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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16