歷史研究適合用AI嗎？從近史所圖書館館藏出發的實踐與反思

重點

簡報檔連結

電子資源補充包
知識點摘要

1. 以AI浪潮重新審視學術與歷史研究的融合

AI已進入各行各業與學術圈，歷史學界面臨既期待效率、又憂心幻覺與倫理的張力；目標是尋找過去與現在可銜接之處，形成與AI共生的工作模式。
從資訊匱乏、師徒傳承與手工卡片系統，到網際網路加速檢索與電子化整理，再到AI介入文字處理與知識整合；研究者能力需求持續擴充，但紮實的閱讀、寫作、方法與倫理始終核心。
AI可從「生火」進化到「提供食譜與料理」，大幅提升效率；然而研究品質仍取決於研究者的本事、問題敏感度與讀者／審查者的評鑑，基礎能力不足者反而可能把錯誤放大更快。

2. 歷史研究流程拆解與AI使用策略

切分「找資料、OCR翻譯、摘要整理、找出研究缺口、問題意識形成、寫作修訂」環節，實際展示工具操作包含GPT Deep Research、Elicit、olmOCR 2、沉浸式翻譯、NotebookLM、GPT codex、Google Antigravity，與提供有助於找到可信資料、發掘研究缺口、擔任研究夥伴的AI指令。
AI工具能高效處理多種類型的歷史檔案，從印刷品到字跡漫漶的手稿，辨識率可達七至九成，並能依原格式輸出。研究者可透過結構化的指令，引導AI對一手史料與二手文獻進行整合分析，檢驗現有史料能否支持新的研究論點。傳統中共史等領域的研究常依賴宣傳性強的官方報刊，難以窺見政策在地方執行的真實問題。透過AI與「內部參考」等新史料對話，可以揭示官方宣傳外的面向（如婚姻法推行初期的婦女自殺問題），有效補充前人研究的空白。
切忌用聊天機器人直接生成史料；應以深度聯網能力探勘資料庫入口與資源分布，並採用限定學術網站的深度搜尋或學術型AI來進行真實的文獻回顧與研究缺口辨識。(AI直接爬資料庫會面臨高成本與防爬蟲限制、商業與學術資料庫的授權機制需帳號、IP、單機使用)
AI Agent能整合研究工作流，在指定資料夾內自動處理資料整理、串接API等任務，減少工具切換的麻煩。然而，其應用有限制，如通常需付費、有使用額度，且無法串接多數具有嚴密資安防護的學術資料庫。

3. 資料安全、學術倫理與學術基本功

AI工具雖能準確將語音轉為逐字稿，但在處理涉及個人隱私、敏感議題的口述歷史時，倫理問題遠重於技術問題。研究者有責任保護受訪者，不應隨意將資料上傳至線上服務。建議優先使用本地端工具或有資料保護機制的平台，並在事前取得受訪者的AI使用授權。
使用AI時需高度警惕資料安全風險，特別是未公開的訪談、個資及研究內容，因為AI模型可能學習並重現這些內容，導致無意的抄襲或資料外洩。同時，應養成備份資料的習慣以防範風險。在學術寫作中，誠實揭露AI的使用已成國際趨勢，對學生而言更是避免被視為作弊的「保命機制」。
儘管AI看似強大，但其核心挑戰在於如何判斷生成內容的正確性，而查證能力仰賴於研究者紮實的學術基本功。許多史料資料庫僅提供影像檔且設有防爬蟲機制，限制了AI大規模應用的可能。即使AI能進行OCR或翻譯，最終仍需研究者憑藉其對歷史語境的掌握來判斷結果。因此，AI時代反而凸顯了古文、手寫字辨識、外語及史料判讀等基礎能力的重要性。

4. 圖書館補充：政大史料所在地與取用注意事項、一手資料素養、史料資料庫的問題

有效利用史料需具備「一手資料素養」，包括了解史料的收藏脈絡、能以歷史語境的關鍵字進行搜尋、詮釋時避免現代偏見，並意識到史料中「沉默」（不存在的內容）的意義。
歷史資料庫常因早期數位化技術不佳而有OCR辨識錯誤，導致關鍵字搜尋不可靠。研究者需認知到「找不到不代表不存在」，並結合傳統方法（如查閱微卷）或尋找不同單位的數位複本進行多源驗證。