Цифровые гуманитарные науки и арабские тексты: от рукописи к данным
Цифровые гуманитарные науки соединяют вопросы традиционных гуманитарных дисциплин — истории, литературы и языка — с вычислительными инструментами для сбора, описания, анализа и представления текстов. Цифровые гуманитарные науки не заменяют критическое чтение алгоритмами; они расширяют то, что исследователи могут увидеть и о чём могут спросить. В этой статье представлены основные понятия области, особенности арабских текстов и практики ответственной работы.
Что такое цифровые гуманитарные науки?
Известный справочник «A New Companion to Digital Humanities» под редакцией Сьюзан Шрайбман, Рэя Сименса и Джона Ансворта даёт широкую картину области: оцифровка источников, кодирование текстов, анализ больших корпусов, историческое картографирование и цифровая публикация. Общее у этих видов деятельности — превращение гуманитарного материала в структурированные данные с пониманием того, что это продукт человеческой деятельности, имеющий свой контекст.
Пристальное и дальнее чтение
Франко Моретти предложил термин «дальнее чтение» для изучения больших массивов текстов через статистические закономерности — например, частоту слов или развитие литературных жанров во времени — вместо внимательного чтения небольшого числа произведений. Дальнее чтение не отменяет пристального, а дополняет его: статистические закономерности порождают вопросы, для ответа на которые требуется внимательное чтение.
Кодирование текстов и стандарты документирования
Чтобы цифровой текст можно было искать, анализировать и распространять, ему нужна разметка, описывающая его структуру: заголовки, абзацы, имена, даты, примечания и разночтения. Инициатива по кодированию текстов (TEI) предоставляет для этого открытые международные рекомендации, используемые многими проектами в мире. Каждому документу также нужны метаданные с указанием источника, даты, языка и правового статуса.
Особенности арабских текстов
Арабские тексты создают особые трудности для цифровой обработки, в том числе:
- Несколько форм написания одной и той же буквы и огласовки, которые иногда присутствуют, но обычно отсутствуют.
- Трудность оптического распознавания символов для рукописей и традиционных почерков.
- Богатство арабской морфологии, придающее одному слову множество форм.
- Огромный объём рукописного наследия и его рассредоточенность по многим библиотекам мира.
Для решения этих задач появились инициативы, в том числе Open Islamicate Texts Initiative (OpenITI), создающая большой корпус машиночитаемых арабских и персидских текстов. Сборник под редакцией Элиаса Муханны о цифровых гуманитарных науках в исламоведении и ближневосточных исследованиях также представляет исследовательский опыт в этой области.
Практики ответственной работы
- Соблюдайте права: проверяйте, находится ли текст или изображение в общественном достоянии или лицензировано для использования.
- Документируйте всё: источник, версию, дату обращения и любые внесённые изменения.
- Отделяйте оригинал от преобразований: храните исходный текст отдельно от любого перевода, исправления или разметки.
- Признавайте ограничения данных: архив всегда неполон, и сохранившееся не обязательно представляет всё, что было написано.
- Делайте работу воспроизводимой: описывайте свои шаги, чтобы другие могли повторить анализ и проверить его.
Итог
Цифровые гуманитарные науки открывают новые горизонты для изучения арабского и общечеловеческого наследия при условии, что они сочетают точные данные, глубокое критическое чтение и уважение прав. Лаборатория наследия и цифровых гуманитарных наук FUTURIA предлагает прикладные занятия по созданию небольших хорошо документированных наборов данных.
Источники
- Schreibman, S., Siemens, R., & Unsworth, J. (Eds.) (2016). A New Companion to Digital Humanities. Chichester: Wiley-Blackwell.
- Moretti, F. (2013). Distant Reading. London: Verso.
- TEI Consortium. TEI P5: Guidelines for Electronic Text Encoding and Interchange. Text Encoding Initiative Consortium.
- Muhanna, E. (Ed.) (2016). The Digital Humanities and Islamic & Middle East Studies. Berlin: De Gruyter.
- Open Islamicate Texts Initiative (OpenITI). Corpus of machine-readable Arabic and Persian texts.
