数字人文导论：开启跨学科的探索之旅

第 1 章：数字人文导论——开启跨学科的探索之旅

当古老的故事遇见数字时代的魔法

想象这样一个场景：一位文学研究者面对着一部超过十万字的古典小说。如果用传统方法细细阅读、做笔记、查找引用，可能需要数周甚至数月的时间。但现在，她打开一台电脑，在几秒钟内就能检索出小说中所有出现“月亮”一词的段落，分析“月亮”在不同情节中的象征意义变化；她能在地图上看到故事中所有地名被提及的位置，直观地理解主人公的行进路线；她甚至能通过词频分析，发现作者在不同人生阶段的情感变化倾向。

这听起来像是科幻小说中的场景，但类似的工具已经被世界各地的研究者日常使用着。它们正是“数字人文”（Digital Humanities，简称DH）领域的产物。

数字人文是一个听起来有些陌生的词汇，但它所代表的研究方式正在悄然改变我们理解文学、历史、哲学、艺术这些传统人文学科的方式。本书的第一章，将带领你走进这个充满可能性的新世界。我们需要回答一个看似简单却至关重要的问题：数字人文究竟是什么？它如何让技术与人文这两大看似遥远的领域走到一起？

要理解这个问题的答案，让我们先从几个令人惊叹的真实故事开始。

一个关于“莎士比亚”的新发现

2015年，几位研究者做了一个有趣的实验：他们将莎士比亚的全部剧作输入计算机，使用一种叫做“词向量”（word embedding）的技术来分析单词之间的关系。这种技术可以理解为一个超级智能的“词汇地图”——在这个地图中，意思相近的词会出现在相近的位置，而词与词之间的距离可以揭示它们之间意想不到的联系。

研究者们问了一个经典问题：在莎士比亚的悲剧中，是什么让一个人物从“英雄”走向“毁灭”？传统学者通常会通过仔细阅读文本来寻找答案。但计算机给出了一种全新的视角：它发现悲剧主人公在故事进程中，会逐渐与“理性”“判断”“智慧”这些词汇的关系变得疏远，而与“身体”“感官”“冲动”这些词汇的关系变得紧密。

这个发现本身并不新奇——很多学者早就从文本细读中得出了类似的结论。但重要的是，计算机用一种系统性的、量化的方式验证了这种模式的存在。更重要的是，它发现了一些微妙的差异：不同悲剧主人公的堕落轨迹并不完全相同，有些人的堕落更与“愤怒”相关，有些人的更与“野心”相关。这些细节，单靠人力阅读可能需要反复研读多年才能发现，而计算机在几分钟内就给出了完整的图景。

一张地图揭示的移民史诗

如果说莎士比亚的例子展示了数字工具在文本分析上的威力，那么接下来这个案例将展示数字人文如何帮助我们“看见”历史上那些难以用文字描述的宏大过程。

想象你穿越到一百多年前，站在纽约港的自由女神像下。每天有数以千计的移民从欧洲乘坐轮船抵达这里。他们的面孔、行李、眼神中交织着希望与恐惧——这些细节在历史档案中可能只有零星的文字记录。但如果我们能够追踪这数百万人的名字、去向、来源地，就能重建一幅人类迁徙的宏大图景。

这正是数字人文研究者正在做的事情。他们开发了专门的数据系统，将美国移民局的乘客名单、 census（人口普查）记录、入境档案等数字化，并使用地理信息系统（GIS）将这些数据叠加在地图上。结果是惊人的：一百多年前中国劳工如何在加州形成唐人街，东欧犹太移民如何在纽约下东区聚集，意大利南部移民如何沿着特定路线扩散到美国各地——所有这些模式都清晰可见，就像一部用数据编织的移民史诗。

一位历史学家曾说，传统档案中的移民记录是“沉默的”——每一个名字背后都是一个完整的人生，但文字无法呈现他们的集体行为模式。数字工具让这些沉默的声音“开口说话”，让研究者能够从宏观视角看到个体命运汇聚而成的历史洪流。

一首诗的时间胶囊

最后一个例子，让我们转向一个更私密的领域：诗歌。

苏轼的《水调歌头·明月几时有》是公认的文学经典。千年来，无数读者通过这首词与苏轼进行跨越时空的对话。但如果我们问这样一个问题：这首词的情感节奏与苏轼的人生经历之间有怎样的关系？传统研究可能会援引史料来分析苏轼写这首词时的处境——他因“乌台诗案”被贬谪到黄州，与弟弟苏辙已分别七年——但这种分析往往是定性式的、印象式的。

数字人文提供了一种不同的可能。研究者可以建立一个包含苏轼全部作品的数据库，将每首诗词按照创作年份排列，然后计算不同人生阶段的用词风格、情感倾向、意象偏好。当这些数据可视化之后，一幅清晰的图景浮现出来：苏轼黄州时期的作品确实呈现出与此前不同的语言特征——更多关于“江”“月”“酒”的意象，情绪表达更加内敛深沉。这不是偶然的巧合，而是人生际遇在语言中的系统性投射。

更重要的是，当研究者将这幅“苏轼情感曲线图”与《水调歌头》的创作时间对应起来时，他们发现这首词正处于苏轼从人生低谷逐渐走向超脱的转折点上。词中“人有悲欢离合，月有阴晴圆缺”的旷达，并非简单的文学技巧，而是苏轼真实精神状态的写照。数字工具让我们得以用精确的方式触摸到这种跨越千年的情感共鸣。

---

以上三个故事，只是数字人文世界的惊鸿一瞥。它们共同指向一个核心事实：数字工具不仅仅是人文学者手中的“放大镜”或“望远镜”，更是一种全新的“显微镜”，让我们能够看到以往研究中无法察觉的规律、联系和模式。

但数字人文的意义远不止于发现新知识。它正在重新定义人文学科的研究方式，改变学者之间的合作模式，甚至影响我们对“什么是人文学科”这一根本问题的理解。

在接下来的章节中，我们将深入探索这个充满活力的新领域。首先，我们需要厘清一些基本概念：什么是数字人文？它的边界在哪里？它与传统人文学科是什么关系？ 这些看似基础的问题，实际上关系到我们如何理解这个领域的本质和潜力。

数字人文的定义：一个仍在生长的概念

“数字人文”（Digital Humanities）这个词本身就是一个有趣的研究对象。如果我们追溯它的历史，会发现它并非一个一诞生就被精确定义的概念，而是在实践中逐渐清晰和丰富的。

从字面上理解，数字人文似乎是“数字技术”与“人文学科”的结合。但这种理解容易造成误导，仿佛数字人文只是将传统人文研究“数字化”那么简单。事实上，数字人文的内涵远比这丰富得多。

让我们从学术定义说起。2009年，美国学者克莱尔·布朗肖特（Claire Bruhm）在一篇颇有影响力的文章中写道：“数字人文是一种方法论立场，它利用数字媒体来提出关于人文研究的全新问题，并促使我们重新思考人文学科的本体论承诺。”这段话有些抽象，但核心意思很清楚：数字人文不只是技术工具的应用，更是一种重新思考人文学科基本问题的契机。

另一位重要学者马修·戈德法布（Matthew Gold）则从更实践的角度描述数字人文：“它是一个伞状术语（umbrella term），涵盖了范围广泛的关于计算与人文交叉的项目、实践和方法。”这个定义强调的是数字人文的多样性和包容性——它不是一个单一的方法，而是一个包含众多可能性的领域。

如果我们综合这些观点，可以给出一个相对全面的定义：

> 数字人文是运用计算技术、数字化方法和数据驱动思维来研究人文问题的跨学科领域。它既包括使用数字工具重新审视传统人文问题，也包括因技术可能性而产生的全新研究问题和方法论。

这个定义中有几个关键词值得特别关注：

“跨学科”——数字人文天然地跨越了传统学科的边界。它需要技术专家与人文学者的合作，需要计算思维与人文关怀的融合。这种跨学科性既是数字人文的特色，也是它的挑战所在。

“数据驱动”——与传统人文研究强调的文本细读、哲学思辨不同，数字人文强调从大量数据中发现模式、提取洞见。这并不意味着数字人文否定细读的价值，而是为研究提供了一种互补的视角。

“全新问题”——数字人文不仅仅是“用新技术做老研究”，它还催生了以往不可能提出的问题。例如，我们可以问：在GoogleBooks收录的数百万本书中，某些词汇的使用频率在过去两百年间发生了怎样的变化？这种宏观语言学研究，在数字化之前是不可想象的。

数字人文不是什么？

理解一个概念，最好的方式之一是弄清它不是什么。

数字人文不是“数字化人文”。将图书馆的藏书扫描成PDF文件，让珍贵的古籍能够在网上被检索——这当然是有价值的工作，但严格来说，这只是“人文资料的数字化”，而非数字人文。数字人文的核心在于使用计算方法来产生新的理解，而不仅仅是让资料更容易获取。

数字人文不是“技术崇拜”。有些时候，人们会误以为数字人文就是追求更炫酷的可视化效果、更高大上的技术工具。但真正的数字人文学者会告诉你：技术只是手段，问题意识和人文关怀才是灵魂。一个没有明确人文问题的华丽可视化作品，在学术上的价值可能远不如一个简单但回答了重要问题的统计分析。

数字人文不是人文学科的“替代者”。数字人文的研究者有时会面临来自同行的质疑：计算机会取代传统的人文研究吗？答案是明确的：不会。数字人文提供的是一种新的工具和视角，而非对传统研究的否定。事实上，最有价值的数字人文项目往往建立在深厚的传统研究基础之上——只有那些真正理解人文问题的学者，才能提出有价值的研究问题，并判断计算结果的学术意义。

历史渊源：从一部索引卡片说起

要理解数字人文为什么会在21世纪蓬勃发展，我们需要回溯到它的源头。你会发现，这个看似“前沿”的领域，其实有着相当悠久的历史。

1949：一个神父与一台计算机的故事

数字人文的起源，通常被追溯到1949年一位意大利神父罗伯托·布萨（Roberto Busa）与IBM公司的那次著名合作。

布萨神父是一位中世纪神学研究者，他计划编纂一部关于13世纪神学家托马斯·阿奎那（Thomas Aquinas）著作的完整词汇索引。托马斯·阿奎那一生著述甚丰，留下了数百万字的文本。在当时的技术条件下，仅凭人工编纂这样一部索引，需要耗费难以想象的人力物力。

就在这时，布萨神父听说了一种叫做“计算机”的新奇机器。他敏锐地意识到，这种机器或许能帮助他处理那些重复性的词汇统计工作。于是，他联系了IBM公司，与托马斯·沃森（Thomas Watson）会面，讨论合作的可能。

IBM同意支持这个项目，但条件是需要布萨自己想办法解决资金问题。布萨花了数年时间筹集经费，最终在1970年代完成了这部被后人称为“Index Thomisticus”的伟大作品——托马斯·阿奎那全部著作的机读索引。这部作品后来被制作成了50卷的印刷本，并在21世纪被数字化，可以在互联网上免费访问。

布萨神父与IBM的合作，开创了使用计算机处理人文文本的先河。尽管当时的技术条件极为有限（计算机的存储能力可能还不如你口袋里的智能手机），但这个项目证明了计算技术与人文研究结合的可行性。

从“计算语言学”到“数字人文”的演变

布萨神父的尝试在之后的数十年间不断被复制和改进。在1960-1970年代，“人文计算”（Humanities Computing）作为一个独立领域逐渐形成。那时候的研究者大多是语言学家、文献学家，他们使用计算机来进行词频统计、句法分析、文本比对等工作。

这一时期的标志性成就是“牛津英语词典数据库”（Oxford English Dictionary）和其他大型语言数据库的建设。但坦率地说，那个时代的“人文计算”更像是语言学家的专利，对于大多数历史学家、文学批评家来说，计算机还是一种遥远而陌生的工具。

真正的转折点发生在1990年代。互联网的普及、数字扫描技术的进步、个人计算机的性能提升——这些变化让人文学者能够更容易地接触和使用数字工具。2000年代，智能手机和云计算的兴起进一步降低了技术门槛。2010年代，大数据和人工智能的爆发为数字人文提供了全新的可能性。

正是在这个过程中，“数字人文”（Digital Humanities）这个术语逐渐取代了“人文计算”（Humanities Computing），成为描述这个领域的标准用语。相比“人文计算”，“数字人文”这个名称更加突出了“人文”的主体地位——技术是服务于人文问题的工具，而非目的本身。

中国数字人文的发展轨迹

数字人文并非西方的专利。在中国，类似的工作同样有着悠久的历史。

早在1950-1960年代，中国学者就开始使用计算机辅助汉语研究。“汉语拼音方案”的制定、古籍的数字化整理、现代汉语语料库的建设——这些都是中国数字人文发展的早期探索。

1990年代以来，随着计算机技术的普及和互联网的兴起，中国高校和研究机构开始系统性地推进数字人文建设。2000年代，北京大学、南京大学、上海交通大学等高校相继成立数字人文研究中心；国家图书馆“中华古籍资源库”等大型数字化项目的启动，为研究者提供了宝贵的数字资源；CNKI（中国知网）等学术数据库的建设，极大地促进了学术资源的共享。

近年来，中国数字人文的发展呈现出加速态势。人工智能技术的突破让文本分析、图像识别、语音处理等变得更加高效；国家层面的文化数字化战略为数字人文提供了政策支持；越来越多的年轻学者开始接受数字方法的训练，成为这个领域的生力军。

核心方法：数字工具如何“阅读”人文世界

现在你已经对数字人文的来龙去脉有了基本了解。接下来，让我们更深入地了解数字人文究竟使用哪些方法来研究人文问题。

数字人文的方法论是一个庞大的体系，涵盖了从数据采集到分析、可视化、发布的完整流程。在这里，我们重点介绍几种最具代表性的核心技术。

文本挖掘：从“读”到“算”

传统的人文研究强调“close reading”（细读）——研究者逐字逐句地阅读文本，发掘其中的意义、隐喻、修辞技巧。这当然是一种不可替代的研究方法，但它有一个局限：人力阅读只能处理有限规模的文本。

一个人的一生，能够仔细阅读的书籍数量大约是几千本。但对于计算机来说，分析几百万本书、几亿篇文章，只是在眨眼之间。“文本挖掘”（Text Mining）正是利用这种能力来发现大规模文本中隐藏的规律。

文本挖掘包含多种具体技术：

词频统计是最基础的方法。通过计算不同词汇在文本中出现的频率，我们可以了解一个作者的语言习惯、一个时代的用词偏好、一本书的主题倾向。例如，如果我们统计鲁迅全部小说中的词频，会发现“呐喊”“彷徨”“铁屋子”等词汇的高频出现，这些数据可以量化地支持我们对鲁迅思想特征的理解。

主题建模（Topic Modeling）是一种更高级的技术。它可以在不知道文本内容的前提下，自动发现一组文档中潜在的主题结构。想象你有一万篇文章，但你不知道它们在讨论什么。主题建模算法会分析这些文章的词汇分布，告诉你：这群文章似乎在讨论“政治”；另一群文章的主题是“文学”；还有一群涉及“经济”。这种技术特别适合处理那些内容未知或难以归类的文档集合。

情感分析则试图让计算机“读懂”文本的情感倾向。给定一段文字，算法会判断它是正面的还是负面的，是欢乐的还是悲伤的。这种技术在研究舆论传播、公众情绪变化等方面有广泛应用。例如，历史学家可以分析过去一百年报纸社论的情感倾向，绘制一幅社会情绪变化的曲线图。

计算分析：从“观察”到“发现”

如果说文本挖掘关注的是“说什么”，那么计算分析更关注的是“怎么说”和“为什么这么说”。计算分析使用各种算法和模型来发现文本中的深层结构。

网络分析是一种强大的方法。它将文本中的实体（人物、地点、组织等）以及它们之间的关系抽取出来，构建一个网络图。通过分析这个网络的结构，我们可以发现人物之间的权力关系、思想的传播路径、事件的连锁反应。例如，在《三国演义》中，我们可以构建一个包含所有人物关系的大网络，通过分析网络中的“中心性”指标，找出哪些人物是真正的核心角色。

stylometry（文体计量学）则专注于分析文本的文体特征。每个作者都有独特的写作习惯——用词偏好、句子长度、修辞风格、标点使用……这些特征就像指纹一样难以完全复制。文体计量学使用统计方法来提取和比较这些特征，从而判断文本的作者归属、检测抄袭、追踪文本的传播和改编。

一个著名的案例是关于《红楼梦》后四十回作者问题的争论。传统观点认为后四十回也是曹雪芹所著，但一些学者使用词频统计、文体分析等方法，发现后四十回与前八十回在用词习惯、叙述风格上存在显著差异，从而为“后四十回是高鹗续写”这一假说提供了定量证据。

可视化呈现：让数据“开口说话”

数据分析的结果如果只是冰冷的数字，往往难以被人理解和欣赏。可视化（Visualization）正是将数据转化为直观图像的技术，让研究者能够“一目了然”地看到模式，让读者能够“看见”原本隐藏的信息。

地理信息系统（GIS）在历史研究中应用广泛。它可以将历史事件、人口分布、经济活动等信息叠加在地图上，直观地展示空间维度上的历史变化。例如，我们可以将鸦片战争期间英军的进军路线、清朝军队的布防情况、各地起义的分布叠加在同一张地图上，从而更直观地理解这场战争的空间动态。

时间线可视化则专注于展示事件在时间维度上的发展。传统的历史叙事是线性的——一个事件接着一个事件。但时间线可视化可以同时展示多条并行的时间线索，帮助我们发现不同事件之间的时间关联。例如，如果我们把工业革命时期英国的技术发明、经济指标、社会运动等数据都呈现在一张时间线上，就能更直观地看到这些现象之间的相互关系。

词云是一种常见但被低估的可视化方法。通过将文本中的高频词汇以不同大小呈现，词云可以让人一眼看到一段文字的核心内容。虽然词云的信息密度有限，但它特别适合用于演示和科普，帮助非专业读者快速把握一段文字的主要内容。

交互式可视化是数字时代的产物。与静态图像不同，交互式可视化允许用户自己探索数据——点击、缩放、筛选、切换视角。Google Ngram Viewer就是一个著名的例子：你可以输入任意词汇或短语，观察它们在过去几百年间在Google Books收录的书籍中的出现频率变化。你可以放大缩小时间范围，可以比较不同语言的曲线，可以切换不同的数据库。这种交互性让数据探索变成了一个动态的、个性化的过程。

学科定位：工具、方法论还是全新的研究范式？

在讨论数字人文的定义和历史时，我们有意回避了一个根本性的问题：数字人文究竟是什么性质的东西？ 它只是一套新工具？一种新方法论？还是标志着一个全新研究范式的诞生？

这个问题在学术界并没有统一的答案，但不同的理解会导致不同的学科定位和研究取向。

作为工具的数字人文

最保守的理解是将数字人文仅仅视为一套工具。就像显微镜让生物学家能够看到细胞，望远镜让天文学家能够观测星星，计算机和数据处理工具让研究者能够处理更大规模的资料。

这种理解有其合理性。数字工具确实扩展了人文学者的研究能力，让他们能够处理以往不可能处理的资料规模，发现以往难以察觉的模式。但工具论的观点也有其局限：它暗示数字人文不会改变人文学科的“本质”，只是在技术层面提供便利。

如果这种理解是正确的，那么数字人文学者就只是使用新工具的“传统”人文学者。他们的问题意识、研究目标、评判标准都与前辈无异，只是效率更高了。这种观点在某些人文学者中很有市场——他们欢迎新工具，但不希望这些工具“喧宾夺主”