摘要 · Abstract

本文以《水经注》 (北魏, 6 世纪) 郦道元所撰这一综合性地理著作为案例,探讨一部前现代中文古籍如何在数字时代成为「可引用的研究素材」。本文不是对《水经注》本身的水文考据,而是元视角 (meta-perspective):从物质生命 (抄本 → 刊刻 → 影印 → 扫描)、文献记载 (河水/江水/漕运 等) 到当代田野观测 (桑干河、大运河),呈现一本古籍如何演变为由 hosted scan + OCR + ID 构成的网络证据。本文所建之状态为 REVIEW,所有 factual claim 至少绑定一个 v0.5-v0.9 已冻结证据集中的 citation_id;无 citation 之事实陈述均显式标记为 Limitation。

This paper uses 《水经注》 (Li Daoyuan, Northern Wei, 6th century), a comprehensive geographic work, as a case study to examine how a pre-modern Chinese classical text becomes "citable research material" in the digital age. Rather than offering a hydrological analysis of the text itself, this work adopts a meta-perspective: tracing the text's physical life (manuscript → print → reprint → scan), its documented rivers (河水/江水/漕运), and contemporary field observation (Sanggan River, Grand Canal). The paper's current status is REVIEW. Every factual claim is bound to at least one citation_id from the v0.5-v0.9 frozen evidence corpus; statements without citations are explicitly marked as Limitations.

§1 · 引言:从一部古籍说起

在当代数字人文 (Digital Humanities) 的研究视野中,中文古籍常常以「文本检索对象」或「GIS 标注底图」的形式出现。然而,若从一本具体的古籍 (例如《水经注》) 出发,去追溯它如何从物质形态演变为网络上的「可引用证据」,所浮现的是一个远比「数字化」更为复杂的图景:扫描、OCR 队列、citation ID、字段绑定、证据卡 — 这些都不是《水经注》本身的属性,而是数字平台对其的附会。

本文正是在这一观察之上展开的:从一个具体文本《水经注》的「数字生命史」 (digital life history),反思数字人文研究的方法论边界与伦理责任。

§2 · 《水经注》的物质生命:从竹简到扫描

当我们今天在数据库或网络平台上看到「《水经注》」字样,它背后的物质历史远非单一形态。[Limitation: 完整的物质生命谱系 — 竹简 → 抄本 → 刊刻 → 影印 → 扫描 — 不在本证据集范围内;此节为综述性陈述。]

本证据集涉及的数字扫描主要来自书格 (shuge.org) 这类扫描照片托管平台 (source platform)。书格不是《水经注》《天工开物》《工程做法》等古籍的出版机构;它的角色是 hosted scan + OCR queue + public ID reference,与传统出版界 (publisher) 截然不同。这一角色澄清,见侧栏「书格角色澄清」一节。

§3 · 文献中的河流:从经注到现代水系

《水经注》记载的主要河流体系,以及它们与现代水系的对应关系,是历代水文地理研究的核心议题。

尽管如此,当代研究中普遍接受「河水」≈ 黄河、「江水」≈ 长江这一音近对应;但本证据集并不直接提供这一等同的文本证据。[Limitation: 古今水系名称对应需由独立历史地理学文献确认,本文不作考证性论断。]

§4 · 实地观测:桑干河与运河

为对比古代水文记载与当代实地状态,本平台 v0.5 demo 笔记中收录了 2026 年 9 月的两条观测记录。

这两次观测构成了一组有趣的对照:同在 2026 年 9 月,一条北方河流 (桑干河) 与一条南北水道 (大运河通州段) 表现出截然不同的现状 — 前者干涸,后者通航。但这种对照仍受限于样本量极小、观测者为匿名田野工、且 OCR 队列未完成 QA,因此本文不据此作出任何结论性陈述。

📄 Selected Page Viewer · 《水经注》(work p124575) — 60 scanned pages, OCR QUEUED
page 1
0123456789
A
Kodak Gray Scale
水经#路
xrite
8
漢書門
10
架
函
狐
13
二九一·77
二三五五號
漢
一日
内閣文庫
番號漢 2355
册数14
函號 291-77
国立公文書館
Na[tional]
OCR: QUEUED · conf=0.882 · char_count=114
page (water section)
沽河从塞外来
又北屈
东南至狐奴縣西
入于沽河
石孤生不因河而自時
又南九泉水注之水尊北
谷水注之水发镇北大谷豁西南流
獨石北界
沽河出夷镇西北九十里丹花嶺下
東南流大軍都縣東至路南人沽是也
OCR: QUEUED · conf=0.906 · char_count=345

💡 书格 hosted scan preview:仅作为引文定位参考,不作为完整 OCR 文本使用 (full_text_unavailable=true)。

§5 · 与既有研究的位置

既有数字人文 (DH) 研究中,对《水经注》的处理主要可分为两条路径:一是文本检索路径,以词频统计、命名实体识别、共现网络等方法对经注语料进行处理;二是 GIS 标注路径,将经注中的地名与河流对应到现代地图上。

本文所采取的「数字生命史」路径,意在以一部具体文本为案例,反思数字平台 (hosting + queue + ID) 对前现代文本的「证据化」过程本身。这一路径既非纯文本研究,也非纯地理研究,而是居于两者之间的元视角 (meta-perspective)。

§6 · 方法局限

本节明确列出本文的方法局限,以与前述各节的具体 Limitation 相区别 — 此处所言为「方法论层面」的局限,而非个别句级的 limitation。

具体而言:(1) 所有 citation 涉及的 page OCR 状态均为 QUEUED 且 qa_status=NOT_CHECKED,因此不构成 HIGH reliability 论据;(2) 字段文献 (《水经注》历代校注本、《水经注图》等) 未独立获取,仅通过书格 hosted scan ID 引用;(3) 田野观测样本量极小 (4 条 demo notes),且观测者匿名,verification_status 多为 NEEDS_REVIEW 或 UNVERIFIED。

详见同页 Evidence Appendix 的 reliability tier 表。

§7 · 数字证据的伦理与边界

本文的最后一节,聚焦于「数字证据」 (digital evidence) 这一概念本身的伦理与方法论边界。

这一错位可从三个方面理解:其一,「hosted scan」不等同于原书本身 — 它是某机构 (通常是公共档案馆,例如本证据集中的「国立公文書館」) 提供的扫描照片,由书格等平台再托管;其二,「OCR」是有损且有错的过程,其 mean_confidence 与 qa_status 直接决定了该引文的 reliability tier;其三,「ID」是一个固定字符串 (例如 SHUGE:p168491:68),它指向的是「某次扫描的特定位置」,而非「某段文本本身的固有位置」。

因此,当我们引用一个 citation ID 时,我们实际上是在引用「某次扫描的特定位置的 OCR 片段」 — 这与「某一段文本」之间有一个不可消除的中间层。这一中间层既是数字人文研究的优势 (可定位、可比对、可追溯),也是它的边界 (原书的物质性、注释传统、读者社群等都被压缩成 ID)。

本文的全部努力,正是要在不下载、不抓取、不重新 OCR 的前提下,呈现这一中间层 — 并以此证明「ID-only」的研究路径在严格遵守引用规范时,仍可形成一篇完整的、可公开阅读的研究文章。

相关方法论说明,详见 Methods Note · Citation-bound Historical Research。

§8 · 结语 / 待续

本文当前状态:REVIEW (DRAFT → REVIEW 自动;非 PUBLISHED)。本文不会自动升级为 PUBLISHED;若需正式发布,需要用户明确批准 (per v1.0 invariant inv-pub-v1.0-8)。

后续工作方向:(1) 等待书格 OCR 队列完成 QA,以提升 citation reliability tier 至 HIGH;(2) 引入独立历史地理学文献,与本证据集 triangulate;(3) 扩大田野观测样本,引入独立第三方地物调查;(4) 待 v1.1+ 阶段,引入更多古籍 (《河防一览》《天工开物·水利篇》等) 作 cross-reference。

v1.0 的边界守恒在此重申:Citation ID 不变,provenance 不变,无新资源,无新 OCR,无嵌入/向量数据库,无自动 PUBLISHED。

资料来源与限制

本文使用的数据全部来自 v0.5-v0.9 已冻结证据集。具体来源:

本文作者不拥有、托管、抓取任何原始扫描照片;本文不下载任何新资源,不运行任何 OCR,不引入任何 embeddings / 向量数据库。

展开模拟评审的完整说明

模拟评审声明

⚠️ SIMULATED WORKFLOW / NOT EXTERNAL PEER REVIEW

本文章所附的 Peer Review (见 /review/) 为本平台内部模拟工作流 (simulated workflow),不是外部真实同行的评审认定。

  • Reviewer ID 是占位符 (placeholder),不对应任何真实人类评审员
  • Score 是静态 demo 数据,非真实评审打分
  • Next-state recommendations (REVISED, BLOCK_TRANSITION) 是平台内部规则,非外部专家共识
  • Comments 是 demo 模板,非真实同行意见

本平台不会自动调动真实人类评审员;若需引入真实同行评审,必须由平台管理员显式发起 (per v1.0 invariant inv-pub-v1.0-9)。