数字人文的兴起：从计算主义到数据驱动的人文研究

数字人文：从计算主义到数据驱动的人文研究变革

引言：比特与文本的相遇

当我们谈论人文科学与数字技术的关系时，很难找到比“比特与典籍”这一比喻更为贴切的表述。比特，作为数字时代的基本信息单位，代表着0与1的二进制逻辑；典籍，则是人类文明数千年来积累的知识载体，承载着文字、思想与记忆的厚重。数字人文（Digital Humanities，简称DH）正是这两个看似截然不同的世界——冰冷的数据与温润的人文——相互交融、彼此激荡的产物。

数字人文的兴起并非一蹴而就，而是经历了长达半个多世纪的漫长孕育期。从20世纪中叶学者们首次尝试用计算机处理文本数据，到如今人工智能技术深度介入人文研究，数字人文经历了从边缘到中心、从工具到方法、从辅助到引领的深刻转型。这一转型不仅改变了人文研究的技术手段，更在根本上重塑了人文学者提问方式、研究路径与知识生产模式。

理解数字人文的兴起，需要我们回溯其历史渊源，厘清人文计算（Humanities Computing）向数字人文演变的内在逻辑，认识关键学者与里程碑项目的贡献，分析学术社群与专业组织的形成机制，并考察数字化项目如何从最初的辅助工具逐渐转变为人文研究的核心方法论。本章将沿着这一思路，系统梳理数字人文的兴起历程，探讨其对文学、历史、语言学等传统人文学科的深远影响，为理解后续章节中更为具体的方法与应用奠定概念基础。

第一部分：历史渊源与学术脉络

一、计算的曙光：计算机与人文的初次相遇

1.1 战后计算文化的兴起

数字人文的种子，播种于20世纪中叶那片被战争与技术革新深刻改变的知识土壤之中。第二次世界大战期间及战后的岁月里，计算机技术从纯粹的军事应用逐渐向民用领域扩展，电子计算机开始出现在大学和研究机构中。早期的计算机——如ENIAC（1945年）、EDVAC（1951年）——体积庞大、造价高昂、操作复杂，主要用于科学计算和军事目的。然而，正是这些笨拙的“巨兽”开启了一个全新的时代，预示着信息处理方式的根本变革。

在这一技术背景下，一群具有远见卓识的学者开始思考一个当时看来颇为前卫的问题：计算机除了进行数值计算之外，是否能够处理文本信息？这一问题的提出，标志着计算人文研究的萌芽。这些学者大多来自语言学、文学、历史学等传统人文学科，但他们对新技术保持着开放的态度，甚至具备一定的数学或工程背景。正是这种跨学科的视野，使他们能够预见计算机在非数值领域的潜在应用价值。

值得注意的是，1940至1960年代同时也是结构主义语言学蓬勃发展的时期。费尔迪南·德·索绪尔（Ferdinand de Saussure）的语言理论经过罗曼·雅各布森（Roman Jakobson）等学者的发扬光大，强调语言作为符号系统的抽象结构与关系网络。这种理论取向为后来计算机处理自然语言提供了思想基础——既然语言可以被形式化地分析，那么原则上也可以被程序化地处理。

1.2 机器可读词典与语料库语言学的发轫

1950年代至1960年代，计算语言学领域出现了几个具有里程碑意义的早期项目，这些项目为数字人文的兴起奠定了技术基础。其中最具影响力的是“机器可读词典”（Machine-Readable Dictionary，MRD）的编纂与“语料库语言学”（Corpus Linguistics）的诞生。

机器可读词典的构想源于一个朴素的理念：如果能够将传统纸质词典的内容转化为计算机可读的格式，就可以实现词语的快速检索、统计与分析。1950年代，美国布朗大学（Brown University）的年轻学者安东尼·朱可夫斯基（Anthony Oettinger）开发了世界上第一个机器可读词典，该词典包含约25000个英语词汇条目。这一尝试虽然粗糙，却证明了词典信息数字化的可行性，开启了辞书数字化的发展道路。

与此同时，语料库语言学作为一门新兴学科逐渐成形。1960年代，美国语言学家威廉·纳图（William Natusch）与其合作者开始系统地收集和整理口语句子，建立了可供计算机分析的语言材料库。这一时期的代表性项目还包括布朗语料库（Brown Corpus）的建立——这是第一个经过全面标注、均衡采样的英语书面语语料库，包含了约100万词的文本，涵盖多种文体类型。布朗语料库由弗朗西斯·库塞拉（Francis Kucera）和纳尔逊·弗朗西斯（Nelson Francis）于1964年完成，其设计原则和标注规范对后来语料库建设产生了深远影响。

这些早期项目的共同特点是：规模相对有限，技术手段较为原始，但它们所体现的方法论理念——即通过对大规模语言材料的系统性收集、存储与分析来揭示语言使用规律——具有革命性意义。这种数据驱动的语言研究范式，后来成为数字人文方法论的核心特征。

1.3 文学文本的量化分析尝试

除了语言学领域，文学研究者也开始了将计算机引入文本分析的早期探索。1950年代至1960年代，风格学（Stylistics）研究领域出现了一股量化分析的热潮，学者们试图通过统计词汇使用频率、句子长度、语法结构等特征来识别作者风格、区分不同文本。

这一时期最具代表性的先驱者之一是莫滕·丘（Morton Q. Minow）——一位在哈佛大学接受训练的年轻学者。他开发了一套用于文学文本分析的计算机程序，能够计算文本中的词汇多样性指数、平均句子长度等统计指标。这些指标后来被广泛用于作者身份鉴定（Authorship Attribution）研究，即通过比较不同文本的统计特征来判断其可能的作者归属。

另一个值得关注的案例是弥尔顿研究（Milton Project）。1950年代末期至1960年代，斯坦福大学的学者团队尝试运用计算机分析约翰·弥尔顿（John Milton）的诗歌作品，重点研究其词汇使用特点与诗歌韵律模式。这一项目虽然规模不大，却展示了计算机在处理长篇文学作品方面的潜力，为后来的文学数字化研究开辟了道路。

这些早期探索的方法论意义在于，它们首次将统计思维引入人文研究。传统人文学者习惯于通过精读（Close Reading）少量文本、提炼定性结论的研究方式，而计算机辅助分析则鼓励学者关注更大规模的文本集合，从中发现用肉眼难以察觉的模式与规律。这种研究思路的转变，为后来“远读”（Distant Reading）概念的提出奠定了基础。

二、从人文计算到数字人文：概念的演进

2.1 “人文计算”概念的诞生

“人文计算”（Humanities Computing）作为一个学术术语，其确立经历了一个渐进的过程。1960年代，这一概念开始出现在学术文献中，用来描述计算机技术在人文研究中的应用。从词源学角度看，“Humanities Computing”这一表达带有明显的时代印记——它强调的是计算机（Computing）这一特定技术工具在人文学科中的运用，尚未涵盖后来数字人文所包含的更广泛的技术谱系与方法论革新。

早期的人文计算研究具有几个鲜明的特点：第一，以文本处理为核心关注点，这与当时计算机的处理能力相匹配；第二，研究者多为具有技术背景的语言学家或文学学者，技术方法服务于具体的人文问题；第三，研究规模相对有限，主要集中在词典编纂、语料库建设、作者风格分析等传统领域；第四，学术社群规模较小，缺乏系统性的组织与制度化保障。

1980年代至1990年代，人文计算研究进入一个相对稳定的发展期。这一时期出现了几个重要的变化：首先，计算机技术性能的大幅提升使得处理更大规模的数字化材料成为可能；其次，互联网的兴起催生了分布式协作研究的新模式；第三，一批专业学术期刊和会议论文集陆续创办，为学术成果的交流提供了平台。然而，即便在这一阶段，人文计算在整个学术界中仍处于边缘位置，其学科地位和研究价值尚未得到广泛认可。

2.2 “数字人文”概念的兴起与内涵拓展

“Digital Humanities”这一表述的正式出现，标志着人文计算研究进入了一个新的发展阶段。2004年是一个重要的年份：这一年，《数字人文季刊》（Digital Humanities Quarterly）创刊，这是第一个专注于数字人文研究的同行评审学术期刊；同年，数字人文国际联盟（Alliance of Digital Humanities Organizations，ADHO）的年度会议首次以“数字人文”为主题冠名。这一系列事件标志着“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”的术语转换，绝非简单的概念替换，而是反映了研究范式的深刻变革。“人文计算”一词强调的是计算技术在人文领域的应用，其隐含假设是：人文研究是主体，计算是辅助工具。而“数字人文”则体现了更为平等和融合的视角：数字技术与人文研究之间不再是主从关系，而是相互渗透、相互塑造的共生关系。

更为重要的是，“数字人文”的概念内涵远较“人文计算”为广。传统的人文计算主要关注文本的数字化与量化分析，而数字人文则涵盖更为丰富的内容：除了文本之外，还包括图像、音频、视频、地图等多媒体材料的数字化处理；除了量化分析之外，还包括可视化呈现、交互界面设计、地理信息系统（GIS）等多种方法的应用；除了传统的文学、历史、语言学研究之外，还涉及文化遗产保护、数字博物馆、虚拟现实等应用领域。

概念演进的另一个重要维度是“数字人文”所体现的批判性反思。2000年代中期以来，一批学者开始对数字人文的技术乐观主义倾向进行反思，质疑技术中心主义对人文研究独特性的威胁。他们强调，数字人文不应仅仅是技术的简单应用，而应保持人文主义的批判精神，关注数字技术背后的权力结构、知识政治与伦理问题。这种批判性视角的引入，使得数字人文的概念更为丰富和深化。

三、先驱学者的贡献与学术传承

3.1 罗伯特·拜斯·阿瑟顿：人文计算的开创者

在数字人文的发展历程中，涌现出一批具有开创性贡献的学者，罗伯特·拜斯·阿瑟顿（Robert Busa，1913-2011）无疑是其中最具象征意义的先驱者。这位意大利出生的天主教神父兼学者，用其毕生精力从事托马斯·阿奎那（Thomas Aquinas）著作的索引编制工作，其标志性成就是主持完成了《托马斯·阿奎那著作索引》（Index Thomisticus）——这是一项包含超过1000万词条的大型语料库项目。

阿瑟顿与计算机的结缘颇具传奇色彩。1940年代，他为编纂托马斯·阿奎那著作的语词索引投入了大量手工劳动，工作进展缓慢且容易出错。1949年，IBM公司创始人托马斯·沃森（Thomas Watson）参观了他所在的神学院，得知了他的工作困境。沃森表示愿意提供计算机援助——这一提议彻底改变了阿瑟顿的研究轨迹。尽管最初的计算机技术条件相当有限（穿孔卡片、批处理模式），阿瑟顿与IBM的合作持续了数十年，最终成就了这一里程碑式的数字化工程。

阿瑟顿的贡献不仅在于完成了这一庞大项目的技术工作，更在于他前瞻性地提出了许多影响深远的学术理念。他率先提出了“人文计算”的概念框架，强调计算机在人文研究中的价值不仅在于提高效率，更在于使过去不可能的研究成为可能。他倡导的语料库方法论为后来的计算语言学和数字文学研究奠定了基础。此外，他还是较早呼吁关注数字化时代知识产权问题的学者之一，提出了开放获取与人文研究数据共享的早期构想。

2003年，为表彰阿瑟顿在人文计算领域的卓越贡献，ACM（国际计算机协会）授予他“计算机先驱奖”（Computer Pioneer Award）。这位在80岁高龄时才学会使用电子邮件的学者，用其一生见证并推动了比特与典籍的相遇。

3.2 约瑟夫·克莱默：远见卓识的理论家

约瑟夫·克莱默（Joseph Raben，1924-2012）是另一位对数字人文发展产生深远影响的先驱学者。与阿瑟顿以大型语料库建设著称不同，克莱默的贡献更多体现在理论倡导与学术组织方面。他被公认为“数字人文之父”之一，不仅因为其在人文计算领域的开创性工作，更因为他对这一新兴领域本质与发展方向的深刻洞察。

克莱默的学术生涯起步于传统的文学研究领域，他在加州大学伯克利分校获得博士学位，研究方向为中世纪文学。1960年代中期，他开始关注计算机技术在文学研究中的应用前景，并于1967年创立了“计算机与文学”（Computers and the Humanities）期刊——这是该领域最早的学术期刊之一。该期刊后来更名为《计算机与人文》（Computers and the Humanities），为早期人文计算研究成果的发表与传播提供了重要平台。

克莱默最具影响力的学术贡献或许是他对“远读”（Distant Reading）概念的倡导。他敏锐地察觉到，计算机处理大规模文本的能力为人文研究开辟了一种全新的可能性：与其精读少量文本，不如借助计算机远读大量文献，从中提取宏观模式与趋势。这一理念后来被弗朗哥·莫雷蒂（Franco Moretti）系统化为“远读”理论，成为数字文学研究的核心方法论之一。克莱默虽然早于莫雷蒂的正式论述提出类似思想，但其影响长期以来未得到充分认可。

此外，克莱默还是学术国际化的积极推动者。他促成了国际计算语言学会议（COLING）等早期国际学术交流机制的建立，为不同国家和地区的学者搭建了对话平台。他主张跨越语言和文化的边界开展协作研究，这一理念在今天的全球化数字人文研究中显得尤为重要。

3.3 威尔伯·佩恩与数字人文教育

威尔伯·佩恩（Willard McCarty，1941-）是当代数字人文领域最具影响力的理论家之一，尤其以其对数字人文本质的哲学反思和学科建设的持续关注著称。他长期任教于伦敦大学国王学院，是该领域为数不多的具有深厚人文背景又精通技术的学者。

佩恩最重要的贡献之一是其2005年出版的专著《人文计算》（Humanities Computing）。这部著作系统阐述了人文计算的学科定位、理论框架与方法论基础，被广泛认为是该领域的奠基性理论文献。佩恩在书中提出了一个核心命题：人文计算不应被视为技术工具在人文领域的简单应用，而应被理解为一种新的知识生产方式——它要求我们重新思考人文学者与研究对象之间的关系，重新审视知识的组织与呈现形式。

佩恩还积极参与数字人文的学科制度化建设。他主持的伦敦国王学院数字人文中心（Centre for Computing in the Humanities）是全球最早建立的数字人文专门研究机构之一，培养了大批该领域的后继学者。他发起的“人文计算学者协会”（Association for Literary and Linguistic Computing，ALLC）后来与其他机构合并，成为数字人文国际联盟（ADHO）的重要组成部分。

佩恩晚年对数字人文的批判性反思同样值得关注。他多次撰文提醒学界警惕数字人文研究中过度技术化的倾向，强调保持人文主义批判精神的重要性。他认为，数字人文的根本价值不在于技术的精巧，而在于它能否帮助我们更好地理解人类文化的复杂性与多样性。这一警示在技术飞速发展的今天仍具有重要的现实意义。

四、学术组织与制度化发展

4.1 从计算语言学到人文计算的学术网络

数字人文的制度化发展是理解这一领域兴起的另一个重要维度。学术社群的形成、专业组织的确立、研究机构的建立、学位项目的开设——这些制度性因素为数字人文的持续成长提供了组织保障和人才支撑。

1960年代至1970年代，几个与计算语言学和人文计算相关的学术组织相继成立。1965年，国际计算语言学学会（International Committee on Computational Linguistics，ICCL）在挪威成立，后发展为国际计算语言学协会（ACL）。虽然ACL的主要关注点是自然语言处理的技术层面，但其对语言数据的重视为后来数字人文研究提供了方法论参考。

在人文计算领域，文学与语言计算协会（Association for Literary and Linguistic Computing，ALLC）于1973年在英国成立，成为英语世界人文计算学者交流的重要平台。该协会定期举办学术会议，出版学术期刊（后发展为《文学与语言计算》/ Literary and Linguistic Computing），为早期人文计算研究的规范化发展作出了贡献。与此同时，德国、法国等国家也相继建立了类似的学术组织，形成了初具规模的国际学术网络。

这些早期组织的一个共同特点是它们的跨学科性质——成员既包括语言学家、计算机科学家，也包括文学研究者、历史学家。这种跨学科的传统后来成为数字人文的重要特征，但也带来了身份认同和学术标准方面的张力。不同学科背景的学者对于“什么是数字人文的核心问题”往往持有不同看法，这种分歧至今仍在一定程度上影响着该领域的发展方向。

4.2 数字人文国际联盟的成立与发展

进入21世纪，人文计算的制度化发展迎来了重要转折。2001年，多个国际性人文计算组织合并为数字人文国际联盟（Alliance of Digital Humanities Organizations，ADHO），这是一个具有广泛代表性的国际学术组织，旨在促进全球范围内数字人文研究的交流与合作。

ADHO的成立标志着数字人文进入了一个新的发展阶段。该组织的主要活动包括：组织年度国际会议（DH Conference），这是全球数字人文领域规模最大、最具影响力的学术盛会；支持《数字人文季刊》（Digital Humanities Quarterly）等学术期刊的出版；开展数字人文培训与能力建设项目；制定和推广数字人文领域的标准与最佳实践指南。

ADHO的治理结构体现了数字人文社群的多元性。该组织由多个成员国组织和主题性子组织组成，各组织在保持自身特色的同时通过ADHO平台开展协作。这种联邦式的组织模式既尊重了不同国家和地区的学术传统，又为跨国界的合作提供了机制保障。值得注意的是，ADHO积极推动数字人文在全球范围内的发展，特别关注亚太地区、拉丁美洲、非洲等传统上数字人文发展相对滞后的区域，通过培训项目和资源支持促进这些地区的学术能力建设。

4.3 大学数字人文中心的兴起

与学术组织的发展相伴随的是大学数字人文中心的蓬勃兴起。1990年代末至2000年代初，全球主要研究型大学纷纷设立专门的数字人文研究机构，为这一新兴领域提供制度化的学术家园。

2000年，英国伦敦国王学院成立了计算人文中心（Centre for Computing in the Humanities），这是英语世界最早建立的数字人文专门研究机构之一。该中心由威尔伯·佩恩主持，致力于人文计算的跨学科研究，培养了大批数字人文领域的专业人才。其研究范围涵盖数字语料库建设、自然语言处理、数字出版、地理信息系统等多个方向，体现了数字人文研究的多样性。

2005年，美国斯坦福大学成立了文学计算实验室（Literary Lab），由文学理论家弗朗哥·莫雷蒂主持。该实验室以“远读”理论为指导，专注于运用计算方法分析大规模文学文本数据，探索文学史研究的定量方法。其代表性项目包括“文学演变地图”（Mapping Literary History）、“