探索數位典藏的詮釋資料與索引典之多語化(註 1)
An Exploration of Developing Multilingual Metadata and Thesauri
for Digital Libraries
陳 淑 君
Shu-Jiun Chen
中央研究院資訊科技創新研究中心研究助技師
Assistant Research Engineer, Research Center for Information Technology Innovation,
Academia Sinica
E-mail: sophy@sinica.edu.tw
城 菁 汝
Ching-Ju Cheng
國立臺灣藝術大學藝術管理與文化政策研究所博士生
Ph.D. Students, Graduate School of Art Management & Culture Policy,
National Taiwan University of Arts
E-mail: elizza29@gmail.com
陳 雪 華
Hsueh-Hua Chen
國立臺灣大學圖書資訊學系暨研究所教授
Professor, Department and Graduate Institute of Library and Information Science,
National Taiwan University
E-mail: sherry@ntu.edu.tw
【摘要 Abstract】
本文以兩個數位典藏多語化國際合作計畫為研究案例，進行詮釋資料與索引典多語化方法架構之討 論。首先，藉由索引典探討中文與英文控制詞彙語義互通的架構，提出翻譯、對應、在地化及創造等四 個模組，其次，探討以中文詮釋資料為基礎，英文化的四項步驟，包括比對、揀選、翻譯及控制詞彙。 最後，本文討論兩個案例藝術與建築索引典與 ARTstor 合作計畫所面臨的關鍵議題，包含中英文詞彙 5:2=83(Nov. ’13)49-72 ISSN 1023-2125對應與翻譯時無法互為完全等同關係的問題，及詮釋資料翻譯與詮釋資料品質問題，並提出解決方法與 建議。
In this paper, we aim to explore methodologies of developing multilingual metadata and thesauri for digital archives through case studies of two research projects. We first analyze the Chinese thesaurus and the English thesaurus to construct a methodological framework for Chinese-English lexical and semantic interoperability, proposing four main modules, including translation, mapping, localization, and creation. The next step is to examine the four steps involved in transcribing the Chinese metadata into the English form, including mapping, selection, translation, and vocabulary control. This paper further looks into several key issues faced by the two research projects, such as the varying degrees of semantic equivalence between Chinese and English vocabulary, metadata translation, and the quality of metadata.
關鍵詞 Keyword
多語化 詮釋資料 後設資料 索引典 數位典藏 數位圖書館 Multilinguality；Metadata；Thesauri；Digital archives；Digital libraries
壹、前言
自從美國國家科學基金會於 1994 年開始數位 圖書館先導計畫以降，多語化成為全球各國數位圖 書館研究領域裡最重要的議題之一(Borgman, 1997; Fox & Marchionini, 1998; Oard & Diekema, 1998; Zeng & Chan, 2004; Clough & Eleta, 2010)。台灣從 2002 年開始啓動大規模的數位典藏國家型計畫， 在 累 積 兩 百 萬 件 數 位 藏 品 之 際 ( 計 畫 辦 公 室 ， 2007)，於 2007 年開始成立國際合作分項計畫，其 中一項重要的任務是建立數位成果網站的多語化 內容。數位典藏與數位學習國家型科技計畫的目標 是永續經營台灣的數位文化資產，並且將計畫的成 果推廣至產業界、教育界與學術界。此國家型計畫 於 2012 年底已正式結束，產生超過六百萬件數位 化的藏品，目前已整合於數位典藏聯合目錄，除了 數位圖檔並建立以中文為主的詮釋資料(註 2)，公 開於網際網路供全球檢索與利用(計畫辦公室， 2013)。然而要將這些豐富而多樣的數位藏品進一 步地與世界分享，極需克服語言隔閡的挑戰。本文 係根據作者參與中央研究院及數位典藏與數位學 習國家型科技計畫的多語化研究計畫之建構經 驗，在數位圖書館的脈絡下提出索引典與詮釋資料 多語化的研究框架，旨在探索並發展中文資訊組織 的多語化議題與方法，終極目標是為讓使用者能以 多種語言檢索數位化的中文數位典藏資源。首先， 本文以數位典藏與數位學習國家型科技計畫與美 國蓋提研究中心的國際合作計畫－中文版藝術與 建築索引典(AAT Taiwan)為例，說明對應與翻譯三 萬五千筆英文控制詞彙成為中文詞彙的方法與步 驟。其次，本文呈現數位典藏與數位學習國家型科 技計畫與美國美崙基金會(The Andrew W. Mellon Foundation)的 ARTstor 數位圖書館之合作計畫，分 析如何為中華文化概念為基礎的數位藏品建置英 文詮釋資料。最後，本文提出資訊組織多語化的議 題討論及結論。
貳、數位典藏多語化的研究方法與框架
數位典藏與數位學習國家型科技計畫(為行文 方便，以下簡稱 TELDAP)自 2007 年開始，分別以 三個途徑為數位化藏品提供多語化機制。第一個途 徑，是成立 AAT Taiwan 研究團隊(http://aat.teldap. tw/)，並與美國蓋提研究中心合作，進行藝術與建 築索引典(Art & Architecture Thesaurus, AAT)英文 術語的中文化研究。同時將 AAT-Taiwan 與數位典 藏聯合目錄的百萬件數位藏品詮釋資料整合，主要 目的是為了提供全球的使用者以在地語言檢索與 瀏覽台灣的數位典藏資源。第二個途徑，是藉由與 美國 ARTstor 的先導國際合作計畫，挑選出五百筆 TELDAP 數位化的藏品，並進行藏品詮釋資料的 英文化研究。第三個途徑，是建立 TELDAP 成果 的多語化網站(http://culture.teldap.tw/culture/)，粹 取中文版成果入口網(http://digitalarchives.tw/)的重 要典藏資源進行英文，日文與西班牙文翻譯(Chen & Chen, 2008)。限於篇幅與時間，本文將僅詳細說 明上述的第一與第二種途徑之多語化研究方法與 框架。一、藝術與建築索引典中文化研究
(AAT Taiwan)
美國蓋提研究中心從 1970 年代便開始發展藝 術與建築索引典(AAT)，目前已建立三萬五千多筆 概念詞彙及十三萬一千條多語及同義詞(Harpring, 2009)。該索引典是一部符合國際標準組織(ISO)規 範，以階層式架構呈現的資料庫，其層級架構包括 等同關係、階層關係及聯想關係。詞彙的範疇囊括 藝術、建築、裝置、物質文化與質材的概念。自 2008 年開始，TELDAP 與美國蓋提研究中心共同 合作研究開發中文版的藝術與建築索引典(AAT Taiwan)。雖然國際 標準組 織 (ISO) Guidelines for the establishment and development of multilingual thesauri 等標準提供諸多設計發展多語索引典的指 引(ISO, 1985, 2011a, 2011b)，相關的研究文獻也提 供許多的發現與議題(Hudon, 1997; Zeng & Chan, 2004; Landry, 2004; Park, 2007)。但是基於語言的獨 特性，尤其是英文與中文是兩個距離相當遙遠的語 系及文化脈絡，大規模而有系統地從英文索引典轉 化為中文，尚只有很少的研究文獻(Liang & Sini, 2006)，甚至以藝術為主的中英雙語索引典研究與 發展更是付之闕如。因此在最初規劃藝術與建築索 引典中文版(以下簡稱 AAT Taiwan)時，研究團隊面 臨諸多方法論與操作面的議題與決擇，包括應該如 何發展一套方法論？該使用什麼方式來翻譯？是 否僅翻譯偏好詞彙？不同語言之間的轉換是翻譯 還是對應(mapping)？兩者之間該如何區別及落實 為可操作的工作任務？應該如何組成一個多語化 團隊？完整的團隊成員需要由那些資格與背景組 成？翻譯過程中，中英詞彙對應的原則是什麼？如 果有一對多的情況，該如何選擇描述語(或偏好詞 彙)？若是遇到文化空缺的詞彙，該如何進行對 譯？ 為讓此項國際合作計畫更有效落實，TELDAP 與美國蓋提研究中心於 2008 年到 2013 年之間，舉 辦 了 六 場 國 際 術 語 學 工 作 小 組 (International Terminology Working Group, ITWG)會議，與同在 執行 AAT 多語化的成員國家之研究機構與學者， 包括美國(英文)、台灣(中文)、荷蘭(荷蘭文)、智利 (西班牙文)、德國(德文)、瑞士、巴西及英國等進 行跨國多邊研究討論會，共同探討術語多語化的理 論與實踐，控制詞彙如何改善數位圖書館的搜尋與 瀏覽功能等多項議題。歷年的相關探索題目，諸如 多語化對應關係面臨的議題與挑戰：西班牙文版藝 術與建築索引典翻譯計畫的經驗與中英兩種語言 間等同關係對應的方法與問題等。藝術與建築索引 典中文版(AAT Taiwan)所使用的研究方法與框架 如圖 1，共涵蓋翻譯、對應、在地化和創造四個模 組，逐一探討如下。
圖 1 多語化索引典研究方法與框架
(一)翻譯模組
所謂翻譯在此意指將英文版的 AAT 翻譯成 中文版，其中包括詞彙及範圍註兩項中文翻譯。 例如一個有關藝術風格的 AAT 詞彙 Rococo，其 範 圍 註 為 「 Refers to that period primarily of decorative art that emerged in France ca. 1700 at the court of Louis XV, and dominated Europe until it was superseded by the Classical Revival in the late 18th century. The style is characterized by opulence, asymmetry, grace, gaiety, and a light palette of colors, in contrast to the heavier forms and darker colors of the Baroque.」，中譯後詞彙為洛可可，中 譯的範圍註是「指約西元 1700 年，法王路易十五 時期的裝飾藝術，後風行整個歐洲，直到十八世 紀後期被新古典主義所取代。其特徵為富麗奢 華、不對稱、優美雅致、歡樂與色彩明亮，與巴 洛克厚重的形式和暗色調迥異。」從管理角度檢 視，初期 AAT Taiwan 研究團隊在翻譯模組方面最 重視三項任務，分別是徵才、教育訓練以及品質 管理。在徵才方面，翻譯成員的背景盡量要求外 語、翻譯及藝術等專業多元性。以 2010 年為例， 十餘位翻譯成員當中 46%主修翻譯，31%主修外 國語言與文學，15%則有藝術與建築背景；校訂 成員中 43%主修藝術與建築，29%主修外國語言 與文學，15%主修翻譯。教育訓練方面，需要教 導譯者與校訂者遵循一致性規則及步驟來翻譯， 同時研究團隊發展一系列翻譯操作程序規範、索 引典中譯原則、可譯性限制的操作原則、校訂程 序原則等，讓整個翻譯流程能進行的更流暢順 利。例如：提供譯者及校訂者一份經研究分析後 的固定中英詞彙翻譯表，指引譯者與校訂者在翻 譯先導詞或一般性詞彙時的標準譯法。譯回內 容，則需設計方法與步驟可以檢驗翻譯與校訂過 後的範圍註，並且確認範圍註的精確度和流暢 度。在實際操作面，最常遇見的是曲解或是無法 完整呈現原句意涵的情況，以及該詞彙在東西方 概念下無法完全精準對應或是有對應錯誤的情 形。此外，研究團隊也採用線上論壇模式回應譯 者的問題，此舉可免除管理團隊重複回答相同問 題的情況，亦可讓譯者互相學習並提升翻譯效率。
(二)對應模組
對應(mapping)在此意指英文詞彙與中文詞彙 之間的語義對譯，其可能包含兩種模式，第一種模 式是將來源詞彙(如：在本研究是 AAT 的英文詞彙) 對譯到目標詞彙(如：在本研究是概念相同的中文 詞彙)，在此研究計畫的每條 AAT 英文詞彙皆需有 至少三個具權威性來源的資料作為翻譯佐證，方 被認可為正式的中譯名稱，而非由譯者任意自行翻 譯的詞彙。這些具權威性的翻譯來源，也許是權威 機構使用的中文控制詞彙，或是由專家學者認可的 參考資料中找出的中文詞彙。如果是常用字彙，則 多以 TELDAP 聯合目錄作為語料庫基礎，尋找最 多使用的中譯名稱。在執行對應模組時，翻譯團隊 以具權威性的資料來辨別中英詞彙對應關係，並以 五種對應關係來表示原英文詞彙與中譯詞彙之間 的關係，分別是精準等同、不精準等同、部分等同、 一對多等同以及不等同。 第二種模式，是反之將目標詞彙(如：在本研究 是國立故宮博物的中文詞彙)，對譯到來源詞彙 (如：在本研究是 AAT 的英文詞彙)。根據 Chen & Chen (2012)以國立故宮博物院器物類的中文控制 詞彙，作為中英詞彙概念對應分析的基礎，並以上 述五種對應關係作為對應分析。整個完整中英詞彙 對應流程包括如下重要步驟：(1)為中文原詞彙蒐集 並辨識具權威性的英文詞彙(詳表 1)。(2)選定最合 適的中文詞彙成為此概念在索引典中文版的偏好 詞彙，其他詞彙為非偏好詞彙，但仍可被使用者檢 索(詳表 2)。(3)選擇上述五種關係之一來代表目標詞彙與來源詞彙之間的等同關係類型，以作為未來 檢索系統在處理概念檢索時的精確與模糊之設計 基礎(詳表 3)。
表 1
來源詞彙與目標詞彙語義對應查證之分析示例
目標詞彙 (取自故宮) 已存在的翻譯 參考資料 目標詞彙的參考來源 孔雀藍 Peacock blue 藝術名詞與技法辭典(2002)中文 版本 數位典藏子計畫國立故宮博物 院詮釋資料規格書第 1.2 版本， 第二十頁表 2
目標詞彙對應至來源詞彙及相應結構之分析示例
目標詞彙 (取自故宮) 在目標詞彙的 概念脈絡 對應於的來源詞彙(AAT)及其概念脈絡、意義 繡花 繡花(〈技法〉) Term: embroideringHierarchy: Processes and Techniques Facet: Activities Facet
Note: embroidering(needleworking(process)，
<needleworking and needleworking techniques>，... Processes and Techniques)
表 3
目標詞彙與來源詞彙的對應關係類型之分析示例
對應關係類型 在本研究的意涵 範 例 目標詞彙 來源詞彙 完全等同 目標詞彙(取自故宮)的中 文與來源詞彙(AAT)的英 文代表的概念完全相同 仰韶文化 (〈考古學文化〉) Yangshao(<Chinese Neolithic periods>，<Chinese prehistoric periods>，... Styles and Periods) ID: 300173481(三)在地化模組
在地化模組，可以區分為兩種互為雙向流程。 第一種是從原為英文的來源詞彙，進行中文化而成 為目標詞彙的在地化過程。中文化的過程並非只是 單純地進行翻譯，由於涉及兩個不同文化背景及對 一個概念的指涉範疇之狹廣與深淺，在來源語與目 標語的轉譯之間，可能需要經過在地化的處理，以讓一個概念在兩個語言的連結之際，獲得最佳化的 語義互通性。此外，來源語在轉譯為目標語的過 程，可能出現多種譯法，或是來源語較目標語具有 更模糊的概念。例如：「ceramicists」 (ID: 300025388) 在英文意指「從事陶藝創作、陶瓷品製作或製陶相 關技術研發者」。在轉譯為中文時，不同文獻及權 威工具書可能將此詞彙對應到「陶匠」、「陶瓷藝 家」、「陶藝家」、「陶瓷工」及「製陶業者」等不同 的中文詞彙。基於索引典的檢索功能，需要蒐集並 聚合這些相對於來源語的目標語之所有同義詞或 類同義詞。對於多語索引典而言，這是一種在地化 的過程，因為中文化的詞彙已盡可能納入各種相對 於來源語的在地詞彙。 第二種是將原為中文的目標詞彙，進行英文化 而成為來源詞彙的一部分。此情況經常出現在：(1) 當中文詞彙無法找到概念完全相等的英文詞彙 時，在此研究計畫會建議修改 AAT 裡最近似的英 文詞彙範圍註內容，希望能達到中英文概念的範疇 完全等同的狀態，(2)或是需修訂 AAT 的層級架 構，讓新加入的中文概念詞彙能夠融入整體架構 裡。
(四)創造模組
在多語化的研究發展過程，若是以一個已存在 的來源語索引典(如：AAT)為基礎，藉由翻譯或對 應等方法建立目標語索引典(如：AAT-Taiwan)，會 產生某些概念詞彙是部分等同或完全對應不到的 問題，其中若是主要形成的原因是文化或與語言差 異性，則會需要利用創造模組，對來源語所缺乏的 詞彙或結構進行從新的建立與發展，以讓來源詞彙 與目標詞彙達到最佳化的多語索引典。例如，以西 方藝術為基礎發展而成的 AAT，可能無法全面性 包含其他文化中的重要語彙諸如中國藝術領域，因 此可能造成目標詞彙在經過轉譯整個來源詞彙之 後，依然不是最完整的詞彙集，甚至概念結構也會 有所缺漏。以 AAT-Taiwan 的研究發展為例，可以 建立三個解決的操作方式包括：(1)找出來源詞彙 (如：AAT)沒有，但是對目標詞彙(如：中國藝術領 域)具重要性的詞彙，(2)將這些中文詞彙進行英文 轉譯，並且嘗試辨識出能夠讓這些詞彙整合在 AAT 適 當 的 概 念 結 構 之 中 ， (3) 最 後 將 這 些 AAT-Taiwan 所新創造的詞彙貢獻於 AAT 中。以「中 國書體」為例，「隸書」、「楷書」、「篆書」等詞彙 皆為中國書畫領域的重要書體形式，然而在 2010 年的 AAT 版本並未收錄這整組詞彙，甚至概念結 構也完全缺乏。經過研究分析，AAT-Taiwan 團隊 與書法研究的專家學者共同發展一組中國書體的 控制詞彙及語義結構，包括甲骨文、金文、篆書、 隸書、楷書、行書、草書等不同概念詞彙，並借用 AAT 中〈阿拉伯書體〉層級向下囊括了十二種阿 拉伯書體形式的原則與作法，增設〈中國書體〉層 級到“書體(書寫)－〈依形式區分之書體〉”之 下，同時成為「阿拉伯書體」同位階的架構，請參 考下圖(詳圖 2)scripts (writing)
28
Example : Chinese Scripts
<中國書體> <Chinese scripts> 篆書 seal script 隸書 clerical script 楷書 standard script 行書 running script 草書 cursive script (1)甲骨文 oracle bone script (2)金文 bronze inscriptions (3)大篆 great seal script (4)小篆 small seal script (1)秦隸 Qin clerical script (2)漢隸 Han clerical script (1)行楷 running-standard script (2)行草 running-cursive script (1)章草 draft cursive Script (2)今草 modern cursive script (3)狂草 wild cursive script <scripts by form>
<Latin and Greek alphabet scripts> <Arabic scripts>
鳥蟲書 Bird-worm seal script
圖 2 創造新詞彙
二、數位典藏詮釋資料英文化研究
(TACP)
對於一個擁有百萬筆中文詮釋資料的數位典 藏資源，如何發展英文化詮釋資料，以提供世界各 地更多使用者近用數位資源是數位典藏推廣研究 的一項挑戰。就策略方法 ，可以發展合集層級 (collection level)或館藏層級(item level)的英文化詮 釋資料。前者以一個資源合集為單位建立一筆詮釋 資料，例如：故宮博物院書畫典藏資源為一個合 集；後者則是以每項單件館藏為單位並逐一建立詮 釋資料，例如：為故宮博物院書畫合集的其中一幅 作品「宋郭熙早春圖」建立的詮釋資料，是屬於館 藏層級。本文是以精選館藏層級的藏品之中文詮釋 資料，與美國 ARTstor 合作進行英文化先導研究， 主要目的是想探索來自不同典藏計畫，各有不同特 色的中文詮釋資料，在與國際為平台的數位圖書館 整合時，轉譯為英文詮釋資料的方法與步驟，及其 成本效益。ARTstor 是由美國美崙基金會(The Andrew W. Mellon Foundation) 成 立 的 非 營 利 數 位 圖 像 圖 書 館，收錄超過一百五十萬筆藝術、建築、人文和科 學的圖像(註 3)。圖像(image)資料主要是來自世界 著名博物館、圖書館、大學、研究單位、相片檔案 館、攝影師、學者、及藝術家的收藏。ARTstor 最 大特色是提供高解析度數位影像，藉此幫助學者、 教育工作者、和學生利用圖像資料進行研究、教學 和學習。TELDAP 與 ARTstor 合作計畫(TELDAP & ARTstor Collaboration Project，簡稱為 TACP)起源 於 2009 年 12 月，ARTstor 希望能收錄臺灣 TELDAP 豐富的數位圖像資料，尋求與 TELDAP 建立國際 合作關係。TELDAP 評估此國際合作計畫能協助 藏品詮釋資料英文化、提升臺灣數位圖像於國際平 台的能見度、以及作為數位典藏永續經營的參考模
式，決定以 500 筆藏品的圖像及詮釋資料作為先導 計畫之試行範本。TELDAP 透過計畫內部的一系 列座談會議，最後獲得十五組資料集加入 TACP 合作案，內容橫跨藝術、歷史、考古、人類學等學 科領域(詳表 4)。
表 4
參與 TACP 合作案之資料集清單及藏品數量
No. 藏 品 典藏單位 數量 1 明清檔案 中央研究院歷史語言研究所 20 筆 2 佛教石刻造像拓本 中央研究院歷史語言研究所 25 筆 3 考古遺物 中央研究院歷史語言研究所 45 筆 4 甲骨文拓片 中央研究院歷史語言研究所 10 筆 5 漢代石刻畫象拓本 中央研究院歷史語言研究所 40 筆 6 青銅器拓片 中央研究院歷史語言研究所 20 筆 7 善本圖籍 中央研究院歷史語言研究所 20 筆 8 西南少數民族文物 中央研究院歷史語言研究所 20 筆 9 貝類標本 中央研究院生物多樣性研究中心 40 筆 10 古拓碑 國立臺灣大學 20 筆 11 照片 國史館 10 筆 12 書畫 國立故宮博物院 30 筆 13 玉器 國立歷史博物館 18 筆 14 繪畫 華岡博物館 195 筆 15 繪畫、書法、服飾、攝影 TELDAP 第一分項 10 筆 總 合 523 筆 TACP 首先面臨的第一個問題為：應該提供哪 些藏品資料給 ARTstor？即藏品詮釋資料應該包含 哪些共通性欄位？TACP 首先觀察 ARTstor 實際的 詮釋資料案例，分析各個單位諸如美國國會圖書 館、大都會博物館、倫敦泰特不列顛藝廊、美國康 涅狄格學院等，發現其提供之藏品詮釋資料欄位從 7 至 14 個欄位多寡不一，其中多數藏品詮釋資料 的共通欄位包括：標題(title)、創造者(creator)、權 限(rights)、來源(source)四個欄位(詳表 5)。表 5
ARTstor 五個單位範例之詮釋資料比對
其次，TACP 觀察三套國際重要藝術相關的詮 釋資料標準及編目規則，分別是藝術作品描述類目 (Categories for the Description of Works of Art，簡稱 CDWA)、藝術作品描述類目精簡版(簡稱 CDWA Lite) ，及 描 述 文 物 之 資 料 內 容 標 準 (Cataloguing Cultural Objects: A Guide to Describing Cultural
Objects and Their Images，簡稱 CCO)。對此三套資 料結構及資料內容的國際標準，抽取出共通性元素 並進行比較分析，發現此三套標準同時將六個欄位 列為必填或核心欄位，包含作品類型(work type)、 標 題 (title) 、 創 造 者 (creator) 、 日 期 (date) 、 材 質 (material)和典藏單位(repository)(詳圖 3)。
圖 3 國際標準比對
最後，TACP 統合上述兩項研究結果，並進一 步分析都柏林核心集國際標準(Dublin Core)，以及 參與 TACP 合作案之資料集的詮釋資料欄位，建議 該合作案的數位藏品提供給 ARTstor 的詮釋資料 為：識別碼(identifier)、標題(title)、創造者(creator)、 日期(date)、尺寸(measurements)、作品類型(work type) 、 描 述 (description) 、 材 質 (material) 、 主 題 (subject)、典藏單位(repository)、和權限(rights)等 11 個欄位，而其中 5 個是為必填欄位(標題、日期、 作品類型、權利、典藏單位)(詳圖 4)。2010 年 2 月至 8 月這段期間內，十五組橫跨 藝術、歷史、考古、人類學的典藏資源共 523 筆詮 釋資料加入 TACP。為減少典藏資源提供者的負 擔，TACP 只要求典藏資源提供者提供藏品標題、 識別碼及資料庫連結三項資訊(詳圖 5)，TACP 研 究團隊負責從相關資料庫查找出該筆中文詮釋資 料，再進行詮釋資料多語化作業。本文將討論 TACP 如何透過四道程序：比對、揀選、翻譯及控 制詞彙，建立與 ARTstor 合作的英文詮釋資料。
圖 5 典藏單位提供之選件清單
(一)比對
參與計畫的十五組數位典藏資源各有其詮釋 資料設計，其中部份典藏資源的詮釋資料設計相當 仔細且複雜，從各層面描述藏品特色，如考古「遺 物資料庫」詮釋資料除了基本資料，還有銘文、紋 飾、形制、工藝分類、表面遺痕等欄位(圖 6)。因 此，如何將豐富的詮釋資料正確地比對至簡單的 11 個詮釋資料欄位，是 TACP 很大的挑戰。圖 6 遺物資料庫的「帶卜辭龜腹甲」(註 4)
TACP 藏品資料主要來源有二，一是呈現藏品 豐 富 內 涵 的 計 畫 公 開 網 站 ， 另 一 為 收 錄 所 有 TELDAP 計畫藏品目錄的數位典藏與數位學習連 合目錄(註 5)。TACP 研究團隊依據都柏林核心集 一對一的原則(註 6)製作藏品比對表，先比對計畫 公開網站(即原始網站)與聯合目錄欄位，再依據藏 品脈絡揀選適合提供給 ARTstor 的 11 欄位(詳表 6)。TELDAP 計畫常以同一類型的藏品為目標對象 (如拓片，通常所有計畫內的藏品都是拓片)，為了 區別及分辨藏品，作品類型(work type)常使用較細 緻的下位詞(如炊器(拓片)、水器(拓片)、酒器(拓 片)、食器(拓片))，而較少直接採用上位詞(拓片)。 然而，當單一計畫藏品資料需呈現於大型且綜合性 的資料庫時，如中央研究院歷史語言研究所-青銅 器拓片計畫藏品呈現於 ARTstor 平臺時，TACP 建 議作品類型(work type)採用上位詞「拓片」，而原 先較精細的下位詞則比對至「主題(subject)」欄位。 以〈史獸鼎〉為例，TACP 建議提供 ARTstor 之詮 釋資料的作品類型(work type)為「拓片」，主題 (subject)則是「炊器」(詳表 6)。表 6
(二)揀選
第二道程序是揀選，其所面臨最大的挑戰是中 文與英文語言上之差異。中國書畫作品上常有創作 者或由後人加入的款識或印記，款識文字為沒有標 點符號的文言文，即使具備中文書寫能力的現代人 也很難正確斷句及判讀。以華岡博物館收藏之〈張 性荃山水〉款識為例(如圖 7 上方的書法)： 問余何事棲碧山笑而不答心自閑桃花流 水杳然去別有天地非人間丙辰冬季於養石樓 以李白詩意性荃圖 7 華岡博物館〈張性荃山水〉
此外，部份藏品的款識內容相當長，有時還會 出現亂碼(註 7)，如華岡博物館收藏之〈周哲天都 峰瀑布〉款識為例： 一生清廉惟黨國 四明佳士育英才 母校 中國文化大學創辦人張公曉峰夫子百年誕辰誌慶 天都諸峰遙相從 連綿嶧屬無罅縫 山腰白雲 出衣帶 雲生迭迭山重重 峯內有峰類皴染 須臾蓊何仍混同 曾雲聚族雨決溜 溪山天水 齊溟蒙 是時水勢猶未雄 江河欲決翻坌壅 良久雨足水積厚 瀑布倒瀉天都峰 初疑渴龍 甫噴薄 抉石投奅聲磋□ 復疑水激龍拗怒捽尾下撥百丈洪 更疑群龍互轉斗 移山排谷 轟圓穹 人言水借風力橫 那知水急翻生風 激 雷狂電何處起 發作亦在風水中 波浪喧豗草 木亞 搜攬軒簸心忡忡 潭中老龍又驚寤 緣 浪濆湧軒窗東 山根颯拉地軸震 旋恐黃海浮 虛空 亭午雨止雲戎戎 千條白煉回沖融 憑 攔心 TACP 經過研究分析後，考量 ARTstor 目標對 象為外國人，且詮釋資料將以英文呈現，提出兩項 處理原則： 1. 作品款識內容短、辨識度高，則建議翻譯。 例如華岡博物館所藏之〈金哲夫雪梨秋 色〉： Title 金哲夫雪梨秋色 Description 款識(行書)：金哲夫一九七三 Rights 中國文化大學華岡博物館 2. 當款識內容太長且出現亂碼，則建議不翻 譯。如上述〈張性荃山水〉及〈周哲天都 峰瀑布〉；但仍建議可於 ARTstor 平臺呈現 藏品款識之中文原文。
(三)翻譯
翻譯是第三道程序，可以包含四個步驟：譯者 初翻、華裔校訂、外籍潤稿、內部總審。上述四個 步驟統一於 TELDAP 數位典藏與學習聯合目錄翻 譯平台上作業(圖 8)，每位翻譯者都有各自的帳號 可以線上登錄，遇到翻譯問題時，舉凡中文詮釋資 料的錯字、藏品影像錯誤、翻譯一致性等，翻譯者 皆可直接線上標註，方便總編輯及時確認及回應。圖 8 數位典藏與學習聯合目錄翻譯平台(註 8)
翻譯步驟遇到最大的困難為：藏品詮釋資料具 大量藝術專有名詞，這些名詞並無英文對應用法， 又屬於少用字彙，查詢不易，導致翻譯速度較慢。 以中央研究院歷史語言研究所收藏〈青銅刀柄〉之 描述為例： 人形，倒梨狀人面，眉、眼、鼻、齒、 唇、耳皆具。……。兩側所見腿部併合方式 及裂口不一，革部呈長方形，接刃開口為長 橄欖狀，整個器型則為沙漏狀。頂部有一弧 形片狀，或許為繫部。 其中「革部」、「繫部」為現代罕見用語，資料 難以查詢，對翻譯人員而言較難翻譯。又譬如故宮 博物院所藏〈唐人宮樂圖〉之描述為例： 本幅無作者名款。……圖中席面壺門式 大案腿下有托泥，形成箱形榻體，四邊有鏨 花的銅包角，符合隋唐流行樣式。仕女側坐 月牙凳子，是唐代新興家具，長方凳面施錦 緞坐墊，四足皆有華麗雕飾，腿間墜以彩穗。 此圖飲茶方法屬煮茶法。將調好的茶湯盛入 大撇中，再以長杓分茶，盛入茶碗供飲，適 用於人多盛會時。桌面上另置有羽觴，茶酒 可同時飲用，並配以茶果。 說明文字中出現「托泥」、「箱形榻體」、「鏨花 的銅包角」、「大撇」等專有名詞，翻譯人員參考藏 品圖片後仍不易理解，翻譯時只能以模糊的文字處 理。
(四)控制詞彙
最後一道程序是控制詞彙的應用，控制詞彙來 自美國蓋堤研究中心所研發的藝術與建築索引典 (The Art & Architecture Thesaurus，簡稱 AAT)及地 名 索 引 典 (The Getty Thesaurus of Geographic Names，簡稱 TGN)( Getty Research Institute, 2011) (詳圖 9、圖 10)。AAT 運用於作品類型欄位，所採 用 的 控 制 詞 彙 有 照 片 (photographs) 、 油 畫 (oil paintings)、水彩畫(watercolors)、拓片(rubbings)、 書本(books)、善本書(rare books)等；地名索引典只 應用於地理資訊是作品脈絡的關鍵資訊之藏品，如 照片的拍攝地點、考古物件的發掘地點，則採用地 名索引典中的控制詞彙。圖 9 國史館所照片採用 AAT 及 TGN 控制詞彙的照片
叁、綜合討論
本文在數位圖書館的脈絡下論述多語化的研 究方法與框架。藉由執行兩個國際合作研究計畫的 研究結果與經驗，說明如何讓全世界不同語言使用 者，能更容易檢索與近用數位典藏後中國藝術作品 的方法。以下說明兩個多語化計畫所面對的關鍵議 題：一、驗證中英文詞彙語義概念的等同對應
程度
分析國立故宮博物院中文控制詞彙，以及 AAT 英文描述語之間的對應關係，先導研究發現 中英詞彙之間的等同對應程度，可以區分出六種類 型，分別是精準等同、精準等同(cross ref.)、不精 準等同、部分等同(例如：生物類的屬種關係)、不 等同(文化特殊性)、不等同(Chen & Chen, 2012)。 本文以其中的不精準等同對應關係為例，並以 東西方概念脈絡下的「香爐」(censers)作為說明。 美國蓋提研究中心將西方概念脈絡下的「censers」 定義為「蓋子有孔的容器，在儀式中用於焚香，特 別可見於基督教儀式」，然而，中文概念的香爐定 義是「宗教或儀式用的焚香容器，依大小不同可能 放置於廟前或是供桌上。」兩相對照下分析出中西 方對「香爐」的概念呈現不精準等同關係，因為中 文概念裡的香爐可能沒有蓋子，而且並不會用於基 督教儀式(圖 11)。在此情況，研究團隊必須為該詞 彙增補範圍註描述，以在已有的西方概念之下，也 完整呈現東方對此詞彙的核心描述。A typical censer in the West Typical censers in Chinese culture
圖 11 東西方概念脈絡下的香爐(censers)
再以部分等同關係為例探討，當詞彙在一個文 化脈絡下的概念比另一個文化下的概念涵蓋範 圍，較窄或是較廣時，便形成部分等同的對應關 係。本研究發現故宮使用的詞彙概念較 AAT 詞彙 精確而深化，因此故宮詞彙經常僅能對應至 AAT 較上位的詞彙。例如：AAT 層級架構裡「幾何紋飾」的下位詞僅有「小圓點」一個詞彙。相對地， 在故宮層級架構裡，「幾何紋飾」的下位詞是「小 圓點」，「小圓點」之下還有不止一個下位詞，諸如 「乳丁紋」、「榖紋」等。這些「小圓點」之下的下 位詞未來需要再進一步檢視，如果分析後可以證實 在中國藝術脈絡下是很重要的概念，則本研究建議 需要使用創造模組，新增這些詞彙，並放置於目前 AAT「小圓點」層級架構之下。
二、詮釋資料品質與成本
TELDAP 以近七個月時間執行與 ARTstor 的 合作計畫，透過上述四道程序完成十五組橫跨藝 術、歷史、考古、人類學等學科領域的典藏資源， 累計共 523 筆詮釋資料。雖完成了有品質的多語化 詮釋資料，然而過程卻花費大量的時間、人力及金 錢等成本，特別是在詮釋資料比對及翻譯兩道程 序，平均一筆完成四道程序的詮釋資料花費約計 90 美金。 以比對為例，為提高臺灣典藏機構參與本國際 合作案之意願，如前所述 TACP 只要求典藏資源提 供者提供藏品標題、識別碼及資料庫連結三項資 訊，TACP 研究團隊負責從相關資料庫查找出該筆 中文詮釋資料，再進行詮釋資料多語化作業。實際 執行時遇到兩大困難：其一是不同典藏機構之藏品 詮釋資料品質不一，部份藏品需進行中文資料缺字 或亂碼確認(圖 12)。圖 12 中文資料缺字或亂碼確認
其次，當藏品資料庫資訊密度過高，特別是資 料庫包含兩種形式以上的資源時，如原器及拓片 (拓有原器的拓片)，TACP 團隊需要花費較多的人 力及時間，才能正確地完成都柏林核心集一對一的 原則的比對作業。例如，以青銅器拓片〈史獸鼎〉 為例，經過比對發現聯合目錄將「原器年代」誤植 為拓片「日期」，因此 TACP 將「原器年代：西周 早期」調整至拓片「描述」欄位(詳表 7)；此外， 拓片上的印記資料為研究上重要之參考，因此 TACP 建議以「印文：印文內容(位置)」格式將資 料轉入「描述」欄位提供給 ARTstor(詳圖 13)。此 部分比對上需要花較多時間去釐清資料庫中不同 藏品的層次間關係，才能完成正確的比對。表 7
〈史獸鼎〉提供 ARTstor 之詮釋資料比對
以翻譯為例，藏品「描述」內容經常出現學術 性專有名詞，例如缺乏英文對應詞的中國藝術詞 彙，需要翻譯者花費較多時間尋找及確認。再加 上，有些詞彙過於學術或描述文字太過文言，很難 直接翻譯，如何判斷適合的翻譯方式也是一大挑 戰。例如藏品「描述」為：「羲之精於章草、隸、 八分、飛白、真、行諸體，亦能繪事，後世更尊為 書聖」，有兩種翻譯方式：全部翻譯(如 1)或摘要式 翻譯(如 2)，也是 TACP 需要面臨的抉擇。 1. Wang Xizhi was skilled in almost all of the
calligraphic script types: Zhangcao (one style of cursive scripts), Lishu (clerical script), Bafen, Feibai, Zhengshu, Xingshu (semi-cursive script), etc. He was so influential that later generations elevated him to the supreme position as the “Sage of Calligraphy.”
2. Wang Xizhi was skilled in almost all of the calligraphic script types, and he was already highly regarded in his own time. He was so influential that later generations elevated him to the supreme position as the “Sage of Calligraphy.” 對 TACP 研究團隊而言，所面臨最大的挑戰 為：如何在有限的人力、經費及時間內，產出有品 質的詮釋資料。檢視先期實驗計畫的四步驟，團隊 發現第一個步驟(比對)及第三步驟(翻譯)需要最多 的人力、經費及時間，究其原因，前者為典藏單位 藏品詮釋資料欄位豐富，如何將豐富的詮釋資料正 確地比對至簡單的 11 個詮釋資料欄位，是一大挑 戰；後者為藏品描述常出現專業性詞彙或文白交雜 的句子，增加翻譯的困難度。為加速多語化詮釋資 料過程，以快速地呈現並展示數位典藏，TACP 研 究團隊建議未來可採用下述策略：(1)減少詮釋資 料欄位數，只英譯六個(標題、創作者、日期、作 品類型、典藏單位、權限)最必要的欄位；(2)先進 行合集層次詮釋資料(collection-level metadata)多 語化，較屬主題層面的描述先不翻譯，待日後評估 再進行多語化；(3)導入 AAT 或任何的控制詞彙系 統於作品類型以維持詮釋資料的一致性。
肆、結論
本文以兩個數位典藏多語化國際合作計畫為 研究案例，試圖於數位圖書館脈絡下提出資訊組織 學的兩個層面之多語化方法架構。古典的資訊組織 學包括記述編目與主題編目兩大層面，在本研究以 數位圖書館為主要環境的記述編目是以詮釋資料 為對象，主題編目則是以索引典為例探討。在詮釋 資料方面，本研究個案面對的挑戰是「英文化的範 疇」與「英文化的方法」。對於一個已建立百萬件 數位典藏的中文詮釋資料，若要逐筆完整地建立英 文化詮釋資料，會是一項太浩大而不可及的任務。 但為達到多語檢索典藏資源的目標，從 TACP 對於 中文詮釋資料的英文化實證研究，本文建議思考三 項問題，第一是詮釋資料層次，例如要以合集層次 或館藏層次的詮釋資料作為外語化對象，或者兩個 層次的詮釋資料皆有需求？若是以館藏層次為 主，考量成本效益，是挑選部分藏品只展現代表性 的數位資源為主，或者應用控制詞彙諸如質材或類 型等屬性讓藏品詮釋資料的英文化詞彙更具一致 性，相對也降低成本。若是以合集層次為主，全面 轉化為英文的可能性較高。第二是區別詮釋資料的 外文化內容，當原來詮釋資料對藏品資源的主題提 供詳細而專精的描述文字，從 TACP 研究個案可以 觀察到要完整翻譯成另一種語言的效果並不佳，也 相對耗費許多資源與成本，因此建議應適當調整數 位藏品中英文詮釋資料的詳簡程度及設計。第三是 為詮釋資料發展控制詞彙，最基本的範圍類型建議包含藏品類型、地名、人名及典藏單位名稱。 索引典是控制詞彙的一種類型，可以增進數位 圖書館系統的檢索與瀏覽功能與效益。然而，從無 到有地發展一套完整的控制詞彙系統需要多年的 時間、人力與經費，例如美國蓋提研究中心從 1970 年代便開始發展 AAT，直到目前每年還是需要不 斷更新與新增詞彙，以維持索引典的適用性。因此 藉由已發展出來的索引典為基礎，進行不同程度的 多語化或在地化，是一種常見的發展索引典的研究 方法，本文的 AAT-Taiwan 研究個案便是其中的一 項實證研究，提出以翻譯、對應、在地化和創造等 四個模組為核心的多語索引典研究框架。此外，基 於中西方的語言與文化差異性，以西洋藝術為本所 發展的索引典，所呈現的詞彙概念與知識結構的差 異性與空缺性，本研究也提出具體解決方法，供作 為物質文化或藝術領域之數位圖書館的多語化方 法論參考模式，進而有助於日後多語化數位人文的 資訊分享。 (收稿日期：2013 年 9 月 1 日)
註釋
註 1：本文係根據作者發表於 Chen, S.J., Cheng, C.J. & Chen, H.H. (2011). Methodologies for multilingual information integration in the domain of Chinese art. IFLA Journal, 37(4), 296-304. 原稿中文翻譯後，並同時更新與修訂而成。 註 2：「詮釋資料」，是英文 metadata 的中譯，在台灣也譯為「後設資料」。 註 3：http://www.artstor.org/what-is-artstor/w-html/artstor-overview.shtml(瀏覽日期：2013/06/04) 註 4：數位典藏與數位學習連合目錄 http://catalog.digitalarchives.tw/ 註 5：數位典藏與數位學習連合目錄 http://catalog.digitalarchives.tw/ 註 6：都柏林核心集「一對一的原則」意指都柏林核心集只描述資源的一個表現形式或版本。(Hillmann, 2005) 註 7：亂碼出現原因不一，原因之一為款識書寫的中文字，有些當代已不使用，需要使用造字系統才能呈現。 註 8：http://www.digital.ntu.edu.tw/teldap/index.php
參考文獻
計畫辦公室(2007)。數位典藏國家型科技計畫第一期(91-95年度)成果報告(行政院國家科學委員會數位典藏國家型科 技計畫技術報告，NSC 95-3113-P-001-003-PO)。台北市：中央研究院。 計畫辦公室(2013)。數位典藏與數位學習國家型科技計畫(97-101年)總期程成果效益報告(行政院國家科學委員會數位 典藏國家型科技計畫技術報告，NSC 101-3113-P-001-003-PO)。台北市：中央研究院。Borgman, C. L. (1997). Multi-media, multi-cultural, and multi-lingual digital librareis. D-Lib, 3(6). Retrieved from http://www.dlib.org/dlib/june97/06borgman.html
Chen, H. H. & Chen, S. J. (2008). Approaches to multilingual access in digital libraries: The case of TELDA. Retrieved from http://dublincore.org/groups/languages/ dc-2008/Sophy_Multilingual_Access_in_Digital_Libraries.pdf
Chen, S. J. & Chen, H. H. (2012). Mapping multilingual lexical semantics for knowledge organization systems. The
Clough, P. & Eleta, I. (2010). Investigating language skills and field of knowledge on multilingual information access in digital libraries. International Journal of Digital Library Systems (IJDLS), 1(1), 89-103.
Fox, E. & Marchionini, G. (1998). Toward a worldwide digital library. Communications of the ACM, 41 (4), 28-32.
Getty Research Institute (2011). Censer in Art & Architecture Thesuaurs. Retrieved from http://www.getty.edu/vow/ AATFullDisplay?find=censer&logic=AND¬e=&english=N&prev_page=1&subjectid=300198814
Harpring, P. (2009). Art & Architecture Thesaurus: Editorial Guidelines. Retrieved from http://www.getty.edu/research/tools/vocabularies/guidelines/index.html#aat
Hillmann, D. (2005). Using Duline Core. Retrieved from http://dublincore.org/documents/usageguide/
Hudon, M. (1997). Multilingual thesaurus construction: Integrating the views of different cultures in one gateway to knowledge and concepts. Knowledge Organization, 24 (2), 84-91.
ISO (1985). Guidelines for the establishment and development of multilingual thesauri. ISO 5964.
ISO (2011a). Information and documentation - Thesauri and interoperability with other vocabularies - Part 1: Thesauri for
information retrieval. ISO/CD 25964-1, ISO/TC 46 / SC 9 ISO 25964 Working Group.
ISO (2011b). Information and documentation - Thesauri and interoperability with other vocabularies - Part 2:
Interoperability with other vocabularies. ISO/CD 25964-2, ISO/TC 46 / SC 9 ISO 25964 Working Group.
Landry, P. (2004). Multilingual subject access: The linking approach of MACS. Cataloging & Classification Quarterly,
37(3/4), 177-191.
Liang, A. and Sini, M. (2006). Mapping AGROVOC and the Chinese agricultural thesaurus: Definitions, tools, procedures,
New Review of Hypermedia and Multimedia, 12 (1), 51- 62.
Oard, D. & Diekema, A. (1998). Cross-language information retrieval. Annual Review of Information Science (ARIST), 33. Park, J. R. (2007). Cross-lingual name and subject access: Mechanisms and challenges. Library Resources & Technical
Services, 51(3), 180-189.
Zeng, M. L. & Chan, L. M. (2004). Trends and issues in establishing interoperability among knowledge organization systems.
