2023年7月至2024年1月，筆者赴法國(guó)艾克斯—馬賽大學(xué)（Aix-Marseille University）亞洲研究中心（IrAsia），參加由著名上海史研究學(xué)者安克強(qiáng)教授（Prof. Christian Henriot）主持的ENP-China研究團(tuán)隊(duì)。目前，該團(tuán)隊(duì)已在近代中國(guó)人物資料數(shù)據(jù)庫(kù)建設(shè)等方面取得了一些重要進(jìn)展。茲以七個(gè)月的訪問經(jīng)歷，介紹ENP-China項(xiàng)目（“近代中國(guó)的精英、網(wǎng)絡(luò)與權(quán)力”）的研究旨趣、運(yùn)用工具、研究成果等，以向國(guó)內(nèi)讀者推介海外中國(guó)近代史研究的新動(dòng)向、新方法與新思想。

ENP-China（Elites, Networks and Power in Modern China）主頁

“近代中國(guó)的精英、網(wǎng)絡(luò)與權(quán)力”

ENP-China項(xiàng)目全稱Elites, Networks and Power in Modern China，意為“近代中國(guó)的精英、網(wǎng)絡(luò)與權(quán)力”，受歐洲研究理事會(huì)（European Research Council）資助。該項(xiàng)目以1830-1949年在上海、廣州、天津等城市活動(dòng)的中國(guó)社會(huì)精英為研究對(duì)象，旨在挑戰(zhàn)過往“以國(guó)家為中心、以群體為基礎(chǔ)”的文獻(xiàn)研究法，將城市精英視為社會(huì)活動(dòng)者，其地位、身份及行動(dòng)等受不斷變化的權(quán)力結(jié)構(gòu)影響，且通過制度與非正式/正式網(wǎng)絡(luò)的行動(dòng)重新定義社會(huì)與政治的邊界。因此，項(xiàng)目著重關(guān)注信息、資本與個(gè)體流動(dòng)的網(wǎng)絡(luò)，研究精英群體跨國(guó)化過程。在具體方法上則突破常規(guī)史料的限制，將名人錄、人名辭典等復(fù)雜來源的信息，轉(zhuǎn)化為精細(xì)的、可重復(fù)利用與可長(zhǎng)期存續(xù)的數(shù)據(jù)，供目前與將來研究使用。該項(xiàng)目依賴可不斷擴(kuò)展的各類歷史數(shù)據(jù)資料，以前所未有的規(guī)模提供精確的歷史信息，重新塑造基于現(xiàn)有來源，如檔案、日記等的史學(xué)研究，以期在現(xiàn)代中國(guó)精英轉(zhuǎn)型研究中創(chuàng)造新維度。

團(tuán)隊(duì)負(fù)責(zé)人安克強(qiáng)以上海城市史研究著稱，著有《1927-1937年的上海：市政權(quán)、地方性和現(xiàn)代化》（Shanghai,1927-1937:Municipal Power, Locality and Modernization）、《鐮刀與城市：以上海為例的死亡社會(huì)史研究》（Scythe and the City: A Social History of Death in Shanghai）等。在多年的研究中，他非常注重各類數(shù)字工具在史學(xué)研究中的運(yùn)用，曾融合地理信息系統(tǒng)（Geographic Information System, GIS）[1]分析近代上海的公墓分布等問題。近年來，安教授以名人錄等為基礎(chǔ)材料，運(yùn)用數(shù)字工具，力圖建構(gòu)近代中國(guó)社會(huì)精英的各類網(wǎng)絡(luò)。因此，在招募團(tuán)隊(duì)成員時(shí)，除歷史學(xué)者外，數(shù)據(jù)科學(xué)家與軟件工程師也加入其間，共同開展項(xiàng)目研究。以筆者在法期間為例，團(tuán)隊(duì)內(nèi)既有安克強(qiáng)、孟喜（Cécile Armand）等史學(xué)工作者，亦有從事數(shù)據(jù)庫(kù)建設(shè)與維護(hù)的工程師Nora Van den Bosch與以人工智能（Artificial Intelligence,AI）[2]和自然語言處理（Natural Language Processing ,NLP）[3]見長(zhǎng)的計(jì)算機(jī)博士Baptiste Blouin。為鼓勵(lì)年輕學(xué)人運(yùn)用數(shù)字工具輔助學(xué)位論文寫作，團(tuán)隊(duì)亦招募具有中國(guó)近代史學(xué)科背景，具備一定信息技術(shù)素養(yǎng)的高年級(jí)博士生，提供六個(gè)月或一年的工作合同，開展數(shù)字工具使用等培訓(xùn)，并加入研究計(jì)劃。筆者即在2023年下半年密集接受程序語言等知識(shí)的學(xué)習(xí)，運(yùn)用數(shù)字人文（Digital Humanities）[4]思維創(chuàng)新論文寫作思路。由于團(tuán)隊(duì)與臺(tái)灣“中研院”近史所深度合作，因此連玲玲等近史所研究人員亦有協(xié)助。此外，團(tuán)隊(duì)亦吸納一些歐盟內(nèi)其他高校的語言學(xué)家、計(jì)算機(jī)工程師等參與其間，協(xié)同開展資料庫(kù)建設(shè)等工作。

數(shù)字工具與研究成果

ENP-China的關(guān)注群體為近代中國(guó)的各類社會(huì)精英，包括但不限于歸國(guó)留學(xué)生、商人、紳衿等，其信息來源為Who’s who in China等名人辭典，因此如何有效率地提取大量個(gè)人信息，如其性別、籍貫、學(xué)經(jīng)歷等，并在此基礎(chǔ)上建立可相互關(guān)聯(lián)、不斷延伸的信息網(wǎng)絡(luò)，成為關(guān)鍵的先導(dǎo)工作。為此，團(tuán)隊(duì)將R Studio作為中心工具：其為程序語言R的操作平臺(tái)，由法國(guó)數(shù)字人文開放平臺(tái)Huma-Num托管，用于統(tǒng)計(jì)計(jì)算與圖形呈現(xiàn)。由于其免費(fèi)屬性及社區(qū)成員不斷為該語言開發(fā)各類功能包，因而備受研究者青睞。目前，通過R Studio中的各類功能包，如tidyverse等，可實(shí)現(xiàn)文字段落的自動(dòng)分詞、數(shù)據(jù)導(dǎo)出、可視化、數(shù)據(jù)建模等多種功能。具體而言，人名錄及其他語料庫(kù)（corpus，指具有一定格式的大量文本）中的各類命名實(shí)體，如姓名、年齡、字號(hào)、出生地名等，可運(yùn)用特定功能包（如分詞包），將其從文本中分離并分類建表，最終依此建立基于某一參數(shù)的網(wǎng)絡(luò)，如同鄉(xiāng)網(wǎng)絡(luò)等。

基于R Studio平臺(tái)，團(tuán)隊(duì)目前開發(fā)出兩大可視化運(yùn)用平臺(tái)：HistText與MCBD。

HistText最早為Jeremy Auguste博士等開發(fā)的R Studio功能包，后經(jīng)Baptiste Blouin博士的完善，成為易于操作的可視化平臺(tái)，可實(shí)現(xiàn)在特定語料庫(kù)（如《申報(bào)》、《東方雜志》等）中搜索關(guān)鍵字，隨之生成新的語料庫(kù)后，對(duì)此進(jìn)行自然語言處理，實(shí)現(xiàn)如關(guān)鍵詞云形成、人名、地名、機(jī)構(gòu)名等命名實(shí)體（Named Entities）的識(shí)別與提取、搜索關(guān)鍵詞年度分布表的建立等功能，為之后開展主題建模等工作提供基礎(chǔ)資料。

HistText界面

MCBD全稱Modern China Biographical Database，即近代中國(guó)人物傳記數(shù)據(jù)庫(kù)。該庫(kù)與“中研院”近史所合作開發(fā)，旨在通過系統(tǒng)化的數(shù)據(jù)挖掘，收集在中國(guó)活躍的任何個(gè)人，包括中國(guó)人及在華外國(guó)人的傳記數(shù)據(jù)。這些數(shù)據(jù)可以來自各種來源，如目錄、傳記詞典、名人錄等，報(bào)紙和期刊，以及學(xué)術(shù)文獻(xiàn)。使用該庫(kù)檢索相關(guān)個(gè)人信息時(shí)，可隨之查閱與其生平經(jīng)歷相關(guān)的其他個(gè)人，如同鄉(xiāng)、同學(xué)等，從而為歷史人物的研究探索出一條新路。

MCBD界面

目前，ENP-China團(tuán)隊(duì)的研究成果集中收錄于2022年經(jīng)Brill出版社出版，由安克強(qiáng)、孟喜與孫慧敏主編的Knowledge, Power, and Networks. Elites in Transition in Modern China：一書。該書收錄了9篇基于自然語言處理等數(shù)字技術(shù)，分析特定歷史問題，如上海扶輪社、在滬英國(guó)婦女協(xié)會(huì)等社團(tuán)成員組成與活動(dòng)情況的專題論文。上述論文的作者在將大量人物信息運(yùn)用R Studio等工具進(jìn)行篩選、清洗、整理后，主要運(yùn)用主題建模（Topic Modeling）、[5]社交網(wǎng)絡(luò)分析（Social Network Analysis, SNA）[6]等分析模型，建構(gòu)近代中國(guó)精英之中形成的各類網(wǎng)絡(luò)，以探索精英社團(tuán)的形成、發(fā)展與活動(dòng)等問題。

必須指出的是，運(yùn)用自然語言處理對(duì)文本進(jìn)行信息提取等工作，仍有不盡如人意之處。由于經(jīng)過光學(xué)字符識(shí)別（Optical Character Recognition, OCR）[7]形成的語料庫(kù)，其往往存在大量錯(cuò)誤，加之程序語言只能對(duì)特定文本格式中的信息提取精度較高，常無法覆蓋格式之外的有效信息，因而經(jīng)提取后的相關(guān)數(shù)據(jù)，如姓名、生卒年等，必須進(jìn)行數(shù)據(jù)清洗（Data Cleaning）。[8]該過程通常較為耗時(shí)，且需充分掌握相關(guān)史實(shí)后方能加以甄別，因而需要一定人工力量介入。并且，若語料庫(kù)的規(guī)模過小，也往往造成經(jīng)軟件分析得出的結(jié)果，與經(jīng)常規(guī)閱讀而得出的結(jié)論相差無幾的現(xiàn)象。因而在實(shí)際操作的過程中，運(yùn)用自然語言處理技術(shù)對(duì)文本信息加以提取、篩選等工作，仍有一些掣肘。

盡管如此，由于軟件處理較之人工閱讀，提取成規(guī)模史料（如1872-1949年《申報(bào)》的全部?jī)?nèi)容）中的相關(guān)信息，仍在工作效率等方面存在極為明顯的優(yōu)勢(shì)，因而在中國(guó)近代史研究中有廣闊的應(yīng)用前景。特別是針對(duì)晚清民國(guó)精英人物的研究方面，由于其人數(shù)多、信息龐雜、各類正式或非正式網(wǎng)絡(luò)多樣，既有研究常建立在以中心人物為圓心的小規(guī)模社會(huì)網(wǎng)絡(luò)之基礎(chǔ)上，可能有“管中窺豹”之虞。不過，若使用自然語言處理技術(shù)，從海量數(shù)據(jù)中提取精英人物的基本信息并篩選、建模，較之傳統(tǒng)的人工提取、校對(duì)、建表，有極為明顯的效率優(yōu)勢(shì)。數(shù)據(jù)量的大大提升，也為特定研究領(lǐng)域（如民國(guó)知識(shí)人交流網(wǎng)絡(luò)）中建立以籍貫、學(xué)經(jīng)歷、仕途等關(guān)系串聯(lián)的大規(guī)模社交網(wǎng)絡(luò)創(chuàng)造可能，從而依此產(chǎn)生一些顛覆式的研究成果。我們相信，伴隨著語料庫(kù)數(shù)量與質(zhì)量的不斷提高，加上數(shù)字工具的不斷迭代演進(jìn)，以網(wǎng)絡(luò)分析為立足點(diǎn)的近代中國(guó)人物研究將方興未艾，成為史學(xué)研究的一條頗值得嘗試的新途。

[1] 地理信息系統(tǒng)指在計(jì)算機(jī)、軟件系統(tǒng)支持下，對(duì)特定空間中有關(guān)地理分布數(shù)據(jù)（如經(jīng)緯度等），進(jìn)行采集、儲(chǔ)存、管理、運(yùn)算、分析、顯示與描述的技術(shù)系統(tǒng)。

[2] 人工智能主要指的是針對(duì)使用計(jì)算機(jī)對(duì)人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）進(jìn)行模擬的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。

[3] 自然語言處理指用人類交流所使用的自然語言與機(jī)器進(jìn)行交互通訊的技術(shù)，通過人為的對(duì)自然語言的處理，使得計(jì)算機(jī)對(duì)其能夠可讀并理解。

[4] 數(shù)字人文主要指針對(duì)計(jì)算與人文學(xué)科之間的交叉領(lǐng)域，進(jìn)行學(xué)習(xí)、研究、發(fā)明以及創(chuàng)新的一門學(xué)科。

[5] 主題模型指的是，在機(jī)器學(xué)習(xí)和自然語言處理等領(lǐng)域中，用來在語料庫(kù)中發(fā)現(xiàn)抽象主題的一種統(tǒng)計(jì)模型。直觀來講，如果一篇文章有一個(gè)中心思想，那么一些特定詞語會(huì)更頻繁的出現(xiàn)。例如，如果一篇文章是在講狗的，那“狗”和“骨頭”等詞出現(xiàn)的頻率會(huì)高些。

[6] 社會(huì)網(wǎng)絡(luò)指的是許多節(jié)點(diǎn)以及節(jié)點(diǎn)間關(guān)系構(gòu)成的一個(gè)網(wǎng)絡(luò)結(jié)構(gòu)。節(jié)點(diǎn)通常是指?jìng)€(gè)人或組織（又稱社團(tuán)）。社會(huì)網(wǎng)絡(luò)代表各種社會(huì)關(guān)系，經(jīng)由這些社會(huì)關(guān)系，把從偶然相識(shí)的泛泛之交到緊密結(jié)合的家人關(guān)系的各種人們或組織串連起來。社交網(wǎng)絡(luò)分析是用來查看節(jié)點(diǎn)、鏈接之間的社會(huì)關(guān)系的分析方式：節(jié)點(diǎn)是網(wǎng)絡(luò)中的個(gè)人參與者，鏈接則是參與者之間的關(guān)系。節(jié)點(diǎn)之間可以有很多種鏈接。

[7] 光學(xué)字符識(shí)別指對(duì)包含文本內(nèi)容的圖像或視頻進(jìn)行處理和識(shí)別，并提取其中所包含的文字及排版信息的過程。

[8] 數(shù)據(jù)清洗指從語料庫(kù)、表格或數(shù)據(jù)庫(kù)中檢測(cè)和糾正（或刪除）損壞或不準(zhǔn)確的記錄的過程，是指識(shí)別數(shù)據(jù)的不完整、不正確、不準(zhǔn)確或不相關(guān)部分，然后替換、修改、或刪除未經(jīng)處理的原始數(shù)據(jù)。

（本文經(jīng)安克強(qiáng)教授審訂。）