数字人文概论：技术与人文学科的交叉

数字人文（Digital Humanities，简称DH）是一门正在迅速发展的跨学科领域，它利用计算技术和方法来研究人文学科问题，同时通过对人文学科问题的探究来反思和塑造技术本身。这一领域的核心魅力在于它打破了传统人文学科与自然科学、工程科学之间的壁垒，创造了一种全新的知识生产模式。当一位文学研究者使用自然语言处理技术分析莎士比亚全部剧作中的词汇分布，当一位历史学家借助地理信息系统（GIS）重现唐代丝绸之路的贸易路线，当一位艺术史学者通过图像识别技术追踪文艺复兴绘画中的视觉母题——这些场景不再仅仅是技术的简单应用，而是研究方法论的根本革新。数字人文不是简单地将传统人文学科问题“数字化”，而是通过技术介入，重新定义人文学科的研究对象、研究路径和成果呈现方式，进而催生新的研究问题和学术对话。本章将系统阐述数字人文的研究范畴、核心价值、跨学科性质，并通过具有代表性的实践案例，展示技术如何深度融入人文学科研究，最后探讨数字人文对学术生态、高等教育与公众文化产生的广泛影响，并勾勒出本书的整体框架与学习路径。

1.1 数字人文的定义、起源与研究范畴

数字人文作为一个术语和学术实践，其内涵随着技术发展和学科融合不断演变。要准确把握其本质，需要追溯其历史脉络，厘清其核心特征，并界定其研究边界。

1.1.1 从“人文计算”到“数字人文”：术语演变与范式转型

数字人文的起源可追溯至20世纪40年代末期，当时计算机科学尚在萌芽阶段，少数先驱者已开始探索计算机在文本分析和语言研究中的应用。1949年，意大利耶稣会学者罗伯托·布萨（Roberto Busa）开始与IBM合作，使用 punched cards（打孔卡）技术处理托马斯·阿奎那的拉丁文著作，旨在创建一个包含所有词汇及其上下文的索引。这个历时30余年的“阿奎那索引”项目（Index Thomisticus）被广泛认为是人文计算（Humanities Computing）的开端，也是数字人文最遥远的源头。布萨的工作确立了数字人文的一个核心范式：通过计算手段对大规模文本进行细粒度分析，以揭示人类思想的模式和结构。

20世纪70至80年代，随着个人计算机的普及和数据库技术的发展，人文计算在文献学、语言学、历史学等领域得到更广泛应用。这一时期出现了专门的学术团体和出版物，如美国现代语言协会（MLA）的计算机使用委员会、期刊《文学与语言计算》（Literary and Linguistic Computing）等。然而，这一阶段的研究大多局限于少数技术娴熟的学者，工具和方法相对单一，主要聚焦于文本的编码、索引和检索。

真正带来范式转型的是20世纪90年代末至21世纪初互联网的普及、超文本技术的成熟以及数字图书馆的兴起。这一时期，“人文计算”（Humanities Computing）逐渐被“数字人文”（Digital Humanities）所取代。这一术语变更不仅反映了技术工具的革新（从大型主机、个人计算机到网络平台），更标志着研究范式的拓展：从文本为中心的、相对封闭的学术活动，转向多媒体、多模态、开放协作、公众参与的综合性学术生态。2001年，美国全国人文基金会（NEF）资助的“数字人文倡议”（Digital Humanities Initiative）正式使用了“数字人文”这一术语，加速了其普及。2006年，首届“数字人文”大会（Digital Humanities conference）在巴黎举行，标志着数字人文作为一个独立学术领域的正式确立。

从“人文计算”到“数字人文”的演变，体现了三个关键转变： 1. 从工具应用到方法论重构：早期研究将计算机视为提高效率的工具（如自动生成索引），而数字人文则将其视为改变研究逻辑的方法论基础，催生了“远读”（distant reading）、“空间转向”等新范式。 2. 从文本中心到多模态融合：研究材料从纯文本扩展到图像、音频、视频、3D模型、地理空间数据等多种媒介，分析方法也随之多元化。 3. 从精英实践到开放协作：从少数专家主导的项目，发展为鼓励跨学科合作、开源共享、公众参与的开放学术运动。

1.1.2 核心定义与特征

尽管数字人文尚无一个被普遍接受的精确定义，但学术界对其核心特征已形成广泛共识。一个被频繁引用的定义来自美国学者凯西·斯科特（Kathryn Sutherland）：“数字人文是关于人文学科研究中数字技术应用与影响的学术领域，它既包括技术工具的开发和使用，也包括这些技术如何改变人文学科的知识生产、传播与评价方式。”这一定义强调了双向互动：技术赋能人文学科，人文学科亦反思技术。

数字人文的核心特征可概括为以下几点：

第一，跨学科性（Interdisciplinarity）。这是数字人文最根本的特征。它不是计算机科学与人文学科的简单相加，而是两种文化（科学文化与人文文化）的深度对话与融合。一个典型的数字人文项目团队通常包括：领域专家（如历史学家、文学研究者）、技术专家（如软件工程师、数据科学家）、设计专家（如用户体验设计师、可视化专家）以及图书馆员、档案管理员等。这种团队结构要求成员具备“双语言”能力：既能理解本学科的理论问题，又能与技术专家有效沟通。

第二，方法论创新（Methodological Innovation）。数字人文催生了大量新方法，如文本挖掘（Text Mining）、主题建模（Topic Modeling）、社会网络分析（Social Network Analysis）、地理信息系统（GIS）、三维重建、基于代理的建模（Agent-Based Modeling）等。这些方法不仅提供了分析大规模数据集的工具，更改变了研究者提出问题和验证假设的方式。例如，传统的文学研究往往基于“细读”（close reading）少数经典文本，而数字人文则支持“远读”（distant reading）整个文类或时期的所有文本，发现宏观模式。

第三，批判性与反思性（Critical and Reflective）。数字人文并非技术决定论，它包含对技术本身的人文批判。数字人文学者关注：数字archive的“缺失档案”（archival silences）问题——哪些材料被数字化了？哪些被排除在外？数字化过程如何塑造了我们对历史的理解？算法偏见如何影响研究结果？数据可视化中的叙事操纵？这些批判性思考使数字人文区别于单纯的技术应用，保持了人文学科的核心关切。

第四，开放性与协作性（Openness and Collaboration）。开源软件、开放数据、开放获取出版是数字人文的重要实践原则。许多数字人文项目以协作平台形式存在，允许公众参与贡献（如维基百科、古登堡计划）。这种开放性不仅促进了知识民主化，也加速了学术迭代。

第五，成果形式的多样性（Diverse Outputs）。数字人文的研究成果不仅限于传统学术论文，还包括交互式网站、数据库、在线展览、游戏、3D模型、多媒体叙事等。这些“动态出版物”（dynamic publications）往往具有交互性，允许用户探索数据、验证结论。

1.1.3 研究范畴与主要分支

数字人文的研究范畴广泛，可大致分为以下几个相互关联的分支：

1. 文本数字人文（Textual DH）：这是历史最悠久的分支，专注于文本的数字化、编码、分析和可视化。关键技术和标准包括：

• **文本编码**：使用标记语言（如TEI - Text Encoding Initiative）对文本的结构、语义、版本信息进行编码，使机器可读且保留人文研究所需的丰富注释。
• **文本分析**：包括词频统计、关键词提取、命名实体识别、情感分析、主题建模（如LDA - Latent Dirichlet Allocation）、词汇丰富度分析等。
• **计算风格学**：使用统计方法分析作者写作风格，用于作者归属鉴定、文本年代测定等。
• **数字编辑与版本学**：创建多版本、多媒介的电子版本，如《莎士比亚作品集》数字版，呈现不同版本间的差异。

2. 空间数字人文（Spatial DH / Historical GIS）：将地理信息系统技术应用于历史研究，创建历史地理信息系统（HGIS）。核心活动包括：

• **历史地图数字化与配准**：将纸质历史地图扫描后，通过地理配准（georeferencing）将其与现代坐标系统对齐。
• **历史数据空间化**：将文本、档案中的地名信息提取并关联到地理坐标，形成可查询、可分析的空间数据库。
• **时空分析**：分析历史事件、人口迁移、贸易路线等的空间分布与随时间的变化。
• **空间叙事**：创建交互式地图，结合时间滑块、多媒体内容，讲述历史故事。

3. 艺术与视觉数字人文（Art & Visual DH）：专注于图像、艺术品、视觉材料的数字化与分析。关键技术包括：

• **图像识别与计算机视觉**：自动识别画作中的物体、人物、风格，进行大规模风格分析或图像相似性检索。
• **3D建模与虚拟现实**：对建筑、雕塑、考古遗址进行三维重建，提供沉浸式体验。
• **图像标注与链接**：建立图像元素与相关文本、概念、其他图像的关联网络。

4. 文化遗产数字人文（Cultural Heritage DH）：关注博物馆、图书馆、档案馆的数字化与在线访问。涉及：

• **数字档案建设**：元数据标准（如Dublin Core, METS, MODS）的应用，数字对象的长期保存策略。
• **在线展览与虚拟博物馆**：将实体藏品转化为可在线浏览、检索、解读的数字资源。
• **公众参与式存档**：如“参与式档案”（participatory archives）项目，允许社区成员贡献个人收藏或记忆。

5. 网络数字人文（Network DH）：运用社会网络分析（SNA）等方法研究人文学科中的关系结构。例如：

• **人物关系网络**：基于小说文本提取人物共现关系，构建社交网络图，分析社区结构、中心人物。
• **学术交流网络**：分析学者间的合作、引用关系，揭示学科发展脉络。
• **信息传播网络**：研究历史时期信息的传播路径，如宗教改革思想的扩散。

6. 音视频数字人文（Audio-Visual DH）：处理和分析音频、视频资料。包括：

• **语音识别与文本化**：将采访录音、广播节目转化为可搜索文本。
• **音乐信息检索**：分析旋律、和声、节奏模式。
• **视频标注与检索**：为视频片段添加描述性标签，实现内容检索。

7. 数字哲学与批判数字人文（Digital Philosophy / Critical DH）：从哲学、伦理、政治角度反思数字人文实践。探讨：数字鸿沟、算法正义、数据所有权、数字遗产、后人类主义等议题。

这些分支并非截然分开，实际项目往往融合多个分支。例如，一个研究《红楼梦》的项目可能同时涉及文本编码、人物关系网络分析、空间叙事（大观园虚拟游览）和在线展览。数字人文的研究范畴仍在快速扩展，新兴方向包括：游戏研究（游戏作为研究对象和工具）、数字口述历史、科学人文交叉研究（如数字科学史）等。

1.2 跨学科性质：学科交汇与知识融合

数字人文的跨学科性不仅体现在项目团队的组成上，更深刻地反映在其知识基础、方法论和问题意识上。理解这种跨学科性，是把握数字人文精髓的关键。

1.2.1 计算机科学与信息科学：技术基石

计算机科学为数字人文提供了核心工具和方法论。但数字人文对计算机科学的需求并非通用的，而是聚焦于特定子领域：

自然语言处理（NLP）：这是文本数字人文的引擎。从基础的词性标注、句法分析，到高级的命名实体识别（NER）、关系抽取、情感分析、主题建模，NLP技术使计算机能够“理解”人类语言的结构和意义。例如，在文学研究中，使用NER技术自动识别小说中的人物、地点、组织，为后续的社会网络分析或空间分析奠定基础。在实践中，研究者常使用开源NLP工具包，如Python的NLTK、spaCy、Stanford CoreNLP。一个典型的工作流是：原始文本 → 分句分词 → 词性标注 → 命名实体识别 → 关系抽取 → 网络构建。以下是一个使用spaCy进行基础NER的代码示例：

```python import spacy

加载预训练的中文模型（需提前安装：python -m spacy download zh_core_web_sm）

nlp = spacy.load("zh_core_web_sm")

text = "《红楼梦》是清代作家曹雪芹创作的章回体长篇小说，以贾、史、王、薛四大家族的兴衰为背景。" doc = nlp(text)

提取命名实体

for ent in doc.ents: print(ent.text, ent.label_)

输出示例：红楼梦 WORK_OF_ART 清代 DATE 曹雪芹 PERSON 章回体长篇小说 WORK_OF_ART 贾、史、王、薛四大家族 ORG

```

信息检索与数据库：数字人文项目通常需要管理海量异构数据。关系型数据库（如MySQL, PostgreSQL）用于存储结构化数据（如人物属性、事件日期），而NoSQL数据库（如MongoDB）更适合存储半结构化或非结构化数据（如XML/TEI编码的文本）。信息检索技术（如倒排索引、布尔检索、向量空间模型）是构建数字档案搜索功能的基础。 Elasticsearch等搜索引擎常被用于提供快速、灵活的全文检索。

数据挖掘与机器学习：当研究问题超越简单统计，需要预测、分类或发现隐藏模式时，机器学习方法便发挥作用。例如，使用聚类算法（如K-means）对历史文档自动分类；使用分类算法（如SVM、随机森林）判断文本作者归属；使用深度学习模型（如LSTM、Transformer）进行更复杂的文本生成或风格分析。然而，数字人文中的机器学习应用需格外谨慎：训练数据往往有限且带有历史偏见，模型的可解释性（interpretability）至关重要，因为人文学科研究要求对结论进行深入阐释，而非仅仅追求预测准确率。

地理信息系统（GIS）：开源GIS软件（如QGIS）和编程库（如Python的GeoPandas、Folium）是历史GIS的常用工具。关键概念包括：坐标系与投影（确保空间数据对齐）、矢量数据（点、线、面）与栅格数据（如历史地图扫描件）、空间连接（spatial join）将属性数据关联到地理要素、空间统计（如核密度分析）发现热点区域。一个历史GIS项目通常包含以下步骤：收集历史地名数据 → 地理编码（geocoding）转换为坐标 → 与历史边界矢量图叠加 → 时空可视化与分析。

知识图谱与语义网：使用RDF（资源描述框架）和关联数据（Linked Data）原则，将人文学科知识表示为实体（人物、地点、事件、作品）及其关系的网络。这有助于整合来自不同来源的异构数据，实现跨资源的知识发现。例如，将《中国历史人物大辞典》中的传记信息与《中国历史地图集》的空间数据、地方志中的事件记录链接起来，形成统一的知识网络。

计算机科学为数字人文提供了“锤子”，但数字人文的独特之处在于，它常常需要重新设计“锤子”——开发适合人文学科特殊需求的新工具、新标准。TEI编码标准本身就是人文学者与计算机科学家协作的产物，旨在平衡机器可处理性与人文研究的丰富性。

1.2.2 语言学与文献学：内容分析的理论基础

语言学，特别是计算语言学，为文本数字人文提供了直接的理论和方法支持。历史语言学、语料库语言学、社会语言学等分支与数字人文研究高度重叠。

语料库语言学：构建和运用电子文本集合（语料库）进行语言分析是数字人文的核心实践。语料库可以是通用的（如英国国家语料库BNC），也可以是专门为特定研究目的构建的（如“莎士比亚语料库”、“晚清小说语料库”）。通过语料库工具（如AntConc, Voyant Tools），研究者可以快速进行词频列表、关键词分析、搭配分析（collocation）、词图（word clouds）等，发现语言使用的规律。例如，比较不同作者或时期的词频分布，可以揭示文体差异或思想变迁。

计算文体学：结合语言学特征（如句长、词汇丰富度、特定功能词使用频率）与统计方法，对文本风格进行量化分析。这在作者归属鉴定（如争议作品的作者分析）、文本年代测定、文本分类等方面有应用。经典的案例包括：使用函数词（function words）频率分析《联邦党人文集》的匿名文章作者；分析维多利亚时期小说的句长变化反映的写作风格演变。

文献学与文本批判：数字技术为传统文献学带来了新可能。数字版本学（digital scholarly editing）可以呈现多个版本文本的差异（如《哈姆雷特》的不同四开本、对开本），支持并排比较、变体追踪。TEI编码允许详细记录文本的物理特征（如纸张、墨迹）、编辑干预、不确定之处，使电子版本在学术严谨性上甚至超越印刷版本。

1.2.3 历史学、文学、艺术史等：问题驱动与领域知识

人文学科各领域为数字人文提供了核心的研究问题和领域知识，确保了技术应用的意义和深度。没有深厚的人文问题意识，数字技术只会沦为无的放矢的“炫技”。

历史学：历史学对证据的严谨性、背景的理解、因果的解释提出了高要求。数字历史（Digital History）项目必须考虑：原始史料（档案、日记、报纸）的数字化质量与完整性；历史概念的精确界定（如“城市”、“阶级”在不同时期的含义）；时空数据的精确性与不确定性表示（历史地点的模糊性）；如何避免从数据中“看出”不存在的模式（数据挖掘中的幻觉）。历史GIS项目尤其需要历史地理学知识，以准确判断历史行政区划的变迁。

文学研究：文学研究关注意义、审美、意识形态。数字文学研究（Digital Literary Studies）需要平衡量化分析与细读阐释。例如，主题建模结果（一组主题词列表）本身没有意义，必须结合具体文本语境进行解读，判断主题反映的是情节、人物心理还是社会背景。文学研究还关注“可读性”（readability）——数字工具生成的图表、网络图是否有助于理解，还是反而制造了新的障碍？

艺术史：艺术史研究关注风格、流派、影响、赞助关系。数字艺术史（Digital Art History）利用图像分析技术处理大量馆藏图像，进行风格量化比较（如色彩分布、构图特征），追踪视觉母题的传播路径。然而，艺术品的数字化本身涉及版权、图像质量、色彩校准等技术与伦理问题。此外，对艺术品的“数字化凝视”是否改变了观众的观看方式，也是一个值得反思的议题。

考古学与建筑学：考古学借助3D扫描、摄影测量（photogrammetry）技术精确记录遗址和文物，建立数字档案用于长期保存、虚拟修复和公众展示。建筑史则利用BIM（建筑信息模型）和参数化设计工具，对历史建筑进行结构分析和虚拟