• 1 Por. M. Maryl Subnarracje metadanych, „Teksty Drugie” 2014 nr 3, s. 179-193.

1Dane niepostrzeżenie stały się nieodłącznym elementem naszego życia. Zwykły kojarzyć się nam z czymś jednoznacznym, policzalnym, obiektywnym, jak dane i szukane w zadaniu matematycznym. W życiu codziennym napotykamy dane osobowe, biometryczne, statystyczne, sondażowe, dane o liczbie zachorowań na koronawirusa czy wyniki z okręgów wyborczych. Rozwój technologii cyfrowych sprawił, że każdego dnia my sami i nasze urządzenia – laptopy, smartfony, kamery, opaski, sensory, nadajniki GPS – generujemy ogromne ilości danych, które pieczołowicie zbierają (i często potem sprzedają) ogromne korporacje1. Ekspansja danych jest ściśle powiązana z rozwojem rozbudowanych narzędzi analitycznych do przetwarzania tych zbiorów i wykorzystywania ich w planowaniu działań w przeróżnych obszarach naszego życia. Bogate, złożone zbiory danych pozwalają nam budować modele, które coraz chętniej traktujemy jako reprezentację złożonej egzystencji ludzkiej i, co za tym idzie, klucz do zrozumienia rzeczywistości. Dość nieporadny sposób, w jaki nazywamy to zjawisko – dużo danych, big data – obrazuje pewną nieśmiałość, z jaką się z nim mierzymy.

• 2 W. Davies The data sublime, „The New Inquiry” (blog), 12 January 2015, https://thenewinquiry.com/th (...)

2A może to nie tyle nieśmiałość, ile poczucie swoistego zachwytu, zachłyśnięcia się rozległością i szczegółowością zbiorów danych, które William Davies opisuje za historykiem sztuki Julianem Sattalbrasem jako „wzniosłość danych” (data sublime)? Wzniosłością nazywa to swoiste oszołomienie powszechnością, totalnością i złożonością danych, które jednocześnie niepokoją i ekscytują2. I choć humanistyka jest zazwyczaj ustawiana w kontrze do podejść opartych na danych, uznawanych za redukcjonistyczne i upraszczające, to przecież tu właśnie najwyraźniej można dostrzec rolę, jaką humanistyka może odegrać, wprowadzając do tego zachwytu konieczną komplikację i namysł. I nie chodzi tylko o etyczny wymiar zbierania i udostępniania danych, lecz przede wszystkim o ich fundamentalnie arbitralną naturę, którą perspektywa humanistyczna pozwala nam dostrzec.

• 3 J. Drucker Humanities approaches to graphical display, „Digital Humanities Quarterly” 2011 vol. 5/1 (...)
• 4 Tamże, akapity 11-12.

3Na wagę tego spojrzenia zwraca uwagę Johanna Drucker w ważnym eseju Humanities approaches to graphical display3, w którym stwierdza, że nie powinniśmy mówić o danych (data), ale o wziętych (capta). Badaczka przeciwstawia podejścia realistyczne czy esencjalistyczne, zakładające, że obiektywne zjawiska są niezależne od obserwatora – a zatem są nam dane – podejściu konstruktywistycznemu, w którym dane są współzależne od obserwatora, a zatem wzięte, współkreowane. Drucker zwraca uwagę, że wszystkie bardziej złożone koncepty, takie jak naród czy płeć kulturowa, są konstruowane, czyli operacjonalizowane – sami ustalamy wyznaczniki przynależności elementu do danej grupy4. Stanowisko konstruktywistyczne zwraca więc naszą uwagę na to, że dane w humanistyce to efekt interpretacji i przyjętych założeń.

• 5 S. Marche Literature is not data: against digital humanities, „Los Angeles Review of Books”, 28 Oct (...)
• 6 T. Underwood Dear humanists: fear not the digital revolution, „The Chronicle of Higher Education”, (...)

5Sceptycyzm humanistów wobec terminu „dane” można tłumaczyć właśnie niechęcią do uproszczeń i kwantyfikacji. Z kolei sama ta niechęć bywa często formułowana w sposób nazbyt upraszczający, jak choćby uwagi Stephena Marche’a z eseju Literature is not data: against digital humanities5. Badacz stwierdza, że algorytmy są faszystowskie, gdyż kreują iluzję nieuniknionego obiektywizmu oderwanego od ludzkiej rzeczywistości, a znaczenie jest czymś, co się wymyka, rozpada i wymaga „ręcznego” – czyli atechnicznego – podejścia. Zarazem wyparcie wszechobecności danych we współczesnym świecie skazywałoby nas na ignorancję i niemożność zrozumienia, jak funkcjonuje współczesna kultura. Jak celnie zauważa Ted Underwood w eseju wymownie zatytułowanym Dear humanists: fear not the digital revolution, humaniści powinni poznać metody cyfrowe nie dlatego, że mielibyśmy wszyscy z nich korzystać, lecz by „zrozumieć, dlaczego zaciera się granica między rozumowaniem jakościowym i ilościowym”6. Dane i metody ich przetwarzania – stwierdza Underwood – pozwalają na nowe sposoby interakcji z przeszłością i otwierają nowe przestrzenie dialogu z innymi dyscyplinami. Kluczem do rozwikłania tego sporu jest bowiem zrozumienie, że metody ilościowe w humanistyce stanowią tylko podstawę dla prac interpretacyjnych i nigdy ich nie zastąpią.

• 7 J. Edmond, E. Tóth-Czifra Open data for humanists, a pragmatic guide, DARIAH 2018, s. 1, DOI: 10.52 (...)
• 8 M. Posner Humanities data: a necessary contradiction, Miriam Posner’s Blog, 25 June 2015, https://m (...)

6Nieporozumienia często wynikają z różnic w języku, jakim do opisu danych posługują się z jednej strony badacze, a dostawcy technologii z drugiej. Zdaniem Jennifer Edmond i Erzsébet Tóth-Czifry humaniści mają bardzo rozbudowany język pozwalający nazywać ich dane: źródła, literatura przedmiotu, dokumenty, bibliografie, edycje krytyczne, adnotacje, notatki itd.7 Dane w humanistyce to zatem, by przywołać Miriam Posner, „konieczna sprzeczność”, i „nawet jeśli tradycyjni humaniści nie nazywają swoich źródeł danymi, to mają bardzo naglące potrzeby związane z zarządzaniem danymi”8. Dlatego też należy przemyśleć relację między badaniami humanistycznymi a danymi i sposobami zarządzania nimi. Aby uniknąć nieporozumień, zdefiniujmy roboczo dane badawcze jako wszystkie materiały i źródła, które uczeni zbierają, wytwarzają, wzbogacają i wykorzystują na wszystkich etapach procesu badawczego.

• 9 Na przykład Franco Moretti zebrał dane bibliograficzne z różnych źródeł, by postawić tezy o ewolucj (...)

10Innymi słowy, wytwarzamy dane od zawsze. Dlaczego więc dopiero teraz mówimy o danych badawczych w literaturoznawstwie? Wszystko to za sprawą technologii cyfrowych, które zmuszają nas do innego myślenia o naszych wytworach i źródłach. W czasie przedcyfrowym w zasadzie wszystkie zebrane materiały i działania służyły produktowi końcowemu w formie artykułu i monografii, druk zaś pozostawał podstawowym nośnikiem wszystkich treści. Możliwości, jakie niesie cyfrowe środowisko pracy, nie tylko pozwalają nam przemyśleć, czym są dane badawcze, lecz także powoli nas do tego zmuszają. Na przykład bibliografia od zawsze służyła do tego, by poznać i zlokalizować konkretne teksty. Odkąd jednak możemy zbierać cyfrowe dane bibliograficzne w standardowych formatach, sama bibliografia staje się narzędziem badawczym dla historyków kultury, którzy na jej podstawie mogą śledzić choćby ewolucję gatunków literackich9. Podobnie transkrypcje tekstów źródłowych przygotowane w ramach projektu interpretacyjnego można wydać drukiem (lub nie), ale udostępnione w formie cyfrowej mogą posłużyć komuś innemu do badań lub włączenia tekstu do szerszego korpusu językowego. Albo najprostszy przykład – w każdym projekcie przeprowadzamy kwerendy, generujemy liczne skany czy zdjęcia materiału źródłowego. Czyż nie byłoby wszystkim wygodniej, gdyby inni badacze mogli potem skorzystać z tego wysiłku, zamiast ponawiać nasze działania?

• 10 M.P. Eve Data appendices for „Textual scholarship and contemporary literary studies: Jennifer Egan’ (...)
• 11 D.J. Wrisley The literary geographies of Christine de Pizan (geo-data), DOI: 10.5281/zenodo.35350.
• 12 C. Schöch, L. Burnard COST-ELTeC/ELTeC-fra: release with 100 novels encoded at level 1, DOI: 10.528 (...)
• 13 https://hcommons.org/deposits/?facets[genre_facet][]=Data+set.

16W badaniach ilościowych dane publikuje się głównie po to, aby umożliwić weryfikację wyników i replikację eksperymentów. W literaturoznawstwie, jak się zdaje, służą one głównie pogłębieniu kontekstu badań (np. jako suplement artykułu) lub dalszemu wykorzystaniu przez innych badaczy materiałów opracowanych w ramach projektu. Powyższe zestawienie dość dobrze pokazuje, że danymi badawczymi są po prostu systematycznie potraktowane materiały źródłowe i adnotacje wytwarzane w trakcie badań. Dane te publikowane są często jako apendyks do tekstu naukowego, jak choćby dokumentacja wariantów tekstów z powieści Jennifer Egan10 czy lista wszystkich miejsc (wraz ze współrzędnymi geograficznymi) pojawiających się w twórczości Christine de Pizan11. Warto nadmienić, że te zbiory danych przydają się innym badaczom – wspomnianą listę lokalizacji pobrano prawie dwieście razy (co wydaje się całkiem dobrym wynikiem, biorąc pod uwagę specjalistyczną problematykę). Opublikowane dane mogą też oczywiście same w sobie stanowić efekt projektu literaturoznawczego, jak to się dzieje w wypadku korpusu powieści europejskiej12. Inne przykłady opublikowanych zbiorów danych humanistycznych można znaleźć np. w repozytorium Humanities Commons13.

• 14 Odwołujemy się tu do rozróżnienia na media podstawowe i szczegółowe proponowanego przez Grzegorza G (...)
• 15 N. Harrower, M. Maryl, T. Biro, B. Immenhauser Sustainable and FAIR data sharing in the humanities: (...)
• 16 Por. C. Schöch Big? Smart? Clean? Messy? Data in the humanities, „Journal of Digital Humanities” 20 (...)

17Istnieje wiele kryteriów formalnych, którymi można się posłużyć, klasyfikując dane badawcze. Po pierwsze, ze względu na medium podstawowe14, w którym są wyrażone: słowo, obraz, dźwięk, albo ich współwystępowanie (np. wywiad, notatnik, nagranie przedstawienia, fotografia). Po drugie, ze względu na formę publikacji, co w przypadku materiałów cyfrowych może się odnosić zarówno do typu pliku (np. csv, txt, pdf, jpg, avi), jak i sposobu jego zdeponowania (np. plik w repozytorium lub dane udostępniane wyłącznie przez platformę projektu)15. Wreszcie, można je podzielić ze względu na strukturę na: ustrukturyzowane (baza danych), częściowo-ustrukturyzowane (np. XML) i nieustrukturyzowane (tekst)16.

• 18 Por. M. Maryl Życie literackie w sieci. Pisarze, instytucje, odbiorcy wobec przemian technologiczny (...)
• 19 J.D. Bolter, R. Grusin Remediation: understanding new media, MIT Press, Cambridge, MA 2000.
• 20 Tamże, s. 272-273.
• 21 M. Maryl Reprint i hipermedialność – dwa kierunki rozwoju literatury ucyfrowionej, w: Tekst (w) sie (...)
• 22 Tamże, s. 88-90.

20Forma publikacji determinuje jej odbiór, czyli sposób, w jaki czytelnicy wejdą w interakcję z tekstem. Odnosi się to także do możliwości ponownego wykorzystania materiałów. Wszystkie formy wypowiedzi artystycznej czy użytkowej – a zatem i dyskurs naukowy – ewoluują pod wpływem powiązanych ze sobą przemian kulturowych i technologicznych. Dotyczy to zarówno gatunków wypowiedzi, jak i ich podstawy technologicznej18. Do zrozumienia tej ewolucji przydatna będzie zaproponowana przez Jaya Davida Boltera i Richarda Grusina koncepcja remediacji, zakładająca, że nowe medium nigdy nie jest absolutną nowością, odtwarza bowiem w sobie stare medium, uzupełnione o nowe możliwości19. Badacze rozróżniają dwie strategie remediacji, w zależności od tego, czy obecność medium próbuje się przed widzami ukryć (bezpośredniość) czy też przeciwnie, uwydatnić (hipermedialność)20. Odnosząc te koncepcje do digitalizacji literatury, Maciej Maryl zauważa, że w pierwszym wypadku mamy do czynienia ze swoistymi cyfrowymi reprintami, ponieważ medium elektroniczne zachowuje kluczowe cechy tekstu drukowanego21. Chodzi tu zatem o proste skany czy e-booki utworu. W odniesieniu do komunikacji naukowej możemy mówić o wszystkich formach traktujących medium elektroniczne wyłącznie jako środek dystrybucji, a nie formułowania wypowiedzi, takich jak artykuły czy monografie w formatach PDF czy EPUB. Druga strategia remediacji, polegająca na maksymalnym wykorzystaniu możliwości nowego medium, stara się łączyć różne środki przekazu w sposób wcześniej nieosiągalny, jak elektroniczne edycje naukowe, które łączą aparat naukowy z wykorzystaniem hipertekstu, wariantywności czy wyszukiwania i statystyk tekstowych22.

• 23 Zob. szersze omówienie w: M. Maryl Computational monograph: reading and writing distant horizons [T (...)

23Dane badawcze można publikować w ten sposób także jako aneks do artykułu (jak w przywoływanych wcześniej przykładach) czy książki. Ciekawy przypadek stanowi monografia Teda Underwooda Distant horizons. Digital evidence and literary change (2019). Autor opublikował w repozytoriach dane i kod programistyczny, które posłużyły mu do uzyskania wyników opisywanych w książce23. Czytelnicy mogą zatem z jednej strony zapoznać się z materiałami, których nie udało się umieścić w wydaniu książkowym, z drugiej – zweryfikować uzyskane wyniki na podstawie materiału źródłowego. Publikowanie danych pozwala więc przekroczyć ograniczenia zamkniętych form publikacji.

• 24 Podstawy tego, jak zdefiniowano naukową kolekcję cyfrową na platformie Nowa Panorama Literatury Pol (...)
• 25 G. Borkowska Kobiety i miłość, „PrusPlus”, Nowa Panorama Literatury Polskiej, http://nplp.pl/artyku (...)
• 26 D. Siwicka Nazwy geograficzne w poezji Mickiewicza, „Atlas Literatury Romantyzmu”, Nowa Panorama Li (...)

24Zagadnienia związane z danymi w odniesieniu do multimedialnych monografii literaturoznawczych omówimy na przykładzie naukowych kolekcji cyfrowych na platformie Nowa Panorama Literatury Polskiej (NPLP.PL). W perspektywie koncepcji remediacji monografia multimedialna stanowi przeciwieństwo pliku zdeponowanego. Środowisko cyfrowe dostarcza w tym wypadku narzędzi, dzięki którym można zestawiać ze sobą teksty wyrażone w różnych mediach (takie jak zdjęcia, reprodukcje dzieł sztuki, skany dokumentów, mapy statyczne oraz interaktywne), dopuszczając przy tym inne formy interakcji z materiałem, np. struktury sieci hiperłączy pozwalających na zerwanie z narracją liniową i umożliwiających użytkownikom/czytelnikom modelowanie porządku obcowania z treścią24. Każda z dziewięciu kolekcji obecnych na platformie w chwili pisania tego artykułu ma nieco inny charakter i założenia (jest inną „naukową opowieścią cyfrową”), a zarazem stanowi łącznie dającą się łatwo przeszukiwać bazę wiedzy o literaturze i kulturze polskiej, której poszczególne jednostki (artykuły, hasła, mapy) mogą być również wykorzystywane jako autonomiczne teksty na konkretne tematy (np. hasło Kobiety i miłość w Leksykonie Lalki25 z kolekcji PrusPlus czy opatrzony interaktywną mapą artykuł Nazwy geograficzne w poezji Mickiewicza26 z Atlasu Literatury Romantyzmu).

• 27 Publikacje stanową efekt projektu „Sienkiewicz ponowoczesny – laboratorium cyfrowe” i można je zoba (...)
• 28 Więcej o kolekcji powstałej podczas projektu „Sienkiewicz ponowoczesny – laboratorium cyfrowe”, jej (...)

25Kwestie monografii cyfrowej najlepiej będzie pokazać na przykładzie naukowej kolekcji cyfrowej Sienkiewicz Ponowoczesny i towarzyszącej jej książki opublikowanej prymarnie w wersji cyfrowej27. W obu przypadkach na treść składa się 12 rozpraw dotyczących twórczości i biografii pisarza oglądanych poprzez narzędzia interpretacyjne kojarzone z ponowoczesnością. O ile książka stanowi klasyczną monografię wieloautorską, o tyle kolekcja cyfrowa jest wzbogacona o dodatkowe materiały (dane) oraz struktury hiperłączy. Jej narracja opiera się na wykorzystaniu licznych materiałów wizualnych i na mechanizmach interakcyjnych. To one stanowią główny zbiór danych wytworzonych w projekcie; są wśród nich pozyskane z Muzeum Narodowego w Kielcach i zarządzanego przez niego pałacu w Oblęgorku reprodukcje obrazów i eksponatów (opatrzone opisami/metadanymi), wykonane podczas projektu zdjęcia pałacu z zewnątrz oraz w każdym z czterech pomieszczeń wykorzystanych w naukowej opowieści, wreszcie zdjęcia obiektów (jak pomniki Henryka Sienkiewicza czy tablice pamiątkowe) wykonane przez zespół projektowy. Inny typ danych powstałych w ramach projektu to mapy – zarówno statyczne, jak i interaktywne – dynamiczne28. Wszystkie te dane są oczywiście wpisane w zaplanowany kontekst narracji naukowej, jednak, tak jak eksponaty z muzeum czy mapy, są również autonomicznymi materiałami, podlegającymi także ewentualnej dalszej interpretacji. Warto zauważyć, że jakkolwiek zidentyfikowane, opisane i odpowiednio przechowywane, dane te nie mogą zostać udostępnione na otwartej licencji – umowa zawarta z Muzeum Narodowym w Kielcach ogranicza ich wykorzystanie do platformy NPLP.PL – w tym przypadku możliwość ponownego użycia ogranicza się do innych kolekcji na tej platformie. Podczas licznych kwerend projektu powstała również obszerna dokumentacja fotograficzna – została ona opisana i „zmagazynowana” na dyskach służbowych, by ewentualnie posłużyć podczas kolejnych projektów.

• 29 http://nplp.pl/o-tworzeniu-kolekcji-komentarz/.

27W kolekcji Sienkiewicz ponowoczesny, w dziale „O tworzeniu kolekcji”29, zespół projektowy opublikował część dokumentacji i notatek z kolejnych faz eksperymentu (podtytuł projektu „laboratorium cyfrowe” traktowany był bardzo serio), odsłaniających jego przebieg, zmieniające się założenia, odrzucone rozwiązania i niewykorzystane ostatecznie dane. Znalazły się tam m.in. wytyczne dla autorów tekstów, pierwsza koncepcja kolekcji, przykłady dokumentacji fotograficznej (wraz z nieprzetworzonymi cyfrowo zdjęciami wnętrz pałacu), slajdy z prezentacji dotyczących tworzenia struktury treści czy próbki różnych rozwiązań graficznych związanych z interaktywnym sterowaniem. Celem było podzielenie się uzyskaną wiedzą o tworzeniu naukowych kolekcji cyfrowych, pokazanie złożoności projektu i wieloaspektowości działań, wreszcie po trosze udokumentowanie procesu „produkcyjnego”. Oczywiście jest to inna sytuacja niż potencjalne dzielenie się notatkami bądź szkicowymi wersjami swoich tekstów, ale istota dylematu stojącego przed wykonawcami była podobna, ponieważ zdecydowano się na udostępnienie know-how wypracowanego w ramach projektu.

• 30 http://nplp.pl/kolekcja/atlas-zaglady/.

28Innym przykładem publikacji danych badawczych w monografii cyfrowej jest kolekcja Atlas Literatury Zagłady30. W przeciwieństwie do Sienkiewicza Ponowoczesnego nie ma ona liniowej, książkowej wersji; pomyślana została od razu jako cyfrowa sieć powiązanych ze sobą wpisów – fragmentów świadectw Zagłady z getta warszawskiego, ustrukturyzowanych wedle trzech możliwych porządków: topograficznego, osobowego i czasowego, wzbogaconych o niemal tysiąc map statycznych poświęconych jednostkom topograficznym, siedemnaście map interaktywnych pokazujących topografię miejsc związanych z każdym z autorów/autorek świadectw na przestrzeni czasu, biogramy autorów/autorek świadectw, opisy specyfiki okresów, na które została podzielona linia czasu, oraz zdjęcia archiwalne. Te same treści mogą więc być przeglądane, zestawiane i wyszukiwane pod najróżniejszymi kątami, co czyni z kolekcji bardziej narzędzie dla badaczy do przeszukiwania najróżniejszych rodzajów danych, które mogą ich wspomóc w pracy analityczno-interpretacyjnej. Monografia cyfrowa otwarta jest zatem na współpracę z instytucjami dziedzictwa kulturowego – czy będą to obrazy i eksponaty z Muzeum Narodowego w Kielcach, zdjęcia z Żydowskiego Instytutu Historycznego czy grafiki z XIX-wiecznej prasy ze zbiorów biblioteki IBL PAN, zostają one nie tylko włączone w nurt naukowych opowieści i zinterpretowane, ale i udostępnione cyfrowo szerokiej publiczności.

• 31 Opisy znaczników TEI oraz wiele innych dokumentów dotyczących tego standardu oznaczania można znale (...)
• 32 Więcej o cyfrowym aparacie krytycznym opartym na standardzie TEI zob. K. Niciński Obecność przypisu (...)
• 33 https://dracor.org/ Więcej o projekcie w: F. Fischer et al. Programmable Corpora: Introducing DraCo (...)

30Możliwości wykorzystania danych w edycji cyfrowej omówimy na podstawie stworzonej w IBL PAN platformy do naukowych edycji cyfrowych TEI.NPLP.PL. Do opisu struktury tekstów wykorzystuje ona międzynarodowy standard TEI (Text Encoding Initiative) wykorzystująca znaczniki XML specjalnie opracowane na potrzeby edycji cyfrowych31 – można dzięki nim zakodować różne poziomy aparatu krytycznego, m.in. odmiany i warianty tekstu, właściwości artefaktu (np. zniszczenia rękopisu) czy rodzaje didaskaliów w tekście dramatycznym32. Każdy tekst opublikowany na tej platformie można pobrać zarówno w formacie XML (ze znacznikami), jak i jako „czystą” transkrypcję, pozbawioną aparatu krytycznego. Dzięki wykorzystaniu standardu TEI metadane tekstu oraz jego strukturę można przetwarzać, zestawiać i porównywać z innymi, podobnymi tekstami oznaczonymi w TEI. Staje się to jeszcze łatwiejsze, gdy mówimy o tekstach określonego rodzaju literackiego, którego opisowi służy odrębny podstandard, np. przeznaczony do opisu struktury dramatycznej TEI Drama. O tym, że możliwość ponownego wykorzystania danych nie jest czysto potencjalna, przekonuje platforma DraCor33, zbierająca ponad dziesięć obszernych korpusów dramatów z różnych epok i języków, powstałych w różnych projektach, których wspólną cechą jest to, że wszystkie zostały oznaczone właśnie w podstandardzie TEI Drama. Dzięki tym oznaczeniom oraz oprogramowaniu na stronie możliwe jest zestawianie różnorakich statystyk i wykresów dla każdego z ponad tysiąca opracowanych wcześniej dramatów.

• 34 Na przykład platforma Open Citations (https://opencitations.net/), która agreguje informacje z otwa (...)

35Informacja bibliograficzna w publikacjach naukowych jest tradycyjnie ujmowana w formie przypisów oraz bibliografii załącznikowej. W ostatnich dekadach dane bibliograficzne zawarte w publikacjach – przede wszystkim naukowych – podlegają formalizacji nie tylko w zakresie wykorzystywanych czy rekomendowanych stylów cytowania, lecz także dobrych standardów formatowania tekstów pozwalających na wydobywanie z nich cytowanej literatury (np. wyodrębniane są pola na cytowaną literaturę). Informacje te służą do gromadzenia danych o odniesieniach międzytekstowych, a wykorzystują ją m.in. nowoczesne serwisy informacji naukowej (w szczególności tzw. indeksy cytowań), podmioty zajmujące się ewaluacją działalności naukowej oraz grono badaczy z zakresu szeroko rozumianej bibliometrii, analityki kulturowej, historii nauki. Informacje te służą z jednej strony do monitorowania i badania efektywności prac naukowych, z drugiej zaś wspierają inicjatywy z zakresu otwartego dostępu34, gdyż w ekosystemie komunikacji naukowej, w którym część pełnych tekstów publikacji jest niedostępna, metadane stanowią narzędzie częściowego otwierania do nich dostępu (tzn. informują o nich, pozwalają gromadzić o nich wiedzę również w sytuacji, gdy dostęp do pełnego tekstu jest zamknięty lub ograniczony).

• 35 Zob. np. C. Garrido, C. Gutierrez Dictionaries as networks: identifying the graph structure of Ogde (...)
• 36 Á.Z. Bernád, M. Kaiser The biographical formula: types and dimensions of biographical networks, w: (...)
• 37 P. Leskinen, E. Hyvönen, J. Tuominen Analyzing and visualizing prosopographical linked data based o (...)

36Z efektów prac dokumentacyjnych korzysta większość badaczy literatury, publikowanie ich jako danych badawczych umożliwia natomiast ich specyficzne użycie, np. analizę wspomaganą komputerowo, badania na danych, analizy ilościowe. Wśród istotnych i szeroko spopularyzowanych form ponownego wykorzystania badawczego efektów prac dokumentacyjnych znajdują się choćby analizy sieciowe słowników, zarówno biograficznych, jak i językoznawczych35. W wypadku danych biograficznych pozwalają one na odkrywanie zależności między osobami, instytucjami czy miejscami na podstawie ilościowych analiz wielu biogramów. Dla przykładu analizy sieciowe Austriackiego słownika biograficznego umożliwiły identyfikację i wizualizację najbardziej popularnych miejsc podróży i emigracji ujętych w nim postaci czy też najbardziej popularnych miejsc pobierania nauki36. Badania na korpusie Fińskiej biografii narodowej pozwoliły zrekonstruować i porównać długość życia oraz miejsca urodzeń i śmierci bohaterów biogramów na przestrzeni kilku stuleci, a także wskazać najpopularniejszych pracodawców i najchętniej uczęszczane uniwersytety37.

• 38 E. Kulczycki, T.C.E. Engels, J. Pölönen et al. Publication patterns in the social sciences and huma (...)
• 39 G. Spinaci, G. Colavizza, S. Peroni Preliminary results on mapping digital humanities research, w: (...)

37 W odniesieniu do danych bibliograficznych powszechnie znane są badania bibliometryczne nad komunikacją naukową, również w humanistyce, tam bowiem dane pozwalają zarówno uchwycić relacje między badaczami, ich wzajemne oddziaływania, jak i zrozumieć modele pracy naukowej charakterystyczne dla wybranych (sub)dyscyplin, krajów czy regionów. Dla przykładu badania z zakresu ewaluacji badań naukowych38 pokazują, że około 25 procent publikacji badaczy humanistów z Polski, Czech czy Słowacji opublikowane jest w języku angielskim, podczas gdy w Danii, Finlandii, Flandrii czy Norwegii jest to powyżej 60 procent. Jednocześnie w krajach Europy Środkowej rośnie udział artykułów w ogólnej liczbie publikacji naukowych, przy spadku liczby monografii oraz rozdziałów w książkach zbiorowych. Z kolei badania wykorzystujące sieci cytowań pozwalają choćby zrozumieć sposoby kształtowania się nowych dyscyplin badawczych, takich jak humanistyka cyfrowa. Wstępne badania w 2019 roku39 wykazały, że jedynie jedna trzecia publikacji z tej dziedziny (zindeksowanych w serwisie Dimensions) zawierała wewnętrzne odniesienia (cytaty). Ponadto odkryto chociażby, że wiele czasopism z tej dziedziny ma wyraźny rys dyscyplinarny – dotyczy m.in. literaturoznawstwa ilościowego, lingwistyki komputerowej czy przetwarzania języka naturalnego – i publikujący tam autorzy odwołują się do literatury ważnej dla danej dyscypliny, a w mniejszym stopniu do innych rodzajów badań z zakresu humanistyki cyfrowej.

• 40 J.I. van der Meer, Literary activities and attitudes in the Stanislavian Age in Poland (1764-1795), (...)
• 41 L. Lahti, N. Ilomäki, M. Tolonen A Quantitative Study of History in the English Short-Title Catalog (...)

38Innym ważnym nurtem badań na danych bibliograficznych są badania z pogranicza historii książki i analityki kulturowej (cultural analytics). W historii książki zawsze obecne były badania ilościowe; jednym z ich przykładów są prace Jana IJ. van der Meera dotyczące epoki stanisławowskiej na podstawie danych Nowego Korbuta40. Współcześnie można zauważyć coraz większe zainteresowanie kolekcjami danych bibliograficznych, jakimi są katalogi biblioteczne. Fińskie badania na danych z English Short-Title Catalogue41 pozwalają określić najbardziej produktywne wydawnictwa i autorów w okresie wczesnego druku (wieki XV-XVIII), a także zrozumieć trendy publikacyjne istotne choćby dla bibliografii opisowej, np. to, że rozmiary książek historycznych były statystycznie większe w XVI niż w XVII i XVIII stuleciu.

• 42 Directorate-General for Research and Innovation (European Commission) Turning FAIR into reality, Br (...)
• 43 Zob. https://ec.europa.eu/research/participants/docs/h2020-funding-guide/cross-cutting-issues/open- (...)
• 44 Zob. https://open-research-europe.ec.europa.eu/.

40Takim sytuacjom ma zapobiec stosowanie zasad FAIR, czyli założenie, że dane powinny być możliwe do znalezienia (findable), dostępne (accessible), interoperacyjne (interoperable) i nadające się do ponownego wykorzystania (reusable). Grupa ekspertów przy Komisji Europejskiej opracowała specjalny raport Turning FAIR into reality, w którym formułuje rekomendacje dotyczące zasad FAIR42. Dokument analizuje bieżące praktyki i proponuje plan działań dla europejskich interesariuszy, by wdrażać zasady FAIR na różnych poziomach. Mają być one wykorzystywane przy tworzeniu Europejskiej Chmury Danych Badawczych (EOSC). Warto również podkreślić znaczenie zarządzania danymi badawczymi w kontekście wymagań w konkretnych konkursach i grantach badawczych. Jednym z ważnych przykładów jest oczywiście europejski program „Horyzont 2020”, w którego ramach od 2014 roku wdrażana jest pilotażowa inicjatywa „Open Data Pilot”43, obejmująca już wszystkie obszary programu. Europejska platforma „Open Research Europe”44 ma na celu ułatwić udostępnianie publikacji i danych wytworzonych w projektach finansowanych z programów ramowych Unii Europejskiej. W 2021 roku będą tam opublikowane pierwsze wyniki pracy. Co bardzo istotne z perspektywy polskich humanistów, plan zarządzania danymi badawczymi (PZD) – dokument, który porządkuje kwestie związane z danymi zbieranymi, wykorzystywanymi i wytwarzanymi w projekcie – stał się także jednym z elementów wniosku o finansowanie projektu w Narodowym Centrum Nauki.

• 45 Zob. https://www.dariah.eu/.
• 46 Zob. https://www.dariah.eu/activities/working-groups/research-data-management/.

41Ponieważ temat jest stosunkowo świeży, wielu humanistów oddolnie opracowuje rozwiązania i standardy, aby uniknąć bezwiednego kopiowania procedur przyjętych przez nauki ścisłe i uwzględnić specyfikę własnych dyscyplin. Europejskie konsorcjum DARIAH (Digital Research Infrastructure for the Arts and Humanities)45 wiele swoich działań skupia na danych badawczych w humanistyce i naukach o sztuce. Jedną z grup roboczych działających w ramach konsorcjum jest Research Data Management Working Group46, koncentrująca swoje prace właśnie na wyzwaniach, z jakimi borykają się przedstawiciele różnych dziedzin – w tym literaturoznawstwa – w zarządzaniu danymi. Inne grupy robocze skupiają się na konkretnych rodzajach danych (np. danych bibliograficznych w wypadku Bibliographical Data Working Group) lub na węższych zagadnieniach (np. kwestiach etycznych i prawnych, które opracowuje Ethics and Legality in the Digital Arts and Humanities).

• 47 N. Harrower, M. Maryl, T. Biro, B. Immenhauser Sustainable and FAIR data sharing in the humanities, (...)
• 48 Tamże, s. 36.

42O tym, że tematyka danych przestaje w humanistyce być sprawą marginalną, świadczy również raport ALLEA (ALL European Academies), zawierający rekomendacje dotyczące zarządzania danymi badawczymi i stosowania zasad FAIR w obszarze humanistyki. Autorzy zalecają, by humaniści zaczęli myśleć o materiałach i źródłach w swojej pracy naukowej właśnie w kategoriach danych badawczych. Podkreślają też rosnące znaczenie zasad FAIR w pracach instytucji dziedzictwa kulturowego, które tak często współpracują z humanistami47. Co być może najważniejsze w kontekście niniejszego tekstu, raport jasno stwierdza, że sposoby ich wprowadzenia w obszarze konkretnych dziedzin nie zostały jeszcze ustalone. Potrzebna jest zarówno refleksja badaczy-specjalistów o różnych kompetencjach i zainteresowaniach, jak i wymiana praktyk między dziedzinami48.

• 49 Eksperci KE zachęcają do uwzględniania publikacji danych badawczych i innych działań z zakresu otwa (...)

43Zasady FAIR i inne związane z danymi inicjatywy nie są zatem narzuconymi nakazami, lecz przydatnymi wskazówkami, które mogą trwale wpłynąć na obieg i dostępność źródeł w humanistyce. Wielość oddolnych i odgórnych inicjatyw jasno wskazuje, że zarządzanie danymi badawczymi staje się dla humanistów koniecznością. Nie nadążył za nią jeszcze system ewaluacji, który rzadko uwzględnia wartość badawczą związaną z opracowaniem i udostępnianiem danych49. Nie dziwi więc pewna podejrzliwość wobec propozycji dostosowania zasad FAIR do świata humanistyki. Może być widziana jako dodatkowy zestaw czasochłonnych obowiązków nakładanych na badaczy, a efektu związanych z nimi prac często nie można przedstawiać bezpośrednio jako swojego dorobku naukowego. Uwzględnienie zarządzania materiałami badawczymi w systemie ewaluacji jest zatem niezbędne, by wspólnie stworzyć ekosystem danych badawczych dla humanistyki.

• 51 Na przykład zestawienie preferowanych i akceptowanych formatów dla różnych rodzajów danych w poradn (...)

49Jak już wcześniej pisaliśmy, nie istnieje jedna uniwersalna typologia danych w badaniach o literaturze, lecz opisując rodzaj danych, można sięgnąć do propozycji podanych w pierwszej części naszego artykułu. Warto przemyśleć kwestię, jak różne dane pojawią się w projekcie, nie skupiając się wyłącznie na głównych materiałach badawczych. Na przykład jeżeli robimy kwerendę na temat przestrzeni w biografii i twórczości Henryka Sienkiewicza, oprócz tekstów literackich i listów godnymi uwagi danymi będą również metadane tych źródeł. Natomiast wybierając odpowiedni format dla naszych danych, warto się zastanowić nad jego interoperacyjnością, tj. czy dany format pozwoli użytkownikom na otwieranie i przetwarzanie plików w różnych programach. Jeśli mamy wątpliwości, możemy skorzystać z istniejących opracowań51.

• 52 Przykładem służy Uniwersytet Nauk Stosowanych w Utrechcie (HU University of Applied Sciences Utrech (...)

52Część uczestników i uczestniczek warsztatów o danych badawczych w literaturoznawstwie w IBL PAN zwracała uwagę na rozproszenie ról w instytucjach, gdzie brakuje konkretnej osoby bądź osób do wspierania procesów związanych z danymi na każdym etapie projektu. Kwestiami dotyczącymi danych zajmuje się większa liczba pracowników, co rozmywa odpowiedzialność i sprawia, że badaczowi lub badaczce trudno zdecydować, do kogo zwrócić się z prośbą o pomoc w konkretnej sprawie. Na różnych etapach zaangażowane mogą być: dział informatyczny, biblioteka i archiwum, dział wsparcia badań lub projektów. Tworzone są nowe, specjalistyczne stanowiska pracy dla osób, których zadaniem jest wspieranie badaczy w sprawach związanych z zarządzaniem danymi badawczymi. W kontekście polskim najczęściej pomocy w opracowaniu PZD udzielają bibliotekarze i bibliotekarki; wraz z rozwojem ich stanowisk oraz kompetencji być może poszczególni pracownicy będą mogli pogłębiać wiedzę specjalistyczną dotyczącą danych w konkretnych dziedzinach, jak już się to dzieje w niektórych ośrodkach52.

• 53 Prace prowadzono w ramach zadania poświęconego przemianom w pisaniu tekstów naukowych w humanistyce (...)

58„Środki kontroli jakości”, o których wspomina się na tym etapie cyklu danych, mogą początkowo kojarzyć się bardziej z produkcją przemysłową, lecz w tym wypadku stanowią zestaw kryteriów minimalnych, jakie powinny spełniać nasze materiały. Na przykład skanując teksty źródłowe, powinniśmy ustalić nie tylko format zeskanowanych plików, lecz także jakość skanu (wyrażoną w dpi), odczytanie warstwy tekstowej oprogramowaniem OCR (można też przyjąć pożądaną dokładność odczytu wyrażoną w procentach). Tylko pliki spełniające te wymagania będą wykorzystane do badań. W zespole możemy też ustalić wspólny system notowania podczas kwerendy (tak by każda osoba mogła korzystać z materiałów zebranych przez współpracowników i współpracowniczki), jak również konkretny i konsekwentny system cytowań. Na przykład opracowując innowacyjne studia przypadku w komunikacji naukowej53, pracownicy IBL PAN posługiwali się wspólnie ustalonym cyklem pracy oraz schematem notatek, co pomagało sprawnie zebrać dane o konkretnych przykładach.