黃一農院士講座紀要

• 撰稿人：本系碩士生葉紘承

【開幕式】
吳有能主任致詞：

　　這一次的活動是歷史系第一場舉辦的院士講座，這次講座邀請黃一農院士打頭陣，除了有與我師生之緣的重聚的原因外，還有黃院士在歷史學界的特殊意義。黃院士畢業於哥倫比亞大學天文學系，雖然學習生涯沒有接受歷史學的教育，卻選擇投入於歷史學研究，自此天上天文學界少了一顆明星，地上歷史學界多了一顆明燈。黃院士除了仰觀天文之外，現在還能夠俯察歷史，給我們很多新的觀點，運用所長把科技與人文結合了起來，透過新觀點處理大量的材料。國立清華大學在黃院士的領導下，在文科的大數據研究上有很多新進展。我也跟各位聽講人報告一下：本系與東華大學進行的AI與歷史研究的研究會上週結束，我鼓勵大家必須要學會這個工具，以及更加重要的事項──未來還有五場「院士系列講座」，也希望各位都能來共襄盛舉。我們把時間交給黃院士。

黃一農院士：
就像吳主任所言，我其實沒有受過任何文科的客觀教育，我小時候的夢想是想要作為一個第一流的物理學家，但是我在美國做了一個職業科學家之後，有一天我就決定：我要回到我最愛的文科。我的研究是使用太空總署最好、最大的電腦，處理各種非常大量的天文資料，所以那種經驗，讓我後來很快的能夠進到所謂的「大數據時代」。我轉換進到文科之後，花了十幾年的時間在做科技史，後來就轉到跟中西文明有關的內容。

2005年在我的著作《兩頭蛇》中首次提及了「e時代融通數位與傳統的研究方法」，前美國歷史學會會長何炳棣院士是做人口史和社會經濟史的學者，他當時就寫了一段評語給我，但是我沒辦法立刻體會，他雖然沒有很具體地談我的書裡有什麼特別的突出的成就，但他說：「本書所引1099種資料之多，可能是一紀錄。」因為何院士的人口學研究，使用了1000種方志庫，那個時代沒有大資料和資料庫，那是他極引以為傲的事情。所以他突然發現一個年輕的學者，也用了1000多個的資料寫一本書，感到非常關注。但當時大多數人，包含我自己在內都還沒辦法體會，大資料對我們產生多大的衝擊。

我今天這場講座將分為兩部分：第一部分我要跟大家來用一個案例，分析在大資料時代我所謂的「e考據」，怎麼能創造出很不一樣的研究能量。第二部分我要說明何謂e文獻學，事實上是另外一個角度去表達用大資料做研究的時候，千萬要注意很多的事情，不然的話你可能會犯下很多不應該犯的錯誤。

【第一部分】
黃一農院士：
考據本來就是文史學界的基本功，「e考據」只是在e時代怎麼樣做好考據。因為我們擁有上一代人不曾擁有的環境跟工具，所以思維方式會跟以前很不一樣，它不是簡單的檢索，而是一整套問問題的方式。清華大學圖書館的資料庫擁有150億字清代以前的古典文獻可以全文解鎖，過去一兩千年來，從來沒有任何一個文科的學者手頭上能掌握這麼多東西，如何使用它，就是資訊落差展現的關鍵。2010年我想要投入完全陌生的紅學領域，以史學的角度研究小說，同時檢驗大數據對人文學科的影響，了解曹雪芹作為作者的知識背景，及其如何影響他的創作。我從零開始創作了55篇論文和3本專書，成就了自己對e考據的運用能力，並深化了個人對曹雪芹的認識，和他如何寫成《紅樓夢》的感悟。2022年，我結束了在紅學研究領域的第一次重大學術探險，轉而完全以資料庫為媒介，投入了第二次重大學術探險——清代避諱學的研究，完成了這本《清代避諱研究》。

避諱學是所有文史工作者皆該具備的基礎知識，我在此就以清代為案例來和大家說明。我們都知道雍正帝的名字是胤禛，且最早的清代避諱法律正是始於雍正朝，因此我們是否可以推測：清代所有刊刻、出版的文本在「胤」字上有所削筆、改字者，都可以推測最早的成書時間是在雍正元年？但我在中國方志庫中搜尋內容有「胤」字的資料，卻發現康熙朝404部志書裡的2241個「胤」字中，僅有32％的正體「胤」字，過半數以上都是異體字（53％）或缺筆（7％）。這些異體字都能見諸明代至清代順治年間的方志，缺筆字則幾乎不見諸其中，因此我使用傳統歷史學的假設法：合理懷疑缺筆的「胤」字有可能是康熙朝的避諱表現，但是應與皇四子胤禛無關，因他此時還僅是奪嫡鬥爭中的諸子之一。
後來我透過資料庫的檔案中，發現了避諱皇太子胤礽的案例。胤礽自康熙十四年以來，擔任儲君三十多年，享有與康熙帝規格相差無幾之地位。綜合整理康熙朝已知的避諱「胤」字，我開始推測：從康熙朝文本中出現的避諱，是否可能與胤礽有關？避諱「胤」字的文本是否都只發生於康熙十四年冊封太子後？由此開啟了我在避諱學使用「e考據」的問題意識。

這只是做考據得以提出問題的第一步，要熟練使用「e考據」還得多方注意。「聲稱」刊刻於康熙十四年以前，避諱「胤」字的文本不是沒有，但大部分都與這個時間有矛盾，不能撼動我們的假設。例如：內文收錄刊刻時間以後的記事、出現避諱「禛」字者。唯有一本題為康熙十三年刻本的《曹州志》，內有2個「胤」字缺末筆。這著實困擾了我一段時間，後來發覺中國方志庫收錄的版本是雍正年間的挖改後印本，所以必須避諱「胤」字；中國國家圖書館藏的康熙十三年「初印本」中，就沒有避諱「胤」字，證實了我原初的假設為真。

即便你認為只有方志的素材太少，需要其他類型的文本的話：歷代別集庫和四庫系列書據庫中，康熙朝詩文中共出現164個「胤」字，高達88％缺筆，也符合上述的假設。有些文本的當事人在司職東宮事務的詹事府中任職，因與皇室關係特別，在還未有法律規定情況下，同時敬避皇太子名「胤」字以及康熙帝名之「玄」字（487個「玄」字，高達89％缺改），例如：徐乾學、秦松齡、曹寅等。相較之下，在康熙三十六年由兩廣總督金光祖纂修的《廣東通志》，內容的100個「胤」字不曾避改，5個「玄」字也僅兩個缺末筆。甚至在記牛肚灣巡檢司的鄒胤礽之名時，也未將連用太子名諱的「胤礽」兩字避改，因為在沒有法律規定的情況下，並非與皇室關係高度相關者，不須強制避諱。

總結起來，關於避諱的知識，我們勢必得使用「e考據」詳加考證，而非持一種理所當然的方式定論。例如：上海圖書館藏《續垂棘編》題為康熙三十四年刊本，因為避「玄」、「胤」二字卻不避「弘」，過去普遍認為是雍正時期的重印本。但如今採取前文的假設，康熙三十四年刊本的論述是可能成立的。

【第二部分】
黃一農院士：
解決了「e考據」，「e文獻學」也是同樣的道理，即在e時代必須交叉處理傳統與數字文本的文獻學，這是我在新書《e考據與文史研究》的重要內容。以《京兆府學贍學舍地清冊》為例，除了傳統的石碑與拓片、釋文的稿本與刻本外，如今古文獻的PDF檔和可全文檢索的資料庫等數字文本，肯定也是文獻來源的重點。然而這些數字文本多大情況下是否正確令人擔憂，這就是「e文獻學」試圖處理的內容。

我在進行紅學研究時，曾經對曹雪芹被抄家後，雍正帝讓他回到北京提供一「蒜市口十七間半」的房屋居住。這個「間」與「半間」的單位量詞為何，「蒜市口」又在何處？「間」在建築學界似乎並沒有很確切的定義，通常說尋常老百姓房子的兩根柱子之間，會有根木頭稱為檁，檁的長度約為一丈，其空間大概就是「半間」。但我在做研究時希望做地更深刻，發現金朝有個《京兆府學贍學舍地清冊》，原碑存放在今天的西安，一萬四千多字，記載的府學財產詳細資料，裡頭有內容是「半間」等於0.75間的內容，這個碑的完整拓片可以在北京政法大學的資料庫中找到。我建議同學，不要看到0.75間這樣的資訊後，就認為目的性的答案已經找到了，而是要逐字逐句、以文本的方式來閱讀碑文。清朝末年有本書叫《八瓊室金石補正》，收錄碑文拓片共130卷，把每一個字都辨識出來，在第126卷就有收錄這個碑文。

我打開收錄在《續修四庫》資料庫中，《八瓊室金石補正》的PDF檔，卻發現PDF檔被動手腳了。《續修四庫》資料庫有兩個版本，一個是20年前發行、與《續修四庫》本書一模一樣，為正檔；一個是10年前發行、與《續修四庫》本書有出入，為誤檔。誤檔中碑文一萬餘字，有119字遭改，有些遭改的字是真的很接近，但有些遭改的字卻完全與本文無關。我改為閱讀另一本書《金石萃編》，卻發現第9卷的第38頁也有34字遭改，當時沒有AI，不可能被電腦系統自動改成通假字，因此只可能是人為的行動，並且在遭改字同一頁附近或上一頁的同一處，以及東西南北等方位字，也能找到同樣遭改的內容，這就是「e文獻學」最重要的命題。

總結以上，我們能得知大數據的檢索雖常可經由各種資料庫便利取得，但在進行具體分析時，仍需要考據學的清晰問題意識，並搭配細細爬梳的傳統功夫。大數據是有可能迅速開展一門學術課題的深度，但我們e世代的文史工作者也有必要反思對大數據的過度依賴。如今經常說到的「數位落差」，不僅是衡量所掌握資料庫的多寡，更取決於如何透過傳統功底和邏輯思維，提出具有學術意義的問題，並統合問題形成有機會成功的運作模式，接著還得善用資料庫特性，全力找出可解決各個問題的論證。因此傳統與數位的對話與融通，將是新一代人文學者無法逃避的挑戰，而e考據不只是一種技術手段，更是新世代文史工作者應該用心擁抱的技藝。