数字人文导论：定义、历史与学科版图

数字人文导论：定义、历史与学科版图

问题的提出

数字人文究竟是什么 (What exactly is Digital Humanities)? 这个看似简单的问题，在学界已经争论了超过二十年 (This seemingly simple question has been debated in academic circles for over twenty years)。当你在 Google Scholar 上搜索 "Digital Humanities" 一词，会遇到数以千计给出不同定义的论文；当你在 CNKI 上检索"数字人文"，会看到文学、历史、哲学、信息科学、图书馆学等不同学科的研究者都在使用这个术语。当你走进一场数字人文会议，会看到文学家用 Python 编程、历史学家构建数据库、艺术史家创建三维模型——他们却都声称在做同一件事。这种"概念上的模糊性"并非缺陷，而是数字人文作为一个新兴交叉领域的典型特征。它意味着这门学科仍在生长、仍在自我定义。本章的核心任务是穿越这种概念迷雾，追溯其历史根源，并建立一个理解本书其余部分的工作框架。

要把握数字人文的内涵，必须先理解三组核心区分：第一，人文计算 (Humanities Computing) 与 数字人文 (Digital Humanities) 的关系——前者是后者的前身，但二者在研究姿态、学科目标和组织方式上存在根本差异；第二，数字人文与文化分析 (Cultural Analytics)、计算社会科学 (Computational Social Science) 等相关领域的边界——它们共享技术工具，但研究对象和问题意识各异；第三，数字人文作为方法 (Method) 与作为姿态 (Stance) 的分野——前者把数字工具当作辅助手段，后者则把数字思维视为人文学科的根本转向。

1.1 数字人文的定义谱系与三阶段发展史

1.1.1 萌芽期 (1949–1980)：人文计算的开端

要追溯数字人文的起源，必须回到 1949 年。这一年，意大利耶稣会神父 Roberto Busa (1913–2011) 与 IBM 合作，开始了一项在当时看来近乎疯狂的工作：将托马斯·阿奎那 (Thomas Aquinas) 以及其他中世纪经院哲学家的全部著作——总计约一千万拉丁文单词——转化为机器可读的形式，以便通过计算机生成"语词索引" (concordance)。这个项目后来被称为 Index Thomisticus (托马斯索引)，最终在 1974 年出版了 56 卷的纸本索引，并在 2005 年完成数字版。Busa 本人后来回忆说："我最初以为这是一个简单的项目，结果它占用了我整个学术生涯。"

Busa 的开创性工作之所以重要，不仅因为它是计算机首次大规模应用于人文学科，更因为它确立了一种至今仍在延续的研究范式：以大规模文本语料为基础，通过形式化方法揭示意义的分布与结构。换言之，计算机不是用来"理解"文本的，而是用来"检索"和"统计"文本的。这种工具理性 (instrumental rationality) 与人文阐释 (humanistic interpretation) 的结合，正是人文计算的核心精神。

在 Busa 之后，1960 年代出现了两个标志性事件：1964 年，Joseph Raben 在美国成立了第一个专门的人文学科计算中心；1966 年，国际计算与人文学会 (Association for Computers and the Humanities, ACH) 在纽约成立，这是该领域第一个专业学术组织。同年，IBM 举办了著名的 Thomas J. Watson Sr. Conference on Computers and the Humanities，为这一新兴领域奠定了制度基础。1973 年 ACH 正式更名为现在的名称，象征着这一领域从"自动语言处理"走向更广阔的人文学科应用。

1970 年代是文本编码 (text encoding) 实验的黄金时代。标记语言 (markup language) 的思想开始萌芽，研究者们意识到，要让计算机处理文本，必须先对文本进行结构化标注。这一时期的代表性事件包括：1971 年美国国会图书馆启动 MARC (Machine-Readable Cataloging) 标准项目，为书目数据的数字化奠定基础；1970 年代末在意大利比萨大学，Busa 项目组开发了第一代适用于古典文献的编码系统。这些早期探索为 1990 年代 TEI 的诞生做了技术储备。

1.1.2 建制化期 (1980–2004)：从边缘到主流

1980 年是数字人文发展史上的第二个关键节点。这一年，两个重要事件同时发生：英国学术院 (British Academy) 发起了一项针对人文计算现状的大规模调查，催生了 Literary and Linguistic Computing 期刊的诞生 (该期刊后于 2015 年更名为 *Digital Scholarship in the Humanities*)；同年，欧洲人文计算协会 (European Association for Literary and Linguistic Computing, EALLC) 成立，标志着这一领域开始走向跨国建制。

1980 年代的另一个重大进展是标准通用标记语言 (Standard Generalized Markup Language, SGML) 在人文领域的应用。SGML 是一种用于定义文档结构化标记的国际标准 (ISO 8879)，它的出现使得不同研究者、不同机构创建的电子文本能够共享统一的格式。这一思想直接催生了 1994 年由 ACH、EALLC 和计算语言学协会 (Association for Computational Linguistics, ACL) 联合发起的文本编码倡议 (Text Encoding Initiative, TEI)。

TEI 的发布是数字人文史上的里程碑事件。TEI 提供了一套详尽的 XML 标签体系，用于标注古文献、现代文学、口述历史、字典、戏剧、书信等几乎所有类型的文本。今天，TEI 已经成为全球数字人文项目的事实标准 (de facto standard)，被广泛应用于莎士比亚手稿数字化、中世纪手稿编目、佛教典籍整理、敦煌遗书编录等众多项目。可以毫不夸张地说，没有 TEI，就没有现代意义上的数字人文基础设施。

1990 年代见证了万维网 (World Wide Web) 的诞生 (1991 年 Tim Berners-Lee 在 CERN 发明 WWW) 以及它的快速普及。WWW 为数字人文带来了双重影响：一方面，它使得数字化的人文资源能够以前所未有的规模被全球访问；另一方面，信息超载 (information overload) 和去语境化 (decontextualization) 的问题也随之而来——当一篇莎士比亚的十四行诗可以在一秒钟内被检索到时，研究者反而开始反思：这种"零距离"的访问是否真的有助于深度理解？这一时期，古登堡计划 (Project Gutenberg)、英特网古典文献库 (Internet Classics Archive)、维多利亚女性作家工程 (The Victorian Women Writers Project) 等大规模数字图书馆相继出现，奠定了数字人文的公共资源基础。

1.1.3 扩展期 (2004 至今)：从人文计算到数字人文

2004 年是数字人文发展史上的分水岭。这一年，Susan Schreibman、Ray Siemens 和 John Unsworth 三人共同编辑的 《数字人文伴侣》(A Companion to Digital Humanities) 由 Blackwell 出版。这部 626 页的论文集首次系统地提出了 "Digital Humanities" 这一术语，作为对原有人文计算领域的重新命名 (rebranding)。该书开篇即指出，名称的更迭并非简单的术语替换，而反映了一种根本性的范式转换 (paradigm shift)。

那么，"Digital Humanities" 相对于 "Humanities Computing" 究竟新在哪里？学界普遍认为有以下四点：第一，研究对象的扩展——从纯文本扩展到图像、音频、视频、地图、三维模型等多媒体形态；第二，研究方法的多元化——从单纯的文本检索与统计，扩展到网络分析、地理信息系统 (GIS)、主题建模 (topic modeling)、机器学习、虚拟现实等；第三，学科边界的开放——从传统的文学、语言学、历史学，扩展到博物馆学、图书馆学、信息科学、艺术史、音乐学等；第四，研究姿态的转变——从"为人文服务的计算" (computing in service of humanities) 转向"与人文对话的计算" (computing in dialogue with humanities)。

2006 年，美国国家人文基金会 (NEH) 成立了数字人文办公室 (Office of Digital Humanities, ODH)，这是该领域第一个获得国家级制度认可的重要标志。2008 年，纽约大学 (NYU) 建立了第一个数字人文研究所，2009 年斯坦福大学成立了文学实验室 (Stanford Literary Lab)，标志着数字人文在常春藤级别的研究型大学中获得了稳固的学术地位。2010 年代是数字人文全球化的关键十年，欧洲、亚洲、拉美的数字人文机构如雨后春笋般涌现。2016 年，原有的 ACH、EALLC 等组织合并为数字人文组织联盟 (Alliance of Digital Humanities Organizations, ADHO)，标志着这一领域进入了一个新的国际协作阶段。

2020 年代，生成式人工智能 (Generative AI) 和大语言模型 (Large Language Models, LLMs) 的爆发为数字人文带来了全新的机遇与挑战。一方面，GPT、BERT、Claude 等模型为人文学者提供了前所未有的文本分析能力；另一方面，AI 生成的"伪学术"内容也对学术诚信和方法论反思提出了新的要求。2023 年，OpenAI 发布的 GPT-4 已经能够对莎士比亚戏剧进行风格分析、对古希腊语文本进行初步翻译，并辅助生成文献综述——这在十年前是不可想象的。然而，2023 年前后席卷学界的 ChatGPT 学术使用争议 也促使我们重新思考：什么才是真正"人文化"的研究？技术与人文之间应当建立怎样的合作关系？

1.1.4 一图概览：三阶段发展时间轴

下图以时间轴形式呈现了 1949 年至今数字人文发展的三个阶段及其代表性事件：

```mermaid flowchart LR S1["Stage 1: 1949-1980<br/>Humanities Computing"] --> S2["Stage 2: 1980-2004<br/>Institutionalization"] S2 --> S3["Stage 3: 2004-present<br/>Digital Humanities"] S1 --> A1["1949 Busa Index"] S1 --> A2["1966 ACH Founded"] S2 --> A3["1980 LLC Journal"] S2 --> A4["1994 TEI Guidelines"] S3 --> A5["2004 Companion to DH"] S3 --> A6["2006 NEH ODH"] S3 --> A7["2016 ADHO Rebranded"] S3 --> A8["2020s AI and LLM Era"] ```

这张图揭示了一个清晰的模式：在每一个阶段的过渡期 (1949, 1980, 2004, 2020)，都会出现一个标志性的方法论事件——从 Busa 索引、TEI 标准、《数字人文伴侣》到大语言模型。这些事件不是孤立的技术突破，而是反映了每一代研究者对"什么是可能的数字人文"这一问题的不同回答。

1.2 数字人文与传统人文学科的方法论差异

1.2.1 范式转换的四个维度

数字人文与传统人文学科的根本差异，可以从以下四个维度加以辨析：

第一，研究对象的数字化 (Digitalization of Research Object)。 传统人文学科的研究对象——手稿、典籍、画像、器物、建筑——原本是物质性的 (material)，它们以纸张、墨水、石材、木料等形态存在。数字人文的革命性之一，在于将这些物质对象转化为比特 (bits)，即通过扫描、摄影、转录、三维建模等技术，使其成为可计算、可检索、可传播的数字对象 (digital object)。这种转化不是简单的复制，而是对象的重构 (reconstruction of the object)：一个被数字化的中世纪手稿不再仅仅是某图书馆的藏品，而成为全球研究者可访问的"分布式对象" (distributed object)。但这里有一个重要的认识论问题：当手稿从"独一无二的物质实体"变成"可复制的数字文件"时，它是否还是同一个研究对象？这一问题是数字人文理论反思的核心。

第二，研究方法的计算化 (Computationalization of Research Method)。 传统人文学科的核心方法是细读 (close reading)，即对单个文本进行深入的、语境化的、阐释性的阅读。数字人文并不取代细读，而是增加了一种新的方法——远读 (distant reading)。这一术语由意大利文学批评家 Franco Moretti 在 2000 年提出，意指"在不阅读全文的情况下了解大量文本"的阅读方式。远读依赖的技术包括：词频统计 (word frequency)、共现分析 (collocation analysis)、主题建模 (topic modeling)、网络分析 (network analysis)、风格计量学 (stylometry) 等。细读与远读的关系，不是替代，而是互补：前者揭示深度，后者揭示广度。Moretti 的著名论断是"树可能让我们看不到森林"——远读正是让我们看到森林的工具。

第三，研究范式的协作化 (Collaborative Turn in Research Paradigm)。 传统人文学科的研究往往是单人项目 (solitary project)，一位学者花十年时间写一本书是常态。数字人文的典型项目则往往是团队协作 (team-based project)，涉及历史学家、文学学者、计算机科学家、图书馆员、视觉设计师、数据科学家等多种角色。一个典型的数字人文项目从立项到完成，可能涉及 5–20 名不同学科背景的研究者。这种协作化的研究范式，挑战了传统人文学科"独立学者"的浪漫形象。它也带来了新的挑战：如何协调不同学科的话语体系？如何评估跨学科合作的学术贡献？这些问题至今仍在讨论中。

第四，研究成果的可视化与开放化 (Visualization and Open Access)。 数字人文的成果往往不只是论文和专著，更包括交互式可视化 (interactive visualization)、数据库 (database)、网络平台 (web platform)、数字展览 (digital exhibition) 等多样形态。例如，斯坦福的"Mapping the Republic of Letters"项目不仅产出了学术论文，更提供了一个交互式地图，让用户可以直观地看到启蒙时代思想家之间的通信网络。同时，数字人文项目普遍采用开放获取 (open access) 原则，研究数据、代码、可视化作品往往以开放许可 (如 Creative Commons) 发布，使任何人都可以自由访问、复用和批判。这种"成果开放"的姿态，与传统人文学科"以出版社为中心"的成果传播模式形成了鲜明对比。

1.2.2 误区的澄清：数字人文不是"用计算机做文学"

初学者常常将数字人文误解为"用计算机做文学"或"文学研究的数字化"。这种理解是片面的。数字人文的范畴远不止文学研究，它涵盖：

• **历史学 (History)**：数据库建设、历史 GIS、口述历史档案；
• **语言学 (Linguistics)**：语料库语言学、计算语言学、方言地理学；
• **艺术史 (Art History)**：图像识别、风格分析、3D 雕塑建模；
• **音乐学 (Musicology)**：MIDI 分析、音频检索、音乐风格计量；
• **哲学 (Philosophy)**：文本挖掘、思想史可视化；
• **宗教研究 (Religious Studies)**：经文数字化、宗派网络分析；
• **考古学 (Archaeology)**：3D 遗址重建、文物数据库；
• **图书馆学与档案学 (Library and Archival Science)**：元数据标准、数字保存。

更重要的是，数字人文不仅仅是"应用层"的工具革命，更涉及认识论层面 (epistemological level) 的根本反思：当我们用算法"阅读"一千部小说时，我们对"文学"的理解是否发生了变化？当我们用数据库"管理"五万件文物时，我们对"文物"的理解是否还停留在物质性的层面？这些问题是数字人文的深层议题，也正是它区别于"将技术应用于人文学科"的关键。

1.2.3 一个简单的概念对比表

| 维度 | 人文计算 (Humanities Computing) | 数字人文 (Digital Humanities) | |------|----------------------------------|--------------------------------| | 时代背景 | 大型机时代，计算资源稀缺 | 云计算与人工智能时代，计算资源充沛 | | 研究对象 | 主要是文本 | 文本、图像、音频、视频、地图、3D 物体 | | 核心方法 | 检索、索引、统计 | 远读、网络分析、机器学习、可视化 | | 学科姿态 | 计算为人文服务 | 计算与人文对话 | | 成果形式 | 数据库、检索工