Welcome to Digital Humanities 欢迎来到数字人文的世界

数字人文第一课：欢迎来到数字人文的世界

开篇故事：当古典文学遇见现代计算机

让我们从一个真实的故事开始。

2011年，美国德克萨斯州的一位古典文学教授面临着一个人人羡慕却又头疼不已的研究困境：她刚刚获得了一笔研究经费，可以去欧洲的十几家图书馆查阅手抄本资料。然而，当她真正踏上这段旅程时才发现，传说中的“宝藏”远比想象中复杂得多——她要分析的古希腊文献分散在不同的图书馆，每一份手抄本都有不同的版本、不同的抄写年代、不同的注释传统。如果按照传统的方法，她可能需要花上十年甚至更长的时间才能完成这项研究。

就在她几乎要放弃的时候，一位计算机科学系的同事向她推荐了一个看似简单的工具——TEI（Text Encoding Initiative，文本编码倡议）标准。这套标准允许研究者以一种统一的、结构化的方式标记文本中的各种信息：章节划分、人名、地名、引用关系、文本校勘差异等等。通过这套标准，研究者们可以把自己的手稿数字化工作整合到一个共享的数据库中，而这个数据库后来发展成为了著名的Thesaurus Linguae Graecae（希腊语言宝库）项目。

几年后，这位教授站在学术会议的讲台上，向台下的听众分享她的研究成果时，她特别提到了一个令她印象深刻的发现：当她把所有分散的手抄本数据整合在一起之后，一个从未有人注意到的模式浮出了水面——原来某些古希腊哲学家的文本在传播过程中经历了多次有意识的编辑，而这些编辑的痕迹指向了同一个地理区域和同一段历史时期。这个发现彻底改变了她对古希腊哲学传播史的理解。

这个故事听起来像是科幻小说，但它确确实实发生在过去二十年间。而这，正是数字人文（Digital Humanities）最真实、最迷人的面貌之一。

什么是数字人文？

那么，到底什么是“数字人文”呢？

用最简单的话说，数字人文是一种将计算技术与人文研究相结合的跨学科方法。听起来好像很简单，但这个定义背后蕴含着深刻的意义。让我们把这个概念拆解开来理解。

人文研究是什么？它是探索人类文化、艺术、历史、语言和社会的学科领域。文学研究者分析诗歌和小说，历史学家解读古代文献，社会学家理解人类行为模式——这些都是人文研究的范畴。传统上，人文研究者的工作方式相对“手工”：他们阅读原始文本，在卡片上做笔记，整理资料卡片柜，建立自己的资料库。这种方式固然有其魅力——想象一下一位老教授在书斋里翻阅泛黄的手稿，在书页边缘写满批注——但它的局限性也很明显：一个人能阅读的文本数量是有限的，一个人能记住的关联也是有限的。

数字技术则带来了完全不同的可能性。计算机可以在几秒钟内搜索完一个包含数百万份文档的数据库，可以在不同文本之间找出肉眼难以察觉的相似模式，可以把数以万计的数据点可视化在一张图表上，让研究者一眼就能看到全局。这些能力在传统的研究方法下是不可想象的。

而数字人文就是这两者的交汇点。它不是简单地“用电脑替代人脑”，而是利用数字工具来拓展人文研究的边界，让研究者能够提出以前根本无从思考的问题，发现以前根本看不到的联系。

这里有一个重要的区分需要说明：数字人文并不是“人文研究的数字化”那么简单。数字化（digitization）只是把纸质材料转换成电子格式，比如用扫描仪把一本书变成PDF文件。而数字人文则更进一步，它强调的是对数字化内容的计算分析和人文解读的深度结合。扫描一份手稿是数字化，但对这份手稿进行标注、结构化分析、文本比对、主题建模，这才叫数字人文。

为了帮助读者更好地理解数字人文的定位，我们可以用一个简单的图示来说明：

```mermaid graph TD A[人文学科<br/>文学、历史、哲学、艺术...] --> D[数字人文] B[计算机科学<br/>编程、数据分析、数据库...] --> D C[图书馆学<br/>信息组织、知识管理...] --> D D --> E[跨学科研究方法] E --> F[新的研究问题] E --> G[新的分析工具] E --> H[新的呈现形式]

style D fill:#e1f5fe style A fill:#fff3e0 style B fill:#e8f5e9 style C fill:#f3e5f5 ```

从这张图中我们可以看到，数字人文处于人文学科、计算机科学和图书馆学的交叉地带，它从这三个领域各取所需，形成了自己独特的方法论和实践领域。

数字人文的历史：从神父的卡片盒到人工智能

任何一门学科都有它的历史，数字人文也不例外。要真正理解数字人文的本质，我们需要回溯到它的源头，看看这一切是如何开始的。

起点：1949年的大胆尝试

故事要从一位意大利神父说起。

1949年，在意大利北部城市博洛尼亚（Bologna），一位名叫罗伯托·布萨（Roberto Busa）的天主教神父开始了他的博士论文研究。他的论文主题是研究13世纪神学家托马斯·阿奎那（Thomas Aquinas）的著作——确切地说，是研究阿奎那作品中的词索引（concordance）。所谓词索引，就是把一个作者所有作品中出现的每一个词都按字母顺序排列，并标注每个词出现的具体位置。这种工具对于研究者来说极其有用，它可以让人快速了解一个词在作者的全部著作中是如何使用的。

问题在于，阿奎那是一位极其多产的作家，他留下的著作数量惊人——大约四百万个拉丁语单词。在布萨神父的时代，如果用手工方式编制这样一个词索引，一个训练有素的助手可能需要花上几年的时间，而且过程中难免出错。

就在这时，布萨神父听说IBM公司开发了一种叫做“打孔卡片机”（punch card machine）的设备。这种机器可以通过在卡片上打孔来记录和分类信息，每一张卡片代表一条记录，不同位置上的孔洞代表不同的信息属性。打孔卡片机可以自动对这些卡片进行排序和统计，大大提高了信息处理的效率。

布萨神父做了一个在当时看来几乎是疯狂的决定：他写信给IBM公司的创始人托马斯·沃森（Thomas Watson），请求IBM资助他使用计算机来处理阿奎那的作品文本。这是一个大胆的请求——要知道，在1949年，计算机还是一种极其稀有、极其昂贵的设备，全世界可能只有几十台，而且它们的主要用途是科学计算和军事项目。一位人文学者想要用计算机来处理文学作品，这在当时绝对是闻所未闻的事情。

幸运的是，沃森被布萨神父的热情打动了。IBM不仅同意提供设备支持，还派出了工程师协助这个项目。就这样，从1949年开始，布萨神父开始了他的数字人文之旅。他花了三十多年的时间，终于在1980年完成了著名的《托马斯·阿奎那著作索引》（Index Thomisticus），这是一套包含56卷的巨著，收录了阿奎那全部拉丁语著作的词索引、词形分析和统计信息。

布萨神父的这个项目后来被公认为数字人文领域的奠基之作。他不仅是第一个系统性地使用计算机处理人文文本的人，更重要的是，他开创了一种新的研究理念：计算机不是人文研究的敌人，而是助手；技术不是用来取代人文思考的，而是用来拓展人类认知能力的。

> *"The computer is to the humanities what the telescope is to astronomy or the microscope is to biology—it extends our ability to see what was previously invisible."* > > “计算机之于人文学科，犹如望远镜之于天文学，或显微镜之于生物学——它拓展了我们看到以前看不见的事物的能力。”——罗伯托·布萨（Roberto Busa）

术语的诞生：Digital Humanities的由来

布萨神父的项目虽然意义重大，但在当时并没有被称为“数字人文”。事实上，“数字人文”（Digital Humanities）这个术语的出现要晚得多。

在布萨神父活跃的年代，这类工作通常被称为“人文计算”（Humanities Computing）或“计算语言学”（Computational Linguistics）。研究者们更倾向于强调他们是在“计算”，而不是在做什么全新的事情。他们认为自己的工作只是传统人文学科的一个小分支，是数字时代带来的一个小小便利。

然而，随着时间的推移，人们越来越意识到事情并非如此简单。到了1990年代末期，特别是互联网普及之后，人文学者开始大量使用数字工具，而且这些工具的功能也远远超出了最初的词索引和统计分析范畴。人们开始用计算机来做地图可视化、网络分析、3D重建、数字档案……这些应用已经不能简单地用“计算”来概括了。

2004年是一个重要的时间节点。在这一年，苏格兰的一位人文学者约翰·昂斯沃斯（John Unsworth）和美国的一位信息科学学者杰罗姆·麦根（Jerome McGann）合作编著了一本名为《数字人文指南》（*A Companion to Digital Humanities*）的书。这是“数字人文”这个术语第一次被正式使用在书名中，很快这个名称就在学术界传播开来。

有趣的是，即使在今天，“数字人文”的定义和边界仍然是一个活跃的讨论话题。有人认为它是一种方法论，有人认为它是一个研究领域，有人认为它是一种思维方式，还有人干脆认为它就是一个“伞形术语”（umbrella term），用来涵盖所有数字技术与人文研究的交叉地带。这种定义的模糊性不是弱点，恰恰相反，它反映了数字人文作为一个新兴领域的活力和包容性。

里程碑事件：塑造数字人文的重要节点

让我们沿着时间线，回顾一些塑造了数字人文发展的重要事件：

1970年代：语料库语言学的兴起

随着计算机存储能力的提升，研究者们开始建立大规模的文本语料库。布朗语料库（Brown Corpus）是其中的先驱，它在1964年就开始建设，收集了约100万词的英语文本样本，按体裁分类整理。语料库语言学的发展为后来的数字人文研究提供了重要的方法论基础。

1980年代：文本编码标准的建立

1987年，数字人文领域最重要的标准化工作之一——TEI（文本编码倡议，Text Encoding Initiative）正式启动。这套标准最初是为了规范人文学者之间共享电子文本的格式，后来发展成了一套极其详尽的指南，涵盖了文本编码的方方面面。今天，几乎所有严肃的数字人文项目都会参考或使用TEI标准。

1990年代：数字图书馆运动

1990年代，互联网开始普及，“数字图书馆”成为热门话题。美国国会图书馆发起了“美国记忆”（American Memory）项目，把大量的历史照片、手稿、口述历史等资料数字化并在互联网上提供访问。欧洲的“欧洲数字图书馆”（Europeana）项目也紧随其后。这些项目不仅为研究者提供了前所未有的资料获取便利，也为数字人文研究提供了丰富的数字资源。

2000年代：可视化与GIS革命

进入21世纪，数字人文研究者开始大量使用可视化工具和地理信息系统（GIS）。研究者们可以在地图上直观地展示历史事件的地理分布，用网络图呈现人物关系，用时间轴展示文本的演变过程。这些可视化方法让人文学科的发现能够以更直观、更易于理解的方式呈现给公众。

2010年代：大数据与公众参与

2010年代，社交媒体和用户生成内容的大爆发让人文学者开始关注“海量数据”（big data）的研究方法。同时，公众参与式人文研究（public humanities）也成为重要趋势。维基百科、众包平台（如Zooniverse）让普通公众也能参与到人文研究项目中来，这大大拓展了研究的规模和边界。

2020年代：人工智能的新浪潮

近年来，人工智能、特别是机器学习和大型语言模型的快速发展，为数字人文带来了新的可能性。研究者现在可以使用AI来自动识别手写文本、自动翻译古代语言、自动分析文本的情感倾向、自动生成研究假设……当然，这些新工具也带来了新的伦理问题和挑战，这我们后面还会详细讨论。

数字人文能做什么：具体应用场景

了解了历史之后，你可能会问：数字人文具体能做些什么？让我们通过几个具体的例子来看看。

文本分析与挖掘

文本分析（text analysis）和文本挖掘（text mining）是数字人文最常见的应用之一。简单来说，这，就是用计算方法来分析大量文本中的模式、主题和关系。

想象一下你是一位研究中国古典小说的学者。你对《水浒传》的版本演变感兴趣，想要了解这部小说在不同历史时期的版本之间有什么异同。在传统方法下，你可能需要把不同版本的《水浒传》都找来，逐字逐句地比对，这是一项极其耗时的工作。

但在数字人文的方法下，你可以把不同版本的《水浒传》电子化，然后用专门的文本比对软件（如Juxta或JuxtaCommons）来自动找出版本之间的差异。软件可以在几分钟内完成传统方法需要数月才能完成的工作，并且不会像人类那样因为疲劳而出错。

更进一步，你还可以使用主题建模（topic modeling）技术来分析一部小说的主题结构。主题建模是一种自动发现文本中潜在主题的统计方法。研究者不需要预先设定主题类别，算法会自动从文本中提取出反复出现的词汇组合，从而揭示文本的深层结构。这种方法特别适合分析大型文本集合，比如分析一个世纪以来某份报纸的所有社论，或者分析某个作家全部作品的主题演变。

地理信息系统与历史地图

地理信息系统（GIS，Geographic Information System）是另一个数字人文的重要工具。它允许研究者把地理位置信息与各种人文数据结合起来，进行空间分析。

一个经典的例子是美国弗吉尼亚大学实施的“自然与社会环境历史地图集”（Atlas of Historical Environmental and Social Change）项目。研究者把19世纪以来的各种历史数据——人口密度、土地利用、疾病分布、经济发展——叠加在同一张地图上，让历史学家能够直观地看到不同因素之间的空间关联。

在中国，也有类似的实践。故宫博物院的“数字故宫”项目不仅把故宫的建筑和文物进行了三维数字化，还结合历史文献重建了清代宫廷的日常生活场景。研究者可以通过虚拟现实技术“走进”三百年前的紫禁城，体验皇帝上朝、后宫生活、御膳房运作的真实场景。

网络分析与社交媒体研究

在数字时代，人与人之间的联系被社交媒体和数字通信记录了下来。数字人文研究者开始使用社会网络分析（Social Network Analysis）方法来研究这些数字化的社会关系。

比如，在文学研究领域，研究者可以分析一部小说中人物之间的互动关系，绘制出“人物关系图”，从而揭示小说的社会结构。在历史研究领域，研究者可以分析古代通信网络（如明代士大夫之间的书信往来），重建当时的社会关系网络。

在当代研究中，社交媒体分析已经成为研究公众舆论、文化趋势、社会运动的重要工具。当然，这类研究也引发了关于隐私、伦理、数据使用权限等问题的热烈讨论。

数字化保存与虚拟重建

数字人文的另一个重要应用是文化遗产的数字化保存和虚拟重建。许多历史遗迹因为战争、自然灾害或年久失修而遭到破坏，通过三维扫描和虚拟现实技术，研究者可以在数字世界中“重建”这些遗迹，让它们以数字形式永远留存。

著名的例子包括：庞贝古城的数字重建、敦煌莫高窟的洞窟数字化、圆明园的数字复原工程等等。这些项目不仅具有重要的学术价值，也为公众教育和文化旅游提供了宝贵的资源。

语言学研究与机器翻译

在语言学领域，数字方法已经成为了标准研究工具。语料库语言学、计算语言学、语音识别与合成、机器翻译……这些领域都与数字人文有着密切的联系。

近年来，随着深度学习技术的发展，机器翻译的质量有了质的飞跃。谷歌翻译、DeepL等工具已经能够在很多场景下提供相当准确的翻译。虽然机器翻译还远未达到完美，特别是对于文学作品的翻译，但它已经成为了语言学家和人文学者的重要辅助工具。

更令人兴奋的是，AI技术开始被用于解读古代语言和失落的文字。2023年，有研究者使用机器学习技术成功破译了一种古代迈锡尼文字的部分内容，这被认为是数字人文与AI结合的一个里程碑式成就。

数字人文与人工智能：机遇与挑战

说到AI，我们不得不专门讨论一下它与数字人文的关系。这两者之间既有着巨大的合作潜力，也存在需要认真对待的张力和问题。

AI为数字人文带来的新可能

人工智能，特别是近年来兴起的大型语言模型（Large Language Models，LLM），为数字人文研究带来了新的可能性。

自动转录与OCR

光学字符识别（OCR）技术已经相当成熟，可以把扫描的印刷文本自动转换成可编辑的电子文本。近年来，AI进一步提升了手写文本识别（Handwritten Text Recognition，HTR）的准确率，让研究者可以更高效地数字化手稿和档案。

文本分析与模式发现

机器学习算法可以发现人类难以察觉的文本模式。比如，通过分析一个作家的用词习惯，AI可以判断某篇匿名文章是否出自该作家之手——这就是所谓的“ stylometry”（文体计量学）。再比如，通过分析小说的叙事结构，AI可以帮助识别一个作家不同时期作品的风格演变。

多语言处理与翻译

AI驱动的机器翻译虽然还不能完美地翻译文学作品，但它在帮助研究者快速了解外文资料方面已经非常有用。更重要的是，AI可以帮助处理一些已经失传或只有少数人懂的语言，为语言学研究提供新的工具。

图像与视觉分析

计算机视觉技术可以被用于分析艺术作品、建筑图像、历史照片等视觉资料。AI可以自动识别图像中的物体、人物、场景，甚至可以推测图像的创作年代和地域来源。这为艺术史和视觉文化研究提供了新的视角。

需要警惕的问题

然而，AI在数字人文中的应用也引发了诸多担忧和争议。

黑箱问题

深度学习模型往往是“黑箱”——即使模型的开发者也不完全理解它为什么会做出特定的判断。这种不透明性与人文研究强调的批判性思考和论证说明之间存在张力。人文研究者需要能够解释和验证自己的结论，但AI的决策过程往往难以解释。

偏见问题

AI模型是从数据中学习的，而训练数据往往包含着人类社会的偏见。如果用包含偏见的AI来分析人文资料，结论可能会放大或固化这些偏见。比如，一个用于分析文学作品的AI模型，如果训练数据偏向某一性别或族裔的作者，可能会对其他群体产生不公平的评价。

版权与伦理问题

使用AI处理他人的作品引发了复杂的法律和伦理问题。AI模型在训练过程中“学习”了大量的文本和图像，这些材料的版权归属应该如何界定？研究者使用AI分析资料时应该获得什么许可？这些问题在学术界和法律界都还没有定论。

过度依赖技术

另一个担忧是人文学者可能会过度依赖AI工具，而忽视了批判性思考和人文直觉的价值。数字工具应该服务于人文研究，而不是反过来主导研究议程。人文学科的独特之处在于它对人类经验、