网络首发 | 计算档案学：档案学科的新发展

Photo by Sixteen Miles Out on Unsplash.

网络首发时间

2021-04-02  

网络首发地址

https://kns.cnki.net/kcms/detail/42.1085.g2.20210401.1122.002.html-04-02  

刘越男①②③  杨建梁②③  何思源②③  祁天娇②③

①数据工程与知识工程教育部重点实验室，北京，100872；

②中国人民大学信息资源管理学院，北京，100872；

③中国人民大学电子文件管理研究中心，北京，100872

目的／意义

探讨计算档案学的发展脉络和演变特点，分析新一轮科技和产业革命对档案学科发展的深刻影响。

研究设计／方法

基于文献研究，从提出背景、内涵演化和发展特点三个维度对计算档案学的发展进行归纳与分析，并对计算档案学的未来发展进行展望。

结论／发现

计算档案学是计算科学和档案学的跨学科领域，其提出受到了信息技术变革、研究对象变化和研究范式转变的综合影响；其发展由跨学科学术社区的联合推动，强调计算与档案的理论、方法和资源的整合，以档案概念与计算方法的映射为基础；其主题广泛涉猎档案管理与服务场景，并在扩展中聚焦核心领域；其人才培养注重计算思维的锤炼。未来计算档案学的发展将呈现出“领域深度融合”“范畴外扩延展”和“理论革新发展”的特点。

创新／价值

为我国档案学与其他学科的跨学科融合发展提供经验和启示，助推档案学科主动转型合力的形成。

关键词

计算档案学 大数据 档案学 计算科学 跨学科

20世纪80年代以来，随着信息技术的应用，档案管理数字转型不断推进，档案学研究内容随之发生重大变化，电子文件、数字档案的管理和开发成为重要阵地。大数据、人工智能、区块链等新一代信息技术的快速发展进一步影响了档案学科的对象和方法：一方面，海量的、复杂的档案数据进入学科视野；另一方面，数据密集型研究方法的引入加速推动学科发展与转型。2016年4月，在马里兰大学举办的“发现新知识：大数据时代的档案文件”专题研讨会上，计算档案学（Computational Archival Science）的概念被正式提出，用来标识档案学科在新技术环境下的新发展[1]。傅天珍[2]、周文泓[3]和苏芳荔等[4]初步介绍了国外计算档案学的兴起、典型案例以及在档案教育中的体现。近年来我国档案学界也涌现了一些与新兴数字方法和技术有关的研究，尽管从研究问题、研究框架和研究方法来看，这些研究可以归入计算档案学范畴，但其中关联尚未得到明确揭示，其对档案学科整体发展的影响亦未被广泛讨论。本文从提出背景、内涵演化、发展特点三个维度梳理计算档案学的发展脉络，并展望其未来发展，尝试观察新一轮科技和产业革命对档案学科发展的深刻影响，以期助推学科主动转型合力的形成。

01.

计算档案学的提出背景

1.1

信息技术的发展：大数据及相关技术

2008年9月，著名学术期刊Nature开设了大数据（BigData）专刊，标志着大数据概念得到了学术界的认可[5]。2008年末，计算社区联盟（Computing Comunity Consortium）在其著名的白皮书《大数据计算：在商务、科学和社会领域创造革命性突破》中初步揭示了大数据的内涵和意义[6]。此后，全球学术、产业、政府等各类组织机构开始普遍关注并积极推动大数据相关技术的发展和应用，大数据成为多国国家战略，一方面推动大数据及人工智能等相关技术的快速普及，如我国已将大数据纳入新基建建设范围；另一方面促发社会对于信息化的注意力从机器向数据转移，即在大数据技术日趋广泛应用的巨大冲击下，数据的价值得到了深刻的认识和广泛的认同。2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，数据作为一种新型生产要素首次写入中央文件，便是这种社会认知在国家政策层面的标志性反映。

在此大背景下，大数据及相关技术对于档案学科的影响自然也被提出和讨论，直接推动了计算档案学的产生和发展，从2016年马里兰大学计算档案学研讨会的主题“发现新知识：大数据时代的档案文件”便可见一斑。

1.2

档案对象的变化：

大规模数字档案和复杂数据对象

随着国家大数据战略的推行与社会数字转型的深化，档案管理对象发生急剧变化：其一，既有馆藏档案数字化程度不断提高。据档案事业“十三五”规划，我国省级、地市级和县级国家综合档案馆的永久档案数字化比例到2020年分别达到30％—60％、40％—75％和25％—50％[7]。其二，原生性电子档案爆炸式增长。美国国家档案馆电子文件档案馆项目2009年底的数据量为79TB，201年6底已超过500TB[8]。我国一网通办背景下政务电子文件归档量激增，根据访谈结果，杭州市行政审批业务数据３年来的归档量已达1,400万件。其三，数据对象日益复杂，音视频、社交媒体文件、三维模型、区块链文件等无法在纸张上复现的新型数据进入归档范围。

大规模数字档案与复杂归档数据对象已然产生。以手工管理为主要特征的传统档案管理思维与方法显然无法应对档案管理对象巨变带来的挑战，以系统建设为核心的电子文件管理方法体系也未充分关注到大规模档案数据引发的管理效率问题[9]。澳大利亚档案学家Frank Upward明确指出必须对计算方法给予足够的关注，否则我们将淹没在信息中[10]。计算档案学需面向新的管理对象创新探索新时代的档案管理理论与方法。

1.3

研究范式的转变：计算社会科学

大数据的发展给科学研究带来了深刻影响，推动了研究范式的转变。2007年1月，Jim Gray提出在大数据的引领下，科学研究的范式在已有的实验归纳、模型推演和模拟仿真的基础上，发展出第四范式“数据密集型科学发现（Data-Intensive Scientific Discovery）”。[11]第四范式强调在新的观察、感知、计算、仿真、模拟、传播等设施和技术的支撑下，大数据已经成为新的科学研究基础设施，这些数据不仅能够帮助科学家分析原本难以解决或监测的科学问题，更让科学家把数据作为科学研究的对象和工具，基于数据来思考、设计和实施科学研究。不仅自然科学受到数据密集型研究范式的巨大影响，人文社会科学也纷纷建立起新的领域来回应研究范式的转变，如计算社会科学、数字人文、计算新闻学和数据新闻学、计算法学和数据法学等。

计算档案学的提出，是档案学科对数据密集型研究范式的回应，体现了大数据时代档案学研究范式的转变。计算档案学强调将“计算思维”融入到档案学研究中，重视档案数据、数据挖掘方法、人工智能技术与传统档案管理问题相结合。一方面通过大数据相关技术和方法来帮助社会学者和人文学者深度解析档案资源，发现和解释现象；另一方面通过大数据相关技术来解决档案管理中的问题，如长期保存、数字管护、利用控制、档案鉴定等。

02.

计算档案学的内涵演化

计算档案学诞生以来，相关学术会议以及代表性学者提出了多种定义方式，其内涵在学界探索和讨论过程中逐步完善，主要经历了三个阶段的演化。第一阶段的代表性定义来自IEEE Big Data2016首届计算档案学工作坊，参会学者将计算档案学界定为“将计算方法和资源用于大规模文件／档案的处理、分析、存储、长期保存和访问的多学科（interdisciplinary）领域，旨在提高效率、生产力和精确度，支持与鉴定、整理和著录、保存和访问相关的决策，以及利用档案资料参与和开展研究。”[12]第二阶段的代表性定义来自计算档案学首要发起人Richard Marciano教授，他将上述定义中的“多学科领域”修改为“跨学科（transdisciplinary）领域”。[13]第三阶段的代表性定义来自IEEE Big Data2018第三届计算档案学工作坊，参会学者将计算档案学的定义扩充为“整合计算与档案的理论、方法和资源的跨学科领域，既能支持生成和保存真实可靠的文件／档案，又解决大规模文件／档案的处理、分析、存储和访问，以提高效率、生产力和精确度，支持与文件管理、鉴定、整理和著录、保存和访问相关的决策，以及利用档案资料参与和开展研究。”[14]该定义作为计算档案学的官方界定，一直沿用至今。

上述三个阶段的内涵发展经历了两个显著变化。第一个变化是从“多学科”到“跨学科”。第一阶段的定义明确计算档案学是一个多学科领域，核心是将计算方法和资源用于文件档案管理实践和研究，强调的是从计算科学到档案学的“单向输入”。第二阶段的定义将多学科改为跨学科，初步显示出计算科学和档案学的融合，因为跨学科领域中不同学科之间存在“知识的双向流动”，但其具体表述仍然重复“将计算方法和资源用于大规模文件／档案的处理、分析、存储、长期保存和访问”的“单向输入”。第三阶段的定义则明确指出计算档案学需要“整合计算与档案的理论、方法和资源”，计算科学和档案学知识的“双向互动”得到充分揭示。第二个变化是从文件档案管理的“局部”走向文件档案生命周期管理的“全局”。第一阶段和第二阶段的定义主要涉及“与文件管理、鉴定、整理和著录、保存和访问相关的决策”和“利用档案资料参与和开展研究”两类活动。在计算档案学诞生之初，这些活动被视作档案学、计算科学、信息科学等学科交叉融合的突破口。随着学科发展，第三阶段的定义将文件档案管理活动向前延伸至文件档案的生成阶段，由此覆盖文件档案管理全生命周期；同时强调文件档案管理的核心使命，即维护其真实可靠，由此促进文件档案管理与计算方法和资源的全面深度融合。

03.

计算档案学的发展特点

3.1

联合推动：跨学科学术社区持续努力

计算档案学得以快速发展，正在形成一个备受瞩目的新兴领域，得益于跨学科学术社区持续的联合推动。

2015年美国马里兰大学信息学院的Richard Marciano教授组建了一个小型跨学科研究小组，探讨利用计算机方法解决档案问题，这被认为是国际上计算档案学的最早起源[15]。作为计算档案学的首要发起者，Marciano教授曾在航空电子和电气工程、计算机科学、地理学、档案学等多个领域学习和工作，具有丰富的跨学科研究经验[16]。通过2016年4月在马里兰大学召开的计算档案学专题研讨会，一个跨地域跨学科学术社区初步形成，6位会议发起人此后一直是计算档案学的中坚力量，受邀代表来自英国、加拿大、南非和美国的高校、研究机构、政府机构、文化机构和协作组织。其中，高校和研究机构的代表主要来自档案学、信息科学、计算机专业、新闻专业、图书馆和人文学科；政府机构代表主要来自美国白宫、美国国家自然科学基金会、美国国家人文学科基金会、美国国家档案和文件局等；文化机构包括美国史密森博物馆、英国伦敦国家美术馆和美国大屠杀纪念馆；由多个美国高校参与的学术资源保存联盟亦受邀参会[17]。经过4年的发展，计算档案学社区进一步吸纳了包括来自美国多个高校、州档案馆以及巴西利亚大学、英国阿兰·图灵研究院、阿姆斯特丹大学、印度古吉拉特邦中央大学、印度管理研究所、日本九州大学、堪培拉大学等各国高校和研究机构的研究人员[18]。该学术社区通过举办学术会议、发布专刊、开展合作研究等方式不断扩大规模，加深探索，推动计算档案学的发展。

在学术会议方面，据不完全统计，2016-2020年间计算档案学学术社区以工作坊的形式发起过27场学术活动[19]，不乏由知名计算科学的研究机构主办的学术会议，如英国阿兰·图灵研究院2020年举办的计算档案学讨论会[20]。其中最有代表性的是始于2016年的IEEE Big Data国际会议年度计算档案学工作坊，至今已连续举办5届。该工作坊的举办体现了以计算科学为主要阵地的大数据领域对跨学科的计算档案学的重视，越来越多地吸引了来自计算科学、档案学、信息科学、图书馆学、历史学、艺术学等领域的学者加入，计算档案学的学术社区持续扩大，许多代表性成果得以发布[18]。

在学术专刊方面，《美国计算机协会计算和文化遗产期刊》[21]《文件管理期刊》[22]等先后发起了“计算档案学”专刊，引领该领域学术成果发表的风潮。

在合作研究方面，2019年2月，由伦敦国王学院数字人文系、马里兰大学信息学院前沿信息实验室、马里兰州档案馆和英国国家档案馆共同合作，获得文化机构数字学术英美联盟一年期“国际研究网络”奖助，成立计算档案学国际研究合作网（International Research Collaboration Network in Computational Archival Science），以进一步推动计算档案学跨学科研究和合作[23]。研究期满后，2020年2月，马里兰大学前沿信息合作实验室启动人工智能、机器学习和计算档案学的先导研究项目，探讨“未来档案与文件管理”（Future of Archives and Records Management, FARM），进一步推动计算档案学与计算科学前沿领域的融合发展。该实验室拥有来自北美、南美、欧洲、亚洲、澳洲的51名合作研究伙伴[24]。

3.2

锚定交叉：

在档案概念与计算方法之间建立映射

计算档案学相比传统档案学的关键变化是采用计算方法和资源来解决文件档案管理和开发利用问题，而新方法应用能否成功主要取决于方法能力和档案问题之间的匹配程度。因此，计算档案学研究的基础是在档案概念和计算方法之间建立准确的映射，以实现档案学科和计算机学科之间的交叉融合。这里的档案概念并非专指档案学中的概念和术语，而是指档案学研究和实践中的问题、需求、场景等系列信息，因而更为宏观和广义。通过整理2016-2020 IEEE Big Data计算档案学工作坊收录的会议论文，笔者汇总了部分具有代表性的档案概念和计算方法之间的映射情况，如表１所示。　　

究其本质，从档案概念到计算方法的映射是一个基于问题场景的建模过程，建模的目的是通过计算方法和资源来代替或部分代替人工管理，从而应对大规模文件档案管理带来的挑战。以表１中的第一个场景为例，要实现对大规模历史档案材料的检索和访问，就需要建立分类体系对历史档案材料进行组织，而大部分历史档案材料缺乏面向大规模访问的分类方案。此外，受元数据规模和质量的影响，通过元数据对历史档案材料进行分类组织效果也不尽人意。于是，有学者提出通过主题建模和概念抽取的方法对大规模的历史档案材料建立分类体系。其中，主题建模和概念抽取主要由机器完成，通过主题模型等计算方法自动对历史档案材料进行聚类，从而形成类目体系[25]。在档案概念和计算方法之间建立映射，有助于实现跨学科知识的双向流动，催生新知识的产生。比如通过交流合作，计算机科学领域了解到档案领域中机构、职能等多样来源对于维护数据真实性的专业贡献，档案学领域也了解到数字环境下来源的类型有了进一步拓展，新增了工作流等计算机系统来源[13]。

3.3

广泛涉猎：

在档案管理和服务多个场景问题中探路

从研究内容来看，计算档案学并不是就某一类或某几个问题进行集中攻关式研究，而是广泛涉猎档案管理中的各类问题。按照问题性质，笔者将计算档案学所涉及的研究分为三大类，第一类是档案管控决策，旨在为文件生命周期全过程的规范化管控提供决策支持，目的在于为维护档案数据的真实、完整、可用和安全提供自动化、智能化的方法，如文档智能生成、保存、鉴定、分类、利用控制等；第二类是档案内容开发，旨在采用计算方法促进档案内容价值的发挥，支撑检索、挖掘、推荐、研究、问答等不同的利用场景；第三类是档案数据化，旨在将机器不可直接处理和分析的粗粒度文档转变为机器可处理和分析的细粒度数据，为档案管控决策和内容开发提供数据基础，主要任务包括自动转录、描述增强、资源关联、图谱构建、矢量处理等。

目前，计算档案学领域学者已经在部分问题上形成了代表性研究成果。比如在手写档案模式识别领域，来自罗马第三大学的学者与梵蒂冈秘密档案馆的研究人员共同发起了名为“In Codice Ratio”的项目，基于档案特征，通过将机器学习技术中的深度卷积神经网络和统计自然语言模型相结合，探索档案内容自动转录[26]；在利用控制领域，Hutchinson尝试利用机器学习的方法对萨斯喀彻温大学的涉及敏感隐私人力资源档案开展了个人可识别信息（PII）的识别研究，将相关档案分为涉及个人信息的人力资源档案、一般性人力资源档案和非人力资源档案[27]；在档案鉴定方面，中国人民大学研究团队提出了基于深度学习和知识图谱的档案保管期限划分模型，通过深度学习提取档案内容和元数据中的特征信息，结合知识图谱将档案内容和元数据中隐含的知识进行显性化和向量化，从而实现机器辅助保管期限划分[28]；在长期保管领域，英国国家档案馆、萨里大学和开放数据研究所合作探索基于区块链技术的分布式档案保管平台ARVHAN-GEL，在提取文档内容特征的基础上，通过深度神经网络形成内容特征编码，该内容特征编码不会因档案格式的改变而改变，能够在长期保管过程中验证档案内容是否被篡改时排除因格式迁移产生的合法变化[29]。

3.4

走向纵深：

研究主题的聚焦与研究视野的扩展

通过追踪IEEE Big Data计算档案学工作坊的会议论文，人工阅读分析2016-2020年63篇会议成果，可以发现计算档案学研究两个方面的演化特点：其一，计算档案学的研究主题在扩展中聚焦。2016、2017年的会议论文主题以档案检索利用、内容挖掘和计算档案学内涵研究为主，2018年则开始出现元数据管理、档案鉴定等主题，2019年增加了档案知识图谱、档案处置等主题，2020年的主题主要包括了数字管护、档案转录识别、档案分类、元数据管理、历史档案挖掘、互联网档案等。上述研究主题看起来不断发散，究其范围，则呈现出从档案内容开发向档案管控决策和档案数据化领域扩展的特点，而在各研究领域内部，研究问题日益向领域内的关键问题聚焦，如图２所示。

其二，计算档案学的研究视野不断扩展，与更多学科领域交叉，采用了更丰富的计算方法。从学科视角来看，2016—2018年的会议论文主要立足于档案学、信息科学和计算科学，2019—2020年则进一步向艺术学、历史学、数字人文领域拓展，如Williams[30]有关艺术史和物质文化的研究、Kaltman[31]针对大规模娱乐档案的研究等，2020年的计算档案学工作坊还专门开展了历史数据和档案分析对话环节[32]。从研究方法来看，2016年会议论文主要采用文本挖掘、机器学习、数据库等方法，2017和2018年会议论文还采用了区块链、信息抽取、图数据库、图像处理、数字取证的相关方法，2019和2020年会议论文进一步增加了计算机视觉、智能合约、语音识别、社会网络分析等方法的应用。

研究主题的聚焦和研究视野的扩展互相激发，整体呈现出向纵深演化的态势，多学科交叉融合的特点日益凸显。

3.5

锤炼思维：未来专业人才的培养重点

专业人才培养是一个被计算档案学学术社区重点关注的问题，历届IEEE Big Data计算档案学工作坊都对人才培养进行了集中讨论，在会议上分享培养理念和教学经验。Weintrop定义了基于数学和科学的计算思维实践分类，指出计算档案学人才培养重点强调“四个实践”，分别是数据实践、建模与仿真实践、基于计算的问题解决实践和系统思维实践[33]。意在锤炼计算思维的四类实践受到了计算档案学社区的广泛重视，已经成为计算档案学人才培养的核心框架[13,34]。

马里兰大学数据管护创新中心的计算档案学研究团队围绕Weintrop的实践分类体系，进一步将档案教育主题与相关计算思维实践进行关联，形成了计算档案学教育主题框架，如图3所示[35]。其中，可以通过“选择、鉴定与收集”“参考与利用”和“管理与监督”等主题的档案实践活动提高数据能力；通过“文件与档案的性质特征”“整理与著录”“管理与监督”等主题的档案实践活动锻炼建模与仿真能力；通过“保存”“管理与监督”“社会、文化、立法与金融制度体系”等主题的档案实践活动锻造基于计算的问题解决能力；通过“文件与档案的性质特征”“历史档案服务”“服务拓展、指引与宣传”“社会、文化、立法与金融制度体系”等主题的档案实践活动训练系统思维。可以看出，档案主题和计算思维并不是简单的一一对应关系，既可以在一类档案主题活动中训练多种计算思维，也可以在一种计算思维训练中使用多类档案主题活动。不管怎样，计算档案学专业人才计算思维的锤炼，最终落脚于档案管理的研究和实践。

04.

计算档案学的未来展望

4.1

领域深度融合

计算档案学是大数据环境下档案学科的自我革新，这条革新之路是通过计算科学、信息科学等其他学科思维和方法的引入而实现的，内外碰撞将引发档案学科格局的变化，首当其冲的便是档案学科领域和其他学科领域的深度融合。一方面，计算思维的引入让档案学科与计算科学、信息科学等学科的关联更加紧密；另一方面，以大规模数据和计算思维为桥梁，档案学科也加强与历史、艺术、社会等其他学科的关联。跨学科融合意味着不同思维方式、不同话语体系、不同研究范式之间的碰撞，档案学科的发展空间因为这种碰撞而日益开阔，甚至可能形成一个更广阔的信息管理新领域。

4.2

范畴外扩延展

从计算档案学的内涵来看，计算档案学的核心依然是档案学，以文件和档案为研究对象。但是随着大数据本身的深度融合，计算档案学的研究范畴则不再局限于严格意义上的组织机构或个人的凭证记录，而可能外延扩展至具有档案属性的信息。根据2016-2020年IEEE Big Data计算档案学工作坊会议论文和报告的内容，计算档案学的研究对象除了传统意义上的机构中有保存价值的原始记录外，历史文献材料、非物质文化遗产、音视频资源、互联网文件等非严格意义或非传统意义上的“档案”信息也被纳入到计算档案学研究范畴。随着计算档案学的发展，该领域的研究对象可能进一步扩展，从数据的技术特性来看，向数据管理领域中的非结构化数据靠拢；从数据的价值属性来看，涵盖一切留存下来的信息记录。

4.3

理论革新发展

加拿大著名档案学家特里·库克曾指出“档案理论并不是一套永恒不变的固定原则。档案理论家也不是超越多种时间范围固守固定原则的捍卫者。最佳档案学理论家是那些能够认识和表达社会的这些巨大变化，并从概念上论述它们对档案工作和思想带来影响的人。”[36]与传统档案学相比，计算档案学中的一大新变量是将机器作为一种新主体引入到文件与档案管理的研究与实践中，机器已经成为数字文件档案处理、分析、存储和访问的实操者。面对这样的变化，传统理论中以人为主体的部分内容必然要更新，从而促进档案学理论的革新与发展。从目前相关问题的研究进展来看，计算档案学有可能在价值鉴定、档案组织、档案数据化等领域形成新的档案学理论。

05.

结论与启示

在大数据技术发展、大规模档案和数据密集型研究范式的综合影响下，计算档案学应运而生。作为整合计算与档案理论、方法和资源的跨学科领域，计算档案学具有由跨学科学术社区联合推动、锚定档案概念与计算方法之间的交叉、广泛涉猎档案管理与服务多个问题、研究主题和研究方法纵深发展、注重锤炼专业人才的计算思维等特点。随着理论和实践的推进，计算档案学将进一步与其他领域深度融合，研究范畴将随之延展，新的档案学理论也将得以催生。

在我国，计算档案学的概念尚未被广泛传播，档案学与其他学科的跨学科融合也相对较弱。纵观图情档学科的发展史，对信息技术的忽视是造成上个世纪末西方图情危机的一大要因[37]，而21世纪后全球iSchool联盟吸取教训，积极把握数据科学、数字人文等新方向，开启了学科发展新道路。信息管理学科的兴衰经验提醒我们发展计算档案学是新技术环境下发展档案学的必由之路。随着信息技术的进一步发展、研究范式的进一步转型和档案数据化管理进一步落地，我国档案领域也应该尝试打破圈层，尝试与其他学科交互融合，形成更为广阔、开放、合作的学术社区，融入包括数据实践、建模与仿真实践、基于计算的问题解决实践和系统思维等在内的教育内容，加快新一代专业人才的培养，积极应对时代发展带来的机遇和挑战。

档案事业发展与档案学科建设同脉连枝，兴衰与共。计算档案学也将助推新形势下的档案实践。大数据与新兴技术的冲击已经直接传递到文件档案管理实践工作，档案机构正面临数据管理的浪潮。计算档案学所倡导的将计算思维、理论和方法应用于文件档案的处理、分析、储存和访问，恰恰有可能成为文件档案管理机构主动参与数据管理的抓手，能够帮助其优化管理流程，提高管理效能，进一步释放文件档案的价值。英国国家档案馆[38]、澳大利亚新南威尔士州档案馆[39]为应对大规模档案管理的挑战，于2017-2019年间开展过多次基于大数据和机器学习的实验性研究。我国浙江省档案馆也于2020年与阿里正式合作开展智能化开放鉴定研究[40]。我们衷心期待计算机档案学理论和实践更多的可能性。

06.

作者贡献说明

刘越男：提出研究思路，设计研究方案，撰写论文并总体修订；

杨建梁：收集文献，整理数据，撰写论文并初步修订；

何思源：收集文献，参与论文修订；

祁天娇：收集文献，参与论文修订；

07.

参考文献

制版编辑 | 卢慧质

--END--