講 題｜結構化作為一種分析：研究者個人資料庫的建置與運用
主講人｜郭珮君（國立臺灣大學歷史學系助理教授）
時 間｜2026 年 7 月 23 日（四）下午 14：00
地 點｜國立臺灣大學人文社會高等研究院 116 室
活動紀實｜
人文研究者累積多年的影本、抄錄、讀書筆記、散見於電腦中的各種檔案，除了個人的記憶和筆記軟體外，今日我們還能怎麼有效地整合這些資訊？本次演講即以此問題意識作為起點。郭老師強調在今日的個人研究資料庫的建構與運用，除了可以有效整理和綜合各種研究資料外，更可能拓展學者對於自身感興趣的研究課題的視野。
首先，郭老師指出所謂的結構化資料庫，是將研究者的材料整理為規範化的表格，以「列」為筆記條目，以「欄」為屬性特徵。郭珮君指出，欄位一旦保持一致，史料便具備可檢索與可運算性，研究者不僅能反覆重組材料、重新提問，也得以量化並梳理複雜的關聯。她認為這是突破傳統研究侷限的一種可能手段：長期受制於個人記憶容量而難以掌握的分布與關聯，至此方獲得具體處理的條件。
在實務上的操作，郭老師兩種常見的模式。一是「搜集型」，將散落於各史料的同一主題資訊匯為一表，每出現一次即成一列，核心欄為出處。二是「源轉換型」，該模式將單一文獻轉換為結構資料，文獻中各項條目逐一成列，核心欄則是對應原文的位置。兩者的差別不僅在操作，也在提問的方向。值得注意的是，「列」與「欄」的設定是整個工作的核心，這方面的資料輸入要特別小心。其中，「列」直接決定資料庫的類型與適用範圍，「欄」則是研究者有意識地將材料分類並建立關係。在同一研究主題，可以繪製多張不同的表格，每一張表都在回答不同的問題。同時，最終資料庫的建置完成，也可以視為研究者問題意識下的產品。
當研究者依不同問題建立複數資料表，隨即面臨資料對齊、跨表連結乃至上萬筆資料等試算表的極限，這個時刻便是學者使用AI 的最佳時機。由於AI 能執行跨表整合與去重、資料清理與正規化（如批次換算年份、標記異體字），並將資料擷取至對應欄位。更重要的是，AI 能把研究者的自然語言需求翻譯為 pandas 或 SQL 等腳本指令。研究者只需描述需求，由 AI 撰寫腳本，再由研究者執行與修改，即可跨越程式門檻，看見資料之間更複雜的關係網絡。
今日學者如何使用AI來進行研究？郭老師認為 AI 的角色是研究助理，最終的檢驗者與執筆者仍是研究者本人。研究者必備的技能，是把研究需求轉化為清楚、可檢查、可分步執行的指令，並附上「附原文依據」、「不要補充不存在的資訊」、「更動資料前請說明更動規則」等要求，將 AI 的動作控制在可檢視的範圍。研究者在AI的協助下，能夠更有效率地展開個人的學術探究。
在演講的最終，郭老師強調結構化資料庫不是簡單的資料整理，而是透過資料的有效整合，來更有效率地進行個人的學術研究。在演講中，郭老師反覆提示建檔的要領，例如每筆資料須有獨立編號以供 AI 計算，並附「可信度」欄以供確認。年代的部分可以設為文字與西元數字兩欄、「原文欄（描述）」與「詮釋欄（判斷）」務必做好分層，另設受控詞彙與不確定性標籤。接下來，研究者透過有效的資料庫結構設計，保留資料的不確定性，進而將資料轉化為可用的個人研究資料庫。當材料清理乾淨、可信程度得到掌握，眾多史料便有機會轉化為線與面的網絡關係，這也是目前AI非常擅長的領域。
演講結束後，是問題與討論的時間。甘院長表示透過這次郭老師的專題演講，讓學者們在新的時代中，掌握最新的研究工具和方法，來開展最新的前沿研究的可能，突破過去研究的限制與邊界。多位在場與會老師也踴躍分享自身運用 AI 進行研究或建置資料庫的經驗，並期盼未來在這個話題上繼續相關的學術活動。