台灣歷史數位圖書館部落格

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。