36、数字人文领域产品线模型检查：历史数据应用探索

数字人文领域产品线模型检查：历史数据应用探索

1. 引言

由爱尔兰研究委员会资助的“1864 - 1922 年爱尔兰死亡与埋葬数据”（DBDIrl）项目，其研究方法具有创新性，它将成为首个在开放获取环境中，利用开放获取框架和开源分析工具，建立历史登记死亡数据与其他数据类型之间联系的国家项目。

目前，大量历史大数据（hBD）虽处于公共领域，但呈孤立状态。许多数据是非结构化的，或按照原始历史本体进行结构化处理，导致数据集之间无法自然交互或实现互操作性。不过，计算能力和链接数据技术的进步，为建立特定用途收集的不同数据之间的关系提供了绝佳机会。DBDIrl 项目旨在创建和分析个人层面的历史死亡与埋葬数据之间的关系，以了解 Nikolas Rose（2007）提出的“生物公民身份”概念在爱尔兰的发展情况，以及权力动态在地区、性别和宗教层面的运作方式。该项目的主要大数据来源是民事登记（CR）的相关文件，包括出生、死亡和婚姻登记、人口普查记录和法院记录。

大数据（BD）被 Graham、Milligan 和 Weingart（2017）简单定义为“在合理时间内无法手动读取的数据，需要计算干预才能挖掘新信息的数据”。项目所使用的核心数据——民事登记死亡数据，符合这一定义。过去几十年，这些数据已被数字化，以 Microsoft Excel 索引和高分辨率 TIFF 扫描文件的形式存在。尽管 Rob Kitchin 认为以能否放入 Excel 电子表格来衡量数据“大小”的说法有些肤浅，但这确实是该 CR 数据的一个特点。项目收到的原始 CR 数据是一个包含 430 万条死亡登记记录的 Excel 索引，每条记录有 11 个字段。由于 Excel 处理超过 100 万条记录的文件功能有限，需要将其拆分