用於中國歷史研究的網路基礎設施：對相關探索的建議和展望

A Cyberinfrastructure for Historical China Studies

王宏甦(Hongsu Wang) ； 徐力恆(Lik Hang Tsui) ； 包弼德(Peter K. Bol)

《數位典藏與數位人文》 6期 (2020/10) Pp. 1-35

https://doi.org/10.6853/DADH.202010_(6).0001

摘要

資料庫、研究項目數量和參與中國文史數位研究的人員大幅增加，使得學界為中國歷史研究建立相應的網路基礎設施變得必要。網路基礎設施的作用在於連接對一個學科有用的電腦軟體、資料集、人才、實務做法、標準和合作模式，促進研究的進步。本文將具體論述營建中國歷史研究的網路基礎設施的必要性及基本的可行方式，以及如何從資源的共享和成員的交流兩方面實現這個目標。

關鍵字

網路基礎設施 ； 中國歷史 ； 數位人文

並列摘要

The proliferation of databases for the study of Chinese history and the increasing numbers of researchers taking part in their development calls for a cyberinfrastructure. A cyberinfrastructure can be conceived as a network of discipline-specific software applications and data collections and also of the personnel and the set of best practices, standards, and collaborative methods they establish. This paper discusses how participants in such a cyberinfrastructure for historical China studies can share their resources and facilitate their communication with various technologies and mechanisms.

並列關鍵字

cyberinfrastructure ； Chinese history ； digital humanities

參考文獻

彭維謙、程卉、陳詩沛（2018）。從全文到表格：地方志職官志中職官資料之半自動擷取。數位典藏與數位人文，1，79-125。doi:10.6853/DADH.201804_1.0004

包弼德、夏翠娟、王宏甦（2018）。數字人文與中國研究的網絡基礎設施建設。圖書館雜誌，37(11)，18-25。doi:10.13663/j.cnki.lj.2018.11.003

Barkhuus, L., & Brown, B. (2012). The sociality of fieldwork: Designing for social science research practice and collaboration. In Association for Computing Machinery (Ed.), GROUP ’12: Proceedings of the 17th ACM international conference on supporting group work (pp. 35-44). New York, NY: Association for Computing Machinery. doi:10.1145/2389176.2389183

Jirotka, M., Lee, C. P., & Olson, G. M. (2013). Supporting scientific collaboration: Methods, tools and concepts. Computer Supported Cooperative Work (CSCW), 22, 667-715. doi:10.1007/s10606-012-9184-0

Liu, C.-L., Huang, C.-K., Wang, H., & Bol, P. K. (2015). Mining local gazetteers of literary Chinese with CRF and pattern based methods for biographical information in Chinese history. Paper presented at 2015 IEEE International Conference on Big Data. Santa Clara, CA. doi:10.1109/BigData.2015.7363931