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(shū)館購買(mǎi)的以及可免費利用的外文專(zhuān)業(yè)數據庫資源，已超過(guò)千種。這些數據庫就文獻類(lèi)型而言，可分為圖書(shū)、期刊、學(xué)位論文與會(huì )議論文、報紙、檔案、統計資料、報告、書(shū)目與文摘、圖片、音視頻等。就收入內容而言，歷史學(xué)涉及史學(xué)理論、世界通史與斷代史、地區國別史（涉及70個(gè)左右的國家）、傳記、文物考古，其他學(xué)科如地理、哲學(xué)與宗教、政治與法律、軍事、經(jīng)濟、文化、科學(xué)、教育、體育、語(yǔ)言與文字、文學(xué)、藝術(shù)、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(wú)須爭辯的問(wèn)題。需要討論的是，如何對這些數量龐大的數據庫進(jìn)行利用。本文從定名與定性、專(zhuān)題數據庫的建立、數據庫內容考辨三個(gè)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(chēng)、性質(zhì)和收錄范圍有清晰的認識。

　　一般而言，因數據庫開(kāi)發(fā)者都會(huì )提供數據庫名稱(chēng)，定名問(wèn)題不會(huì )有太大的困難，但也有一些特殊情況。其一，數據庫開(kāi)發(fā)者有時(shí)會(huì )改變數據庫的名稱(chēng)，從而導致在不同的館藏地或不同的學(xué)者引用中對同一數據庫標引不同。如美國檔案類(lèi)數據庫“美國解密檔案在線(xiàn)”（U.S. Declassified Documents Online），原名為“解密檔案參考系統”（Declassified Documents Reference System）；期刊類(lèi)全文數據庫“綜合學(xué)科學(xué)術(shù)文獻大全”（Academic Search Complete），原來(lái)的英文名為“Academic Search Premier”。在這種情況下，建議標引以最新名稱(chēng)為準，同時(shí)了解其歷史名稱(chēng)。其二，存在總庫、子庫的情況。如HeinOnline法律數據庫有60余個(gè)子庫，美國國會(huì )圖書(shū)館的“數字化收藏”（Digital Collections）有300多個(gè)子庫。一些開(kāi)發(fā)商或代理商，還會(huì )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(lèi)的庫組成Gale NewsVault，又把以檔案為主的300余個(gè)子庫組成“珍稀原始典藏檔案”（Archives Unbound，簡(jiǎn)稱(chēng)AU），還把這兩個(gè)庫和它的其他偏重原始檔案文獻的子庫組合起來(lái)，形成了Gale Scholar超大型數據庫。就個(gè)人利用而言，清晰的子庫名稱(chēng)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(chēng)。其三，館藏機構的標引方式，也會(huì )造成名稱(chēng)的混亂。比如，有的館藏只列翻譯而無(wú)原文名稱(chēng)，各館藏有時(shí)翻譯名稱(chēng)不同，以及有的館藏根據購買(mǎi)情況重新擬定數據庫名稱(chēng)。如國家圖書(shū)館購買(mǎi)了AU中亞洲的部分專(zhuān)輯，命名為“珍稀原始典藏檔案合集：亞洲”（Archives Unbound Asia）。

　　確定性質(zhì)指確定文獻的收錄類(lèi)型。前文已提及，外文數據庫的文獻類(lèi)型包括圖書(shū)、期刊、報紙、檔案等。不同類(lèi)型的文獻，在史學(xué)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(xué)術(shù)史，或作為史料來(lái)源。在開(kāi)發(fā)商或圖書(shū)館的數據庫介紹中，會(huì )說(shuō)明文獻的類(lèi)型或特征。需要強調的是，上述文獻是基于現代的出版類(lèi)型進(jìn)行分類(lèi)的，它很難完全體現人類(lèi)過(guò)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(shí)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(shū)、木板文書(shū)等，不管其當時(shí)的利用范圍如何，都已是研究那個(gè)時(shí)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(huì )對此作出說(shuō)明，如“早期英文書(shū)籍在線(xiàn)”（Early English Books Online）的介紹，一般會(huì )說(shuō)明其收錄的數量（12.5萬(wàn)余種、超過(guò)2250萬(wàn)頁(yè)英文著(zhù)作）、時(shí)段（1473—1700年之間）、類(lèi)型（名家著(zhù)作、皇家條例及布告、軍事、宗教和其他公共文件、年鑒）、學(xué)科范圍（歷史、語(yǔ)言、音樂(lè )、美術(shù)、物理學(xué)、婦女研究）等。但確定內容特征有時(shí)也會(huì )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(shū)館一般只會(huì )選擇部分子庫購買(mǎi)，而標引時(shí)卻用總庫名稱(chēng)，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(shū)館會(huì )選擇數據庫中與本校教學(xué)科研密切的模塊來(lái)購買(mǎi)，從而導致即便沒(méi)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(xué)）購買(mǎi)了500多種現刊，有的館（如北京大學(xué)）則購買(mǎi)了800多種現刊。同名數據庫各館收藏不同，會(huì )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(chēng)卻未必能完整展現其收錄內容。如ProQuest歷史庫的一個(gè)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(gè)單一的數據庫，從其名稱(chēng)來(lái)看，只能判斷其與越戰有關(guān)。但這個(gè)數據庫收錄內容廣泛，含有104個(gè)子輯，內容極其豐富，比如有成系列的美國國家安全委員會(huì )文件、國家安全委員會(huì )會(huì )議記錄，從肯尼迪到尼克松時(shí)期的國家安全文件等，實(shí)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(lèi)數據庫，不了解其子輯內容就沒(méi)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(lái)，就可以大體判斷某一數據庫與我們所從事研究的關(guān)系，從而確定是否要加以搜集和利用。類(lèi)似于做專(zhuān)題文獻書(shū)目一樣，在從事一項專(zhuān)題性的學(xué)術(shù)研究時(shí)，也要圍繞該研究搜集在線(xiàn)資源，做一個(gè)專(zhuān)題數據庫的列表。需要注意的是，這些專(zhuān)題數據庫搜集時(shí)面不能過(guò)窄，它們不僅要包括與某一研究直接相關(guān)的數字資源，也要包括一些宏觀(guān)性質(zhì)的及可能相關(guān)的其他數據庫。如研究?jì)纱问澜绱髴鹌陂g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(shí)期的內閣文件（Cabinet Papers）和國會(huì )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(shí)媒體動(dòng)向的重要報刊，如“大英圖書(shū)館報紙”（British Library Newspapers）、《泰晤士報》《每日電訊報》《倫敦新聞畫(huà)報》《圖畫(huà)郵報》等。同時(shí)，通過(guò)“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(dòng)有關(guān)國家的互動(dòng)。以上搜集偏重于兩次世界大戰期間與英國有關(guān)、相對原始的文獻，也不能忽略一般的通用數據庫，比如圖書(shū)資源（約50種）、期刊資源（約30種）、學(xué)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(jìn)行內容考辨的工作。這一考辨，可以從兩個(gè)角度入手。

　　一是觀(guān)察數據庫資料來(lái)源和開(kāi)發(fā)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(lái)源；知名開(kāi)發(fā)商、學(xué)術(shù)機構開(kāi)發(fā)的專(zhuān)業(yè)性數據庫，高于一般網(wǎng)絡(luò )資源。例如，我們要查美國人口數據，最優(yōu)先利用的是美國人口普查局開(kāi)發(fā)的“美國事實(shí)發(fā)現者”（American Fact Finder），它可以提供美國人口、住房、經(jīng)濟和地理數據的來(lái)源；關(guān)于美國農業(yè)人口，則要參閱農業(yè)部的“國家農業(yè)統計數據”（National Agricultural Statistics Service），它提供了自1840年以來(lái)美國各州和地區的農業(yè)人口普查數據；還可以利用明尼蘇達大學(xué)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(yè)、經(jīng)濟等方面的數據。

　　二是注重數據形式和原實(shí)體之間的關(guān)系。就人文學(xué)科的多數數據庫而言，其數據往往來(lái)自某種實(shí)物。利用這種數據庫時(shí)，除了傳統利用實(shí)物載體要注意的考辨等工作外，還要考察數據形式同原實(shí)體之間的關(guān)系。如紙質(zhì)文獻在電子化的過(guò)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(guān)系何在？等等。如ProQuest公司開(kāi)發(fā)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(wèn)題，抽取來(lái)自不同機構的檔案，并按時(shí)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(huì )完整掃描原檔案所在卷宗或系列，研究人員只能通過(guò)不同檔案的時(shí)序排列建立起聯(lián)系。利用這類(lèi)數據庫時(shí)，有時(shí)還需使用相關(guān)的配套指南、大事年表、人名索引等工具。

　　定名與定性、建立專(zhuān)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(xué)角度，可以討論數據庫開(kāi)發(fā)的知識背景、開(kāi)發(fā)動(dòng)機、開(kāi)發(fā)人員組成、文獻著(zhù)錄方式等；從文獻挖掘角度，可以討論挖掘工具的選用、關(guān)鍵詞選取、算法等，這些都是我們在使用數據庫時(shí)需要考慮的內容。

　�。ㄗ髡撸阂Π倩�，系首都師范大學(xué)歷史學(xué)院教授）