資料庫與文史研究

課程資訊

• 科號Course No.：11320CL 535900

• 科目名稱Course Title：資料庫與文史研究

• 上課時間Time：T3T4Tn

• 授課老師Teacher：祝平次

• 學分Credit：3

• 教室Room：電腦教室（2）(如果能帶筆電，能增加學習效果，也方便學習。)

• 助教(Teaching Assistant)：

• 辦公室時間：星期二、三下午1:30-3:30或事先約定。

• (本課程的設計，為授課教師與Gemini、ChatGPT共同完成。)

一、課程說明(Course Description)

本課程以台灣清華大學中文系研究所學生為對象，目的在於幫助修習本課程之同學能夠在之後，把資料庫當做重要的研究手段來從事自己的研究。台灣由於畫分課系過早，導致人文學科的同學對資料庫相對陌生，以至於無法利用資料庫這種強大的工具來進行研究。本課程以現在學界經常使用的《中國歷代人物傳記資料庫》（Chinese Biographical Database, CBDB）做為實例，以便讓修課的同學可以掌握地理資訊系統的使用，以及社會網絡分析的系統來增強自己研究量化的部分。這不但有利於人文學科擴展自己的研究領域，也可以促進人文學科跨領域的學習。 課程中，並將和生成式AI協作，以增強修課同學對於AI的使用，讓自己即使不會寫程式，也能得到之前必須寫程式才能得到的結果，以增強自己的研究量能。 

二、指定媒介(Assigned Media)

• 四庫全書書目資料庫：開學後提供。我們將以這個資料庫，來探索不同類型的資料庫，與資料庫的各種功能，做為學期前半段的重。

• https://projects.iq.harvard.edu/chinesecbdb/home：中國歷代人物傳記資料庫：這是由美國哈佛大學費正清研究中心、台灣中央研究院史語所、中國北京大學歷史系合作所完成的一個大型資料庫。我們將藉由這個資料庫，來探索將文史資料整理成一個資料庫後，可以進行的研究。

• https://ctext.org/zh ：中國哲學書電子化計劃（Chinese Text Project，CTP） 

• http://nlp.cse.ntou.edu.tw/CORPRO/：CORPRO 庫博中文獨立語料庫分析工具

• https://zh.wikisource.org/zh-hant/：維基文庫

三、參考媒介(References)

• https://www.youtube.com/watch?v=nSCDidg7m5I&t=6s：【AI新手必看2024】ChatGPT從入門到精通,23個使用技巧完整教程

• https://www.youtube.com/watch?v=I_d3jPzS0Nk&t=1373s：GPT-4o：8 種應用解說、最適合大眾的免費 AI？進階語音功能，口譯助理、語言學習、學科解題家教

• https://medium.com/@dc050204/%E5%82%91%E5%BC%97%E9%87%8C-%E8%BE%9B%E9%A0%93%E4%B8%BB%E9%A1%8C%E6%BC%94%E8%AC%9B-%E6%95%B8%E4%BD%8D%E6%99%BA%E8%83%BD%E6%9C%83%E5%8F%96%E4%BB%A3%E7%94%9F%E7%89%A9%E6%99%BA%E8%83%BD%E5%97%8E-2ecffbef9310
  傑弗里·辛頓主題演講：數位智能會取代生物智能嗎？

四、教學方式(Teaching Method)

• 本課程要求修課同學，在電腦教室實際操作，並儘量利用與生成式AI的協作，來完成指定的作業。

五、教學進度

第一部分：資料庫基礎知識與應用 (1-8週)

• 第1週(02-18)：課程介紹

  • 什麼是資料庫？為什麼要使用資料庫？

    • 資料串聯

    • 改變資料型態

      • 圖表化

      • 視覺化

  • 資料庫的種類：關聯式與非關係式

  •  透過圖形化介面操作資料庫 (如：Excel)，讓同學對資料庫有初步的認識。

  • 介紹常見的資料庫系統 (如：Access, Excel) 並進行簡單的資料輸入與查詢。

  • 資料庫的四大功能：檢索、新增、刪除、改動

• 第2週(02-25)：做為資料庫的單一表格

  • 目的：讓同學熟悉Excel中和文史研究常用的功能。

    • Excel表格的基本知識

    • 表格的名稱

    • 相對位置、絕對位置

    • 字串的處理

    • 利用判斷(if)來決定值

  • 利用Excel樞紐分析表統計字、詞頻

    • CText ngram文字分析工具

    • 斷詞的問題

  • 分層統計

  • 模糊比對

  • 統整不同表格

  • 資料庫的四大功能：檢索、新增、刪除、改動

• 第3週(03/04)：資料庫查詢與分析

  • 簡單的查詢語法：篩選、排序、分組

  • 資料視覺化：利用 Excel 或 Google Sheets 製作簡單的圖表

  • 介紹資料庫在文史研究中的應用場景，激發學生的學習興趣。

• 第4週(03/11)：資料庫構想、資料庫的設計與建模

  • 同學報告自己要建置什麼樣的資料庫

  • 資料視覺化：利用 Excel 或 Google Sheets 製作簡單的圖表

  • 介紹資料庫在文史研究中的應用場景。

  • 介紹資料庫設計的基本概念：欄位、表格、關聯

  • 使用簡單的工具 (如：Excel) 建構小型資料庫

  • 了解資料庫正規化與資料完整性的重要性

• 第5週(03/18)：資料整理與表格化(一）

  • 中國哲學書電子化計畫文本分析平台

  • 利用Regex（Regular Expression）檢索與取代

  • 將文本整理成表格

  • 利用AI來整理資料

• 第6週(03/25)：資料整理與表格化（二）

  • 同上

• 第7週(04/01)：其它類型的資料庫XML

  • 延伸性標記語言

  • 網頁的標記語言HTML（HyperText Markup Language） 

  • 可展延標記語言XML(Extensible Markup Language) 

    • TEI （Text Encoding Initiative）一種XML架構，已經有三十多年的歷史，可以被視為一種標準，專門為了文史學科的標記而創置。

• 第8週(04/08)：其它類型的資料庫OWL知識本體庫

  • 史丹福的protégé軟體：https://protege.stanford.edu

  • 類型、個體、屬性（資料屬性）、關係（物件屬性）

  • 將語言分析成三元結構的資料庫S（主詞）V（動詞）O（受詞）

  • 知識圖譜、節點資料庫

  • 廖安婷： 〈請銘與撰銘：以數位工具分析南宋碑誌文的人際網絡〉

    • https://drive.google.com/file/d/1Ub5JIr6Bl8Lewd0c4e-LMXey4DS7h711/view?usp=sharing

第二部分：實作練習：哈佛大學中國歷代人物傳記資料庫 (09-14週)

• 第9-10週：中國歷代人物傳記資料庫初階運用

  • 介紹中國歷代人物傳記資料庫

  • 資料輸出與表格運用

• 第11-12週：中國歷代人物傳記資料庫進階運用

  • 自定查詢

  • 羣體傳記學（Prosopography）

  • 社會網絡分析（Social Network Analysis）

  • 地理資訊分析（GIS)

• 第13-14週：CBDB實做

  • 學生分組進行專題研究，選擇一個感興趣的主題，利用所學的知識與工具進行資料蒐集與分析。

• 第15週(05/27)

  • 期末進行專題報告，分享研究成果。

• 第16週(06/03)

  • 期末進行專題報告，分享研究成果。

六、成績考核(Evaluation)

本課程為研究方法的訓練與運用，學期成績只有「通過」與「不通過」。

七、可連結之網頁位址

• https://sites.google.com/a/ptc.cl.nthu.edu.tw/courses/