«Открытые данные против мракобесия и пренебрежения реальностью»: интервью с Кириллом Маслинским

120 лет назад, 15 декабря 1905 года, в Петербурге был создан Пушкинский дом — тогда учреждение Императорской Академии наук, а ныне Институт русской литературы РАН. Это главное хранилище рукописей Александра Пушкина и одно из крупнейших литературных архивохранилищ страны. Всего в ПушДоме хранится более 3 миллионов рукописей, есть большой фонограммархив (мы рассказывали о нем), а уже в XXI веке появилась и Цифровая лаборатория с репозиторием открытых данных. В день 120-летия ПушДома — перечитываем наше интервью с руководителем Цифровой лаборатории Кириллом Маслинским.

Чем занимается лаборатория?

Одна из миссий Лаборатории цифровых исследований литературы и фольклора — воплощать литературные корпуса, которые работают по тому же принципу, что и Национальный корпус русского языка. Например, ДетКорпус из 3000 детских книг и корпус нарративной прозы из 500 романов XIX века.

Ещё одна важная задача — опубликовать после исследования данные по современным стандартам. Лаборатория помогает это сделать: данные необходимо не только переработать и донести до публики, но и сделать доступными для количественных исследований.

Что это значит на практике?

Например, в случае с датасетом о бытовании литературных текстов в ГУЛАГе было около восьми раундов правок с авторами, потому что таблица создавалась филологами как «человекочитаемые» данные, а не как машиночитаемые. Если произведение упоминалось в таблице несколько раз с разной датировкой, какие-то даты были написаны со знаками вопроса вместо чисел, все это требовало упорядочивания, стандартизации и преобразования данных для количественных исследований, чтобы это можно было загрузить в какой-то датафрейм в R или в Python. 

Какие открытия делают в корпусе детской литературы?

На базе Детского корпуса изучали репрезентацию телесности и гендерные аспекты в детских текстах. Выяснилось, например, что у мальчиков писатели очень сильно актуализируют затылки, а у девочек — щеки. Это как бы такие отдельно «женские» и «мужские» части тела в текстах детского корпуса.

Другое исследование, которое проводил Кирилл Маслинский, было посвящено контекстному употреблению слова «счастье» в ДетКорпусе. Спойлер: только в застойные времена «счастье» стало гораздо более индивидуалистичным. Там появились оттенки быта, уюта, семьи, а коллективное счастье, характерное для текстов, начиная с периода сталинского СССР, к этому моменту подзакончилось. 

Подробнее о том, как менялось «счастье» в детских книгах, что такое digital commons, с какими сложностями столкнулись создатели датасета с данными ГУЛАГа и почему сегодня он актуален как никогда — в полном тексте интервью.

🤖 «Системный Блокъ» @sysblok