高校学籍档案单机可视化检索实证研究

    孙学政

    摘 要：依托共享数据，对数字化学籍档案重命名，构建以姓名为主要检索标识的系统，借助everything检索软件，实现基于文件名的高效检索。数字化档案有序存放在指定文件夹，在可视化的情况下，文件夹同样具备检索功能。高校学籍档案单机可视化检索实证操作，简单易学，软硬件投入低，在涉及人名的档案检索中优势明显，因受限于文件名长度，与基于档案内容本身的智能化检索相比，有明显的不足之处。

    关键词：学籍档案；数据清洗；数据加工；可视化检索

    档案网络化智能检索利用是档案工作的终极发展方向，有朝一日，你想查看自己权限内的档案，只要说一声，检索结果就瞬间呈现在你眼前。档案作为核心的信息资源，很大一部分需要限制利用，在利用时需要做好用户身份识别与权限控制。就目前的技术水平而言，做到档案网络化智能检索利用并不难，但从投入产出比来看，很多档案不值得这么做。与高端的网络化智能检索系统相比，如果以不到10万元的软硬件投入，做到只输入一个学生的姓名（遇到同名情况时增加相关检索条件）就瞬间看到该生的新生录取名册、学籍表、成绩表、毕业资格审查表、学历注册照片、学籍变动、奖惩等所有与该生有关的档案，那么，这种检索模式就更切合大多数高校档案利用工作的实际。依托共享数据，对共享数据进行清洗与加工，在此基础上对数字化学籍档案副本进行批量重命名，构建以学生姓名为主要检索标识的系统，借助everything免费检索软件，可轻松实现高校学籍档案单机可视化检索。

    1 高校学籍档案可视化检索的数据准备

    档案利用最大的困难就是如何解决高效检索问题。学籍档案快速准确检索依赖学生学号、姓名、专业、班级等大量数据，如果全部需要手工录入，不仅工作量大，而且很难保证准确性，为保证数据准确性而进行的审核工作量甚至比录入工作量更大。高校招生部门、教务部门有大量的准确数据，依托这些共享数据构建学籍档案可视化检索系统，可以起到事半功倍的效果。

    1.1 共享电子数据的采集及补救措施。新生录取名册电子数据来自招生部门，可按省份、类别、专业、总分排序，经过一定的处理，可基本实现数据共享；学号、姓名、曾用名、班级、专业等数据来自教务系统，可完全实现数据共享。如果上述学生数据不能收集齐全，作为补救措施，可借用学历电子注册数据，1991年以后的毕业生都进行了学历电子注册，可从教务部门获取，1991年之前的学生数据，可从档案管理系统的卷内目录或校友通讯录等数据源获取，当然这些数据不能直接利用，需要做进一步的清洗与深加工。

    1.2自动审核人工录入数据。人工录入数据不难，难就难在如何快速准确录入数据，数据不准确的后果往往是灾难性的，会导致整个检索体系的崩溃。高校有勤工助学的学生，发动人海战术，人工重新录入学生姓名、专业等数据时，为保证准确性，一般需采用双人双机录入，校验合格后使用，这种做法工作量成倍增加，效率低下。为提高录入效率，也可多人多机分别录入不同数据，利用共享数据进行自动审核，确保录入数据的准确性，具体做法是利用电子表格的vlookup函数。以新生录取名册录入为例，可新建电子表格，将共享数据拷贝到sheet1表中，调整单元格数据顺序，A列必须为姓名，D列为专业（也可为其他需要审核的内容），在sheet2表中A1、B1、C1、D1四個单元格分别录入页码、姓名、专业、待审核四个字段名，在D2单元格录入“=VLOOKUP（B2，'sheet1'！A：D，4，0）”（具体操作时不要录入全角双引号，下同），在sheet1表格A列中精确查找姓名与sheet2表格中B2姓名相同的学生，并将其相应D列内容链接到sheet2表格中D2单元格，此时sheet2表格中D2单元格显示“*N/A”，鼠标左键单击D2单元格，光标移至D2单元格右下角出现“+”时压住鼠标左键向下拖动，想录入多少人就拖多少行。当在sheet2表格中B列录入学生姓名时，D列相应单元格会出现该生的专业，如果还是显示“*N/A”，则表示录入可能出错，如果经核实录入无误，则表明共享数据不全，在sheet2表格中C列相应单元格录入该生专业，以备进一步人工审核；如果出现的专业与该生不同，则可能共享数据有误或存在同名学生情况，在sheet2表格中C列录入该生专业，以备进一步人工审核。利用共享数据自动审核，既可保证数据准确性，又可成倍提高录入工作效率。sheet2表格中A列录入纸质档案实际页码，与纸质档案一一对应，待进一步对数据进行加工处理。

    2 对数字化学籍档案副本重命名，实现按姓名可视化检索

    学籍档案的检索以学生姓名为显著特征，由于存在同名情况，因此，仅仅靠姓名，虽然可以做到查全率100%，但必须辅以其他检索条件，借助可视化操作，才可快速准确定位所需档案。对数字化学籍档案副本重命名，既要确定命名规则，又要具备简单的软件应用知识。

    2.1 数字化学籍档案副本命名规则。文书档案数字化副本命名规则，常用的是文件级档号-件内页面流水号，或文件级档号-稿本代号-稿本内页面流水号，这种命名方式虽然利于档案数字化副本批量挂接到数据库，但必须借助目录查找档案，并没有实质性提高数字化档案的检索效率。高校学籍档案数字化副本如果参照此规则命名，检索效率同样不高。为便于快速准确查找学籍档案，充分发挥数字化档案检索利用优势，需针对高校学籍档案实际，确定数字化学籍档案副本命名规则，并与档案实体一一对应（如果仅仅从利用的角度来看，数字化档案副本无需与实体档案一一对应，命名会更简单，检索效率会更高，此问题有待进一步探讨）。文件名称构成主要为“档号-姓名”，为避免同名造成的误检，可根据实际情况增加文件名称构成项目，比如学籍表、成绩表文件名构成为“档号-姓名-专业-入学年度”（档号可反映毕业年度）；新生录取名册为“档号-姓名-专业-报考省份”（档号可反映入学年度）；毕业资格审查表为“档号-姓名-专业”（档号可反映毕业年度）；学籍变更材料、奖惩材料为“档号-文号-文件名-姓名”。为提高查准率，二字姓名后统一添加“-”，多个姓名之间用“-”连接；各校还可以根据共享数据及档案记载情况，增加文件名构成项目，比如本校成绩单记载有毕（结）业证书、学位证书号码，可利用毕业资格审查表电子数据对扫描版成绩单进行重命名，实现按证书号码精确检索。

    2.2 数字化学籍档案副本的后期处理。大多数高校都实现了馆藏纸质档案数字化，由于手写档案不能进行OCR识别，部分打印版效果太差，OCR识别率太低，难以实现基于档案内容的高效检索。扫描件的查找难度比纸质档案更大，需进行进一步的加工处理。

    2.2.1 利用Adobe Acrobat X Pro软件或WPS付费软件的拆分文档功能，将成册扫描的新生录取名册、毕业资格审查表按页拆分为多个文档，有多少页拆分成多少个文档（高速扫描一般都是成册扫描成一个文档，如果是单页扫描成一个文档，则省略此步），同一页的所有学生对应一个文档，由于文件名长度不能超过255个字符，当一个文档的学生人数太多时，为保证能检索到所有学生，可多拷贝几份，分别命名，形成内容完全相同但文件名不同的多个文档（这种情况并不多见，仅是例外情况下的变通措施）；学籍表、成绩表拆分之前要进行相应处理，保证学生与学籍表（或成绩表）是一一对应关系；学籍变更材料、奖惩材料可根据原文件实际情况确定是一对一关系还是多对一关系。

    2.2.2 灵活运用Excel或WPS以及方方格子插件等软件对电子数据进行清洗与深加工。共享电子数据要做相应清洗，比如以前有些生僻字打不出时经常会用“*”或“？”代替，由于文件名不能包含“＼ / ：* ？|”等字符，重命名前要清除这些字符，可以用查找替换的方式进行清洗，查找“*”“？”需要在查询栏分别输入“～*”和“～？”，替换栏输入正确的数据（以前打不出的生僻字，现在基本上能打出，可通过搜索引擎查找复制粘贴，比如煇字，可搜索一个火字加一个军）。由于批处理文件中不能出现多余的空格、软回车等，这些也需在WPS或EXCEL中进行清洗。为提高检索效率，电子数据要进行进一步加工，在清除空格后，二字姓名后可批量添加“-”，假设A列为原姓名数据，B列为处理后的新姓名数据，在B1单元中录入“=if（len（A1）=2，A1&"-"，A1）”，左键单击选定B1单元格，双击B1单元格右下角“+”（或压住“+”向下拖到结尾），可在二字姓名后批量添加“-”，复制B列数据，选择性粘贴（选数值）到A列，删除B列，完成二字姓名数据加工处理。方方格子插件目前有Excel版和WPS版（试用版），可实现电子表格数据行列转换，也可实现一行多列、一列多行数据合并，可减轻数据加工处理的工作量，上文sheet2表格中A列数据中相同页码的B列多行姓名可轻松合并到一个单元格中，重命名数字化文件后，可实现新生录取名册、毕业资格审查表多对一检索。

    2.2.3 文件批量重命名的具体操作。最基本的重命名语句为“ren 源文件名 目标文件名”（中间两处空格不能省略），假设电子表格中ABCDE列分别为源文件名、档号、姓名、专业、入学年度等信息，包含有整个年度所有学生的学籍表信息，源文件为pdf版式文件，在F1单元格中输入命令“="ren "&A1&" "&B1&"-"&C1&"-"&D1&"-"&E1&".pdf"”（命令中两处空格不能省略），可生成一条重命名语句，单击选定F1单元格，双击F1单元格右下角的黑+，可生成整个年度的学籍表批量更名数据；将电子表格中处理好的批量重命名语句拷贝到新建的文本文件（重命名.txt），再另存为批处理文件（重命名.bat）。将重命名批处理文件拷贝到源文件相同的目录下，运行批处理文件（特别提醒：重命名前做好备份），可实现文件批量更名，更名后所有文件名中都含有档号、姓名、专业、入学年度等检索项。

    3 学籍档案单机可视化检索利用的实践

    3.1 everything检索软件及其应用。可在360软件管家下载免费使用，是一款基于名称实时定位文件和目录的文件搜索工具，该软件大小不足2MB，界面简洁易用，检索速度极快，占用系统资源极低，实时跟踪文件变化。在搜索框输入检索内容，会实时显示过滤后的文件和目录，检索结果可进行复制、浏览、修改和删除等操作，可轻松实现模糊检索与精确检索。比如听说张某某的弟弟1986年考入本校养殖专业，现想知道张某某的弟弟是谁，在检索栏输入“张 养 86”（中间空格不能省略，本校养殖专业有海养、淡养、养专等不同专业，仅输入一个养字，是为了在模糊查找时扩大检索范围，提高查全率），检索结果会显示本校1986年入学的养殖专业所有张姓学生，分别查看学籍表，通过社会关系记载，如果找到张某某就可以基本确定其弟弟是谁，如果学籍表中没有张某某的记载，则基本确定张某某的弟弟不是本校养殖专业1986级学生。当单次检索呈现的结果较多时，可继续增加检索条件，以缩小检索结果，比如，想查找“张文”的成绩表，在检索栏输入“张文”，呈现的结果较多，继续在检索栏输入“-”（紧跟在文字后面，不要空格），则只出现张文的学籍档案，如果还存在同名的情况，则可增加更多的检索条件（不同检索条件之间用空格隔开）或通过查看路径找到所需的结果。本校成绩单文件名已包含毕业证书、学位证书号码，输入证件号可精确查找到所需要的成绩单，电话核查学历证书真伪时，只需录入证件号码，即可实时告知查询结果。

    3.2 数字化学籍档案副本的有序化存放。everything搜索只基于文件和文件夹的名称，上文已给出了文件批量重命名的实证操作，在可视化的情况下，文件夹同样具备检索功能，数字化文件有序存放，会极大提高检索效率。以广东海洋大学数字化学籍档案副本为例，按不同全宗建有新生录取名册、学籍表、成绩表、毕业资格审查表、数字化文件等分目录，分目录下再根据实际情况设立类别、年度等子目录（比如，广东海洋大学2018届博士毕业生成绩存放在“D：＼广海大＼成绩＼博士生＼2018”目录下），数字化档案存放在相应的目录下，检索时就能可视化快速定位。everything软件检索结果会显示名称、路径、大小、修改时间等内容，路径就是数字化文件存放的位置，数字化文件存放有序，就可以充分发挥可视化检索优势，直接定位所需要档案。比如本校有8名毕业生叫“张文”，涉及两个档案全宗，有全日制研究生、本科生、专科生，也有成人教育学生，可根据路径快捷定位所需的档案。

    3.3 数据安全与隐私保护问题。解决数据安全问题，最关键的不是技术而是管理，在投入有限、不能确保网络信息安全的情况下，数字化学籍档案副本只能实行单机不联网检索。由于everything是免费软件，并且功能过于强大，电脑上所有文件名信息都会实时自动提取整合为一个数据文件，联网使用可能会有安全隐患，不建议在联网的电脑上使用。数字化学籍档案包含学生的身份信息、高考成绩、社会关系、求学经历、家庭住址、学业成绩、学籍异动等个人隐私，从信息安全的角度，不宜保存在联网的电脑上。及时备份数据是保证数据安全的重要措施，推荐使用BCompare軟件，主要功能有：文件夹比较、文本比较、MP3比较、版本比较、十六进制比较、数据比较、图片比较、注册表比较、文件夹同步、文本合并等。通过文件夹比较，可保证电脑数据与备份数据的一致性；文件夹同步可极大减少数据备份工作量；通过文本比较，可确保文本内容未被非法修改。为更好地保护个人隐私，在提供数字化档案利用时，推荐使用 Photoshop软件。对于新生录取名册、毕业资格审查表中涉及的其他学生信息，提供利用前，复制一份文档，用PS的色阶功能将其他学生的信息涂白，仅打印与利用者有关的信息。所有检索利用结果都保存备查，建好利用工作台账。

    *本文系广东高校档案工作协会2018年科研课题（重点项目）《大数据环境下高校档案信息资源的集成与服务研究》（粵高档协[2018]6号）研究成果之一。

    （作者单位：广东海洋大学档案馆 来稿日期：2018-12-21）