引言：数字人文的兴起、定义与全书框架

数字人文（Digital Humanities, DH）作为人文学科与信息技术深度融合的产物，自20世纪下半叶以来，经历了从人文计算（Humanities Computing）到数字人文的范式转型。这一转型不仅是技术工具的引入，更是研究范式、知识生产方式和学术组织形式的根本性变革。在数据爆炸、算法普及、计算思维渗透各学科的时代背景下，人文学科如何借助数字技术重新定义自身的研究边界、方法论体系与价值诉求，已成为全球学术界亟待回应的重要议题。本书旨在系统梳理数字人文的方法论体系，深入探讨技术赋能人文学科的机制、路径与限度，为专家级研究人员提供一份兼具理论深度与实践指导的参考著作。本章作为全书导论，将追溯数字人文的兴起脉络，辨析其核心定义与跨学科特质，勾勒其研究范畴与方法论图谱，并阐明本书的写作目标、结构框架、读者定位及双语与多格式出版策略，最终提出贯穿全书的根本性问题：技术如何深度赋能人文学科的研究、教学与知识生产？

数字人文的兴起：从人文计算到范式转型

数字人文的演进并非线性技术替代故事，而是人文研究者与计算技术持续对话、博弈与融合的历史过程。其发展可大致划分为三个阶段，每个阶段均对应特定的技术条件、学术思潮与实践形态。

第一阶段（1940s–1970s）：人文计算的萌芽与工具化取向。 这一时期以计算机作为辅助工具解决人文领域特定计算问题为特征。1949年，耶稣会牧师罗伯托·布萨（Roberto Busa）与IBM合作，启动“托马斯·阿奎那索引”项目，利用穿孔卡片计算机对阿奎那著作进行词汇索引与分析，被视为人文计算的标志性起点。此后，计算技术主要应用于语言学（如机器翻译先驱）、历史学（如人口统计数据处理）和文献学（如文本编纂）等领域。此阶段的核心逻辑是“计算工具解决人文问题”，计算机被视为加速文本处理、数据统计的高效仪器，人文学者仍占据方法论主导权，计算专家仅提供技术支持。研究多为个体或小规模团队开展，成果形式以索引、词表、统计报告为主，尚未形成独立学术共同体。

第二阶段（1980s–1990s）：制度化与标准构建。 随着个人计算机普及、数据库技术成熟及互联网雏形出现，人文计算进入制度化发展阶段。关键标志包括：1982年“文学与语言学计算协会”（Association for Literary and Linguistic Computing, ALLC）成立；1989年“计算机与人文协会”（Association for Computers and the Humanities, ACH）与“文本编码倡议”（Text Encoding Initiative, TEI）的诞生。TEI标准尤为关键，它通过定义一套基于SGML/XML的标记规则，为数字文本的结构化表示、语义标注与长期保存提供了框架，奠定了数字文本批评的基础。此阶段，人文计算中心在欧美高校陆续建立（如弗吉尼亚大学文学与语言计算研究中心、布朗大学文本分析中心），课程开始进入大学课堂。研究范畴扩展至语料库语言学、计算风格学、考古学GIS初步应用等。然而，学科边界依然清晰：人文学者主导问题意识，计算机科学家提供工具实现，双方协作但范式分离。

第三阶段（2000s至今）：数字人文的崛起与范式转型。 21世纪初，万维网（Web 2.0）、开源软件运动、大规模数据获取与存储技术、以及GIS、网络分析、机器学习等方法的成熟，共同催生了“数字人文”这一新_label_。2006年，美国斯坦福大学成立“人文实验室”（Humanities Lab），英国联合信息系统委员会（JISC）资助多个数字人文项目，ADHO（ Alliance of Digital Humanities Organizations）于2005年成立并创办《数字人文》（Digital Humanities Quarterly）期刊。此阶段呈现出三大转向：方法论转向——从工具应用转向方法论创新，如主题建模（Topic Modeling）、社会网络分析（SNA）、空间人文（Spatial Humanities）等成为独立研究范式；本体论转向——数字对象（数据集、可视化、交互装置）本身被视为知识产物，而不仅是研究中介；生态转向——开放获取、协作开发、可持续性成为核心价值，GitHub等平台成为项目管理和代码共享的基础设施。数字人文不再是人文学科的“附加选项”，而逐渐成为其有机组成部分，并反向催生新的研究问题（如“数字原生”文本的批评理论、算法伦理与人文价值）。

驱动这一转型的深层力量可归纳为四方面：技术革命（互联网、云计算、人工智能降低技术门槛并释放新可能）、学术需求（人文学科应对“合法性危机”，寻求量化、可视化、可重复性以增强论证力；同时探索超文本、多媒体带来的叙事新形式）、资金与政策（麦克阿瑟基金会、 Mellon基金会等大规模资助数字人文基础设施与中心建设；各国高校将数字人文作为战略增长点）、文化语境（公众史学、参与式文化、数字遗产保护等社会需求推动学术回应）。值得注意的是，转型过程充满张力：一方面，技术乐观主义者视数字人文为“文艺复兴”，能复兴人文学科的社会 relevance；另一方面，批判学者警示“计算转向”可能导致人文核心价值（如阐释、批判、意义）的简化或失落。这种张力本身构成了数字人文方法论反思的重要动力。

数字人文的定义：多元视角与核心特征

数字人文缺乏一个单一、公认的定义，这恰恰反映了其跨学科、动态演化的本质。不同利益相关者基于自身立场，赋予DH不同内涵：

• **工具论定义**：将DH视为“人文学科中计算机技术的应用”（Schreibman et al., 2004）。此视角强调技术工具对传统研究的增强作用，如使用AntConc进行词频分析辅助文学研究，或使用ArcGIS绘制历史事件地图。优势在于易于理解、实践门槛低；局限在于可能陷入“技术中心主义”，忽视方法论与理论创新。
• **方法论论定义**：将DH定义为“一套基于计算的人文学科研究方法论”（Berry, 2012）。此视角突出DH作为“第三种文化”（Third Culture）的特质，既非纯粹人文也非纯粹科学，而是融合了计算思维（如算法思维、数据结构、迭代开发）与人文问题意识的独特方法论。例如，通过设计“远读”（Distant Reading）方法（Moretti, 2005）对抗传统“近读”，揭示宏观文学模式。
• **批判性实践定义**：将DH视为“对数字技术进行人文主义批判的场域”（Koh, 2015）。此视角关注技术背后的权力结构、数据偏见、数字鸿沟及知识政治。例如，批判主流搜索引擎的算法如何塑造历史记忆，或解构“数字化”本身作为殖民主义延续的潜在风险。

尽管定义多元，数字人文实践共同体逐渐凝聚以下核心特征：

1. 跨学科性（Interdisciplinarity）：DH项目通常需要人文学者、计算科学家、图书馆员、设计师的协作。这种协作不是简单分工，而是知识生产模式的根本改变：问题由跨学科对话共同塑造，方法相互渗透，成果形式多元（学术论文、数据档案、交互装置、课程模块）。例如，“数字敦煌”项目涉及敦煌学专家、计算机图形学专家、文物保护科学家，共同实现石窟高精度数字化、虚拟漫游与学术资源开放。 2. 计算转向（Computational Turn）：指将计算视为核心方法论，而不仅是工具。这包括：算法思维——将研究问题转化为可计算形式（如将文本转化为向量空间模型）；数据驱动——利用大规模数据集发现模式（如用GB级语料库训练词向量）；过程透明——强调方法可重复性，公开代码与数据（如通过GitHub托管项目）。计算转向要求人文学者具备基本的“计算素养”（Computational Literacy），能理解算法逻辑、评估其适用性与局限。 3. 开放与协作（Openness & Collaboration）：DH普遍践行开放科学原则：项目成果（数据、代码、文档）以开放许可发布；开发过程采用敏捷方法，在GitHub等平台公开迭代；强调“社区 Peer Production”。例如，“特伦托数字人文夏季学校”（DH Summer School）将课程材料与代码全部开源，形成全球学习网络。协作模式也超越传统学术等级，常采用“实验室制”或“工作室制”，学生、技术员、学者共同创作。 4. 可视化与交互（Visualization & Interaction）：DH善于将抽象数据或复杂关系转化为视觉形式，以辅助探索与传播。从静态图表（如Moretti的“世界文学地图”）到交互式仪表盘（如“ slavery 地图”），可视化既是分析工具也是表达媒介。交互性则允许用户操纵数据、探索不同路径，体现“用户参与式知识建构”的理念。 5. 批判性与反思性（Critical & Reflexive）：成熟的DH实践包含对技术本身的批判。这涉及：数据批判——审视数据集的来源、偏见与缺失（如“数据阴影”理论）；算法批判——揭示推荐系统、自然语言处理中的文化假设；基础设施批判——分析平台资本、服务器地理政治对知识生产的影响。例如，项目“解剖数字殖民”通过可视化维基百科编辑战争，揭示知识权力斗争。

这些特征共同构成DH的方法论标识，但其权重与实践方式因项目、学科、地域而异。例如，文学领域的DH可能更侧重文本挖掘与可视化，历史学则更强调GIS与时间序列分析；北美DH中心常侧重技术开发，欧洲则更注重理论批判与文化遗产保护。

研究范畴与方法论图谱

数字人文的研究范畴广泛且动态扩展，以下按主要方法论集群梳理其核心领域、关键技术及典型实践案例。

文本分析（Text Analysis）

文本分析是DH历史最悠久、方法最成熟的领域，涵盖从基础统计到深度语义挖掘的多个层次。

• **基础文本处理**：包括分词（中文需专门工具如Jieba、THULAC）、词性标注、命名实体识别（NER）。工具如Python的NLTK、spaCy，中文领域有哈工大LTP、百度ERNIE。案例：利用NER从《清史稿》中自动提取人物、地点、时间，构建基础事实库。
• **文本挖掘与主题建模**：应用机器学习发现文本集合的潜在主题。**TF-IDF**（词频-逆文档频率）识别关键词；**LDA（Latent Dirichlet Allocation）** 生成主题分布。案例：使用LDA分析《红楼梦》前80回与后40回的主题差异，量化风格变化支持或质疑曹雪芹续写说（参见陈大超等，2018）。更高级的**词嵌入（Word Embedding）** 如Word2Vec、GloVe，将词映射为向量，捕捉语义关系（“国王-男人+女人≈女王”），用于分析概念历史变迁（如“ liberty”在19世纪英美文本中的语义场）。
• **计算风格学与作者归属**：通过高频词、句长、标点等统计特征进行作者识别或作品年代判定。经典案例如使用多元判别分析确认《联邦党人文集》匿名文章的作者。近年深度学习（如RNN、BERT）提升了对文学风格细微差别的捕捉能力。
• **文本可视化**：**词云**（Word Cloud）直观展示高频词；**主题河流**（ThemeRiver）显示主题随时间演变；**文本距离地图**（Text Distance Map）将文本相似性投射为几何空间。工具如Voyant Tools、Gephi、D3.js。

空间人文（Spatial Humanities）

空间人文将地理信息系统（GIS）与历史、文学、考古等人文学科结合，关注空间认知、地方表征与空间叙事。

• **历史GIS（HGIS）**：将历史数据（人口、事件、资产）与地理参照系关联。关键技术包括**历史地图配准**（将古地图数字化并匹配现代坐标）、**空间查询**（“查询1850年上海县城内的茶行分布”）。案例：哈佛大学“中国历史地理信息系统”（CHGIS）整合明清地方志，构建时空数据库，支持“太平天国运动路径动态模拟”等研究。
• **文学地理信息系统（Literary GIS）**：分析文学作品中的空间描写、作者行旅与地方认同。例如，通过GIS绘制《徐霞客游记》每日行程与海拔变化，结合文本描述，探究其空间感知与自然书写。另一案例：用GIS可视化狄更斯小说中伦敦地点的出现频率，揭示“伦敦作为角色”的叙事功能。
• **空间叙事与交互地图**：超越静态地图，开发时间-空间叙事应用。如“ Slavery 地图”（slavevoyages.org）将跨大西洋奴隶贸易数据与船只轨迹、人口统计结合，提供多维度探索界面，成为教学与研究标杆。

网络分析（Network Analysis）

网络分析将人物、组织、概念等视为节点，关系视为边，揭示隐藏结构、中心性与社群。

• **社会网络分析（SNA）**：应用指标（度中心性、中介中心性、聚类系数）分析历史人物关系、学术合作、思想传播。案例：利用《中国历代人物传记资料库》（CBDB）数据，构建北宋官僚社交网络，验证“政治精英是否通过婚姻与同乡关系结成派系”。工具如Gephi、NetworkX（Python库）。
• **知识图谱与语义网**：使用RDF、OWL等标准构建结构化知识库，实现推理与关联。案例：欧洲“文艺复兴知识图谱”（Renaissance Knowledge Graph）链接艺术家、作品、 patron、地点，支持复杂查询如“找出1500-1520年间，通过美第奇家族连接的所有雕塑家”。这推动了“关联开放数据”（LOD）在人文领域的应用。
• **数字文献学与文本网络**：将文本中的实体（人物、地点）作为节点，共现关系作为边，构建“叙事网络”。例如，分析《三国演义》人物共现网络，识别核心集团（曹魏、蜀汉、东吴）与桥梁人物（如诸葛亮、曹操）。

视觉与多媒体人文（Visual & Multimedia Humanities）

此领域关注图像、音频、视频、3D模型等非文本对象的结构化、分析与呈现。

• **数字典藏与 IIIF**：国际图像互操作框架（IIIF）实现高分辨率图像的统一访问与注释。大英图书馆、故宫博物院等采用IIIF标准发布数字馆藏，支持在线缩放、对比、标注。案例：“敦煌研究院数字敦煌”项目利用IIIF展示高清洞窟全景与细节，学者可在线测量、标注病害。
• **计算机视觉应用**：使用卷积神经网络（CNN）进行图像分类、物体检测、风格分析。案例：对文艺复兴绘画自动识别宗教符号（如鸽子象征圣灵）；对古籍自动检测版框、朱墨 separations（区分批注与原文）。
• **3D重建与虚拟现实（VR/AR）**：通过摄影测量、激光扫描重建遗址、文物、建筑。案例：“数字罗马”（Digital Roman Forum）提供古罗马广场沉浸式漫游；“故宫VR”让用户“走进”未开放区域。技术挑战包括精度、成本与长期保存。
• **音频数字人文**：分析语音、音乐、环境声音。如使用声谱图分析民间歌谣旋律模式；利用自动语音识别（ASR）转写历史录音（如“中国口述史档案”项目）。

数字出版、归档与教学

• **数字编辑与出版**：超越PDF，采用TEI/XML编码的“ born-digital”学术 editions，如“莎士比亚作品集在线版”（Folger Shakespeare Library），提供多种版本比对、来源注释、多媒体资料链接。
• **数字档案馆与长期保存**：解决数字对象易逝性问题，采用OAIS参考模型、格式迁移、固定标识符（DOI、Handle）。案例：“互联网档案馆”（Internet Archive）保存网页、软件、媒体，但面临版权与选择性保存挑战。
• **数字人文教学**：将DH方法融入课程，如“数据驱动的文学研究”工作坊、“GIS for Historians”课程。强调“学习 by doing”，学生通过处理真实数据集掌握技能。平台如“The Programming Historian”提供多语言、开源教程。

新兴与交叉领域

• **数字考古与遗产**：无人机航拍、激光雷达（LiDAR）发现遗址；3D打印用于文物修复研究。
• **计算社会科学与人文**：利用社交媒体数据研究公众情绪、文化传播（如用Twitter数据分析政治事件中的情感极化）。
• **游戏研究与数字叙事**：分析电子游戏的叙事结构、玩家行为数据；创作交互式叙事作品。
• **数字人文与人工智能**：大语言模型（如GPT系列）用于文本生成、对话式检索、自动摘要，引发关于“AI是否具有人文阐释能力”的争论。案例：用ChatGPT辅助古籍标点，但需人工校验错误。

上述领域并非割裂，而是相互交织。一个综合项目可能同时包含文本挖掘、GIS可视化与网络分析，如“欧洲历史 Newspapers 项目”不仅提取实体，还分析地点共现网络与主题时空分布。方法论的融合要求研究者具备“T型能力”：一专（深度掌握某一方法）多能（理解相关方法逻辑）。

技术驱动的方法论转型：从工具到范式

技术对人文学科的赋能，已超越“用计算机代替手工”的效率提升，深入到认识论层面，引发研究范式的系统性转型。这种转型体现在四个维度：

1. 从阐释（Interpretation）到计算（Computation）：量化与模式发现成为新路径。 传统人文学科核心是细读、阐释与批判，依赖研究者的直觉与判断。数字人文引入量化方法，通过大规模数据分析发现宏观模式，补充甚至挑战传统结论。例如，Franco Moretti的“远读”主张通过图表、地图、树状图分析文学史整体结构，而非专注单部作品。其团队使用主题建模分析19世纪英国小说，发现“情节词汇”（如“结婚”）的消退与“状态词汇”（如“感觉”）的上升，揭示叙事重心从行动转向心理的转型。这种模式发现并非取代阐释，而是提供新假设：量化结果需回归文本细读检验，形成“计算—阐释”循环。争议在于：量化是否消解了人文的复杂性？支持者认为模式识别能揭示肉眼不可见的趋势（如某思想概念在跨世纪的传播曲线）；批评者警告数据简化可能丢失语境 richness。关键在明确计算方法的边界：它擅长回答“多少”“分布如何”“关联强度”，但不直接回答“意义为何”——后者仍需人文判断。

2. 从个体（Individual）到协作（Collaboration）：知识生产的规模与组织形式变革。 传统人文学者多为独立研究或小团队合作。数字项目常需程序员、数据师、设计师、领域专家等多角色协作，周期长达数年，预算达百万级。这催生新的学术组织形态：数字人文实验室（如UCL数字人文中心）采用矩阵管理，项目制运作；分布式协作网络（如“牛津十八世纪诗歌电子版”项目）跨越机构国界。协作不仅提升产能（处理TB级数据），更融合多元视角：技术专家提出可行性方案，人文专家确保问题意义，设计师优化用户体验。然而，协作带来新挑战：作者署名争议（代码贡献 vs 内容贡献）、知识所有权模糊（开源社区规范与学术出版规范的冲突