計畫單位：中央研究院歷史語言研究所漢籍工作室

 

計畫名稱：中央研究院漢籍全文資料庫

 

計畫簡介：

 

古籍是歷代流傳下來的文化瑰寶，因年代久遠，加上種種破壞與耗損，使得大多數的古籍難以完整保存，能夠保存下來的古籍自然更顯珍貴。因此整理及保存古籍的完整性是一項非常重要，且需長期投入的工作。

 

鑑於古籍數量龐大，加上善本取得不易，匯集古籍的工作十分困難。從搜集、編目到進行各種研究，都必須花費相當的人力與物力；而人力不足及人工作業疏失，有時難免造成缺誤。

 

古籍電子化後，透過電腦的處理及全球網際網路的優越性，這些資料可無限制地被使用者利用。再者，使用計算機進行處理，可以進行大量且連續的操作，將資料匯集起來，經過學者專家相互的比對參照，常能發現前人所未見的新資訊，所以古籍電子化對於研究工作是極為重要的突破。

 

中央研究院歷史語言研究所（以下簡稱史語所）與中央研究院計算中心於1990年完成共同開發的二十五史資料庫，於1995年將WWW檢索程式上線命名為「瀚典全文檢索系統」，1997年瀚典改版至1.3版，但為了因應電腦軟硬體不斷擴充與使用者需求，更為精益求精，在現任主持人史語所袁國華副研究員的帶領下，已再次規劃改版事宜，以期能達成人文為本、科技為用的目標。

 

早期的檢索系統是在UNIX作業系統下開發的，歷經多次修訂，目前重新使用JAVA程式開發系統。資料庫乃以保存原書的文字與排版為基礎，由層級（hierarchical）的目錄來對應書本的章、節、段落等結構，讓使用者得以據其調閱公文，或訂定檢索的範圍。

 

為因應資料庫改版，舊系統的資料需重新校對，標誌需要修改；同時新資料的電子化工作也必須持續進行。

 

正在建構中尚未完成之書籍約有兩億二百零二萬字。其中已完成校對的書籍有《宋人傳記資料索隱》等二十種，約五千五百三十九萬字，於2005年上線。校對中的書籍，有《明代律例彙編》等二十五種，約三千零六十四萬字。另外待校對書籍，有《文苑英華》等二十六種，約一億四千四百二十一萬字，正陸續建構中。

　

 

漢籍古文數位化工作流程圖

  

　

數位化工作流程說明

 

一、選書

 

　

（一）提出書單：

 

書目清單來源有二：

　

2. 主持人根據漢籍全文資料庫完整性所提出的書目。

 

（二）擬訂書單：

 

整理後條列出書目清單（表1）。

 

表1、漢籍全文資料庫待輸入書單

 

（三）漢籍選書委員會審核：

 

交由漢籍選書委員會審核並排定建置順序。

 

（四）請求授權：

 

請求著作權授權，如果無法取得授權必須重新擬訂書單，或者更換可以取得授權之版本。

 

（五）確定書單：

 

確定數位化書目清單。

　

---

<目 錄>

　

二、書目建置

 

　

　

 

（一）書籍分類：

 

依四庫圖書分類法之「經」、「史」、「子」、「集」，並增列「叢書」、「其他」二種，分門別類（圖一)。

 

圖一、漢籍電子文獻資料庫目錄

　

（二）查詢書籍館藏號：

 

目前漢籍主要書籍為中央研究院各圖書館館藏，其他為史語所漢籍工作室購買，另一部份為研究人員提供。可從中央研究院各圖書館查詢預定數位化之書籍的館藏號，提供讀者原書典藏處。

 

（三）依欄位輸入資料：

 

輸入類別、序號、書名、作者、出版者、出版地、出版年、典藏單位……等各項欄位（圖二）。

 

圖二、漢籍電子文獻資料庫書目欄位

　

（四）批次列印、校對及修改：

 

每一年度書目資料輸入完成後必須列印樣稿，以便校對及修改。

 

（五）上傳主機：

 

核對資料無誤後，完成上線程序，以提供書目檢索。

　

---

<目 錄>

　

三、影印及掃描（委外製作）

　

 

（一）制訂影印、掃校標準：

 

1. 影印稿為提供輸入廠商繕打之用，因此依照字體大小及清晰度決定比例大小。

 

2. 掃描圖檔則依照〈傅斯年圖書館全彩影像掃描及校驗相關作業標準〉，將原書1：1之比例，以頁為單位，規格為300dpi、全彩（黑白）、TIFF格式存檔。

 

（二）提借原書：

 

1. 根據書單，提調所選定之書籍以提供得標廠商影印及掃描。目前書籍的來源有三：一是漢籍提供經費購書，二是研究人員提供，三是院內圖書館館藏之書籍。

 

2. 如遇不得外借之書籍，依照各館藏單位之規定辦理仍不能處理者，提回至「選書」作業重新選擇版本。

 

（三）公開招標：

 

依照中央研究院招標規定施行。

 

（四）驗收：

 

影印完成後廠商須將影印稿及原書送回本單位，驗收合格後即可。掃描完成後廠商須將檔案送回史語所漢籍工作室，驗收合格後進行影像降階工作。

 

（五）影像降階：

 

將圖檔依照〈傅斯年圖書館全彩影像掃描及校驗相關作業標準〉降階轉存，以利於後續作業，降階完成的檔案須另作備份。

　

---

<目 錄>

　

四、繕打及初次標記（委外製作）

 

　

 

 

 

（一）預先處理層級資訊及制訂標準：

 

此為發包委外工作，因此需依據各書籍體例及研究人員之要求，編寫檔案代碼及基本層級結構，針對各書列出輸入說明及規範、作業環境與限制等規定。

 

（二）公開招標：

 

依年度提撥經費，決定擬輸入字數並進行詢價，提出申請，經中央機關採購法規定，進行招標程序。

 

（三）廠商提領：

 

得標後，至工作室提領輸入文件，由漢籍工作室人員向廠商說明注意事項，提供加入XML語法標誌之程式及中央研究院之「缺字公用程式」，並示範操作，提供書面資料，讓廠商了解如何安裝與使用。

 

（四）繕打及初次標記：

 

1. 繕打：依據漢籍繕打原則（依書中原樣處理，內容中不清楚處，不作模糊的判斷與處理）進行文字輸入。

 

2. 初次標誌：使用Keytext、EmEditor等文書處理軟體做最初級的「層級」標誌。

 

（五）廠商自行查驗：

 

錯誤率達萬分之一以下方可送回。

 

（六）漢籍查驗：

 

工作室同仁對送回檔案進行隨機取樣查驗，若達到合格要求(錯誤率達萬分之一以下)即上傳主機及燒製光碟進行備份，未達要求則退回廠商處進行修改，安排二次查驗。依採購法規定，所內或院方之驗收步驟，由相關單位派人至工作室對檔案進行查驗，合格即依規定處理，不合格則限期請廠商修改再重新進行驗收步驟。

 

（七）建置初校稿資料庫：

 

將驗收完成之檔案上傳，建置初校稿資料庫，供所內同仁使用。

　

---

<目 錄>

　

五、初次建檔

　

　

　

（一）匯整主機資料：

 

將繕打後的資料上傳主機，並且備份廠商送回的原始檔。

 

（二）測試：

 

進行資料庫上線測試。

 

（三）初建檔資料庫上線：

 

測試無誤後初建檔完成，並開放資料庫（圖三）提供所內同仁使用。

 

 

圖三、漢籍電子文獻資料庫瀏覽畫面

  

　

---

<目 錄>

 

六、一次及二次校對（委外製作）

　

　

（一）制訂標準：

 

1. 制訂異體字、訛字、缺字、避諱字等挑字原則。

 

2. 制訂抽驗標準。

 

（二）分配工作：

 

1. 依總量平均分配。

 

2. 依難易分配給程度相當之工作人員。

 

（三）校對：

 

按照原書逐字校對，並針對每本書的差異之處將標準略加修改，以符合實際。

 

（四）改稿：

 

修正校對挑出之錯誤。

 

（五）抽驗：

 

根據所制訂的標準，每本書抽出相同的字數，給非校對該書的工作人員抽驗。不合格者，組長詢問校對此書的人員之工作狀況，依情況列入績效考評，並且重新校對，如遇到書籍內容難度太高（如：以草書、行書繕寫，或字體不易判斷的手寫書稿等），必須尋找合適的校對人員、參考工具書或利用其他版本之書籍，重新校對。

 

（六）上傳主機：

 

完成的檔案上傳於主機備份。

　

---

<目 錄>

　

七、詞類標誌

 

「詞類標記」工作分為「詞類輸入」、「電腦斷詞」與「人工處理」等三個階段，除詞類輸入委外製作，另兩項皆由漢籍工作室執行。

 

 

（一）提借書籍：

 

依資料庫所需，從中央研究院各圖書館提借相關詞類書籍與工具書。

 

（二）問題產生：

 

因繕打時必須對內容進行判斷，如遇到經由查詢工具書及相互討論還不可解決之問題，需記錄並尋求研究人員之協助。

　

（三）電腦自動標誌：

 

先進行人名、地名等工具書或參考資料的繕打工作，再由資料庫進行電腦自動標誌。

 

（四）人工標誌：

 

檢查電腦無法處理的問題，目前先處理人名、地名、朝代、著作、職官、族名、年號七個部份。如遇有爭議的問題，先就資料庫查詢資料，無法解決再由小組相互討論；若尚有無法解決的問題，必須先記錄問題再尋求相關研究人員解決。

 

（五）使用軟體檢查錯誤：

 

使用標誌除錯軟體，可於加標誌的同時，檢查錯誤。

””””””””””’

（六）匯出各標誌清單：

 

分別按人名、地名、朝代、著作、職官、族名、年號匯出名單以利後續處理。如：用《佩文韻府》標注《全宋詩》。

　

---

<目 錄>

　

八、第二次建檔上線與校對

 

　

（一）線上校對：

 

將二次建檔完成之檔案進行線上校對，以檢查及修正詞類標誌之錯誤。

 

（二）建檔完成：

 

開放資料庫給一般讀者使用（圖四）。

 

圖四、漢籍電子文獻資料庫畫面

 

※ 製作單位：數位典藏國家型科技計畫 內容發展分項計畫

 

中央研究院歷史語言研究所漢籍工作室

 

※ 文字撰寫：中央研究院歷史語言研究所漢籍工作室 助理李芳瑩

 

數位典藏國家型科技計畫 內容發展分項計畫

 

漢籍全文主題小組助理 謝筱琳　

 

※ 圖片提供：中央研究院歷史語言研究所漢籍工作室 助理李芳瑩

 

※ 圖文編輯：數位典藏國家型科技計畫 內容發展分項計畫

 

漢籍全文主題小組助理 謝筱琳

 

※ 以上數位化工作流程，參考漢籍工作室於「2005漢籍數位化合作建制研討會」

　

致謝：

 

感謝中央研究院歷史語言研究所，漢籍工作室「漢籍電子文獻資料庫」之計畫主持人　袁國華老師、聯絡人李芳瑩小姐撥冗指導及提供實地拍攝與簡介編寫。並感謝漢籍電子文獻資料庫相關計畫人員之協助。

　

---

<目 錄>

  全文下載 (1.2 MB, 1,951 hits)

評分：