台灣歷史數位圖書館部落格

【關於研討會】
   由於國科會數位博物館計畫與數位典藏國家型計畫的大力推動，數位化儼然成為各典藏機構進行珍貴文化資產保存和展示的重要工具與方式。在此同時，由文化資產轉化而來的各種類型之數位資源亦不斷累積和擴展，一方面讓相關資源和資訊可以更容易且更廣泛地被社會大眾所取用，另一方面也為知識的探究與創造開啟了更多新的可能性。

THDL使用者帳號全面開放申請！
請點這裡進入帳號申請頁面，謝謝。

參加本次會議者請於 2012 年 11 月 20 日前完成線上報名。
報名完成後，將會收到大會寄出的確認函。
若截至 2012 年 11 月 20日前，尚未收到確認函，敬請通知大會秘書處。

線上投稿系統已經開放，請於10月21日前完成全文繳交

第四屆數位典藏與數位人文國際研討會成為國際組織—數位人文研究聯盟 (The Alliance of Digital Humanities Organizations, ADHO) 在全球第一個協辦之數位人文研究會議。
ADHO網站
<相關介紹>

文史學者在做研究時，有時後會遇到個問題是，如何繪製圖表？以前可以土法煉鋼，用雙手繪製，可是到了電腦時代，找到一個好的工具反而更重要。可是工具在哪裡呢？這邊要介紹一個軟體，「graphviz」，他能夠讓使用者快速繪製各種關係圖。尤其他的語法相當簡單，大概簡單看一下就可以繪製出同樣精美的圖案。
 

digraph G { subgraph cluster_0 { style=filled; color=lightgrey; node [style=filled,color=white]; a0 -> a1 -> a2 -> a3; label = "process #1"; } subgraph cluster_1 { node [style=filled]; b0 -> b1 -> b2 -> b3; label = "process #2"; color=blue } start -> a0; start -> b0; a1 -> b3; b2 -> a3; a3 -> a0; a3 -> end; b3 -> end; start [shape=Mdiamond]; end [shape=Msquare]; }

許多人文研究者，尤其學生族群開始在資料庫系統做搜尋，用以節省爬梳找尋資料的時間，而將更多時間花在串連故事，找尋脈絡，思考人文的問題上面。但數位人文難道只能侷限於「搜尋」這樣的功能上嘛？我們認為不只如此。但如果答案是「否」，那究竟要如何用資訊做出更進一步的研究呢？
 
面對資訊量爆炸的時代，我們勢必得面對研究材料越來越多的事實。如果能夠找到一些方法，讓電腦幫助人腦處理一些重複但關鍵的現象，應該會是有意義的事情。

我們嘗試實作的「土地交易關係」就是一個範例。我們首先利用電腦將臺灣古契書文件中，自動列出「人名」「地名」「時間」「契書種類」「四至」等重要欄位，然後透過這些關鍵欄位設定條件。舉例來說，甲賣給乙，乙賣給丙，這兩個連續的交易行為，會各有一份土地契約，我們稱這兩份土地契約是有關係的，而這種連續杜賣的關係，我們就稱之為「上下手契」。除此之外我們也還有額外找到其他三種文件關係。在研究中我們甚至可以找到隔代(父傳子、子賣地)的土地交易關係。
這樣的關係脈絡，可以讓我可以看到土地的交易過程，若我們能夠將有關係的文件統合起來一起查看，就能找到一塊土地的買賣紀錄。這次研究最重要的不是利用資訊能力找到文件結合的關係，最重要的是，利用這樣的規則，我們找到許多跨文件集的文件卻有關係。

在各種領域的研究中，我們時常會製作統計圖形，讓整個數據的呈現一目了然。以地理資訊系統來說，我們會在地圖上每個地點著上不同顏色，代表不同程度的數據。譬如十筆以下是白色、十筆到二十筆是淺灰色、二十筆到三十筆是淺灰色。
 
可是什麼樣的標準才會是好的標準，才能夠呈現讓使用者最容易讀到正確的意思。尤其如果統計資料不是平均地、常態地分佈，我們究竟該取多少做為繪圖的依據？
我們這邊特別介紹兩種比較好用的量化方式。
「Nested means」，假如我們要將統計資料分成四種層級，我們先取出平均值做第一刀，再把剩下個兩個部分各取平均值，再切一刀。呈現出來的圖形就會是如圖一。另一種則是「Arithmetic pregression」，則是利用一種等比方式做切割。也就是把統計資料中最多筆數的那份，開四次根號，達到一次方以下，一次方、二次方、三次方的不同數據分別用不同顏色代替。如同圖二。
這兩種方法對於變動資料量的統計資料都會有不錯的成果。不管資料量多大多小，都能夠恰如其分的做一個最適合的切割。我們的土地移轉圖系統，其中人名的排列採用的是標籤雲的方式(tag cloud)，也同樣是利用這樣的量化方式，因此不管是十個人名，或著一百個人名，標籤雲都能夠以較正確的語意方式呈現排列結果。
這兩種排列方式，視覺化出來的圖形，會比原本以單純規定數據做為分割標準來的更具有正確的語意。而不會因為規定數據設定的錯誤，使研究者有錯誤的解讀和誤解。

網路關鍵字搜尋的觀察，經常是理解社會發展的重要指標。這邊要介紹一個系統google trends。這是GOOGLE統計所有使用者所搜尋的關鍵字，在以多重折線圖的方式展示。

大家在想什麼？現在關注什麼？網路成為現代人生活方式的重要憑藉，也因此，用什麼樣的關鍵字搜尋，和其他相關的關鍵字關聯如何？都具有特殊的意義，值得加以解釋。以google trends來說，它有第一個功能，是觀察關鍵字彼此的關係。以這下面這個例子來說， 我們可以由此圖，開始推想臺灣網路社群的勢力消長。
上圖中，紅色代表無名小站、藍色則代表部落格。無名小站(2004年)慢慢開始受到注意，並且蓬勃的發展起來。於是部落格這個名詞開始產生，並於2005年一度到達高峰(也許是因為各家網站也同時開始推出自己的網誌系統)，並且這兩條線之後幾乎重疊。我們可以解釋「部落格」和「無名小站」具有高度相關性。在2007年，無名小站被yahoo收購，並且開始走下坡，部落格則緩慢的下降。而此時產生了一個新名詞「微博」並且在2010年成為社交工具的主流，而此時部落格和無名小站，相對來說就非常式微。並且從圖二可以看到，台北使用無名小站和部落格的次數差不多，但其他地方都是無名小站居多，這或許也隱隱然顯示不同地方使用社群網路的習慣。