京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何再造历史研究
历史学家该如何向公众讲述真理,该怎样说服政府,该以什么样的方式防止以扭曲、片面、狭窄的视角解读历史?
相比经济学,历史学在公众议程、公共政策领域获得的重视要低得多。但反过来,包括经济学在内,各热门学科往往也会以自己的方式切入历史、使用历史,来证明特定的论点。例如经济学家西蒙·库兹涅茨就根据大萧条至20世纪60年代的美国经济数据,分析指出经济的持续发展将使得不平等现象自然消除。生态学家加勒特·哈丁发明出“公地悲剧”的概念,认为地球因面临人口超载,将成为过度放牧的荒野牧场,最终导致巨大的生态和道德悲剧。而近年来,一些经济学家、环境学家强调必须遏制中国、印度等新兴市场国家对于能源的粗放利用,理由是最近二三十年来新兴市场国家更加突出地暴露出严重污染、浪费式消耗能源等问题。
用经过裁剪的历史事实、数据来论证特定论点,这不叫做对于历史的尊重。美国历史学家、布朗大学历史学助理教授乔·古尔迪与英国历史学家、哈佛大学历史学教授大卫·阿米蒂奇合著的《历史学宣言》,对于当下一些学科、公共政策领域采用裁剪历史、短时历史(用区区十几年至几十年的历史)的方式提出强烈质疑,强调应该对应采用长时段历史、更加完整的历史来防止轻率和武断。
作者指出,当环境史学家加入生态、环境问题研究,借助长时段的土地和水资源使用史料数据,可以非常精确地反映历史上各大洲何时何地曾出现恶劣的生态环境,是何原因,又是如何克服的……研究发现,人类社会并非第一次遭遇环境恶化,并因此催生出新的治理形式。而不同大洲许多地方历史上也积累了应对生态和环境问题的有效经验,相比经济学界开出的简单化的方案,对于应对和解决问题具有更强的适用性。同样,要求新兴市场国家为当前世界污染和能源问题承担主要责任,也并不符合长时段的历史事实。
近年来,随着大数据等技术手段投入到历史学研究,更多的历史数据还有助于破除经济学等学科长期以来形成的理论迷信。书中指出,既有的自由市场观念通常强调政府监管、对于利益集团征税会妨碍经济增长。但较长时段所累积的历史数据,给出的判断恰恰相反。
两位作者希望历史学家能够更好地切入公共政策和公共议程,扭转近一个世纪以来包括部分历史学者、其他学科专家采用裁剪历史、短时历史来误导决策者和公众的局面,更为充分地发挥长时段历史研究与阐释的优势。
《历史学宣言》回顾了近现代历史上,历史学界长期形成的长时段历史叙事方式,指出这种导向源自古希腊-古罗马以及其他古代文明的史学传统,带有强烈的关注未来、道德训诫意味,有助于增加现实政策的前瞻性。而20世纪后半期,以霍布斯鲍姆为代表的历史学家,撰写了大量长时段的历史作品,鼓励尊重多元文化、平民生存权利,并强调要警惕还原主义的叙事。长时段历史叙事有助于避免各领域的专家、官员及公众陷入对于某种政策的玫瑰化预期。比如人们通过历史叙事更加明晰工业革命带来的不仅有进步,还有“被侮辱和被损害”的几代劳工,了解到技术和资本对于人的戕害十分显著,使得人们更加注重社会的均衡发展,注重公共福利建设,而不是仅仅满足于技术带来的增长成果。
书中指出,20世纪后半期,随着经济学、社会学等学科在公共政策和公共议程中开始发挥前所未有的影响,史学研究开始“习惯在短期历史的框架下寻找素材”,甚至主动从历史角度寻找素材来解读现实政策(的合理性)。而另一些历史学家热衷研究“微历史”,即细小事件、小人物的历史,不仅以此证明专家“谙熟史料”,而且还能写得很有趣味性,讨好大众读者和市场——这些历史学家对于历史的宏大叙述既无兴趣,而且还竭力否认其价值所在。
21世纪复兴历史学、复兴长时段历史研究和叙事的有利条件在于——大数据的投入使用。“传统的(历史)研究受制于未经数字化处理的文献数量极大,根本没有足够的时间全面梳理”,最后只能变成概要化甚至错误化的研究。而今,“有了便利的工具,并能够借此对大量的量化信息进行比对”,长时段历史叙事的前景空前开阔。无论是全球通史、国家通史,还是专门的气候史、贸易史、农业生产史、食物消费史等,历史学家也好,其他领域的专家,以及公众也好,都会受益于海量数据被重新投入历史研究,更加清晰地揭示更为精确的历史规律。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21