画像資料の研究は、どこで資料を見つけ、どこまでを集めるかを決めるところから始まる。本節は、機関の枠を越えて資料と資料の部分を探す横断検索とその索引化(IIIF Curation Finder・Canvas Indexer)、そして何を集めるかという判断を担う。画像が機関をまたいで同じ方式で公開されていること自体の仕組みは節「画像の流通基盤」の担当であり、本節は収集の前提として使うにとどめる。

機関をまたいで集める

IIIF で公開された画像であれば、公開元の機関を問わず同じ仕組みに読み込める。顔貌コレクションは、国文学研究資料館の資料をもとにした日本古典籍データセットのほか、慶應義塾大学メディアセンターデジタルコレクション、京都大学貴重資料デジタルアーカイブなど、さまざまな組織が公開する作品から顔を切り抜いて一覧化している [UC-041 §顔貌コレクション（顔コレ）とは]。収集の中心は近世の絵巻・絵入本で、江戸初期から中期の作品が多い [UC-041 §顔貌コレクション（顔コレ）とは]。集めた顔貌には統一的なメタデータが付与されており、横断検索が成り立つのはこの統一があるからである [UC-041 §顔貌コレクション（顔コレ）とは]。付与のしかたは節「部分を切り出す」を参照されたい。

部分まで探す——検索と索引化

横断検索の単位は、作品や冊子とは限らない。検索の入口は IIIF Curation Finder で、メタデータの値を選ぶと、表示単位をキャンバス(個々の顔貌)とキュレーション(作品単位)で切り替えながら閲覧できる。たとえばラベル「身分」の値「化身」を選ぶと、仏・鬼・怪物などの顔貌を作品を越えて横断的に見られる [UC-002 §メタデータ検索と派生キュレーションの作成]。

この検索は二層で成り立っている。表側が IIIF Curation Finder、裏側で索引を作るのが Canvas Indexer である [UC-002 §メタデータ検索と派生キュレーションの作成]。裏側の searchEndpointUrl からはキュレーションに含まれる画像とメタデータの一覧が、facetsEndpointUrl からは付与されたメタデータの一覧と各値の付与数が取得できる [UC-002 §メタデータ検索と派生キュレーションの作成]。部分まで探せるかどうかは、画像を公開することとは別に、索引を整えることで決まる。

検索結果は、そのまま次の収集の材料になる。派生キュレーションの作り方と意義は節「部分を切り出す」を参照されたい。

何を集めるか——悉皆か標本か

何を、どこまで集めるかは、研究の結論に直結する。集めた範囲が結論を規定するからである。

収集の方針は、数が示す傾向に反映される。顔コレでは男性が圧倒的に多いが、テーマを選ばずに各機関の公開作品を網羅的に取り込んでいけば男性がさらに増えていくのではないか、というのが講演者の見立てである [UC-041 §顔コレの活用]。これは件数の紹介ではなく、何を取り込んだかによって傾向が変わりうるという論点である。収集の対象が近世の絵巻・絵入本に偏っていること [UC-041 §顔貌コレクション（顔コレ）とは] も、その一例である。講演者は、日本中の作品から顔を集められるようになれば、作品の一般的な傾向がより明らかになるのではないかとも述べている [UC-041 §顔コレの活用]。

一方、網羅の単位を領域全体から一作品へ置き換える選び方もある。『遊行上人縁起絵巻 清浄光寺甲本』の分析では、10巻本で多人数の場面が何度も現れる一作品に絞り、2,000を超える顔貌を対象にした。複数の絵師または工房の手によると言われる作品であり、顔だけを切り抜けば作品内部の分担が分かるのではないかという見通しがあったためである [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。広い領域の標本を取る代わりに、一つの作品の悉皆を目指すことで、その作品の中の比較が成り立つようにしている。研究コミュニティ全体のために長いスパンで作品を足し続ける顔コレと、期間のなかで結論を出す具体的な分析との違いが、網羅の単位の選び方に表れている [UC-041 §『遊行上人縁起絵巻 清浄光寺甲本』への手法の適用]。

集める対象も、資料の種類と問いに応じて選ばれている。『捃拾帖』では、各ページにさまざまな資料が貼り込まれたスクラップブック群を、貼り込み資料の単位まで切り出して管理した [UC-003 §『捃拾帖』内容検索システムと貼り込み資料の自動抽出]。『ヒエラティック古書体学』データベースは、字典の3巻から行単位で2,000件強を抽出している [UC-003 §『ヒエラティック古書体学』データベース]。『デジタル源氏物語』は、東京大学総合図書館所蔵本に限らず、九州大学をはじめ複数の機関で公開されている写本・版本を集約して諸本対照を行えるようにした [UC-003 §「デジタル源氏物語」と諸本比較支援]。何を単位に、どの機関の範囲まで集めるかは、資料の構造と比べたい対象から決まっている。

集める行為を支える知識と体制

集めた範囲の質は、集める人の知識に左右される [UC-041 §顔コレの構築過程]。付与・切り抜きの作業体制は節「部分を切り出す」を参照されたい。地域の資料を集める場合は、地域の知識と組織の連携が、収集の可否を決める。「京都の鉄道・バス写真データベース」は、立命館大学アート・リサーチセンターが所蔵する約9,200点の鉄道・バス写真を対象に構築された [UC-005 §京都の鉄道・バス写真データベースの構築]。市電写真を素材とした理由として、車両を撮った写真の背景に当時は被写体になりにくかった日常の町並みが映り込んでいること、まとまったコレクションとして残されていることが多いこと、肖像権の問題が起きにくいことなどが挙げられている [UC-005 §京都の鉄道・バス写真データベースの構築]。何を集めるかの判断が、資料の性質から導かれている例である。

集める作業が残すもの

収集は資料を見つけて終わりではない。歴史地震のデータセットの事例では、紙のままで機械可読でないこと、紙でしかないデータを勝手にデジタル化してオープンにしてよいか分からないこと、利用条件が中途半端なまま公開されたデータが多いことが課題として挙げられ、これから作るデータは最初から利用条件を明示しておくと後の人が困るとされている [UC-047 §課題と展望]。収集は、利用条件と形式を定めながら進める作業である。また、玉石混交の史料を完全に入れ替えるのではなく、未校訂と校訂済のデータをひもづけて両方が見えるようにするという方針もある [UC-047 §史料集データベースの今後]。集めた範囲に何が含まれ、何が含まれないのかを残すことが、後の結論を読むうえでの前提になる。