
“大数据”无法触及诗词的本质
刘慈欣的短篇小说《诗云》,讲述了一个外星超级智慧生命体试图用“大数据”征服中国古典诗词的故事。为了写出超越李白的诗篇,拥有神迹般的强大技术的外星生物悍然采用了一种极端而蛮横的方式:把所有诗歌都写出来,也即把所有汉字一网打尽,按照古诗的格式进行排列组合,这样就穷尽了过去、未来的一切诗歌———那些超越李白的诗自然也包括在内。然而,这场“终极吟诗”完成后,当事人却发出了沮丧的喟叹:诗人的心灵感受是如此独特,即便掌握了穷其所有的“大数据”,也无法将那些超越李白的诗篇从中挑选出来。小说想要表达的是,技术是反诗意的,对于依赖个体心灵和内在情感的诗歌来说,技术永远无法触及诗歌的本质。
日前,《清华附小六年级学生用大数据分析苏轼写了论文》 的报道引发众人关注。可想而知,“清华附小”、“小学生”、“大数据”等要素的组合,足以引发人们的好奇和艳羡,获得广泛关注也就不足为奇。师生家长的全情投入,十分令人感佩,毕竟,认认真真地共同做好一件事情,已很不容易。然而,这也促使我们思考两个问题:第一,将诗词作为“数据”进行检索研究,这一方法导向是否合理? 第二,让小学生通过大数据分析进入诗词,这一教育行为是否合适? 换言之,小学生应该接受怎样的诗词教育?
先看第一个问题,诗词与大数据能否相得益彰,要从二者各自的特质说起。无论从创作还是从赏析的角度,诗词都是一项主观性很强的艺术,正所谓各言其志,诗词中大多寄托着作者的情感体悟,而诗作的水准则由诗人的才性神思所决定。诗词中的意象和兴味往往只可意会,需要在读者和作者之间达成某种精神上的默契。
对诗词的欣赏研究,不能一味寻章摘句,因为一首诗词首先是一个有机整体,必须营造出自洽而完整的意境。然而,大数据分析是一项纯客观的方法,是对客观数据的碎片化处理:如对苏轼全部诗词进行分词研究,再从中分析出高频词,此时苏轼的诗词是以“数据”形式呈现的,仅仅是一个个语词的序列,而非气脉浑成、寄托深远的活泼泼的整体———这不啻为对诗词的解构。正如刘慈欣 《诗云》 里举的例子,唯有从整体来看,一个美女才是美女;用一把利刃将其切开,取出每个脏器、剔出每块骨头,把肌肉和脂肪分门别类,再把血管和神经拣成两束,还能是美女吗? 用大数据来处理诗词,无异于对一个美女进行肢解,与诗词的审美相违。
对诗词的欣赏研究,也不能止步于搜罗求全,传统集部之学是一门“别裁伪体亲风雅”的学问,其要义在于“选”。所谓“观千剑而后识器”,“选”的功夫需要在浸润式的细读品味中获得。不可否认,大数据在检索、统计、定位方面的高效便捷对研究工作确有帮助,但再先进的技术手段也不能代替对作品本身的体察涵泳,正如捷径无法代替苦功。对苏轼诗词中高频词的搜索定位,只能得出某些外在印象,无法细腻深刻地触及其内涵和义旨。通过对“归来”一词的统计,的确能够指向苏轼被贬这一事实,但却可能因此错过全篇没有“归”字,例如 《卜算子·黄州定惠院寓居作》 中“拣尽寒枝不肯栖”的深刻的“无归”感;同样,通过大数据固然不难得出苏轼的兄弟情深,然而当我们吟咏“与君世世为兄弟,更结来生未了因”(《狱中寄子由》) 这样的句子时,对苏轼笔下手足之情的感受,难道不会来得更真切、更直观吗?
由此也引出第二个问题,小学生使用大数据会不会为时尚早? 小学生应该接受怎样的诗词教育? 事实上,我国古代一直有绵延不绝的“诗教”传统,古典诗词的关键功能在于涵养人的性情,使之归于温厚。“诗可以兴”,所谓“兴于诗,立于礼,成于乐”,儒家将诗教作为成人教育的开端。正如钱穆所说,文学作品中包含了作家的全部人格,它对读者的劝诫安慰如朋友兄弟般亲切。伟大的诗人修辞立其诚,吐露真性情,读者阅读其诗,不仅会为其真情感动,也很容易为其人格及人生境界感动,而心向往之。小学生使用大数据固然有助于培养科学精神和逻辑思维能力,但这与诗词的教育旨趣相异。拿苏轼诗词来说,让孩子们将其看作有血有肉、丰富多彩的艺术作品,从具体作品中感受苏轼的悲欢离合、开朗豁达与家国情怀,并进一步培养起对中国传统人文精神的感知力和理解力,不是比作为大数据视野下的客观对象而得出粗浅认知,要更有意义吗?
传统诗教所包含的情感教育,应当在中小学阶段得到提倡。当前的中小学教育对知识理性和思想品德的强调相当充分,而在感性启发方面则似有不足。就笔者在高校开展诗词教育的经验来看,不少大一新生在古典诗词面前或多或少地丧失了“感动”的能力,在此基础上急于展开的研究若非难令人信服,便是冷冰冰地欠缺生命的厚度。语言文字的隔阂固然是导致“感动”能力衰退的一个因素,情感上的疏离却更为关键。伟大的诗人往往哀乐过于常人,诗词又是对人类个体感思与共通情怀的高度凝练。想要获得对诗词的深层理解,首先应该让自己能够“被感动”,这样才能真正进入古人的情感世界,深切体会诗词的精妙所在与诗人的魅力所在。从古典诗词中获得对人类自身的感性认识,与诗词内外岁岁枯荣的自然生命发生共鸣,当从娃娃抓起。
小说 《诗云》 的结尾,不可一世的外星生物和细腻敏感的地球诗人最终达成了和解:诗人表达了对伟大的技术文明的由衷赞叹,天外来客则承认了技术与艺术之间的“不可通约性”。本文并非持一种简单的“反技术论”,只是想强调技术方法与古典诗词这一独特的艺术形式之间存在根本差异———用大数据研究诗词,并非一无是处,但总归显得舍本逐末、买椟还珠。《庄子·天地》篇中激烈地拒斥技术,认为技术的滥用会导致心灵的遮蔽。那么小学生使用大数据,有没有技术的“滥用”之嫌? 这个问题姑置不论,重要的是,孩子们的蓬勃诗心不要就此遮蔽。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30