五二小说网

手机浏览器扫描二维码访问

三数据的搜集和关键指标的度量（第1页）

三、数据的搜集和关键指标的度量

banner"

>

在具体检验他们的假说之前，学者们还需要对假说中的关键“变量”

进行合理的度量。

陈冬华等的具体假说（hypothesis）是：诗歌造诣能否反映个人的道德情操。

这个命题中有两个关键的指标，一个是个人的诗歌造诣，而另一个则是个人的道德情操水平。

为了能够从史书中获得相关的数据，研究者们将目光放在了唐朝。

作者们选择用唐朝史书的数据进行检验，主要是出于数据可得性和变量度量的考虑。

“诗歌创作在唐代达到了鼎盛，在史料中保留了丰富的关于诗人行为、道德以及诗歌创作的记录”

。

“之所以择唐而弃宋，原因有三个。

一是因为唐代更加注重诗作，诗人灿若辰星，而宋代显然更加重视词作，当然，词也是诗的一种形式，但是词的意境也是自苏轼之后才渐至开阔，并且词始终没有作为科举考试的内容。

二是宋代经靖康之耻，分为南北两宋，使得研究的环境因素变得更加复杂。

三是因为宋代在王安石主政时，在科举中取消了诗赋考试。”

[11]

在数据搜集和度量的过程中，作者们首先解决了如何度量诗歌造诣的问题。

个体在诗歌造诣方面的度量可能有很多种办法。

陈冬华等首先选取了一个具体的比较客观的方法。

作者们将入选《唐诗三百首》作为诗歌造诣的最高层次。

这意味着，在他们的样本中如果一个人的诗歌入选了《唐诗三百首》，他的造诣就被定义为1，否则就定义为0。

“《唐诗三百首》由蘅塘退士孙洙选编于清乾隆二十八年（1763年），是近250年来流传最广、影响很大的一部唐诗选本。

诗选收录诗人77名、唐诗313首，诗选中所收录的诗被认为在文学上具有极高的艺术价值。”

[12]

从这样的度量方法中可以看出，即使是“量化”

的方法，也存在很多不可避免的主观因素。

诗歌造诣是一个很难准确度量的因素，有些很出彩的诗歌并不一定会被《唐诗三百首》引用，而被《唐诗三百首》引用的也未必就一定比没有引用的要好。

正如其他“数字人文”

的研究中遇到的问题一样，在运用量化方法的时候，研究者没有办法百分百客观地剔除掉所有主观的因素。

而研究者可以最大限度剔除掉的就是通常所谓的“系统性”

误差。

具体来说，在陈冬华等的研究中，他们用《唐诗三百首》的是否收录来度量诗人的诗歌造诣，是基于下面这么一个基本的原理：从统计意义上来说，被收录进《唐诗三百首》中的诗歌相比于其他的诗歌更受欢迎。

在这里，我们强调的关键词是“统计意义上”