《近代史资料》总151号
大数据时代被纳入各类数据库的史料不知凡几。面对汹涌而来的资料大潮，史学工作者无不眼花缭乱，疲于应付，这已经变得常态化了。在共享史料“爆炸”带来的红利时，研究者也会陷入无以自拔的痛苦中。一方面，史料的拓展为研究带来了契机和动力；同时，如何把控海量的资料，进行扎实有效的研究，也变得十分棘手。一个明显的倾向是史料很容易被“数据化”——正在以“数据”或“大数据”的形式呈现在史学工作者面前，被当作“数据”来处理。这种现象需要引起学界的注意和思考。
一、史料的无限拓展与有效“占有”
史料是史学研究的基础。从理论上说，各种史料都是片段的、琐碎的，反映的都是历史过程的不同侧面，都有一定的局限性；而且，史料也是源源不断被发掘出来的。当下史学研究在梳理学术史的时候，更多关注的是观点的演化和异同，却很少注意到围绕某个领域或主题的史料，其实也有一个不断积累、更新的过程。史学的进步，除了研究视角的变换，材料的推陈出新，往往发挥着主导性作用。换句话说，新材料的发现永远在路上，史料是不可能穷尽的。
前辈学人也有曾有过对史料“竭泽而渔”的理想。谈及古典学和一些冷门绝学，人们常常会认为可以“穷尽”材料，这是因为相关研究留存下来的文献有限，勤勉的学者基本上可以做到了如指掌，说“竭泽”也有一定道理。不过，从长时间动态的观察来分析，再“冷”再“绝”的学问，都会有新材料不断出现。即使没有新文献的披露，实物与考古资料的不断发现，也会推动古史研究的进步。可见，具体到每一位学者，以个人之力永远不可能真正“全面”地掌握材料。比较而言，古人占有史料的“全”与“不全”与当时媒介、信息交流的发达程度有相当的关系。因为信息交流的原因，前贤无法见到同时代其他学人集藏资料的情况司空见惯，在古籍版本研究中，近代以来不见于历代藏书大家著录的宋元珍本偶尔仍会现身，便是明证。
迈入大数据时代后，情况大为不同了。史料的发掘、交流、共享实现了革命性的突破。数据库和各种检索方式很大程度改变了材料的搜集效率和范围。大量旧有已刊文献的数字化，未刊文献在新技术加持下的涌现，以及 *** 传输的高速便捷，最短时间内就实现了史料海量汇聚与密集性呈现，这是传统史学研究无法企及的。
马忠文《晚清日记书信考释》
不过，即便如此，也不能说史料已经到了可以“穷尽”的时代。史料虽铺天盖地涌来，研究者大可不必被这番声势所慑服。应该坚信，我们面临的问题的不是能不能“全部占有”史料，而是占有哪些史料？只要研究是由个人来完成的，占有“全部”史料就不可能。史料的“足”与“不足”本来就是相对的。通常所说的“详尽占有”，不是指搜集材料的数量和范围，应是针对具体研究中最基础、最核心的那些史料而言的，当然也包括最新发现的有价值的材料。
关于这个问题，笔者认为有两点值得注意。首先，数字时代材料的膨胀有些“鱼龙混杂”，新材料的披露、旧材料的重新组合、材料的重复等情况交织在一起，给研究带来不少烦恼和困惑。研究者必须花费大量时间和精力去做史料的筛选，资料越多，鉴别与研究的难度反而更大。其次，新发现的资料是否有价值，只能在对已有史料熟悉把握基础上才能作出判断和取舍。说到底，面对海量史料，掌握真正对某项研究最基础和最核心的材料，至为关键。反之，没有扎实的研究积累和敏锐的学术判断力，也很难确定哪些新材料对自己的研究真正有用。
在数字技术飞速发展的今天，扫描、影印、出版档案、稿本等未刊资料，很受学界关注。不少数据库都以收入“未刊”史料，来突出其价值之独特性。可见，未刊资料往往是以“新史料”的面目出现的。不过，这个问题也要从两方面来看。未刊史料的披露，肯定是“史料”的增量因素，其积极意义必须肯定。但也不能武断地认为，未曾刊过就一定有重要价值，能解决重要问题。事实上，史料是积累起来的，尤其是基础和核心史料，大部分都是已刊文献。对已刊文献不熟悉和掌握，而过分寄希望于未刊资料，很容易本末倒置，使研究陷入歧途。对此，似应引起学人的足够重视。
总之，“全面”“详尽”占有资料，是相对而言的，每一代学人都曾面对过。关键是能否牢牢掌握基础史料和核心史料，随时把握专业领域内史料发掘的基本动态，并对新披露出的材料作出及时的判断，不断丰富自己对“有效”史料的占有。这才是应对大数据时代史料“膨胀”的制胜之道。
马忠文主编《近代史所藏李景铭档案》
二、史料需要感悟
大数据时代数据无处不在，数据观念深入人心，或有意，或无意，传统史料都常常被以“数据”待之。这样的转变很微妙，甚至在一些人看来，史料和数据并无二致。其实不然。数据是科学概念，是指通过观察、实验或计算得出的结果，可以用来做新的研究、设计或决策。每一种数据都是确定的、唯一的、可直接采信的。史料则不同，从理论上说，每条史料作为文本，蕴含着特有的信息，都有其形成的语境和背景，史料需经过考辨真伪后，方能取舍采信。可见，史料不能完全等同于科学语境下只注重文本意义的数据。
前辈学者阅读文献，注重史料辨析，辨别真伪，即是对史料文本与语境的综合分析和考察，一定意义上说，史料学就是研究史料形成的历史。史料的考辨是必不可少的环节，直接与重建史实相关，没有史料固然不可能重建历史，有了史料不甄别真伪，直接拿来用，同样无法构建起令人信服的历史。因此，在大数据时代，强调考订，避免史料“数据式”的直接利用，意义不可小觑。人们不可能对每一件史料都去做细致的考察，但必须要树立重视语境的意识和思维，并在研究实践中贯彻始终，这一点并不为过。
现在保存下来的清代和民国 *** 档案数量巨大，史料价值无需多言。特别是随着数字扫描技术的普及，档案数字化和 *** 传播技术的结合，出现了大批查阅方便的档案数据库。不过，当我们打开页面，看到各类原始官方文书时，切不可只当其为文本或数据，必须要考虑到这些档案形成的过程和背景，才能更好地理解和使用它们。例如，清代外官和京官的奏折，都是经过精心起草缮写的，甚至上奏时间都可能是有计划性的；清末一些地方督抚上折的同时，更是暗中联络言官，授意奏事，彼此呼应，制造声势。如此说来，仅仅看奏折内容而不关注奏折背后的情形，恐怕很难了解历史真相。研究晚清史，还需要熟知清代各类公文的流程和运转机制。即以奏折而言，督抚和廷臣的奏疏，奉朱批后，由军机处录副，形成朱批奏折和录副奏折两个文书系统，朱批返回到上奏者手中（以后再集中缴回），录副则保存于军机处。然而，也有不少原折被皇帝做了“留中”处理，这些被留中的原折并无批示，数日后发下“归箍”，实际上掺入其他录副奏折中被保存下来。这些没有奉批的奏折，或被认为是言官的“无稽之谈”不值当办理，也有事关机密，皇帝甚至连军机大臣也不希望他们知道，所以被“留中”（时人俗称“淹了”）。今天查询这些奏折，却发现内容多关朝局内幕，难怪皇帝不愿让他人知道。可见，不了解档案形成的过程，就不能准确地把握史料的真正价值。
王建朗、马忠文主编《近代史研究所藏稿钞本日记丛刊提要》
还有一类常见文献——地方志，人们似乎也很少留意其形成过程。中国古代地方志是适应大一统体制，借以反映地方历史、风俗、民情的文献。一般说来，清代州县地方志多聘请曾任职该州县的长官主纂，再组织名流、士绅和长于文字的文人参与编纂而成。很多情况表明，州县地方志的纂写，大多受到地方世家大族势力的制约，尤其是涉及地方宗族、家族传记的内容，褒扬隐讳，存在鲜明的倾向性。名门望族的孝行、烈女、贞妇明显多于一般寒门小户。了解这些情况，需结合其他文献综合考量，才能避免使用方志资料立论的片面性。
新闻报刊在晚清兴起后，始终与中外关系、朝局变迁息息相关，成为今天研究近代史的重要参考资料。特别是甲午战争后，近代报刊成为维新人士宣传变法思想的阵地，报刊与政治的联系愈加密切，庚子后革命党人宣传革命思想的报刊同样风靡一时。可见，近代报刊的发展与政治斗争的兴起始终伴随，很难说报道内容都是客观真实的。在研究庚子后的晚清政局时，《申报》《大公报》中大量有关京城动态、派系斗争报道和见闻，被研究者所引用，作为立论定性的依据。其实，太过依赖这类材料存在一定风险。清末的报刊已经介入政治斗争中，地方督抚或拉拢、收买报刊，或自办书报以为喉舌，媒介中的各类报道都有相对的倾向性，可否采信需要慎重对待。即如光绪三十三年（1907）丁未政潮期间《申报》对奕劻、岑春煊两派斗法、慈禧太后态度变化等情形的报道，细节虽十分生动，却未必可信，这些消息大多来源不明，系“无根之谈”，多为京城官场中的传言。所以，如果直接通过报刊数据库检索，拿来即用，不与其他日记、书信、电文等原始材料综合考订，得出的结论可能会远离真相。所以，使用材料必须要有探查其形成过程的意识。否则，史料很容易被消解成“数据”来简单利用，历史背后的复杂性很容易被遮掩或略去。
三、检索不能取代史料研读
传统史学是通过对史料的搜集、考辨，再进入研究、撰写阶段。研究者通过对各类史料研读，重建史实内部的联系，尽量恢复原始场景，寻求历史内在的因果关系，找出合乎情理的历史逻辑，完成历史过程的认识。可是，近些年数字技术的普及、史料的“膨胀”，以及检索手段的迅捷，潜移默化地影响了史学研究的方式，“检索史学”悄然出现，用检索材料来代替研读史料的现象十分普遍，其实质是淡化、省略史料考订这个史学研究中最重要的环节。资料激增，确实给筛选、处理材料带来了考验，但大多数情况下研究者还是因为获取资料便捷，便直接将研究的重心放在史料表层的处理上。不研读史料，便不能进入历史内部，去获得问题意识，进而展开研究；于是许多学者只好满足于从大量平面化的资料中勾稽逻辑，将文章写成逻辑严谨、文字流畅却没有历史感的研究“论著”。可以说，这种新的八股模式是将史料“数据化”和简单化的结果。
换个角度说，检索本来也有难以克服的局限。检索词的选择就不是简单的事情。举例来说，自从出现全文报刊数据库后，通过检索，利用近代报纸研究近代史变得十分普遍。像《申报》《大公报》《东方杂志》这样的名报刊，引用率陡增，全文检索大大开拓了研究者的视野，霎时间为研究者提供了靠人工翻阅无法获取的新鲜史料，在建立近代史上各事件、人物的广泛关联性方面开辟了新天地，由此受益者多矣。然而，这种靠检索建立历史关联的 *** ，效率似乎很高，局限性也是明显的。毕竟，这种通过关键词检索建立起来的联系，是外在的，与历史本来的内部联系通常很难完全吻合。
徐雁平、马忠文主编《晚清珍稀稿本日记》
以人物检索为例，用什么样的名字，才能搜索到丰富而完整的人物资料？这里不是简单的科技文献检索，而是史料搜集，需要了解时人称呼他人的各种习俗，对此今人未必都能尽知。按照清人习惯，直呼其名是大为失礼的，一般称字号或官位尊称，还有其他不同说法。举例来说，如果查阅袁世凯的材料，只输入“袁世凯”三个字是远远不够的，这三个字通常只能查出《申报》中附载的《邸抄》《京报》中上谕或奏折，都是官方文献；有关袁世凯的大量的信息，都是以其他代称或敬称反映出来的。袁氏曾官道员，驻朝鲜的通商委员，时人称他为“袁道”“袁观察”“袁委员”，升任直隶按察使后就有了“臬司”的官称；袁氏字慰亭，也做慰廷，做山东巡抚、直隶总督时又被成为“袁慰帅”“慰帅”，丁未政潮后官外务部尚书时又称“袁尚书”，更不用说“项城”“袁宫保”“本初（三国时袁绍的字）”之类的代称，这些都是查阅袁世凯资料时要考虑输入的词语。即便如此，可能还是有遗漏。可见，依据全文数据库检索材料也不是做万能的。我们在体验到数据库带来的便利时，也应考虑到再严密的检索，也有挂一漏万的时候。
大数据时代的各种资源共享与开放性，为学术研究带来前所未有的有利条件，这是必须要肯定的，尤其是在校勘、辑佚、版本异同比较等文献学领域功效尤为突出。但是，具体到史学研究，大数据只是在传统意义的史料搜集上实现了历史性的跨越，对研究本身的助力需要审慎评判。史料不是冰冷的数据，史料是鲜活的，有温度的，将史料“数据化”，忽略其语境和背景，实际已危害到史学作为学科存在的边界。研读史料和技术领域的数据利用毕竟是两回事。史学研究还是要遵循从历史内部找到切入点，发掘内在的历史逻辑，而不是从资料外部寻求关联，以代替内在的因果关系。在这个意义上，台湾地区学者黄一农教授多年前提出的“e考据”理论是对数字技术和史学结合的精准概括，即运用最新技术条件，充实传统史学以考据为基础的研究 *** ，这种模式中，史料（数据）检索是作为一种补充手段而存在的，并非研究本身。
（本文首发于《近代史资料》总151号，澎湃新闻经中国社科院近代史研究所《近代史资料》编辑部和作者授权转载）
