轉喻等手法，使得有時文本與史實之間隔著好幾層關系，史家常常不得不依靠自己對史事大背景的掌握以及上下文的邏輯聯(lián)系，有時甚至還得依靠揣摸作者行文的語氣與心態(tài)，來做出判斷。這就使得事情更加復雜了。

例如，古人書信中，常以“某氏”“某丈”之類簡稱，類似于今人所言“老張”“老李”之類的泛稱，來指稱通信雙方都熟悉的某位人物，如南宋理學家呂祖謙（1137—1181），在其與朱熹（1130—1200）的信函中，經常提到一位“張丈”，熟悉南宋理學史的學者很容易判斷，這應該是指當時另一位著名的理學家張軾（1133—1180）。但是僅憑類似于今人“老張”這一泛稱，想要請計算機通過數(shù)據(jù)檢索來追索到具體是哪一位老張，無疑太過難為機器了。

又如，古人還常有以兄弟排行來指稱人物的書寫方法，類似于今人稱某人為老大、老二等等。若無其他更為明確的信息，計算機恐怕也是難以做出判斷的。如北宋末年權臣蔡京（1047—1126）的小兒子蔡眥，因與長兄蔡攸（1077—1126）不諧，在其于南宋初年所撰筆記《鐵圍山叢談》中，概以“伯氏”一詞指稱之，其他信息全無，依靠數(shù)據(jù)庫檢索，恐怕也是難以從此書中把關于蔡攸的記載挖掘出來的。

本文作者包偉民

古人又多以官職、籍貫來指稱人物，如杜工部（杜甫）、康南海（康有為）之類就是顯例。黃一農就曾提到，瞿汝稷還有“瞿黃州”“瞿太虛運使”等別稱。但如果這類指稱連姓氏都被省略，學者有時不免得考索一番，才弄得清究竟所指為何人。數(shù)據(jù)庫看來是無能為力的。例如北宋后期宰臣曾布（1036—1107）的《曾公遺錄》，因屬于私人日記性質，指稱人物的用詞就相當簡單。如“元符二年三月丁卯日”條載：“是日，夔、轄不入?！边@里被簡略至僅一個字的“夔”與“轄”所指何人，就頗費思量。據(jù)同書卷九“元符三年正月己卯日”條載，宋哲宗駕崩之后，向太后與宰執(zhí)們商量帝位繼任大事?！罢聬獏柭曉疲骸蓝Y典律令，簡王乃母弟之親，當立?！嚆等晃醇皩Γ笤啤嗉磻曉疲骸聬⒉辉c眾商量，皇太后圣諭極允當。’蔡卞亦云：‘在皇太后圣旨?！S將亦唯唯，夔遂默然?！笨芍百纭奔礊闀r任宰相、尚書左仆射兼門下侍郎的章惇（1035—1105）。然而此“夔”字，既非章惇的表字，更非其雅號，顯然是曾布因與其政見不合、在自己的私記中為其所取帶有鄙意的別稱。至于“轄”，文中也多見有“兩轄”一詞，當指“左轄”與“右轄”，即尚書左丞與尚書右丞的別稱。時任尚書左丞是蔡卞（1048—1117），尚書右丞為黃履（1030—1101）。從人名到其官職，又從官職到別稱，更將別稱簡化，這中間幾重轉折的線索，檢索工具怕是接不上的。

又如南宋乾道八年（1172年），朱熹致信呂祖謙：“熹自泉、福間得侍郎中丈教誨，蒙以契舊之故，愛予甚厚。”這里提到的“郎中丈”究系何人，就有點沒頭沒腦。查呂祖謙年譜及其他相關資料，才得以明了原來指的是呂祖謙之父呂大器。紹興二十五年（1155年）呂大器任福建提刑司干官，當時朱熹應該拜見過他，因此才說自己在泉、福間得其教誨。呂大器于乾道八年二月初七日過世，朱熹得知此消息后，致信好友表示慰問。呂大器官至右朝散郎，所以朱熹以“郎中丈”尊稱之。但是，我們若要討論呂大器這樣的歷史人物，應該是不會想到將其曾任之右朝散郎之簡略詞“郎”等詞匯列為檢索字串的。即便檢索字串的設置周全得無以復加，能夠將其列入，那么不管是某氏某丈、伯氏季氏，還是夔、轄、郎之類，利用“中國基本古籍庫”那樣的數(shù)據(jù)庫，當然都能很快地將它們全部檢索出來，羅列無遺，但是每一字串所得到的起碼數(shù)千及至十數(shù)萬個檢索結果，在實際的研究工作中顯然也是沒有任何利用價值的。

所以說，僅就全文檢索這一層面而言，對于以上這幾類現(xiàn)象，計算機數(shù)據(jù)庫看來仍然是無能為力。如果僅僅依靠數(shù)據(jù)庫來搜尋歷史資料，至少在目前的技術水平下，仍有其明顯不足，難以將資料搜尋完備。黃一農曾指出：“當然，別忘了，‘e-考據(jù)’的研究方法，不僅得熟悉網絡或電子資源，還必須建立在深厚的史學基礎之上。而清晰的問題意識與靈活的搜尋技巧，亦將是考據(jù)功力的深淺所系。”我們或許還可以對此稍做補充，在清晰的問題意識與靈活的搜尋技巧之外，對于一些基本歷史文獻，認真通讀，細心體會，仍然是中國古代歷史研究必不可少的一道“工序”。

當然，正如不少論者所指出的，全文檢索遠未發(fā)揮出計算機數(shù)據(jù)庫的所有功能，其所強調較多的，還有提出議題與統(tǒng)計分析兩個方面。

議題是史學研究的起點。人們觀察歷史，不免站在當今的立場上來提出議題，以求了解過去。但如何提出有意義、得以真正展開討論的議題，還有賴于我們對歷史社會的認識，去發(fā)現(xiàn)那些有意義的歷史現(xiàn)象。正是在這一意義上，歷史資料數(shù)據(jù)庫的發(fā)展，給我們展示了新的可能，也帶來了新的困惑。

由于數(shù)據(jù)庫能夠幫助研究者比以前更加方便地搜集資料，并據(jù)以展開分析討論，因此有論者特別強調“量化研究的一個重要優(yōu)勢是，能夠發(fā)現(xiàn)靠傳統(tǒng)文獻閱讀無法發(fā)現(xiàn)的隱藏在歷史資料堆中的史實”，甚至更進一步，可以經過“同時比對上千條數(shù)據(jù)，辨識其中模式”，也就是認為利用數(shù)據(jù)庫的分析，可以在復雜的歷史現(xiàn)象中發(fā)現(xiàn)傳統(tǒng)研究方法難以覺察到的問題。這樣的推論，在邏輯上自然順理成章。不過，更為周全的觀察還提醒著我們，這一推論的適應面存在著明顯的局限性。除非我們能夠滿足它所有必要的前提條件，否則推論的結果難以達到。那就是：第一，相關研究領域保存有豐富的檔案文獻，可以構建起信息量足夠的數(shù)據(jù)庫；第二，利用計算機來閱讀歷史資料，如前文所論，至少在目前，還停留在詞義直接對應的水平，這就要求歷史文本的字面含義與它所可能蘊含的歷史信息完全對應，否則機器閱讀就無能為力。但是這在中國古代史研究領域，條件似乎尚欠充分。

人類歷史內容極其廣泛，不同領域存世的歷史資料差別明顯。不少學者在討論中經常舉為論據(jù)的“大數(shù)據(jù)”，大多需要以豐富的存世檔案文獻為基礎，在中國古代歷史領域，卻基本不存在這樣的條件。在印刷術未能普及應用之前的那些歷史階段，更是如此。所以信息技術在中國古代史研究領域的應用，可能與近現(xiàn)代史領域有一些不同，不應忽視。

因此，在意見的另一方面，常被論者提及的則是王國維的“讀書得間”之論：“宜由細心苦讀以發(fā)現(xiàn)問題，不宜懸問題以覓材料?！睆娬{從細心閱讀歷史文獻之中來發(fā)現(xiàn)問題。

所謂經過大數(shù)據(jù)分析比較來發(fā)現(xiàn)問題，不可能將史學分析完全交給計算機自發(fā)地操作，而必須由研究者設置一定的前提條件。也就是說，其實是由研究者事先提出研究目的或者目的范圍，也就是“懸問題以覓材料”。這些問題當然不可能憑空得來，必然有其依據(jù)。除了研究者對特定歷史社會的認識之外，比較直接的應該就是現(xiàn)代社會科學一些范式的指引。這就難免會與作為研究對象的歷史社會之間存在一定的隔閡。這樣一來，豈非坐實了關于“實際情況則是研究者預先設定的思路往往成為搜尋和篩選數(shù)據(jù)的藩籬而不自知”的批評？

而所謂“讀書得間”之論，“由細心苦讀以發(fā)現(xiàn)問題”，強調的是要通過分析存世歷史文本、在字里行間的細節(jié)中發(fā)現(xiàn)前人所忽略的問題。其與前者的差別，主要體現(xiàn)在立足點之不同，即立足于客體（歷史社會），從深入觀察之中來發(fā)現(xiàn)問題，還是立足于主體（研究者），根據(jù)今人的主觀目標來設定問題。盡管這兩者之間還存在著相當復雜的聯(lián)系，但立場的區(qū)別是明顯的。

史學研究的目的是為了理解歷史。所謂一代人有一代人的歷史，指的是每一代人都會對歷史有與前人不同的理解。因此在史學研究中，主體與客體常常相互影響。相對而言，強調主體，在于其研究目的，即從今人理解歷史、使之服務于當今的目的出發(fā)來提出問題；立足于客體，則是強調從研究對象本身的實際情況出發(fā)，來發(fā)現(xiàn)問題、提出問題。也就是所謂的要“貼近史實”。筆者的理解，這里可以包含兩層意思：一是要在總體上把握研究對象的全'，二是要充分發(fā)掘歷史的細節(jié)。

具體到筆者相對熟悉的宋代史研究領域而言，其中相較于其他歷史時期一些突顯的現(xiàn)象，是任何觀察者都不能忽視的，一直為人們所重視。如多民族政權并存、趙宋政權文官制度的發(fā)達與武功之不振、經濟與技術的突破性發(fā)展、思想文化領域新氣象的形成、南方地區(qū)的開發(fā)以及隨之帶來的地域格局的變化、城市新面貌的形成等等，是任何觀察者都不能忽視的。論題雖舊，其命彌新。只有在基本把握了全'的前提下，再將各方面的歷史現(xiàn)象聯(lián)系起來觀察，以研究者獨到與深邃的眼光，才有可能從歷史文本的字里行間發(fā)現(xiàn)隱藏于其中的一些重要歷史現(xiàn)象，找出可以深入討論的問題。也就是從中去尋找某一歷史現(xiàn)象可能蘊含的意義，來解答它的“為什么”，即所謂“得間”。更為重要的是，也才有可能使得對問題的討論契合于歷史發(fā)展的大趨勢，將局部與總體有機地結合起來。

正是在這一意義上，目前學界多所批評的所謂“檢索體”類文章，即主要依靠數(shù)據(jù)庫檢索來完成資料搜尋工作，或者依靠機器閱讀來確立討論議題的，可能正在于它們既不能把握住特定歷史社會的基本脈絡，對于引為論據(jù)的歷史文本又常常割裂其與上下文之間的有機聯(lián)系，更割裂了其與歷史大背景之間的聯(lián)系，在典型地“尋章摘句”之余，更以今人之心揣古人之腹，可以說在其所提出的議題與其對議題的論證兩方面都脫離了歷史實際。

也正因此，能否通過大數(shù)據(jù)分析來發(fā)現(xiàn)史事中的問題，其前提仍在于研究者對于歷史社會基本脈絡及其細節(jié)的掌握是否充分。“讀書得間”，尤其在史學訓練的初級階段，不可跨越。

余論