大數據破解一首古詩的羅生門

魏忠

唐天寶年間，詩人張繼路過蘇州，寫下了千古名詩《楓橋夜泊》。月落烏啼霜滿天，江楓漁火對愁眠。姑蘇城外寒山寺，夜半鐘聲到客船。一種解釋說：張繼京城趕考失敗，路過蘇州，寫下了這首名篇。詩中的“烏啼、愁眠”似乎能為佐證。然而，這種解釋有幾個致命的錯誤。一是張繼是襄陽人，唐科舉的兩京無論是洛陽還是長安，從家里到考場都不能路過蘇州；二是張繼本人并不是科舉考試失意者，而是進士。只是在考中進士后銓選失敗，回家賦閑，十年后才得到機會到江西當“財政廳長”。這種際遇對候選官員已是極大榮幸，何來姑蘇之愁？

然而，旅居美國多年的計冠光先生查東亞圖書館，告訴我：在唐宋古籍中，烏啼是寒山寺旁邊的一座烏啼山，愁眠是寒山寺對面的愁眠山，江楓更不是江上的楓樹，是當時寒山寺運河支流旁邊的兩座橋：江橋和楓橋。如此看來，張繼在寒山寺不是發愁，而是流連忘返。這是一首寫景美極的唐詩。第一句寫時間和空間，第二句寫燈光風景，第三句寫地點和禪意，最后一句“DUANG”的一聲，詩人不得已要走了，美景再好，船期有限。如果這樣理解，這首詩甚至是超越王維的好詩，入選唐詩三百首當之無愧。我更愿意相信這種新的解釋，因為詩歌的意境更高，也更符合張繼的生平。

好了，切入本文的主題，“數據的數據，是比數據本身更重要的數據”，這句話有點拗口。數據的數據，有一個專業名詞，叫“元數據”，也就是數據背后的數據。在上面的案例中，張繼寫詩的背景、山川地理、情緒、環境、漁火、楓橋、霜，一同構成元數據，而張繼這首詩，就是詩歌本身的數據。

在小數據時代，背誦張繼的詩歌，按照書上的標準答案解釋它，甚至寫字寫得漂亮，就可以贏得分數。然而我們卻忽略了大量更加有用的元數據。學生如果沒有沉浸在張繼的元數據環境中去學寫詩，一定會東施效顰的。

大數據不能直接產生結論，用相關性代替因果性、全量數據代替抽樣數據、用數據采集代替推演，有更加個性化的好處，但也會陷入無所作為的窘境。尤其是在云、物聯網時代，大量的元數據收集變得異常容易的情況下，大數據發展成數據科學，就成為必然。

網絡上關于張繼的詩歌還有爭論，有人認為烏啼山、愁眠山是張繼的這首詩出名以后才這樣叫的。但如果有足夠的大數據，比如唐代蘇州全部文獻、宋代文獻和愁眠山改名叫今天的孤山的過程，按照可視化、邏輯推演、時間推演，完全可以破解《楓橋夜泊》這首詩的羅生門。

教育信息技術發展的今天，每位學生留下的元數據，比學生的分數更值得注意。而針對每位學生和一群學生的物聯網、云的大數據的數據科學，將變教育情懷為教育科學。