“明清妇女著作”数据库初探

今天加拿大麦吉尔大学东亚学系方秀洁(Grace S. Fong)教授来本馆介绍她主持的“明清妇女著作”数据库(MQWW), 她的2个学生介绍如何使用该数据库进行相关研究。
为参会做准备,昨晚今晨先探索了一番MQWW网站。以下结合个人使用及会上信息,对MQWW做简单概述。

明清妇女著作 = Ming Qing Women’s Writings
本数据库收录明清时期刊刻的女性诗歌及其他写作
合作图书馆】方教授从胡文楷《历代妇女著作考》中著录的4千余种作品起步,寻找明清时期妇女著作。据估计明清时期刊刻作品近5千种、存世约1/4(千余种),大多收藏在各图书馆的古籍部。因此从2003年起方教授与哈佛燕京图书馆合作扫描相关文献,并培训学生进行元数据著录,MQWW网站2005年上线。之后陆续与北京大学图书馆中山大学图书馆中国国家图书馆合作扫描文献,最新合作馆是华东师范大学图书馆香港中文大学图书馆,合计共6所合作图书馆。

收录数量】著作342部(近存世的1/3)、扫描图像5.5万余页,含诗词5.7万余、文1.8万余。由于收录的是明清时期“刊刻”的作品,因此本库内容范围并不限于明清时代,有少量早至周秦的各时期古代女性作品(比如虞姬有《和垓下歌》5种,据说还有西王母)。目前收录女性5028,还有男性1706——通常是作品集的前言后记、传记、编者评论等相关作者。

更新与元数据下载利用】每年12月更新,并提供元数据下载(Access格式)。下载数据包括:作品集信息(work, subwork)、单篇信息(poem)、作者信息(poet)、地区 (region)、朝代年号干支(cycle)、胡文楷《历代妇女著作考》收录作品(huwenkai)等,可用于数据挖掘。
方教授提示可结合ArcGIS显示地理分布,利用Gephi或SPSS做社会网络分析,并介绍她的一篇文章,以广东地区的别集为对象,利用Pajek可视化软件,揭示诗集中的序、同刊等展现的社会关系。

外链】查找到作品或人物后,会提供更多到外部数据库的链接。
对作品,本库提供扫描图像,也提供中國哲學書電子化計劃的全文链接。
对作者,本库提供到哈佛《中国传记数据库》(CBDB)的传记信息链接,点击后在弹出窗口显示。
本库的作者信息收录在CBDB中。由于女性传记在其他来源中少见,因此本库到CBDB的链接大多是本身提供出去的信息。但也有其他来源的,如:丘逢甲(是位男士)。
对链接依据很感兴趣,据说是由CBDB提供的,具体情况不详。刚才查到“虞姬”,发现弹出的是“虞汲”,再看URL:https://cbdb.fas.harvard.edu/cbdbapi/person.php?name=Yu%20ji,不禁哑然。再仔细看,原来CBDB提供了人名拼音相同的一系列ID,于是把所列40多个ID点了一遍,没有找到!再给一个在CBDB没有结果的例子“德宗宮人”,直接告诉你:No result.
据称MQWW提供给CBDB的数据近年没有同步更新(加入CBDB时由人工干预消歧)。不知道为什么CBDB上显示MQWW提供的传记数量是8300,而MQWW本身只有6918(最大ID也仅7614)。

检索与浏览】提供丰富的查找入口,包括各种途径浏览与检索。常见的人名、书名、关键词之外,还有地名、年代、婚姻……
地名浏览:上层(历史地名)会列出当时的下属地名,比如“江蘇(清)”包括上海及现属上海的县。我很感觉兴趣的是如何做的,包括历史地名对应现地名,可惜方教授说这部分做得很不好……。
年代浏览:提供朝代年号和干支浏览。清单在下载数据库的cycle表中,可以直接利用。
婚姻状态:原以为无非单身已婚。本着所有功能全看一遍的想法点进去,结果大大出乎意料,竟然有数十种(以下未含明显有误的“清”“清末民初”和用“、”分隔的其他2个):
不明、其他、后、女冠、妃、妃﹐女冠、妓、妓﹐女冠、妓﹐妾、妓﹐妾﹐尼、妓﹐尼、妓﹐正室、妾、妾﹐女冠、妾﹐寡婦、妾﹐尼、婢、婢﹐妾、宮女、宮女﹐女冠、宮女﹐妾、宮女﹐尼、宮女﹐正室、寡婦、尼、未嫁、正室、正室﹐后、正室﹐女冠、正室﹐寡婦、正室﹐寡婦﹐尼、正室﹐尼、皇后、繼室、繼室﹐寡婦、 继室、聘妾、聘室、貞女
其中有些是两种甚至三种状态的组合——好奇是先组(预先确定)还是后组(重复字段录入),看了录入单,似乎是后者。

数字人文奖:2012-2017年

前一阵在数字人文微信群中看到2017数字人文奖投票中(要翻墙),今天看到已经揭晓。顺链接去看网站:
Digital Humanities Awards: Highlighting Resources in Digital Humanities
本数字人文(DH)奖为年度奖,始于2012年。如副题所称,主要突出数字人文资源。目前设5个类别,每个均评出冠亚季军,并列出所有提名项目及链接【以下中译只求形式一致、语法混乱勿介意】:
Best Use of DH For Fun 最好玩【2017年冠军:Cancionero Escolar
Best DH Data Visualization 最好看【2017年冠军:Mapping Islamophobia: Visualizing Islamophobia and Its Effects
Best Use of DH For Public Engagement 最好友【2017年冠军:Imágenes y Relatos de un Viaje Por Colombia
Best DH Tool or Suite of Tools 最好用【2017年冠军:Checklist for Digital Humanities Projects
Best DH Blog Post or Series of Posts 最好文【2017年冠军:The Programming Historian en español
本奖为纯民间奖项,不设奖金。候选项目/资源/博文完全由公众提名,也由公众投票决定结果。创始人James Cummings(牛津大学)为首的国际提名委员会由英国、美国、法国、日本、墨西哥5个国家的5名成员组成,其作用是确认提名项目/资源/博文符合3个基本条件:
1、是否数字人文
2、是否在正确的类别(可能移到更合适的类别)
3、是否当年推出/发布/主要更新
网站称“这些奖项旨在作为一项提高认识的活动,帮助把有趣的DH资源置于聚光灯下,并让DH用户(和普通公众)参与社区工作”。确实是个吸引眼球、增加曝光率的活动。
网站上历年奖项信息不但是个很好的信息源,也可供了解DH发展中的一些信息,特别是从一些统计信息。
2012年仅在奖项结果页中有每个类别的投票数量,此后每年都有专门的统计页,包括提名项目数,投票数量及投票者性别、国别统计。以下为除国别外的2012-2017年统计数据汇总:
年份
提名数-入选数(其中博文数)
投票数-有效票
女性(投票-提名)
男性(投票-提名)
其他(投票-提名)
2012
? – 63 (17)
按类别最高3161
2013
? – 58 (10)
1704 – 1644
490 – 24
339 – 39
5 – 1
2014
93 – 78 (15)
2162 – 2117
676 – 31
676 – 47
14 – 0
2015
140 – 54 (14)
1922 – 1862
723 – 68
770 – 50
5 – 0 / 未答364- 22
2016
77 – 47 (4)
1726 – 1652
841 – 25
588 – 22
3 – 0 / 未答220 – 0
2017
59 – 48 (4)
4130 – 4069
1725 – 24
1276 – 19
(略)
注:(1)2012-2013年入选数根据结果或提名页计数;(2)2017年性别选项除男性/女性外多达二十余种
几个印象:
1、总体上女性参与度高于男性(2015年除外),男性前几年提名热情高于女性。不知道是不是反映研究者群体数量;
2、参与度不稳定,但2017年投票数量激增;
3、投票数可以表明参与DH的热度,但入选数近两年几乎是最低的(即使去掉博文数量也较前3年低),说明新项目不多。

学术报告“另一个视界”与上图数字人文项目

出于对可视化的兴趣,周五(2017.8.11)去上海图书馆听学术报告。感谢上图开放学术资源让大家共享。

另一个视界:清华大学美术学院向帆副教授和朱舜山工程师学术讲座

会议通知中推荐的报告人微信公众号文章:
《数据追问-全国美展油画作品视觉化解读》
《我是不是有点皇亲国戚?》

报告安排在下午。可惜我在开讲没多久,就因收到私事信息急需处理,差不多一半时间在边听边开小差上网中。所幸前一晚先做了点功课,看过两位报告人的网站Z Lab,特别是其中的 Projects 板块,还能勉强跟上所讲内容。Z Lab网站共有11个项目(没有上述利用CBDB数据的家谱图),看过感觉一是可视化效果很酷炫(如微博地点钟的24小时);二是可视化设计也被作为一种实用的研究辅助工具(如热带森林数据可视化)。
本次报告涉及了Z Lab网站半数以上项目,听现场讲述比看介绍生动很多,尤其对“为什么会这么做”的解释,光看介绍是获取不到的。向帆老师把她的项目定位为现代艺术作品,而不是数字人文(或其他),至于被其他人用作分析工具,也被她视为作品的一部分,全国美展获奖作品分析就是一个典型例子。我的感觉,比如在CBDB家族谱系图、热带森林数据等,可视化应该更多是作为工具。当然由于向老师的美术背景,或许在设计时是作为艺术创作看待的。
问答阶段,向老师提到她也做了不少文本挖掘项目,比如张爱玲、海明威……,数字人文无疑。
听完比较“失望”的是,那些酷炫的效果,大多是朱舜山老师用代码写出来的,没有利用太多工具。视觉设计不易,实现也不具有可复制性。因此,只能是艺术品?两位老师珠联璧合,看得出在性格上也属互补型的。

——— 上海图书馆数字人文项目介绍 ———
当天上午是内部的上海图书馆数字人文项目介绍,希望请两位老师帮助改善可视化界面设计。
刘炜副馆长开场,夏翠娟做总体介绍,上图目前共有7个相关项目:1中国家谱总目(华人家谱总目——上海图书馆家谱知识服务平台),2盛宣怀档案,3名人手稿(上海图书馆名人手稿),4中文古籍联合目录及循证平台,5规范库(含人名、中国历史纪年、地理名词表、收藏机构名录等),6书目库,7上海历史文化时空再造——武康路。其中1、3、4、7后续由各自项目主管(抱歉没听清姓名)做详细演示,尤其是可视化部分。
向老师在看到名人手稿部分时指出:一般的可视化(饼图柱图之类),掩盖了最最让人感动的部分。——话说得没错,只不过图书馆是整理资料的,就像朱老师在整理全国美展获奖作品基础资料时所说的somebody:Somebody has to do the dirty work. 面对海量文献中充满个性化的内容,要当作艺术作品来创作,真的会使项目没有截止期的。
向老师问得最多的问题是:应用场景,用户需求。——或者说用例、故事,确实是需要首先考虑,也是当前图书馆做项目需要强调的,比如最近LD4社群“调和与实体解析工作组”正在征求用例(关联数据的“调和”与“解析”) 。
与邻座tsingove交换意见,作为基础设施的话,有时可能并不针对特定场景(当然那也是场景),提供数据就好,至于怎么用,留给第三方来开发。上图接连两年举办的关联数据竞赛,就是这种设想的体现。夏MM也解释,如古籍系统的某些预设应用,也是咨询过馆内领域专家的,是作为示范,让研究者了解数据可能怎么用,进而提出更多应用场景。
上午会议结束时,Keven总结数字人文项目中三方的角色:图书馆员作为领域专家与计算机开发者之间的桥梁。朱老师补充:要加上第四方设计师,了解用户体验。