哈佛 CBDB 号称收录 53 万中国历史人物，但这些传记真的可信吗？今天咱们就来好好扒一扒这个数据库的可信度。
? CBDB 的前世今生：数据从哪儿来？
CBDB 是由哈佛大学费正清研究中心、北京大学中国古代史研究中心和台湾 “中研院” 史语所联合开发的。它的前身是郝若贝教授在 1970 年代建立的数据库，最初只是简单地录入文本资料，后来经过升级，变成了现在的 “关系型数据库”。说白了，就是把历史人物的各种信息，像亲属关系、官职、地址这些，用代码编起来，方便计算机处理。
那数据都是从哪儿来的呢？正史列传、墓志铭、地方志、文集，甚至官方文书，都是 CBDB 的 “原材料”。比如说，唐代的墓志、宋代的会要，这些史料里的人物信息都被提取出来，放进数据库里。为了保证数据准确，北大的师生还对每一条记录进行了历史学的考订，这工作量可不小。
? 数据采集的 “潜规则”：编码背后的陷阱
CBDB 最大的特色，就是能把意思相同但中文表达不一样的词汇编成同一数据代码。就拿亲属关系来说，“后母”“养母”“庶母” 这些词，在 CBDB 里都被归为同一类编码。这确实解决了中文表述多样性的问题，但也带来了新的问题。比如说，“嫡母” 在不同的史料里可能指不同的人，编码的时候要是没处理好，就可能出错。
而且，CBDB 的数据采集有个 “潜规则”—— 偏重于高官显宦及其亲戚。这就导致数据库里的人物大多是当官的，普通老百姓的信息少得可怜。比如说，明代的人物占了近一半，而其他朝代的数据就没那么全了。这就好比你用望远镜看历史，只能看到高处的人，低处的人都被挡住了。
? 专家眼中的可信度：夸夸群与吐槽大会
有专家对 CBDB 赞不绝口。包弼德教授就说，CBDB 用数字人文的方法，让我们看到了以前用传统史学方法看不到的东西。比如说，通过可视化分析，发现唐代府兵的分布不是集中在长安、洛阳两个点，而是全国三角分布。这种发现，要是没有 CBDB，还真不容易做到。
但也有专家提出了质疑。胡优静就指出，CBDB 的数据还在不断完善中，很多人物还没被收录进去。比如说，截至 2016 年，CBDB 收录了 37 万余人，但还有大量人物没被涵盖。依赖这种 “未完成” 的数据做分析，结论的说服力就打了折扣。还有学者担心，AI 在处理古籍时可能存在偏差，特别是复杂的文化概念，AI 可能理解不了。
? 用户实测大揭秘：数据错误有多离谱？
咱们来看看用户实测的情况。有用户在使用 CBDB 时发现，有些人物的生卒年对不上。比如说，张三在 A 史料里记载是生于 1000 年，死于 1080 年，可在 CBDB 里却显示生于 1020 年，死于 1050 年。这可能是因为不同史料之间存在矛盾，而 CBDB 在整合的时候没处理好。
还有用户发现，亲属关系的编码也有问题。比如说，李四在史料里记载有一个 “庶母”，但在 CBDB 里却被编码成了 “嫡母”。这可能是因为编码规则不够细致，或者人工处理的时候出了差错。
?️ 提升可信度的 “偏方”：CBDB 能改好吗？
面对这些问题，CBDB 也在想办法改进。比如说，他们和 GIS 平台合作，把数据可视化，这样就能更直观地发现问题。还通过多方合作，让历史学家、数据工作人员和架构设计者一起 “吵架”，不断优化数据结构。
对于用户反馈的错误，CBDB 也在逐步修正。比如说，有用户指出某个历史人物的官职记录有误，CBDB 的工作人员就会去查证史料，然后更新数据。不过，由于数据量太大，修正的速度可能跟不上错误出现的速度。
? 总结：CBDB 到底能不能信？
总的来说，CBDB 是一个非常有价值的历史研究工具。它通过数字化和量化的方法，为我们打开了历史研究的新视角。但是，它的数据准确性确实存在一些问题，像数据覆盖不均、AI 处理偏差、人工干预依赖等。
那我们该怎么用 CBDB 呢？首先，要了解它的数据来源和处理方法，知道它的局限性。其次，在使用数据的时候，最好和其他史料相互印证，别光信一家之言。最后，要是发现了错误，记得及时反馈给 CBDB 的工作人员，帮助他们改进。
哈佛 CBDB 就像是一把双刃剑，用好了能砍开历史的迷雾，用不好可能会伤到自己。关键就看我们怎么用了。
该文章由dudu123.com嘟嘟 ai 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具
