王晨 李耀庭

摘要：基于對(duì)CNKI檔案類(lèi)期刊的統(tǒng)計(jì)分析，本文探討了大數(shù)據(jù)在我國(guó)檔案領(lǐng)域內(nèi)的研究現(xiàn)狀，分析當(dāng)前檔案管理技術(shù)同非結(jié)構(gòu)化的數(shù)據(jù)管理、資源轉(zhuǎn)化效率同發(fā)揮檔案的潛在價(jià)值、數(shù)據(jù)挖掘深度同個(gè)性化的用戶利用需求之間的困境，并結(jié)合大數(shù)據(jù)理論指出其帶給檔案學(xué)研究的相關(guān)啟示。

關(guān)鍵詞：大數(shù)據(jù)檔案學(xué)研究統(tǒng)計(jì)分析檔案管理

Abstract：Based on the statistical analysis of ar？ chive journals from CNKI， the paper discusses the research status of big data in the field of archives and points out the dilemma between archives man？ agement technologies and unstructured data man？ agement， resources conversion rate and exertion of potential value of archives， depth of data mining and personalized user needs. The paper also bring out some relevant enlightenment combined with big data theory.

Keywords：Big data；Archives science study； Statistical analysis； Archives management

所謂“大數(shù)據(jù)”，是指無(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合。它不單單指字面意義上規(guī)模龐大的數(shù)據(jù)量和數(shù)據(jù)集合，在認(rèn)知和應(yīng)用過(guò)程中更應(yīng)將其理解為一種思維和管理方式，一種新的技術(shù)和數(shù)據(jù)管理視角。其實(shí)，無(wú)論將大數(shù)據(jù)看作復(fù)雜的數(shù)據(jù)集合，還是數(shù)據(jù)管理的思維方式，它的出現(xiàn)都是由數(shù)據(jù)的量變積累到一定程度引發(fā)的“質(zhì)變”。近年來(lái)，各行業(yè)研究的重點(diǎn)都集中在“大數(shù)據(jù)”上，檔案學(xué)的相關(guān)研究也開(kāi)始聚焦大數(shù)據(jù)。我國(guó)檔案學(xué)領(lǐng)域明確提出有關(guān)大數(shù)據(jù)的研究是在2012年，目前相關(guān)研究仍然集中在檔案領(lǐng)域?qū)Υ髷?shù)據(jù)本身的認(rèn)知上。鑒于此，本文從大數(shù)據(jù)在我國(guó)檔案領(lǐng)域內(nèi)的發(fā)展入手，并結(jié)合CNKI檔案類(lèi)期刊的共詞聚類(lèi)分析，探討大數(shù)據(jù)對(duì)檔案學(xué)研究帶來(lái)的機(jī)遇和困境以及對(duì)我國(guó)檔案事業(yè)發(fā)展的思考。

一、基于檔案大數(shù)據(jù)研究的統(tǒng)計(jì)分析

（一）數(shù)據(jù)獲取及處理

以CNKI中國(guó)學(xué)術(shù)期刊全文數(shù)據(jù)庫(kù)為來(lái)源，以“大數(shù)據(jù)”和“檔案”為主題進(jìn)行檢索。截至2016年5月，檢索到2011～2016年的相關(guān)文獻(xiàn)共計(jì)501篇。筆者從中選取研究的核心樣本，并以此為依據(jù)分析檔案學(xué)領(lǐng)域大數(shù)據(jù)研究的總體現(xiàn)狀與核心熱點(diǎn)。首先從501篇文獻(xiàn)中剔除重復(fù)條目以及與檔案大數(shù)據(jù)研究明顯無(wú)關(guān)的學(xué)術(shù)論文和新聞報(bào)道后，得到文獻(xiàn)456篇。然后，再按照來(lái)源刊物對(duì)456篇文獻(xiàn)進(jìn)行篩選，勾選出文獻(xiàn)來(lái)源為檔案類(lèi)期刊、大學(xué)學(xué)報(bào)以及檔案學(xué)相關(guān)會(huì)議和學(xué)位論文的，共得到281篇文獻(xiàn)。最終以281篇文獻(xiàn)樣本作為檔案學(xué)研究的核心樣本，統(tǒng)計(jì)高頻關(guān)鍵詞。剔除“大數(shù)據(jù)”（99次）與“檔案”（21次）后，得到排名前十位的高頻關(guān)鍵詞，其分別為檔案信息（39）、檔案管理（39）、檔案數(shù)字化（32）、檔案工作（26）、數(shù)字檔案館（22）、檔案利用（19）、物聯(lián)網(wǎng)（17）、檔案事業(yè)（15）、信息技術(shù)（14）、檔案管理模式（13）。

（二）關(guān)鍵詞分析

共詞聚類(lèi)分析法，是通過(guò)對(duì)文獻(xiàn)集合中“詞匯對(duì)”共同出現(xiàn)的情況來(lái)構(gòu)建共詞矩陣，然后對(duì)矩陣進(jìn)行聚類(lèi)分析，從而確定該文獻(xiàn)集合與所代表主題之間的關(guān)系，進(jìn)而描述該學(xué)科的研究熱點(diǎn)和發(fā)展趨勢(shì)。為了較好地歸納出研究重點(diǎn)，在進(jìn)行共詞聚類(lèi)分析時(shí)，先要找出關(guān)鍵詞，進(jìn)而構(gòu)建共詞矩陣。

1.構(gòu)建矩陣。對(duì)核心樣本所統(tǒng)計(jì)出的高頻關(guān)鍵詞兩兩配對(duì)，統(tǒng)計(jì)其在樣本文獻(xiàn)中出現(xiàn)的頻率，建立共詞矩陣，如表1所示。

利用Ochiia系數(shù)，將共詞矩陣轉(zhuǎn)換為相關(guān)矩陣，以減少統(tǒng)計(jì)頻次的懸殊對(duì)分析結(jié)果所造成的影響。矩陣中的數(shù)字表示兩個(gè)詞之間的相關(guān)度，數(shù)值越大，表示二者之間的相關(guān)程度越高。其中，相關(guān)度較高的有檔案信息與檔案數(shù)字化（0.3963）、檔案信息與物聯(lián)網(wǎng)（0.3107）等。如表2所示。

2.聚類(lèi)分析。在以高頻關(guān)鍵詞為基礎(chǔ)建立的共詞和相關(guān)矩陣上，利用SPSS軟件對(duì)其進(jìn)行聚類(lèi)分析，可以得出在大數(shù)據(jù)背景下我國(guó)檔案學(xué)研究的聚焦點(diǎn)和關(guān)聯(lián)點(diǎn)。將表2的相關(guān)矩陣導(dǎo)入SPSS進(jìn)行層次聚類(lèi)分析，選擇“組間平均鏈鎖距離”，生成平均聯(lián)接樹(shù)狀圖。該方法能夠?qū)㈥P(guān)系密切的對(duì)象聚合到一個(gè)小分類(lèi)，稍遠(yuǎn)的聚合成大分類(lèi)，最終形成一個(gè)樹(shù)狀系統(tǒng)。從圖1中可以看到，關(guān)鍵詞1（檔案信息）和3（檔案數(shù)字化）二者距離最近、關(guān)聯(lián)最緊密，可聚合為一類(lèi)；稍遠(yuǎn)的組合有關(guān)鍵詞2（檔案管理）和4（檔案工作）、6（檔案利用）和7（物聯(lián)網(wǎng)），這兩組分別合并后又匯聚成一個(gè)研究大類(lèi)。

3.結(jié)論分析。通過(guò)共詞聚類(lèi)分析，可以將目前研究熱點(diǎn)歸為以下幾類(lèi)：（1）檔案數(shù)字化及資源管理（關(guān)鍵詞1、3和5）。大數(shù)據(jù)背景下我國(guó)檔案學(xué)研究所關(guān)注的首先是作為基礎(chǔ)的檔案資源管理，主要是針對(duì)數(shù)字檔案館、檔案數(shù)據(jù)庫(kù)存儲(chǔ)以及電子文件管理等方面的探討，同時(shí)也涉及對(duì)非結(jié)構(gòu)化信息及各類(lèi)電子文件如何統(tǒng)一標(biāo)準(zhǔn)的問(wèn)題研究。（2）檔案價(jià)值開(kāi)發(fā)及利用（2、4、6和7）。從檔案人、檔案資源開(kāi)發(fā)整合以及檔案相關(guān)信息技術(shù)等角度，實(shí)現(xiàn)對(duì)檔案資源的多元化開(kāi)發(fā)，這些開(kāi)發(fā)在該大類(lèi)中顯得較為突出。另外，物聯(lián)網(wǎng)等技術(shù)不可避免地將成為未來(lái)檔案價(jià)值實(shí)現(xiàn)的途徑。（3）檔案事業(yè)及檔案管理模式（關(guān)鍵詞5、8、9和10）。與相關(guān)矩陣所反映問(wèn)題類(lèi)似的是，我國(guó)檔案領(lǐng)域的大數(shù)據(jù)研究集中在檔案工作與管理的宏觀思想上，偏重管理模式創(chuàng)新實(shí)踐和業(yè)務(wù)探討。尤其是在城建和高校檔案等領(lǐng)域?qū)n案管理全過(guò)程的理論探討與模式創(chuàng)新經(jīng)久不衰。

綜上所述，我國(guó)檔案學(xué)領(lǐng)域?qū)Υ髷?shù)據(jù)的研究總體還處在起步和探索階段，偏重對(duì)實(shí)踐業(yè)務(wù)工作的探討，而檔案資源開(kāi)發(fā)利用和基礎(chǔ)理論研究的底子相對(duì)薄弱。究其原因，這與我國(guó)檔案學(xué)發(fā)展現(xiàn)狀在技術(shù)、思維和資源層面所存在的問(wèn)題密切相關(guān)。

二、大數(shù)據(jù)背景下我國(guó)檔案學(xué)研究的困境

大數(shù)據(jù)既為檔案資源管理提供了良好的發(fā)展機(jī)遇，又不可避免地凸顯出我國(guó)檔案學(xué)研究領(lǐng)域的困境?；谏鲜龃髷?shù)據(jù)相關(guān)研究的統(tǒng)計(jì)和共詞聚類(lèi)分析結(jié)果，筆者對(duì)核心樣本的研究?jī)?nèi)容做了深入的歸納總結(jié)，結(jié)合我國(guó)的檔案管理現(xiàn)狀不難發(fā)現(xiàn)，在該領(lǐng)域的關(guān)注焦點(diǎn)同時(shí)也正是檔案學(xué)目前亟須解決的問(wèn)題所在——檔案資源管理及數(shù)字化、檔案的價(jià)值轉(zhuǎn)化與開(kāi)發(fā)利用以及檔案數(shù)據(jù)挖掘和個(gè)性化服務(wù)模式。從這個(gè)角度而言，筆者認(rèn)為我國(guó)檔案學(xué)研究在大數(shù)據(jù)背景下存在以下三大困境：

（一）現(xiàn)有的檔案管理技術(shù)難以解決非結(jié)構(gòu)化的數(shù)據(jù)管理

作為人類(lèi)社會(huì)信息資源的“最終歸宿”，檔案的存儲(chǔ)和管理始終是檔案工作的重中之重。尤其在信息時(shí)代數(shù)據(jù)規(guī)模呈幾何級(jí)增長(zhǎng)，數(shù)據(jù)結(jié)構(gòu)也開(kāi)始變得復(fù)雜化和多樣化，來(lái)源豐富且非結(jié)構(gòu)化的碎片數(shù)據(jù)對(duì)傳統(tǒng)數(shù)據(jù)庫(kù)造成了極大沖擊。以目前我國(guó)檔案管理水平的現(xiàn)狀而言，涉及大數(shù)據(jù)核心的分布式存儲(chǔ)和并行處理等相關(guān)的云技術(shù)還沒(méi)有得到普及利用，異構(gòu)數(shù)據(jù)的互聯(lián)互通問(wèn)題還沒(méi)有得到妥善解決，檔案工作的管理實(shí)踐還沒(méi)有跟上技術(shù)發(fā)展，這種檔案管理思維和技術(shù)的相對(duì)滯后直接導(dǎo)致了現(xiàn)有檔案管理水平同檔案管理需求之間的矛盾。

（二）現(xiàn)有的資源轉(zhuǎn)化效率難以發(fā)揮檔案大數(shù)據(jù)的潛在價(jià)值

就我國(guó)檔案館目前的資源轉(zhuǎn)化和利用現(xiàn)狀而言，一方面檔案的數(shù)字化進(jìn)程還處于建設(shè)時(shí)期，對(duì)大多數(shù)實(shí)體檔案的利用依舊只能停留在人工挖掘檔案價(jià)值的階段，難度較大且標(biāo)準(zhǔn)各異；另一方面，現(xiàn)有的檔案存儲(chǔ)容量限制、管理成本限制和保管期限表的鑒定機(jī)制決定了部分低值檔案需要定期銷(xiāo)毀。對(duì)于這部分檔案而言，大多在還沒(méi)有達(dá)到凸顯其潛在價(jià)值的外部環(huán)境時(shí)便已進(jìn)入了死亡期。從長(zhǎng)遠(yuǎn)角度看，這部分檔案并非是因完全失去利用價(jià)值而被銷(xiāo)毀的，只是在現(xiàn)有的技術(shù)條件和鑒定標(biāo)準(zhǔn)下無(wú)法發(fā)揮其潛在價(jià)值。正是上述兩方面的問(wèn)題使得我國(guó)檔案館的資源轉(zhuǎn)化率長(zhǎng)期處于較低的水平，在數(shù)據(jù)規(guī)模更加膨脹的今天，這樣的不相匹配將很難發(fā)揮檔案作為社會(huì)真實(shí)歷史記錄所蘊(yùn)含的巨大潛在價(jià)值。

（三）現(xiàn)有的數(shù)據(jù)挖掘深度難以支撐個(gè)性化的用戶利用需求

隨著對(duì)信息資源關(guān)注的深入，公眾對(duì)檔案的開(kāi)放和利用提出更多個(gè)性化的需求。進(jìn)入大數(shù)據(jù)時(shí)代后，館藏中越來(lái)越多的檔案資源將不再作為“最終產(chǎn)品”直接面向公眾，而是逐漸轉(zhuǎn)變?yōu)榛A(chǔ)資源，并協(xié)同其他相關(guān)的信息資源一起，經(jīng)過(guò)更深層次的數(shù)據(jù)挖掘和分析，形成新的知識(shí)供其利用。但反觀當(dāng)前我國(guó)檔案館的情況，對(duì)大數(shù)據(jù)相關(guān)技術(shù)的研究和應(yīng)用起步略晚，大多數(shù)檔案館的主要職能仍舊停留在以“保管為主”的檔案資源管理模式上，檔案資源的整合加工和統(tǒng)計(jì)分析較少涉及，這樣的模式將很難滿足新時(shí)期公眾對(duì)檔案開(kāi)放利用的個(gè)性化需求。

三、大數(shù)據(jù)對(duì)檔案學(xué)相關(guān)研究的啟示

從CNKI來(lái)源的期刊統(tǒng)計(jì)分析可知，目前我國(guó)檔案事業(yè)的大數(shù)據(jù)研究更多地集中在應(yīng)用領(lǐng)域，在理論基礎(chǔ)上顯得相對(duì)薄弱。但是，仍然可以看到的是：“大數(shù)據(jù)時(shí)代科研范式的轉(zhuǎn)變促使數(shù)據(jù)利用和服務(wù)的需求也相應(yīng)發(fā)生了變化?！痹谶@樣的背景下，結(jié)合大數(shù)據(jù)背景下檔案管理的挑戰(zhàn)和困境，從用戶需求出發(fā)，探索大數(shù)據(jù)的基礎(chǔ)理論和檔案學(xué)相關(guān)理論的結(jié)合點(diǎn)，是能夠?qū)n案學(xué)的相關(guān)研究以及檔案館的發(fā)展有所啟示的。

（一）大數(shù)據(jù)對(duì)“相關(guān)關(guān)系”的探索，或?qū)⑼貙捜趦?nèi)部檔案及全宗之間的關(guān)系邊界

同一來(lái)源的檔案往往保持密切的關(guān)聯(lián)性，從宏觀角度來(lái)看，過(guò)去所收集的全宗內(nèi)部各主題或年份的檔案之間形成的是一個(gè)小型相關(guān)的關(guān)系網(wǎng)絡(luò)。目前對(duì)檔案的管理也更多地集中在全宗內(nèi)部的這個(gè)關(guān)系網(wǎng)絡(luò)里，然而大數(shù)據(jù)的出現(xiàn)加深了對(duì)“相關(guān)關(guān)系”的探索，拓寬了關(guān)系聯(lián)結(jié)的邊界。在對(duì)海量信息的處理過(guò)程中，全宗之間一些微弱、隱秘的“相關(guān)關(guān)系”開(kāi)始有能力被挖掘出來(lái)并表現(xiàn)出一定的價(jià)值。通過(guò)這些“相關(guān)關(guān)系”的聯(lián)結(jié)點(diǎn)，檔案館不僅可以強(qiáng)化全宗內(nèi)檔案的垂直關(guān)聯(lián)性，甚至也可以在全宗與全宗之間建立起相應(yīng)的橫向交流關(guān)系聯(lián)結(jié)，從而打造出一個(gè)暢通無(wú)阻的檔案信息資源集成網(wǎng)絡(luò)。如此一來(lái)，檔案工作者完全可以通過(guò)檔案管理系統(tǒng)對(duì)館內(nèi)檔案信息資源有一個(gè)更加系統(tǒng)、直觀和全面的認(rèn)知，從而為檔案的搜集整理和檢索利用創(chuàng)造更加高效的體系，提供更多的便利。

（二）大數(shù)據(jù)對(duì)全數(shù)據(jù)的關(guān)注，或?qū)⒀娱L(zhǎng)非永久保存電子檔案的保管期限

過(guò)去檔案保管期限的設(shè)置受到檔案自身價(jià)值和外部環(huán)境因素（檔案館的館藏空間、容量以及其他相關(guān)條件）的影響，需要定期對(duì)不具有永久保存價(jià)值的檔案進(jìn)行銷(xiāo)毀。隨著科學(xué)技術(shù)的進(jìn)步，電子檔案逐漸取代紙質(zhì)檔案成為檔案資源的主力軍；而大數(shù)據(jù)的支撐技術(shù)又恰好解決了大規(guī)模數(shù)據(jù)的存儲(chǔ)和處理問(wèn)題，這也就意味著檔案館的數(shù)字化進(jìn)程已無(wú)存儲(chǔ)空間和館藏限制的后顧之憂。與此同時(shí)，基于隨機(jī)采樣的統(tǒng)計(jì)分析方法缺乏延展性的弊端，大數(shù)據(jù)思維開(kāi)始倡導(dǎo)建立“樣本=總體”的全數(shù)據(jù)信息庫(kù)，利用其強(qiáng)大的數(shù)據(jù)分析功能針對(duì)事實(shí)數(shù)據(jù)本身而非隨機(jī)樣本去進(jìn)行計(jì)算和分析。這樣，在檔案學(xué)研究的領(lǐng)域里，檔案價(jià)值鑒定的標(biāo)準(zhǔn)和體系將會(huì)隨著“全數(shù)據(jù)”模式的出現(xiàn)而受到強(qiáng)烈沖擊。對(duì)于那些即便達(dá)到保管期限、看起來(lái)價(jià)值甚微的抑或是存在錯(cuò)誤、殘缺不全的電子文件，都有可能會(huì)被發(fā)掘出新的潛在價(jià)值，并且應(yīng)該在“全數(shù)據(jù)”模式下的數(shù)字檔案館內(nèi)獲得一席之地，而不再受到保管期限的過(guò)多約束。

（三）大數(shù)據(jù)對(duì)關(guān)聯(lián)數(shù)據(jù)進(jìn)行共享和深度挖掘的需求，或?qū)⒎醋饔糜诂F(xiàn)有的檔案信息咨詢服務(wù)模式

目前的檔案信息咨詢服務(wù)仍處于“你問(wèn)我答，你用我取”的被動(dòng)模式，用戶對(duì)檔案的利用需求往往受限于檔案館現(xiàn)有的載體形態(tài)和館藏資源，尚且無(wú)法得到綜合性的檔案信息和統(tǒng)計(jì)結(jié)果。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)化的電子檔案將逐步替代紙質(zhì)檔案和數(shù)字化檔案成為主流。通過(guò)利用大數(shù)據(jù)對(duì)碎片化檔案信息的收集整理以及對(duì)相關(guān)數(shù)據(jù)信息的共享與深度挖掘，檔案館一方面可以結(jié)合用戶在互聯(lián)網(wǎng)中的社交關(guān)系，打破社交媒體同檔案館之間所存在的共享缺陷，并把碎片化、非結(jié)構(gòu)化的信息資源（包括用戶在社交媒體上的行為數(shù)據(jù)）整合轉(zhuǎn)化為全面的量化數(shù)據(jù)，從而提前對(duì)用戶的利用行為和需求做出分析和預(yù)判，變被動(dòng)提供為主動(dòng)“出擊”。另一方面，這種對(duì)數(shù)據(jù)化信息的共享和深入挖掘可以在實(shí)際提供利用時(shí)，根據(jù)用戶提出的要求，在滿足用戶基本信息需求的前提下主動(dòng)向用戶展示綜合性的統(tǒng)計(jì)分析結(jié)果而非簡(jiǎn)單的檔案調(diào)閱。同時(shí)，在大數(shù)據(jù)強(qiáng)大的數(shù)據(jù)關(guān)聯(lián)和分析能力中加入用戶反饋，實(shí)現(xiàn)檔案咨詢的智能改進(jìn)將不再遙遠(yuǎn)。目前，韓國(guó)國(guó)家檔案館便在此基礎(chǔ)上借助信息技術(shù)的發(fā)展和用戶服務(wù)的推進(jìn)，成功開(kāi)發(fā)出了大數(shù)據(jù)時(shí)代下基于社交網(wǎng)絡(luò)的檔案信息服務(wù)新模式。

參考文獻(xiàn)：

[1]樊樹(shù)娟.大數(shù)據(jù)時(shí)代的社會(huì)變革與檔案職業(yè)發(fā)展探析[J].檔案管理，2014（10）：17-19.

[2]（英）維克托·邁爾-舍恩伯格，肯尼斯·庫(kù)克耶.大數(shù)據(jù)時(shí)代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2013：29-71.

[3]陳玲霞，田湘平.大數(shù)據(jù)時(shí)代檔案資源管理探討[J].云南檔案，2014（10）：50.

[4]儲(chǔ)節(jié)旺，郭春俠.共詞分析法的基本原理和EX？ CEL實(shí)現(xiàn)[J].情報(bào)科學(xué)，2011（6）：932-934.

[5]李長(zhǎng)玲，翟雪梅.我國(guó)情報(bào)學(xué)碩士學(xué)位論文的共詞聚類(lèi)分析[J].情報(bào)科學(xué)，2008（1）：73-76.

[6]張健.檔案數(shù)據(jù)庫(kù)“脹庫(kù)”問(wèn)題研究[J].檔案學(xué)通訊，2012（4）：50-51.

[7]王建亞.大數(shù)據(jù)背景下檔案工作的機(jī)遇、趨勢(shì)與挑戰(zhàn)[J].北京檔案，2014（5）：25-27.

[8]周楓.國(guó)內(nèi)檔案學(xué)領(lǐng)域“大數(shù)據(jù)”研究述評(píng)[J].檔案，2014（6）：9-12.

[9]劉守華.迎接大數(shù)據(jù)時(shí)代的呼嘯而來(lái)[J].中國(guó)檔案，2013（11）：1.

[10]吳丹，于文婷.近五年國(guó)內(nèi)外圖書(shū)情報(bào)學(xué)教育研究進(jìn)展與趨勢(shì)[J].圖書(shū)情報(bào)知識(shí)，2015（3）：4-12.

[11]王蘭成.大數(shù)據(jù)環(huán)境下檔案與圖書(shū)情報(bào)信息集成服務(wù)機(jī)制的構(gòu)建[J].檔案與建設(shè)，2014（12）：4-7.

[12]武云.利用大數(shù)據(jù)創(chuàng)新檔案管理模式和提升服務(wù)能力[J].檔案與建設(shè)，2015（1）：35.

[13]張峻山.基于社交網(wǎng)絡(luò)的檔案信息服務(wù)新模式——韓國(guó)國(guó)家檔案館的實(shí)踐[J].檔案與建設(shè)，2015（7）：35-38.