第一章：数字人文导论——当代码遇见古籍

第一章：数字人文导论——当代码遇见古籍

数字时代的文科学术新纪元

想象这样一个场景：一位身着长袍的古代学者，正专注地翻阅着泛黄的竹简，试图从字里行间捕捉历史的脉动。然而，他身旁并非想象中的古色古香的书房，而是一间灯火通明的现代实验室，桌上摆放的不是毛笔和砚台，而是闪烁着蓝光的电脑显示器。这位学者并没有在故纸堆中皓首穷经，而是熟练地敲击着键盘，运行着一串串代码，同时在屏幕上浏览着经过数字化处理的敦煌文献——而这些文献的原件，正静静躺在万里之外的敦煌莫高窟中。

这并非科幻小说的虚构情节，而是当代学术研究的前沿现实。数字人文（Digital Humanities，简称DH）正在以一种前所未有的方式，重新定义着人文学科的研究方法和知识边界。当古老的东方智慧遇上现代计算机技术，当深埋在故纸堆中的历史记忆被转化为可计算的数据，人类对自身文明的理解正在经历一场静悄悄却深刻的革命。

数字人文的崛起，标志着人文研究进入了一个全新的时代。在这个时代里，文本不再仅仅是供人阅读的静态载体，而是成为可以被标记、分析、可视化和重组的动态数据源。一部《二十四史》可以在几秒钟内完成全文检索，一座敦煌洞窟的数字模型可以让研究者“走进去”细细端详每一幅壁画的细节，成千上万封历史人物的通信记录可以被聚类分析，揭示出隐藏在海量通信背后的社会网络关系图谱。这些曾经只存在于想象中的研究场景，如今正成为数字人文学者们的日常工具。

然而，数字人文绝非简单的“技术赋能人文”。它的意义远超出方法论更新的层面，更深刻地触及了人文学科的根本性问题：我们如何理解文本？知识如何被组织、传播和保存？技术与文化之间的关系是什么？当计算机算法开始参与我们对文学经典的诠释时，文学研究的本质是否发生了改变？这些问题没有简单的答案，但正是对它们的持续追问，推动着数字人文不断向前发展。

本章作为全书的开篇，将为读者搭建起理解数字人文的知识框架。我们将首先厘清数字人文的概念内涵与外延，探讨这一领域的基本定义和核心特征；接着追溯其历史渊源，从图书馆自动化运动讲起，一直追踪到数字人文成为独立学科的演变轨迹；然后分析数字人文的三大核心特征——跨学科性、技术导向与人文关怀的融合；最后，我们将放眼全球，梳理国内外重要的研究机构和标志性项目，帮助读者建立起对数字人文全景式的认知图景。

---

何为数字人文：一个众声喧哗的定义

当我们试图给数字人文下一个定义时，会立即遇到一个有趣的现象：几乎每一位学者都能对数字人文发表见解，但很少有人能给出一个人人都满意的定义。这并非数字人文独有的困境，许多新兴的交叉学科都面临类似的“身份认同”问题。然而，正是围绕定义的讨论本身，折射出了数字人文的丰富内涵和内在张力。

从宽泛到精确：数字人文的多元定义

美国学者苏珊·施拉布（Susan Schreibman）和约翰·安斯（John Unsworth）在其编辑的《数字人文读本》中，将数字人文定义为“一种关于协作的、基于证据的、以计算方法介入的人文研究”。这个定义强调了两个关键要素：其一，数字人文是跨学科的，它需要人文学者与技术专家的紧密合作；其二，计算方法是一种“介入”而非替代，它服务于人文研究的问题意识。

英国伦敦大学国王学院的数字人文教授梅丽莎·特拉斯（Melissa Terras）则从更具体的层面来理解这一领域。她认为，数字人文研究的是数字技术如何帮助我们理解人文材料，以及人文研究如何帮助我们理解数字技术本身。这个定义将数字人文视为一种双向的“理解”过程：技术不仅是被动的工具，也反向塑造着我们对人文现象的认知方式。

澳大利亚昆士兰大学的数字人文中心则采取了一个更为务实的立场，将数字人文定义为“使用数字媒体和计算方法进行的人文研究和创意表达”。这个定义突出了两个关键词：“数字媒体”和“创意表达”。前者明确了研究手段的技术属性，后者则强调了数字人文并非纯粹的技术活动，它同样承载着人类的创造力和审美追求。

如果我们综合上述不同视角，可以尝试给出一个相对全面的定义：数字人文是一门运用数字技术和计算方法，对人文材料（包括文本、图像、声音、实物等）进行获取、存储、分析、呈现和传播的跨学科研究领域。它既是人文研究的新方法论，也是人文学科在数字时代的新形态，体现了技术与人文的深度融合。

概念溯源：Digital Humanities的中文译名之争

在中文语境中，“Digital Humanities”通常被译为“数字人文”。然而，围绕这一译名的讨论颇有意味。“数字”一词强调的是技术层面——将一切信息转化为离散的、可计算的数字形式；“人文”则指向研究对象和价值取向——关注人类文化、历史、语言、艺术等精神创造物。

值得注意的是，台湾学者有时使用“数位人文”这一译法，“数位”强调的是信息的离散化和编码化，与计算机科学中的“digitization”概念更为贴近。香港学者则倾向于直接使用英文“DH”或音译。无论使用哪种译名，都反映了这一领域在中文知识界的接受和本土化过程。

还有一个值得关注的趋势是“计算人文学”（Computational Humanities）的使用。这个术语更加强调“计算”的方法论意义，与计算机科学中的“computational”传统更为接近。德国莱布尼茨信息科学中心（Leibniz Institute for Information Infrastructure）就采用了“计算人文科学”的说法，反映了欧洲学界对这一领域的特定理解。

无论术语如何演变，一个核心事实是确定的：数字人文代表着人文研究与数字技术深度融合的新趋势，它正在改变我们研究、呈现和理解人类文化遗产的方式。

数字人文的边界：它不是什么

在界定数字人文的外延时，我们不妨从否定入手，看看它“不是什么”，以获得更为清晰的认识。

数字人文不是纯粹的技术研究。 尽管数字人文大量使用计算方法，但它并不以技术创新本身为目标。开发一个新的算法或创建一个新的软件工具，如果仅仅是出于技术考虑，而与人文问题无关，那就不属于数字人文的范畴。数字人文的核心关切始终是人文问题——历史是如何书写的？文学的意义如何生成？社会关系如何通过文化产品表现出来？技术只是回答这些问题的手段。

数字人文不是人文研究的简单机械化。 数字人文的价值不在于用机器替代人脑，而在于拓展我们认知的可能性边界。一台计算机可以在一秒钟内检索完全球所有图书馆的目录，但只有人才能判断哪些文献与自己的研究问题真正相关。数字人文强调的是“人类判断+机器能力”的协作模式，而非对人类智识的替代。

数字人文不只关注文本。 虽然“文本”（text）是人文研究的核心对象，但数字人文的研究范围远不限于传统意义上的文本。图像、地图、音乐、电影、建筑、考古遗址、数字艺术等，都是数字人文的重要研究对象。事实上，数字人文的一个重要贡献恰恰在于，它打破了文字文本的垄断地位，让视觉、声音、空间等以前难以系统研究的人文材料进入了大规模分析的可能性空间。

---

历史的轨迹：从图书馆自动化到独立学科

理解数字人文，不仅需要知道它是什么，更需要知道它从何而来。数字人文的诞生并非一蹴而就，而是经历了半个多世纪的积累和演变。从早期的图书馆自动化运动，到语料库语言学的兴起，再到21世纪数字人文作为独立学科的确立，每一步都凝聚着无数学者的探索和努力。

史前史：计算方法进入人文研究的萌芽期（1940-1970）

数字人文的源头可以追溯到20世纪中叶。1946年，世界上第一台通用计算机ENIAC诞生，虽然它的最初用途是计算炮弹弹道，但它的出现预示着一个新时代的来临。很快，学者们就开始探索将计算机用于人文研究的可能性。

1952年，法国学者雅克·伯托（Jacques Bertin）发表了《普通图形符号学》，尝试建立一套用图形表达信息的系统理论，这部著作被视为信息可视化的早期重要文献。1959年，剑桥大学的古典学者罗伯特·比尔斯（Roberto Busa）与IBM合作，开始编制《托马斯·阿奎那作品索引》（Index Thomisticus），这是世界上第一个大规模的人文语料库索引项目。

与此同时，语料库语言学（Corpus Linguistics）作为一个独立的研究领域逐渐成形。1957年，美国布朗大学发布了布朗语料库（Brown Corpus），这是第一个被广泛使用的机读语料库，包含了约100万词的英语文本，涵盖了多种文类。布朗语料库的建立标志着语言研究从定性分析向定量分析的转变，也为人文研究的方法论革新奠定了基础。

这一时期最突出的特点是：计算机主要用于人文材料的存储和检索，而非深度分析。人文学者对计算机的态度也较为复杂，既有好奇和期待，也有怀疑和抵触——毕竟在当时，计算机还是一种笨重、昂贵、难以操作的神秘机器，而人文学者大多缺乏技术背景。

奠基期：数字人文概念的萌生（1970-1990）

20世纪70年代是数字人文发展史上的重要阶段。1974年，意大利学者弗朗科·克莱里西（Franco Clivio）发起了“文本编码与检索系统”（TREC）项目，致力于用计算机处理中世纪手稿。1976年，美国现代语言协会（MLA）发布了《MLA Style Sheet》的修订版，开始关注人文文献的机读格式问题，这预示着学术规范也要适应数字化时代的要求。

1987年，可以被视为数字人文发展史上的一个标志性年份。这一年，国际计算与人文学科协会（Association for Literary and Linguistic Computing，简称ALLC）正式成立，标志着这一跨学科领域开始有了自己的学术组织。同年，万维网（World Wide Web）的发明者蒂姆·伯纳斯-李（Tim Berners-Lee）在欧洲核子研究组织（CERN）提交了一份备忘录，提出了构建一个基于超文本系统的信息共享平台——这便是日后改变世界的万维网的雏形。

1989年，美国人文计算学会（Computing in the Humanities Working Group）发布了《人文计算指南》（Guidelines for Literary and Linguistic Computing），为人文数据的编码、存储和交换提供了标准化的规范。这一时期的重要进展还包括：古登堡计划（Project Gutenberg）于1971年启动，致力于将公共领域的书籍电子化，为数字人文研究提供了宝贵的开放资源。

这一阶段的核心特征是：人文学者开始系统性地使用计算机进行人文研究，相关的学术组织和规范开始建立，计算机不再是少数技术精英的专属工具，而是逐渐走向人文学者的工作台。

发展期：数字人文的制度化（1990-2005）

1990年代是数字人文突飞猛进的时期。万维网的普及彻底改变了信息传播和学术交流的方式，也为数字人文带来了前所未有的发展机遇。

1993年，万维网正式向公众开放，互联网开始进入普通家庭。1995年，美国伊利诺伊大学厄巴纳-香槟分校成立了“人文、艺术和社会科学数据联盟”（Humanities, Arts, and Social Sciences Data Alliance），致力于推动人文数据的共享和重用。同年，英国牛津大学建立了“牛津文本档案”（Oxford Text Archive），为数字人文研究提供了重要的资源平台。

2000年前后，一批重要的数字人文基础设施相继建成。2000年，文本编码倡议（Text Encoding Initiative，简称TEI）发布了P5版本，这是一套用于描述人文文本的结构化标记语言，被广泛应用于古籍数字化、文学文本分析等领域。TEI的出现标志着数字人文领域开始有了自己的技术标准和规范。

2001年，“数字人文”（Digital Humanities）这一术语开始被广泛使用。在此之前，这一领域通常被称为“人文计算”（Humanities Computing）或“计算语言学”（Computational Linguistics）。“数字人文”这一新名称的流行，反映了该领域正在超越纯粹的工具性定位，开始追求更广泛的人文价值认同。

2005年，斯坦福大学文学实验室（Stanford Literary Lab）成立，由弗兰科·莫雷蒂（Franco Moretti）和马修·乔克斯（Matthew Jockers）等学者主持，开展了以“大数据”方法研究文学史的创新性实验。这一时期还见证了“远读”（distant reading）概念的提出——与传统的“细读”（close reading）相对，远读指的是通过计算方法对大规模文本进行宏观分析，以揭示阅读单个文本无法发现的规律和趋势。

成熟期：数字人文成为独立学科（2005至今）

进入21世纪第二个十年，数字人文进入了它的成熟期——作为独立学科的合法性地位逐渐确立，学科建制日趋完善。

2009年是一个具有里程碑意义的年份。这一年，首届“数字人文国际会议”（Digital Humanities Conference）在美国马里兰大学举办，此后每年一届，成为该领域最重要的学术盛会。同年，法国启动了“数字人文大学”（Université Numérique des Sciences Humaines）项目，致力于推动数字人文的教育和培训。

2011年，数字人文中心联盟（Center for Digital Humanities Consortium）发布了《数字人文宣言》（Digital Humanities Manifesto），系统阐述了数字人文的学术理念、研究方法和未来愿景。这份宣言强调了数字人文的跨学科性质、开放获取原则以及对人文研究范式的变革性影响。

2012年，英国艺术与人文研究理事会（Arts and Humanities Research Council）发布了英国数字人文路线图（UK Digital Humanities Roadmap），标志着政府层面开始将数字人文纳入战略规划。2015年，欧洲数字人文协会（European Association for Digital Humanities）正式成立，进一步推动了欧洲范围内的数字人文合作。

在机构建设方面，这一时期的显著特点是越来越多的大学设立了专门的数字人文院系或研究中心。截至2023年，全球已有数百所高校开设了数字人文专业或课程，从本科教育到博士培养，形成了一个完整的学术培养体系。与此同时，一批专注于数字人文的学术期刊也应运而生，如《数字人文季刊》（Digital Humanities Quarterly）、《数字人文研究》（Digital Scholarship in the Humanities）等，为学术成果的发表提供了专业平台。

中国在这一时期的数字人文发展也令人瞩目。2012年，中国社会科学研究评价中心开始关注数字人文领域的研究成果；2015年，南京大学、山东大学等高校相继成立数字人文研究中心；2020年，中国数字人文开放合作计划正式启动，推动国内数字人文资源的共享与协作。

---

核心特征：跨学科、技术与人文的三角张力

如果说数字人文的定义和历史帮助我们了解了这一领域的“轮廓”，那么对其核心特征的把握则能让我们深入理解它的“质地”。数字人文之所以能够成为一种独特的研究范式，在于它同时具备三个相互关联、彼此支撑的核心特征：跨学科性、技术导向和人文关怀。这三者构成了数字人文的内在张力，也是理解这一领域的关键所在。

跨学科性：知识的边界在哪里？

跨学科性（Interdisciplinarity）是数字人文最显著的特征之一。数字人文不是传统人文科学与计算机科学的简单叠加，而是一种真正意义上“熔铸”（melding）的新知识形态。

让我们想象一个典型的数字人文项目会如何运作。一个研究中国古典文学的学者，可能需要与计算机科学家合作开发自然语言处理工具，以实现对古代汉语的自动分词和词性标注；他可能还需要与古籍整理专家合作，确保数字化的文本版本准确可靠；他可能还会与数据可视化专家合作，设计直观的图表来呈现文学风格在时空中的演变。这个团队中，每个人都贡献着自己独特的专业知识和技能，但最终的研究问题——理解中国古典文学的内在规律——始终是人文性的。

这种跨学科合作的难度不容小觑。正如数字人文学者杰里米·布列斯（Jerome Bue）所指出的，数字人文项目面临的最大挑战往往不是技术问题，而是不同学科之间的“语言壁垒”和“认知鸿沟”。人文学者关注的是文本的细微意义、历史的偶然性、文化的独特性，而计算机科学家追求的是算法的效率、数据的规模和系统的稳定性。如何让这两类思维方式有效沟通，是每一个数字人文项目都必须面对的课题。

数字人文的跨学科性还体现在它打破了传统学科边界，将人文研究的对象——文本、图像、声音、实物——视为一个整体。大英图书馆的“数字人文学科框架”（Digital Humanities Subject Framework）将数字人文的研究范围划分为十个领域：文本、图像、地理空间数据、时间数据、物体与实物、声音与音乐、社会网络、统计与可视化、基础设施与方法论、计算方法与工具。这个分类体系本身就说明，数字人文是一个高度综合的研究领域，它需要整合多种来源、多种类型的材料和多种分析方法来回答人文问题。

值得注意的是，跨学科性并不意味着数字人文没有自己的核心关切。事实上，数字人文既不是“技术附庸”也不是“人文学科的技术化”，而是有自己独立的问题意识和价值取向的。正如美国数字人文学者安妮·伯勒（Anne Burdick）等人在《数字人文宣言》中所言：数字人文既不能被简化为“应用计算机的人文学”（applied computing in the humanities），也不能被简化为“利用人文学科材料的计算机科学”（humanities-inflected computer science），它是“关于数字时代的人文”（the humanities in the digital age），关注的是技术如何改变了我们理解人类文化的方式。

技术导向：工具塑造研究

数字人文的第二个核心特征是技术导向（Technology-oriented）。这意味着数字人文高度重视数字技术在人文研究中的应用，并将方法论创新视为推动领域发展的重要动力。

技术导向首先体现在数字人文对数字基础设施的依赖上。古籍数字化、语料库建设、数据库开发、地理信息系统（GIS）、文本挖掘（text mining）、自然语言处理（NLP）、机器学习（machine learning）等技术，构成了数字人文研究的“硬核”基础设施。没有这些数字资源和技术工具，数字人文研究便无从谈起。

以文本挖掘为例，这一技术使得研究者能够从海量文献中发现靠人工阅读无法察觉的模式和趋势。美国哈佛大学计量文学实验室（Harvard Literary Lab）开展的“文学风格的时间演化”项目，通过对18至20世纪英语文学作品的词汇使用频率进行统计分析，揭示了文学风格变迁与出版业发展之间的关联。这类研究如果没有计算工具的介入，几乎是不可能完成的。

然而，数字人文对技术的拥抱并非