黃文璋教授之心在南方之文字探勘

引言

黃文璋教授是統計界的大家長，大力推動統計教育，參見黃文璋教授紀念網站。而南區統計研討會也是其開創，本人則是在第 32 屆的東華研討會上初次見面，教授為人大方且慷慨幽默，但不幸的初見面即為絕別，隔年的研討會上就收到教授離世的噩耗，但也聽到其在黃家小館與心在南方仍留有大量文字資料，本人與指導教授將以統計的角度研究其文字資料，作為對教授的追思與致敬。

資料來自於高雄大學的心在南方網站，這是他創立的公共寫作創作空間，而教授在此網站上發表共計 1101 篇文章，約有 300 萬字。然而文字眾多難以群覽，受《文學大數據》啟發，因而催生研究主題"這些文章的主題是什麼？"，本研究將進行文字探勘，主要仰賴 Latent Dirichlet Allocation (LDA) 進行主題分析。

資料簡介

心在南方網站共計 1431 篇文章 (2024 年 7 月 5 日)，分析黃文璋老師的文章，其首篇文章為 2002 年 12 月 9 日的《破解密碼》，最後一篇文章為 2023 年 10 月 29 日的《基督教發展史 (七)–古典時代晚期 8》，在這 20 年間黃老師發表了 1101 篇文章，占此網站 77%，2010 年後 97% 的文章為黃老師所著。

筆名

教授不僅以黃文璋作為筆名，也以南方壺與學易自稱，見黃家小館的"各式文章"。其中學易僅有 1 篇文章標題為《容易受傷的男人》；教授退休前筆名多為南方壺，退休後則為黃文璋。

字數

黃老師發表共計 300 萬字，且字數逐年增加，移除 5 篇超過 7500 字的文章後繪製分佈圖。

主題分布

基於 Latent Dirichlet Allocation (LDA)，主題大致上可分為 4 類時期性主題與 2 類不分時期性主題，其中時期性主題為：

• 2002 至 2017 年的學校主題
• 2007 至 2017 年的機率統計主題
• 2017 至 2021 年的英式擇偶主題
• 2015 至 2023 年的基督教主題

不分時期性主題為南區統計與女兒兩大主題。

學校主題

此主題約 200 篇文章，集中於 2002 至 2017 年，主要在退休前以南方壺為筆名，撰寫關於學校、教育理念的文章。

• 高中:《機率與統計在高中》、《談高中數學裡的交叉分析》、《也談高中數學學分》
• 大學:《大學的理念》、《贈與今年的大學畢業生》、《現在大學生》
• 高雄大學:《高大的評鑑》、《談高大與中山之合併》、《高大五年》、《高大七年》、《高大十年》、《高大統計所二 十年的懷想》
• 素養:《數學素養:隨機性與數據》、《談統計素養》、《數據素養》、《數學應用不易》

機率統計

此主題約 250 篇文章，集中於 2007 至 2017 年，在退休後一年 (2014 年) 致力撰寫關機率與統計主題文章。

• 《統計學的誕生》48 篇 (註：以第一篇文章名稱作為系列文章的名稱)
• 《統計下凡》39 篇
• 《談統計素養》11 篇
• 《談統計誤差》6 篇
• 《統計思維》6 篇
• 《統計入世》6 篇
• 《統計可信嗎》6 篇

英式擇偶

此主題有 239 篇文章，集中於退休後的 2017 年至 2021 年，是 5 本英式愛情小說的閱讀心得。

• 《漫談》2 篇，第 1 至 2 篇
• 《簡愛》4 篇，第 3 至 6 篇
• 《北與南》15 篇，第 7 至 21 篇
• 《錦繡佳人》47 篇，第 22 至 68 篇
• 《傲慢與偏見》60 篇，第 69 至 128 篇
• 《咆哮山莊》111 篇，第 129 至 239 篇

隨時間推移，撰寫的內容逐漸增加。

撰寫速度加快且趨於穩定。

基督教

此主題有 89 篇文章，講述聖經與基督教主題。

• 《跟著聖經神遊八方》31 篇，2015 至 2016 年
• 《基督教發展史》58 篇，2020 至 2021 年

不分時期主題

• 南區統計:《南區統計與傳統》、《南區統計十六年》、《南區統計二十二年》、《南區統計二十五年》、《南區統計 二十六年》、《南區統計二十七年》、《南區統計二十八年》、《南區統計二十九年》、《南區統計三十年》、《南區 統計三十二年》
• 女兒:《我心愛的女兒》、《女兒的成長》、《女兒的磨鍊》、《女兒的一小步》、《女兒跨出了一步》、《艱苦卓絕是 女兒》

結論

在退休前，主要以南方壺作為筆名描述教育、學校等相關議題；退休後則以本名撰寫統計、英式擇偶與基督教等相關主題。就如同大家對教授的評論，教授致力推動教育與素養，並投身於統計事業，撰寫上百篇關於統計文章。而在教育事業外，教授深愛其女兒，也對英式文學、英國歷史與文化、基督教做了深刻研究。

大量的文字資料在搜索時仍是一個困難的問題，有標籤 (tag) 能一定量的幫助搜索，協助用戶找到他們想要的資料，而 LDA 就能基於用字進行分布，將一篇文章分解成數個主題的機率分布，雖然運算量、主題命名、非關鍵字 (stop word) 仍是需要克服的問題，但這項技術仍提供了一種協助搜索與文字資料壓縮可能性。

後記

雖然跟教授不熟，但從教授的字裡行間的確能感受到他對教育事業與統計的熱愛，這樣的愛即使離世後仍能啟發後備，實屬不易。雖然我不及教授的文筆，也不及他的成就，但他仍是我的榜樣，即使撰寫的內容乏人問津，仍堅持了 20 年用筆墨撰寫下自己的故事，以至於後人能瞻仰他的作品，在去世後仍有人歌頌其豐功偉業。

太上有立德，其次有立功，其次有立言，雖久不廢。 — 《左傳·襄公二十四年》

人們說死亡有三個階段，第一次是去世，生理意義上的死了；第二次是葬禮，人們最後一次集體懷念他，社會意義上的死了；最後一次死亡是，最後一個記得他的人把他忘了，存在意義上的死了。這不禁讓我想起去世的爺爺奶奶們，或者說大多數人都是如此，去世後僅留存在人們回憶裡，而後輩再也無人知曉了。然而轉念一想，前人們留下最珍貴的事物，或許就是我們，我們能存在就是他們存在的證明。