“大数据”与考据新生态

　　扬弃既有研究成果

 

　　大数据时代对传统文史研究产生的影响，首先表现在资料上。近些年新推出的电子资源在内容上甚至有超越传统出版物之势，检索的快捷性和精确度，可以令学者省却翻检群书、游历访书之劳。在这样的学术环境下，探讨某些疑难问题可能只需简单检索，许多“悬案”的解决难度也相应大幅度降低。前人因资料局限而不得不大量运用的“理校”“推论”“悟证”诸方法，在大数据时代无疑要重新进行扬弃。

 

　　在学术史研究中，清人往往因所见善本不丰而大量运用“理校”法展开研究，其中有的结论或与善本相合或遭善本否定。今人既然已经能够在研究中大量占有善本供校勘，那么这种研究方法虽仍有学习的必要，但其实用性也难免会打些折扣。大量新材料理应引发大量新结论，一些“常识”或“定论”必然也会随之遭到质疑甚至颠覆，这对于现有的研究自然会有相当明显的刺激作用。近年来学界对于近代学人的成就时有争论，原因之一就在于当时学者以一人之力所做的资料性工作，精度和效率都很容易被数据库所超越。不少在民国时期“古史辨”中几乎成为公认的定论，随着出土文献的发现而被推翻(典型的例子如对《孙子兵法》的辨伪)，足见新材料在某些研究领域确实处于相当核心的地位。

 

　　通过数据库重新打捞那些以往不被关注的文献，这实际上仍是发现新材料，其性质与考古相似，亦可称之为当下的“预流之学”(陈寅恪：《敦煌劫余录序》)。与此相关的一个问题是，在超过120亿字的可检索的古典文本，以及各种不同类型的数据库中，还蕴藏无限问题可供发掘。而这些数据资源能否被学者使用，很大程度上取决于其所在单位购买的数据库数量。在高校间已有明显“数位落差”的现实条件下，学者个人的学术水准有可能受到所处文献环境的制约，而不同文献环境导致的信息素养的差异可能会进一步拉大这一差距。

 

　　数据库大量涌现，学术评判标准也会发生变化。出于“功利”眼光计算，当代学者费尽周折的考据工作，很可能被下一代学者轻易解决。其原因并非人的智力、才能有别，而是文献环境不断变化提供的巨大方便使然。一代有一代之学术，面对不同的环境，学术范式也应随之转移。所以，当下正是海量文献可供使用、可以大有作为的时代，也是考据研究缺乏亮点而趋于同质化的时代。换言之，即使是在数据仍未被充分电子化的当下，考据研究的合法性也正在受到冲击。一般性的文献挖掘仍然重要，但能够解决核心学术问题的研究更为重要。

 

　　引发学术伦理讨论

 

　　在电子检索受到学界瞩目的同时，一些批评尤其是对于学术伦理的讨论也随之热门起来。电子检索的高效快捷，令不少学者担忧其可能引发更严重的学术不端。比如，有的研究者可能对相关领域了解有限，但在检索工具的助力下仍敢匆匆上马，轻易立说;有的研究者征引繁复，可谓博瞻，但实际上许多材料是脱离语境的“遥读”，经不起细加辨析;有的研究者过于迷信电子文本的全面性，但却因此而忽略了那些未被电子化的文献;有些电子文本存在错误，研究者未核查原书导致误引误断;等等。

 

　　对这些实际存在甚至时显泛滥的问题，我们可以尝试从以下几个方面来进一步认识。首先，技术本身是中立的，上述批评很大程度上是在针对研究者个人的文史素养和治学态度，并未否定技术能够令优秀学者如虎添翼。而擅长检索的学者也能够认识到文史素养的重要性，并非一味依赖电子资源。从现实情况看，电子技术确实使那些曾经看上去遥不可及的一流学者(尤其是实证型学者)，变得可以企及了，这至少是正在提升学术研究的平均水准。校勘、笺注、考据中的一些前期工作，可由计算机更精准地代劳，在人机结合的研究过程中，“高明子弟，自然沉潜”。

 

　　其次，当下的电子文本绝非完美，即使是扫描版也往往不能完全忠于原书，引用之前必须与原始文献核对，不能径用。但这恰好说明，现在的数据库还没有脱去以往“工具书”的性质。前人做研究，亦会查阅类书、索引等，甚至常有转引、代查的现象，这证明“工具”本来也不被排斥。如将数据库理解为一种高级的“逐字索引”，则其学术价值自然彰显。此外，纸质文献(尤其是整理本)同样常常有误。古籍校勘中，也多有以“通行本”为底本的典范。事实上，核心问题不在于当下的电子文本有多少具体错误，而在于能否使注释具有可回溯性和规范性。如果一味排斥征引电子文本，很可能也会使数据库开发者缺乏将电子文本精确化的动力。

 

　　促进材料深度辨析

 

　　一般观点通常认为，电子检索作为一种“捷径”，往往令学者过于重视关键词，却忽视同一词语所处的不同语境。时代的风气、作者的习惯、史料的性质等，都在大数据时代的考据中付之阙如。在笔者看来，这种弊病在传统文史研究中同样并不少见，却有可能在大数据时代觅得新的解决契机。

 

　　首先，大数据时代资源丰富，找寻辅证、反例的难度都较以前小，可以在一定程度上防治孤证武断，并有益于深入理解史料所处的特殊语境。

 

　　其次，当大数据呈现出全部信息时，可以在多方面帮助学者辨析问题，甚至可以用“结构取义”的方式展开新的研究思路。例如高树伟在研究《永乐大典》的辑佚条例时，推翻了认为《大典》“直取全文”的成说，并且依靠海量文本对校的方式，提出了《大典》征书的新通例。这一认识既变，或许在一定程度上可以借助通例建立参考系，并以此来重新认识前人辑佚的成果，不妨称之为类似于“理校”的“理辑佚”。黄一农最近在脂批本“宁”字抄写避讳的研究中，也提及抄本研究应建立参照系，这些见解似可遥相呼应。又如在文本细读工作中，作者究竟是直接使用某一典故，还是受到文化传统影响，实际存在多种可能。笺注、考据家往往侧重于锁定甲乙间的因果承袭关系，但容易忽视文化大传统的潜在影响。近年来古代文学研究引入“互文”理论，尝试说明这种影响往往是网络状、多源多流的。张昊苏在此基础上提出“e互文”思路，意在指出大数据时代有助于深入理解这种多样性。

 

　　借助大数据提供的便利，考据学出现了“后发先至”的现象。前辈学者经年研究的难题，很可能被新一代学人在短时间内解决。至少在这类问题上，信息素养的意义很可能要高于传统知识体系，掌握查找知识的能力很可能也比掌握知识更为高效且重要。这里并非是说新时代的学者可以不掌握知识而解决问题，而是说，信息素养可以出于研究的需要，迅速进入新的领域并建构具有针对性的知识体系，这种大幅度的跨界是传统学者较难做到的。当然，就目前的研究状况来看，大数据时代“数字人文”研究还没有作出第一流的成果，多数成果仍然是在研究具体问题，而尚未建立新的范式。但近十余年来这一领域的学术积累正以指数级速度增长，足以令人期待由“量变”产生“质变”。或许，未来传统学者也应该未雨绸缪，需要考虑能否做出不被数据库遮蔽、凸显研究者个性的学问。