FUTURIA当下与未来之大学的新名称 数字贾扎里(DJAIRI)官方认可标志母机构数字贾扎里(DJAIRI)

FUTURIA · 原文语言:阿拉伯语 · 阅读原文

数字人文和阿拉伯语文本:从手稿到数据

数字人文学科将传统人文学科(如历史、文学和语言)与用于收集、描述、分析和呈现文本的计算工具结合在一起。 数字人文学科并没有用算法取代批判性阅读; 它们扩大了研究人员可以看到和询问的内容。 本文介绍了该领域的基本概念、特定于阿拉伯语文本的内容以及负责任工作的实践。

什么是数字人文学科?

由 Susan Schreibman、Ray Siemens 和 John Unsworth 编辑的著名参考文献“数字人文学科的新伴侣”提供了该领域的广泛图景:数字化来源、编码文本、分析大型语料库、历史测绘和数字出版。 这些活动所共享的是将人文材料转化为结构化数据,而不会忘记它是具有背景的人类产品。

近距离阅读和远程阅读

Franco Moretti 提出了“远读”一词来描述通过统计模式对大量文本的研究,例如单词频率或随着时间的推移文学体裁的发展,而不是仔细阅读少数作品。 远读不会取消近距离阅读,而是补充它:统计模式提出了需要仔细阅读才能回答的问题。

文本编码和文档标准

为了使数字文本可搜索、可分析和可共享,它需要描述其结构的编码:标题、段落、名称、日期、注释和变体读数。 文本编码倡议 (TEI) 为此提供了开放的国际指南,供世界各地的许多项目使用。 每个文档还需要说明其来源、日期、语言和权利状态的元数据。

什么是阿拉伯语文本

阿拉伯语文本对数字处理构成了特殊挑战,包括:

  • 写同一个字母的几种形式,以及有时存在但通常不存在的元音标记。
  • 手稿和传统脚本的光学字符识别难度。
  • 阿拉伯语形态的丰富性,它给出了一个单词多种形式。
  • 手稿遗产的广阔范围及其在世界各地许多图书馆的分布。

已经出现了应对这些挑战的举措,包括开放式伊斯兰教文本倡议 (OpenITI),该倡议正在构建大量机器可读的阿拉伯语和波斯语文本。 由 Elias Muhanna 编辑的关于数字人文和伊斯兰和中东研究的卷也展示了该领域的研究经验。

负责任的工作实践

  1. 尊重权利:检查文本或图像是否在公共领域或许可使用。
  2. 记录所有内容:源、版本、访问日期和您所做的任何更改。
  3. 将原文与转换分开:将原始文本与任何翻译、更正或编码分开存储。
  4. 承认数据的限制:档案总是不完整的,保存的内容并不一定代表所写的一切。
  5. 使您的工作可重复:描述您的步骤,以便其他人可以重复分析并检查它。

概要

数字人文学科为阿拉伯语和人类遗产的研究开辟了新的视野,前提是它们结合了准确的数据、深刻的批判性阅读和对权利的尊重。 Futuria 的 Heritage and Digital Humanities 实验室提供用于构建小型、记录良好的数据集的应用活动。

参考文献

  • 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.

相关阅读