Nie można ignorować wpływu technologii komputerowych na postęp 
w badaniach historycznych. Prawdopodobnie już w niedalekiej 
przyszłości fiszki i ręcznie sporządzane wypisy odejdą do lamusa.

Krzysztof Narojczyk

Wraz z pojawianiem się kolejnych generacji procesorów, techniki i metody komputerowe w coraz większym zakresie stają się nieodzownym elementem warsztatu badawczego historyka. W wielu dziedzinach znakomicie ułatwiają i przyspieszają osiągnięcie wartościowych wyników naukowych. Bezcelowe wydaje się wyliczanie dyscyplin historycznych, w których badania mogą być efektywnie wspierane przez metody komputerowe, pojawiają się bowiem coraz to nowe obszary eksploracji naukowej, niedostępne do tej pory ze względu na ogromny nakład pracy niezbędny do ich uprawiania. Komputery, a ściślej zainstalowane w nich oprogramowanie, oddają badaczom nieocenione usługi m.in. w gromadzeniu, klasyfikowaniu, sortowaniu, wyszukiwaniu i wszechstronnym, krytycznym przetwarzaniu informacji. Służą do tego m.in. rozmaite systemy baz danych.

Z punktu widzenia użytkownika bazą danych jest każdy elektroniczny system informacyjny umożliwiający uzyskanie zautomatyzowanej odpowiedzi na poprawnie zadane pytanie. W praktyce badacz najczęściej ma do czynienia z systemem składającym się z dwu funkcjonalnych modułów: zbioru danych i oprogramowania do zarządzania nimi. W systemach profesjonalnych (komercyjnych) zarządzanie realizowane jest za pomocą opracowanego przez programistę interfejsu użytkownika. Zwalnia on operatora z konieczności poznawania zarówno logicznej organizacji i struktury zbioru danych, jak i procedur zarządzania całym systemem. Z reguły interfejs użytkownika oparty jest na standardowych opcjach używanego systemu operacyjnego komputera. Ceną za łatwość komunikowania się z systemem informacyjnym jest ograniczenie zakresu operacji na zgromadzonych w nim danych do tych, które wstępnie określił jego twórca.

Z punktu widzenia historyka-badacza, informacyjne systemy baz danych podzielić można pod kątem ich użyteczności i funkcji w poszczególnych etapach badania naukowego. Na etapie ustalania problematyki badawczej i heurezy najczęściej wykorzystywane są rozmaite elektroniczne zestawienia bibliograficzne, katalogi, spisy i inwentarze biblioteczno-archiwalne. Ich głównym zadaniem jest umożliwienie badaczowi dotarcia do szybkiej i precyzyjnej informacji o dostępnych zasobach archiwalnych bądź opracowaniach naukowych na dany temat oraz ich geograficznej (fizycznej) lokalizacji. Przykładem tego rodzaju systemów informacyjnych są np. bazy danych Biblioteki Narodowej, dostępne także za pośrednictwem Internetu. W archiwach państwowych od kilku lat korzystać można z programów: rejestracji akt metrykalnych i stanu cywilnego PRADZIAD oraz ewidencji ludności w archiwach ELA. Trwają prace nad stworzeniem jednorodnego systemu informacyjnego obejmującego całość zgromadzonych w archiwach państwowych materiałów do badań demograficznych i genealogicznych. Wszystkie tego typu bazy, pomimo ich niewątpliwej użyteczności dla historyka, nie stanowią przełomu jakościowego w postępowaniu badawczym.

ZMIANA JAKOŚCIOWA

Kolejny etap badania naukowego historyka, krytyka i analiza źródłowa, z samej definicji wymaga m.in. posiadania dostępu do źródeł. Na tym polu czeka nas w niedalekiej przyszłości prawdziwa rewolucja. Na całym świecie biblioteki, archiwa i instytucje naukowe podejmują długofalowe działania zmierzające do sporządzenia wiernych cyfrowych kopii książek, archiwaliów, materiałów ikonograficznych, nagrań dźwiękowych i filmowych, które stanowią intelektualny dorobek ludzkości. Sztandarowym przykładem może być tu Biblioth?que Nationale de France, która umożliwia elektroniczny dostęp do pełnych tekstów 110 tys. woluminów zawierających dużą część francuskiej spuścizny historycznej i kulturowej. Lista elektronicznych bibliotek i archiwów, już dziś obszerna, szybko się wydłuża. Ich zasoby nie są wprawdzie bazami danych, umożliwiają jednakże błyskawiczny dostęp do powielonego w formie elektronicznej, niejako in extenso, materiału badawczego, w tym także formatu AudioVideo. Dokumenty te zachowują wierną oryginałowi formę oraz bogactwo wszystkich detali. Możliwe jest w ten sposób pogodzenie praktycznie nieograniczonego dostępu do źródła z naturalną koniecznością fizycznej ochrony rzadkich egzemplarzy.

Podstawowym problemem edycji realizowanych techniką wiernego powielania dokumentów (w praktyce, najczęściej, skanowania) jest, obok często występującej kwestii praw autorskich, wielkość uzyskiwanych plików. Na przykład, wierne kolorowe odwzorowanie mapy lub rysunku o formacie 40x80 cm, zawierających detale o wysokości 1,2 mm wymaga zastosowania tak dużej rozdzielczości, że uzyskuje się plik przekraczający 100 MB, co może skutecznie „zapchać” większość dzisiejszych biurowych PC-tów. Wydaje się, że stały wzrost mocy obliczeniowej i pamięci nowych komputerów oraz prace nad wydajniejszymi technikami kompresji plików już wkrótce definitywnie rozwiążą tego typu problemy. Główną wadą skanowania jest otrzymywanie w jego wyniku obrazów cyfrowych (facsimile), które, podobnie jak oryginały, nadają się wyłącznie do oglądania. Zatem, tak jak w przypadku baz typu bibliograficznego, nie ma tu zmiany jakościowej w badaniu historycznym. Zmiana taka pojawia się dopiero, gdy historyk uzyska dostęp do bazy danych z materiałem źródłowym opracowanym przy zastosowaniu technik i metod komputerowych. Wydaje się pewne, że rola baz zawierających źródła (zarówno wydań replikujących jak i, tym bardziej, przetworzonych elektronicznie), których aparat krytyczny wzbogacono o te nowe elementy, będzie w badaniach historycznych szybko wzrastała.

BARIERA CZASU I KOSZTÓW

W wypadku źródeł tekstowych, istotnym przełomem jest przekształcenie treści źródła w postać tekstu elektronicznego, którym można manipulować, poszukiwać w nim określonej frazy, indeksować itd. Tekst taki spełnia już zatem pewne funkcje komputerowej bazy danych. Można stawiać określone pytania i uzyskiwać na nie precyzyjne odpowiedzi. Jeżeli uzupełni się go o hypertekst i system adnotowania słów kluczowych, uzyskujemy specjalizowaną tekstową bazę danych, która stwarza zupełnie nowe możliwości pracy badawczej nad źródłem. Podstawową wadą tego rozwiązania jest bardzo wysoki koszt przetworzenia źródła, związany głównie z koniecznością zatrudnienia wysoko kwalifikowanych specjalistów. Szacuje się, że w stosunku do skanowania proste opracowanie dokumentu do postaci tekstu elektronicznego za pomocą OCR co najmniej potraja koszty. Jednakże wiele dokumentów nie poddaje się takiej obróbce np. manuskrypty. Dzieje się tak również, gdy krój czcionki jest także nośnikiem informacji. Ręczne wprowadzenie treści źródła do komputera i kodowanie – np. w będącym międzynarodowym standardem języku SGML lub w jednej z wielu jego odmian – powoduje, że koszt całej operacji w stosunku do skanowania wzrasta trzydziestokrotnie. Stąd trudno na razie liczyć na szybki wzrost liczby tego rodzaju publikacji. Wspomniana Bibliotheque Nationale de France ponad 90 proc. udostępnianych elektronicznie tekstów prezentuje w postaci bitmapowej.

Przy opracowywaniu elektronicznym źródeł nietekstowych, np. statystycznych, powszechnie stosuje się dziś relacyjne bazy danych. Gwarantują one ogromną szybkość i precyzję w wyszukiwaniu oraz przetwarzaniu informacji. Jednak ze względu na ich wewnętrzną strukturę (system powiązanych ze sobą relacjami tabel) bardzo rzadko możliwa jest automatyzacja wprowadzania danych. W efekcie, podobnie jak w wypadku baz tekstowych, często pojawia się przy ich tworzeniu bariera czasu i kosztów.

Próbą przynajmniej częściowego ominięcia owej bariery są różnego rodzaju bazy hybrydowe. Zawierają one elementy różnych systemów informacyjnych, powiązanych ze sobą pod kątem osiągnięcia założonego celu. Przykładem takiej bazy może być „Metryka Koronna 1573-1574”. Zawiera ona komplet wiernie zeskanowanych kart metryki koronnej z czasów panowania Henryka Walezego oraz regesty prezentowane w formie tekstu elektronicznego. Całość powiązana jest ze sobą relacjami i zaopatrzona w system indeksów oraz podstawowy aparat wyszukiwawczy. W połączeniu ze standardowymi możliwościami komputera (skalowanie, robienie zakładek, notatek itp.) stwarza to badaczowi komfortowe środowisko pracy nad źródłem historycznym.
trening sieci

Specyficzną odmianą baz danych są bazy wiedzy i oparte na nich systemy ekspertowe. Stanowią one jeden z działów luźno powiązanej dziedziny wiedzy zwanej sztuczną inteligencją, starającej się odtworzyć metodami komputerowymi procesy myślenia zachodzące w ludzkim mózgu. Systemy ekspertowe należą do metod symbolicznych sztucznej inteligencji. Już dzisiaj znajdują one powszechne zastosowanie w wielu obszarach działalności człowieka. Sprawdzają się zwłaszcza tam, gdzie potrafimy opisać stany środowiska za pomocą reguł matematycznych. Ich podstawowe obszary zastosowań to analiza, diagnostyka oraz klasyfikacja.

Podstawą konstrukcji systemów ekspertowych jest przekonanie, że zasób wiedzy wysoko kwalifikowanego eksperta można zakodować w komputerze w takiej formie, iż odpowiedni, wyspecjalizowany program będzie w stanie przeprowadzić na podstawie tej wiedzy poprawne wnioskowanie i generować wyniki zgodne z tymi, jakie podałby ekspert. Ich główne zadanie sprowadza się zatem do automatyzacji procesu wnioskowania i systematyzacji określonej dziedziny wiedzy.

Klasyczne systemy ekspertowe sprawdzają się znakomicie w odniesieniu do bardzo obszernych nawet, ale jednocześnie dobrze ustrukturalizowanych klas problemów. Zawodzą natomiast, gdy mamy do czynienia z informacją niejednoznaczną lub wiedzą tzw. zdroworozsądkową. Wymagają one od projektanta bazy wiedzy (tzw. inżyniera wiedzy) dokładnej znajomości i ścisłego określenia natury związków zachodzących pomiędzy wszystkimi uwzględnianymi elementami badanego procesu czy zjawiska. Większość procesów historycznych jest na tyle złożona, że nie da się ich w ten sposób sparametryzować. Stąd przy modelowaniu złożonych stanów środowiska pojawiają się próby sięgania do niesymbolicznych metod sztucznej inteligencji, zwłaszcza do tzw. symulatorów sieci neuronowych. Idea ich konstrukcji polega na przekonaniu, że na podstawie znanych już stanów środowiska sieć odnajdzie i zapamięta wzajemne powiązania pomiędzy czynnikami determinującymi ów stan. Następnie, na podstawie takiego doświadczenia, możliwe jest stawianie pytań o ewentualny obraz badanego środowiska przy zmieniających się czynnikach determinujących. W praktyce sieci neuronowe zbudowane są z określonej liczby elektronicznych neuronów, wzajemnie powiązanych ze sobą i uszeregowanych w co najmniej dwie warstwy: wejściową i wyjściową. Proces uczenia sieci polega najczęściej na pobudzaniu neuronów warstwy wejściowej określonym zasobem informacji dotyczącej badanego zjawiska. Informacja ta podawana jest w formie sparametryzowanej, tzn. każdy czynnik, który, zdaniem badacza, może mieć wpływ na stan badanego środowiska, przedstawiony jest w postaci ciągu liczbowego. Sieć porównuje uzyskany przez siebie na wyjściu rezultat ze stanem rzeczywistym podanym przez badacza i modyfikuje wzajemne powiązania między poszczególnymi neuronami. Proces ten powtarzany jest najczęściej wielokrotnie, aż do uzyskania rezultatu z założoną wstępnie tolerancją błędu. Dobrze wytrenowana sieć jest w stanie odpowiedzieć, jaki będzie stan środowiska przy dowolnych zmianach danych wejściowych. Równocześnie, sprawdzając wagi i wektory neuronów warstwy wejściowej można określić, jaki jest wpływ poszczególnych czynników wejściowych na badane zjawisko, choć z reguły niemożliwe jest dokładne prześledzenie drogi wnioskowania systemu. Uzyskujemy w ten sposób swoistą bazę wiedzy, nie znamy jednak jej wewnętrznej struktury i logiki. Sieci neuronowe trenowane są według rozmaitych algorytmów. Ostatnio dynamicznie rozwijają się badania nad tzw. algorytmami genetycznymi. Na podstawie teorii ewolucji umożliwiają one m.in. automatyczną optymalizację procesu budowy struktury sieci – eliminację nieistotnych wejść i wiązań między neuronami. Ograniczają także tzw. efekt przetrenowania sieci, czyli zapamiętania wszystkich zaprezentowanych rozwiązań, co blokuje proces generalizacji przy podawaniu danych nieznanych wcześniej systemowi.

MNIEJSZE RYZYKO BŁĘDU

Systemy ekspertowe wyposażone w moduł sieci neuronowej (tzw. systemy hybrydowe) mogą znaleźć szerokie zastosowanie w wielu dziedzinach badań historycznych, np. przy próbach budowania makromodeli ekonomicznych czy demograficznych. Sprawdzają się także, często znacznie lepiej niż metody tradycyjne, gdy zachodzi konieczność rekonstrukcji brakujących danych statystycznych. Jednakże jest oczywiste, że żaden system ekspertowy nie zastąpi i nie wyręczy nigdy historyka w ostatecznym formułowaniu wniosków i refleksji dotyczących procesu dziejowego. Może jednak proces dochodzenia do owych wniosków znacząco przyspieszyć i usprawnić. Zapewnia bowiem szybki dostęp do ściśle fachowej, często bardzo przydatnej wiedzy z innych dziedzin nauki (np. metalurgia, chemia, medycyna) lub specjalizowanych dyscyplin historycznych (np. falerystyka). Równocześnie, poprzez możliwość przeanalizowania większej przestrzeni danych oraz odporność na zrutynizowanie ekspertyzy, ułatwia weryfikację hipotez roboczych i zmniejsza ryzyko popełnienia błędu.

Z punktu widzenia historyka-badacza, z reguły dość słabo zorientowanego w problematyce sztucznej inteligencji, samodzielne zaprojektowanie kompletnego systemu ekspertowego najczęściej pozostaje w sferze abstrakcji. Dostępne są jednak na rynku tzw. szkieletowe systemy ekspertowe. Mają one już zaimplementowane jądro systemu – maszynę wnioskującą oraz interfejs użytkownika. Pozostaje tylko stworzyć bazę wiedzy, a to, po opanowaniu kilku prostych reguł i zrozumieniu logiki jej budowy, jest relatywnie proste. Można więc przypuszczać, że stopniowo pojawią się na rynku specjalistyczne ekspertowe pakiety historyczne do rozwiązywania konkretnych problemów, np. system mógłby na podstawie podanych mu cech zewnętrznych umundurowania lub broni (niekoniecznie kompletnych) określać rangę i przydział żołnierza do określonej formacji, a nawet oddziału w wybranej epoce historycznej.

PRAKTYCZNE NARZĘDZIA

Istotą postępowania badawczego historyka jest praca nad źródłem. Stąd, nie deprecjonując przydatności pozostałych systemów baz danych, wydaje się, że z punktu widzenia rezultatów tego postępowania najbardziej przydatne są elektroniczne publikacje źródłowe, w tym zwłaszcza źródłowe bazy danych. Abstrahując od technologicznych rozwiązań modelowania danych (tekstowe, relacyjne, obiektowe) można je podzielić na co najmniej dwie grupy.

Bazy „problemowe” stanowią grupę baz danych najczęściej tworzonych i wykorzystywanych przez historyków. Są to w większości wypadków jednostkowe systemy informacyjne, opracowywane jako specjalizowane narzędzia do rozwiązania konkretnych problemów badawczych. Przeszukują one, klasyfikują czy też sortują rozmaity materiał źródłowy. Bazy te oddają ogromne usługi konkretnym historykom, bardzo rzadko mają jednak walor uniwersalny. Wynika to przede wszystkim z ich wąskiego profilu tematycznego oraz trudności w sprawnym posługiwaniu się nimi przez nowych użytkowników. Konstrukcja bazy, wewnętrzna organizacja danych oraz interfejs użytkownika najczęściej umożliwiają uzyskanie odpowiedzi jedynie na te pytania, które stawiał w trakcie swych badań naukowych sam projektant systemu.

Bazy „tematyczne” są kolejną grupą baz danych szeroko stosowaną w badaniach historycznych. Są to ogólne systemy opracowujące określoną grupę lub kategorię źródeł. O ile jednak w przypadku baz typu problemowego historyk najpierw stawia problem badawczy, a następnie dostosowuje do niego narzędzie, o tyle w przypadku baz tematycznych sposób ich tworzenia jest odmienny. Grupa czy raczej dziedzina problemów badawczych możliwych do postawienia jest pochodną potencjalnych możliwości tkwiących w samej treści wykorzystanych do budowy systemu źródeł. Owe potencjalne możliwości w wielu wypadkach ujawniają się dopiero przy zastosowaniu zaawansowanej techniki komputerowej. Odnosi się to zwłaszcza do źródeł zawierających dużą liczbę jednorodnych informacji jednostkowych dających się przetwarzać według rozmaitych kluczy statystycznych lub arytmetycznych. W wielu przypadkach można stwierdzić, iż komputerowa reedycja i analiza tych źródeł stwarza dla historyków nową, niedostępną dotąd, a bardzo interesującą i obiecującą platformę badawczą.

JAK STWORZYĆ BAZĘ?

Na podstawie dotychczasowych doświadczeń w tworzeniu badawczych baz danych zawierających źródła historyczne, można pokusić się o sformułowanie kilku uwag natury metodologicznej. Konstruowanie bazy zasadniczo składa się z dwu etapów. Pierwszy etap to badania teoretyczne, wszechstronna analiza źródła. Ma ona określić przede wszystkim, jak dostępne dane opisać i ująć w bazie. Istotne jest tu przeanalizowanie celowości i możliwości sortowania oraz grupowania informacji. Ważnym problemem jest także określenie optymalnych metod ewentualnego uzupełnienia brakujących danych niezbędnych do zachowania spójności i ciągłości wewnętrznej struktury bazy. Analiza kwestionariusza badawczego historyka określić powinna, jakie kategorie informacji historyk może uzyskać z danych źródłowych. Następny krok polega na przeanalizowaniu celowości i możliwości powiększenia tego zasobu informacyjnego poprzez przekształcenie danych metodami komputerowymi. Odpowie on, czy przydatne będzie uzupełnienie bazy o dodatkowe informacje, np. o zachodzących korelacjach, cyklach czy trendach itp.

Na podstawie analizy źródła i kwestionariusza badawczego określić można charakterystykę wyszukiwawczą bazy oraz wynikającą z niej strategię wyszukiwania, np. zastosowanie języka deskryptorowego (użycie swobodnych słów kluczowych), gwarantującą uzyskanie maksymalnej głębi informacyjnej. Teraz następuje opracowanie standardu opisu rekordu i struktury bazy danych. Rekord zawiera dane źródła pierwotnego, ewentualne informacje dodatkowe uzyskane w wyniku przetworzenia danych źródłowych oraz elementy aparatu wyszukiwawczego. Opis bazy powinien zawierać także instrukcję wyszukiwawczą – przyjętą metodykę wyszukiwania informacji.

Drugim etapem konstruowania bazy jest praktyczna realizacja przyjętych założeń teoretycznych: wybór konkretnej platformy realizacyjnej, najlepiej przystosowanej do obsługi projektowanej bazy (wielkość, typ i struktura danych oraz strategia wyszukiwania) oraz stworzenie za pomocą wybranej platformy systemu zarządzania danymi i interfejsu użytkownika. Powinien on realizować co najmniej kilka klas zadań: udostępnianie treści źródła, operacje na danych, wyszukiwanie i selekcja informacji oraz prezentowanie wyników poszukiwań.

PIĄTA GENERACJA

Rozwój systemów informacyjnych i powstawanie ich kolejnych generacji wymuszane są wzrastającą złożonością programów użytkowych baz danych. Pierwsza generacja systemów informacyjnych – system plików (ISAM, VSAM), umożliwiała pracę z bazą pojedynczemu operatorowi. Generacja druga – system hierarchicznych baz danych (ISM, System 2000) oraz trzecia – system baz danych CODASYL, umożliwiały wprawdzie wielodostęp, jednak nadal obarczone były licznymi ograniczeniami. Brakowało zwłaszcza niezależności danych, a dostęp do nich za pomocą wskaźników był niewygodny i mało efektywny. Pojawiła się zatem kolejna, czwarta generacja systemów informacyjnych – relacyjne bazy danych. Stanowią one dzisiaj dominujący powszechnie standard.

Pierwotnie, relacyjne bazy danych, podobnie zresztą jak i systemy wcześniejsze, rozwijane były głównie do potrzeb biznesowych (standardowe programy do obsługi przedsiębiorstwa, jak np. lista płac, gospodarka magazynowa, rejestracja transakcji, kontrahentów itp.). Z tego względu nadal posiadają one liczne ograniczenia uniemożliwiające ich zastosowanie w niektórych programach użytkowych. Z punktu widzenia historyka, relacyjny model danych często okazuje się zbyt prosty do odzwierciedlenia złożonych struktur modelowanej rzeczywistości społecznej. Brakuje w nim np. ważnych pojęć semantycznych, jak agregacja, hierarchia czy generalizacja, a systemy zarządzania bazami nie posiadają mechanizmów do reprezentacji i wykonywania operacji na tego typu związkach. Dlatego duże nadzieje można wiązać z rozwojem piątej generacji baz danych – bazami obiektowymi. Przechowują one informacje w postaci obiektów stanowiących kombinację danych oraz skojarzonych z nimi procedur. Pozwala to gromadzić dane o dowolnej strukturze, zdefiniowanej przez projektanta bazy, zwalniając go z konieczności „spłaszczania” tychże danych do postaci dwuwymiarowej tablicy z wbudowanymi kilkoma prostymi typami pól. Obiektowe bazy danych, zachowując wszystkie użyteczne cechy baz relacyjnych, udostępniają dodatkowe mechanizmy, które m.in. umożliwiają: reprezentowanie i posługiwanie się złożonymi, zagnieżdżonymi obiektami, przechowywanie i wyszukiwanie dowolnie długich danych, definiowanie dowolnych typów danych i operowanie nimi, reprezentowanie i zarządzanie zmianami w bazie danych, reprezentowanie i operowanie pojęciami semantycznymi, takimi jak hierarchia, agregacja oraz wspomaganie programów użytkowych wykorzystujących bazy wiedzy.

Obserwując trendy we współczesnym przemyśle komputerowym odnotowujemy stały wzrost popularności obiektowych baz danych. Istnieją obszary zastosowań, gdzie ich przewaga nad bazami relacyjnymi jest absolutna, np. serwery WWW. Przechowują one dane składające się ze stron napisanych w języku HTML, połączonych ze sobą odsyłaczami. Strony tworzą strukturę hierarchiczną (każda może składać się z podstron, te z kolei z następnych podstron itd.). Taka architektura może być doskonale wyrażona za pomocą modelu obiektowego. Dynamiczny rozwój Internetu zapoczątkował także proces decentralizacji magazynowania danych. Dotychczas zakładano istnienie jednego potężnego komputera przechowującego i zarządzającego danymi oraz wielu zdalnie połączonych prymitywnych terminali. Tzw. technologia obiektów rozproszonych umożliwia tworzenie otwartego środowiska, w którym aplikacja może korzystać z autonomicznych obiektów umieszczonych na różnych, włączonych do sieci komputerach. Również w tym wypadku obiektowe bazy danych zdecydowanie wygrywają z bazami relacyjnymi. Jednakże, pomimo wielu zalet, szybkie upowszechnienie nowej technologii jest niemożliwe. Występuje tu głównie bariera kosztów przekształcenia dotychczasowych systemów informacyjnych. Pojawiły się więc tzw. obiektowo-relacyjne bazy danych. (np. POSTGRESS, OpenOBD, Illustra), które umożliwiają przechowywanie obiektów w tablicach relacyjnych baz.

Jest pewne, że wpływu technologii komputerowych na postęp w badaniach historycznych nie można ignorować. Prawdopodobnie w niedalekiej przyszłości do lamusa odejdą fiszki i ręcznie sporządzane wypisy. Już dzisiaj wszyscy studenci historii przechodzą przynajmniej podstawowe przeszkolenie informatyczne. Proces komputeryzacji archiwów i bibliotek z czasem obejmie wszystkie te instytucje. Powszechny także stanie się dostęp do globalnych sieci komputerowych. W wielu krajach historycy aktywnie wykorzystują doświadczenia i osiągnięcia rodzącej się nowej subdyscypliny nauk pomocniczych, określanej jako History and Computing lub, w regionach niemieckojęzycznych, Historische Fachinformatik. W Polsce proces ten ma także miejsce, czego przykładem może być działalność polskiego oddziału AHC (Association for History and Computing) i Komisji Metod Komputerowych Polskiego Towarzystwa Historycznego.

Dr Krzysztof Narojczyk, historyk, pracownik Zakładu Metod Komputerowych w Instytucie Historii Uniwersytetu Warmińsko-Mazurskiego w Olsztynie. 
Prezentowany tekst stanowi skróconą wersję referatu wygłoszonego na XVI Powszechnym Zjeździe Historyków Polskich we Wrocławiu.

Uwagi.