数字人文｜机遇与困局之间：有关古籍“搜商”的教学笔记

近些年来，“数字人文”这一名词越来越多地出现在人文科学者的笔下。文科从业者是否必须掌握编程技术，具备自建专题数据库的能力？此类议题明确昭示：我们已处在“数字化生存”的特殊环境之中。即使是在传统学科、主要采取传统方法治学的学者，也大量引入了“e考据”（尽管未必每个人都认同这一叫法）的研究方式——借助互联网、大数据带来的方便，学者得以查询到以往不易获得的海量文献，并通过数据库提供的检索功能详尽梳理信息，从而大大提升研究效率，并发现更多新材料与新问题。

新技术的探索、掌握，并非笔者所擅，但数年前即开始参与“文献挖掘整理研究会”的相关活动，有意识地关注相关信息、资源。

“文献挖掘整理研究会”沙龙海报，约请黄一农教授主讲“e考据的经营模式”，通讯稿见张子轼：《“大数据”与考据新生态》，《中国社会科学报》2018年12月17日。

不过，当时的关注点主要在于学习、了解一些前沿议题和最新动态，并且抱有一种可能过于乐观的想象——新一代的学习者将轻易地进入到这一领域，至少普遍是在技术水平上迅速超越前代从业人员。

近一二年，笔者在开设“古代小说文献学”等专业课程，及指导本科生写作学年论文、毕业论文时，才深切意识到另外一个问题：在十多年前困扰着学习者的若干问题，现在依然困扰着相当一部分的新世代学习者。技术已有迭代、资料库亦更丰富，但如果并不具备相应的数字理念与实践训练，这些变化也并不那么容易直接影响到普通人的学习轨迹。真正熟悉掌握“数字工具”开展文史研究的前沿从业者只是少数，倘若一位学习者在求学之初并未学习过系统的数据检索知识、未受过严格的数字方法训练，就会在走上学术之路的过程中面临更多不必要的荆棘。为了避免这种弯路，在教学中通过某种方式，使学生具备最低限度的“搜商”，也许（在很多地方）是更为切实的任务。有理由相信，能够熟练驾驭各类数据库，通过网络获取学术前沿信息的求学者，其获取信息、建立知识结构，乃至突破课堂教学局限性的能力也将超过普通同侪。在这一前提下，尽量夯实基础、提升平均水平，可能会令某些前沿议题更具有深化、推拓的可能性。

在笔者所供职的南开大学文学院，开设有“古典文献检索与利用”等多门专业选修课，但不少有志于古代方向的本科生并未选修，或较晚选修，因此常常带着比较单一的数字技巧，就进入到较专深学术问题的研究、写作中去。即使是选修上述课程的同学，也限于个人既有的体悟，未必均能熟练掌握检索工具，并深切洞悉数字技巧的重要性。前置训练不足，对于某些常识性问题并没有建立起特别深切的体会，就往往需要经过一段摸索的“弯路”，导致事倍功半。服务于个人研究的“痛感式补救”当然不失良策，但若能尽量直抵目标，则是更加理想的状态。在前不久召开的一次院内青年教师工作坊中，笔者简单报告了对这些问题的思考。

从不同学科教师的分享、讨论来看，尽管各人面临的具体问题不同，但这种趋势可能并非个例。仅举笔者亲历的几个例子为证。

笔者指导的Z同学（本科生）就在论文写作过程中，因缺乏核查经验，遭遇不少弯路。

“中国基本古籍库”《随园诗话》局部截图

熟悉清代文学者当然一眼可以看出问题：袁枚（1716-1798）的《随园诗话》是其晚年著作，最早刊本应为“己酉本”（乾隆五十四年，1789。说详包云志：《<随园诗话>中有关<红楼梦>一段话的前后变化——兼谈<随园诗话>的版本》，《红楼梦学刊》，2005年第4期。）所谓“乾隆十四年刊本”根本绝无可能。这属于根本不必核查的错误信息，但因《随园诗话》所涉问题本就相对复杂，该版本信息又出自重要的数据库，就影响了Z同学的认识。

有趣的是，X同学提交的某课程作业，则属于应核查情况却并未核查的。该作业引用了题署为清代王光撰写的《史记集解》。出于对“王光”这一陌生姓名的兴趣，笔者尝试检索了该书情况，很快发现，引文实出自流行的“三家注”。裴骃的《史记集解》何以变为“王光撰”？经核查，发现这一错误来源于某知名古籍库的错误著录。这一误植当然不会影响到有经验的学者，但对于初窥某领域古籍的学生来讲，就极易因轻信数据库信息而出现低级错误。相对较少的知识基础，相对繁重的课业，也使得学生没有余裕、没有意识去细致核查这些问题。

“鼎秀古籍库”《史记集解》局部截图

上述两个例子，可以说属于相对“低级”的错误——涉及的人物、著作、文本均为常见书，故有经验的学者比较容易辨识。但在相对冷僻的著作中出现类似的情况时，如果不细致核查原文，是不易发现的，这在现有研究中也时常出现，有时也可能误导具备一定水准的学者。

首先要特别说明的是，笔者绝无意于否定电子数据库的价值——相反，正是由于大量电子数据的发布（包括免费的与付费的，较权威的与稍芜杂的），才为学者提供了相当良好的研究机遇。如前文提及的Z同学，通过广泛运用各检索网站，较快地在浩繁卷帙中发现清代文献的若干问题，关注到此前学者未能细致掌握的具体文献细节，其思考颇具学术价值。如果要说遗憾，那就是在有限的写作时间内，由于在材料核对上花费了较多精力，未能彻底解决全部问题。这可以看出电子数据库的“双刃剑”性质，只有亲身把握各数据库的特性，方能自如、高效运用。这令笔者想起自己在本科阶段写作论文，也曾遇到完全相同的问题，经李小林师、杨洪升师，先后据具体实例详细指谬、修改，才慢慢意识到问题之所在，并逐渐窥得文献研究的某些门径。此后逐渐发现，接触到的友人、学生，“重蹈覆辙”者亦为数不少，这种“轮回感”常令笔者感到颇为沮丧。

由于上述细节硬伤广泛出现，学术期刊多不允许征引电子文献。这当然是严谨的做法。但在实际教学中，如何将这种规范的必要性高效传达给学生，是笔者并未解决的问题。此外，日常运用各类电子数据库的研究者，也时时为核查纸质引文而感到较多困扰。如何形成一种能够兼顾效率和准确性的征引机制，如何为已有数据库提供勘误的良性循环（现在不少数据库具备此类功能，但成效如何似可怀疑），使电子文献逐渐成为可靠、可征引的对象，也许又是一个亟须解决的问题。

H同学的论文写作则面临另一个层面的问题：除基本的全文检索之外，如何灵活运用相对“高阶”的技巧，发现、解决某些学术难题。

黄一农先生的“e考据”研究早已展示了若干经典成功案例，如果对相关议题较富好奇心，或有较强的触类旁通能力，应能从中摸索出一套适用于个人研究的检索方法。笔者在不同场合多次向诸生推荐黄先生的研究，并期待着能够通过这些已有案例，提炼出一套更易于掌握的操作指南，以应用到个人的阅读、研究中去。认真玩索其书，有助于进一步提升个人“搜商”，这大概包括但不限于：对各类数据库游刃有余地运用；不同关键词的交替使用与熟悉筛选；行文中附录、图表的加意安排，等等。在一种更“科学”的“经营模式”下，可以用较强的信息素养补救个人某些领域学养之不足。

H同学在研读清代红学文献时，即发现清人常常运用多种语义转换方式解读文本，有些典故出处、批评思路不易索解。在笔者的提示下，参考黄一农研究“干支缀日”的研究法（参黄一农：《甲戌本<石头记>中“甲午八日”脂批新考》，《湖北大学学报》2017年第1期。），运用“中国基本古籍库”的高级检索方式，及“搜韵网”自动笺注、对仗语汇等相关功能，较快地熟悉了相关文本，并发现了若干新材料，且深化了理论思考——通过“大数据”有助初步窥得古诗词注释的基本门径，并逐步开始理解典故、词语注释的诸多核心问题。在此基础上还可发现，“语义转换”的任意性，及某些语词的类似性，可以使材料服务于先入为主的成见；但如善于取用、甄别，也可看出前人书写所依据的具体文化脉络。

通过搜韵网“对仗词汇”功能，可以展开对某些对仗语例的分析，在此基础上可以较快找到新的思路和观点。善用这些数字工具者，还可对新世代的索隐、考据、互文之学提供不同的理解思路。

黄一农先生曾经在主办的“e考据与文史研习营”《招生公告》中指出：

当e考据有可能提供学者一座能爬上巨人肩膀的新型“电梯”时，如何睁大眼睛看得更远，并讲出一个精彩的故事仍属不易。

一面，是在看似“无献可征”之处打捞出更多有意义的材料；另一面，则是逐渐培养驾驭复杂纷繁文献的能力。对纸质文献与电子文献均有比较全面的认识，兼顾人脑与机器的不同特质，这大概是给新世代研习者的任务。

某些文史小工具的运用也有助于高效解决问题。在笔者主讲的“古代小说文献学”课程中，不少同学提出在撰写书籍提要、研讨递藏源流时遇到困难，笔者推荐了“字鉴”微信小程序、“国学大师”网站等，某些问题由此得到较轻易的解决——普通人可以在几分钟的时间内，释读绝大多数不认识的印章文字，以最大限度地掩盖缺乏文字学常识的短板。这尤其有助于青年研究者避免写作硬伤，而且有可能扬长避短，做出“后发先至”式的研究。

图1：某古籍上无法辨识的钤印文字

图2：L氏以拙劣字体粗略摹写后，通过“字鉴”微信小程序识别的结果

图3：通过“国学大师”等网站进一步核查相关信息，解决问题的效率要高于传统查阅方式

如何通过网络获取各类文史信息，建立讨论群组，形成个人的知识-交游网络，也是一个值得思考的问题。笔者在读博士期间，一度对已故青年学者林嘉文（1998-2016）的研究历程颇感兴趣。林氏在中学业余时间自学历史，撰写了《当道家统治中国》（2014）、《忧乐为天下》（2016）两部著作，并且引发了相当不错的学术反响。仅就后一书的附录及出版座谈发言内容看，林氏乃是以中学生身份，参与“预流”之研究，且不仅文笔老道清通，见解亦多可圈可点之处，学者评价“完全符合学术规范，言必有据，注文长达6万多字，占全书五分之一以上。博览群书，引证古籍127种，今人论著311种，其中外国著作四十余种。充分吸收了国内外有关范仲淹庆历新政的成果，对于有争议的问题，作了认真的分析，提出取舍意见。其治学态度是严肃认真的。其水准放诸当今有关范仲淹庆历新政较为优秀的论著之列，也是当之无愧的”（李裕民先生序）。据林氏自述，除读书自学之外，较大程度上依赖于网络学习，尤其是在微博上接触相关学者与学术信息。值得注意的是，林嘉文的自学经历绝非个例，而具有相当的代表性。以笔者本人的问学历程来看，网络的影响（包括信息获取、同侪讨论等诸多方面）也已高于传统的线下学习方式。在古代文学研究领域，也不乏“非科班”学者，能够在现有网络环境下，与圈内学者保持联系，掌握各类数字资源，从而完成相当扎实的学术研究。很遗憾无法想象接受了系统学术训练、又有机会系统运用各种数据库的林嘉文将会有何成就，但仅就此吉光片羽也足以看出，新世代青年人的成学之途已经相当多元，传统的知识体系、培养方案或亦应随之调整。数字素养有助于普通学人做出超越前贤的深度探索，且其并不会遮蔽那些“充实而有光辉”的努力。

毫无疑问，古典文献的数字化程度正在不断刷新历史新高，学者似乎没有理由抱怨资料不足或者难以获取之类的问题。但是，依然要指出的是，“数位落差”一直存在且可能愈演愈烈。夸张一点说，这甚至导致“最低限度”都处在难以保障的环境之下。能否有机会使用各类付费数据库，极大依赖于所处研究环境之不同，而学术研究的“上限”与“下限”或受其制约。笔者曾根据部分高校图书馆官网的公开信息，对不同学校的数据库资源做过不完全统计。以文科见长的N大学，2020年度在图书馆官网检索可得中文数据库为61个，2021年度则为40个，即使考虑到网页显示等问题，也可推断N校的数据库存在某种瓶颈——作为参照，不少国内知名大学所购买的中文数据库在150个左右。笔者供职的南开大学，古籍、文史数据库购买已算为数不少，但像“中华经典古籍库”（收录约十亿字以上的整理本古典文献图书）这样极为重要的古籍数据库就并未购买；与笔者研究领域直接相关且更为专业的中国俗文库、历代别集库等，当然也很难抱有期望。尽管这些困境可以通过个人购买、委托查询等方式尽量摆脱，但获取信息的效率已然较低，相关技巧性的“门槛”也并非人人都能轻易迈过，或有意识去跨越。另外，即使是同一个数据库，不同机构购买的数据量也可能是不同的，这一问题往往不易被使用者察觉，背后的数字鸿沟可能更不易详细研判。

经费更为紧张的高校，则往往连“中国基本古籍库”（18亿字以上古籍原文）、“读秀”（10亿页以上图书原文）这样的著名数据库也未能齐备。对部分重要数据库不再续费购买，对研究者当然也有直接影响。不客气地说，仅从数据字数的多少来看（这已经将很多重要的数字人文研究工具排除在外了！），当下的数位落差已经动辄以亿字、甚至十亿、百亿字为单位，高位者所面临的数据困境，在低位者看来可能是“何不食肉糜”，而笔者闻见所及，似乎也没有太多学人对高校购买数据库的“平均值”或“中位数”加以深入统计、探讨。

而公开获取类的数据库、网站，也常常面临另外的问题。比如，很多网站存在相当的不稳定性——“国学大师网”近来的特殊状况及引发的讨论，当然是一个有意味的显例。如何在教学、研究中摸索出一种相对平衡的模式，尽量具备解决数位落差的能力，也许还值得进一步努力，并经由某种可操作的方案普惠及更多的学习者。

本文所谈，并不拟、也无力系统论述全部问题，只是希望揭示一点：即使只从纯粹的文献检索“术”出发，“见过于师”也是需要训练的。如何使学术研究的初学者快速提升“搜商”，并充分利用年轻研习者易于接受新技术、学习精力充沛等优长，使之达到甚至超越教师的文献检索水准，有效方法还需进一步探索。这是否属于另一种版本的“生活在树上”？笔者难以判断。惟入职前夕，曾面聆Y先生之教诲：“我们落后了，但不希望看到我们的学生还是落后的，要想法走出来”——假若教师对某些文献研究前沿都并不了解，又如何提醒学生具备相应意识呢？于是，时时念及个人于学海所窥极浅，在诸多重要领域亦未能预流，故不敢不常葆惕厉之心矣。