第一章：数字人文导论：从人文计算到跨学科融合 Chapter 1: Introduction to Digital Humanities: From Humanities Computing to Interdisciplinary Convergence

数文探微：技术赋能的人文研究新范式

第一章：数字人文导论：从人文计算到跨学科融合

Introduction to Digital Humanities: From Humanities Computing to Interdisciplinary Convergence

---

引言：从计算与人文的相遇谈起

当罗伯特·布尔斯廷（Robert Busa）在1949年与IBM合作，开始对托马斯·阿奎那（Thomas Aquinas）的全部著作进行索引和词频分析时，他或许未曾料到，这一开创性的工作会在数十年后催生出一个全新的学科领域。这位意大利神父和计算机先驱的合作，标志着人文计算（Humanities Computing）作为一个独立研究范式的诞生，也预示着计算技术与人文研究之间一段漫长而复杂的对话历程的开启。

布尔斯廷的Project Tocco（Tabulae Concordantium Operum Sancti Thomae Aquinatis）最终产出了56卷《托马斯·阿奎那著作索引》，这一浩大的工程不仅展示了计算机处理大规模文本的潜力，更重要的是，它确立了一种新的研究方法论：将人文材料转化为机器可处理的形式，借助计算工具发现传统阅读难以察觉的规律与联系。这一核心理念在随后的七十余年中不断演进，从简单的词频统计发展到复杂的文本挖掘，从孤立的文献编码项目扩展为涵盖文化遗产、地理信息、语言分析、视听媒介等多元领域的数字人文（Digital Humanities）运动。

当代数字人文的发展呈现出显著的多样性和复杂性。一方面，计算技术以前所未有的深度渗透人文学术研究，机器学习、自然语言处理、地理信息系统等技术已成为许多人文研究项目不可或缺的工具。另一方面，数字人文学者不断反思技术决定论的倾向，强调批判性思维、伦理关怀和人文价值在数字化研究中的核心地位。这种张力与对话，构成了当代数字人文领域的显著特征，也使其成为一个充满活力和争议的学术空间。

本章作为全书的开篇，旨在为读者提供一个理解数字人文的全面框架。我们将首先追溯人文计算的起源，考察计算机辅助文献研究的早期发展；继而分析从人文计算到数字人文的概念演变，探讨这一转变背后的社会、技术和学术动因；随后深入讨论数字人文的核心概念框架，包括数字化、数据化、计算化等关键转型；在此基础上，我们将系统梳理数字人文的主要研究领域，从文本编码到语料库语言学，从文化分析到历史信息学，从地理人文到视听媒介；最后，我们将审视计算转向（Computational Turn）为传统人文学科带来的范式变革，以及这一变革所引发的机遇与挑战。

---

第一部分：人文计算的起源与早期发展

The Origins and Early Development of Humanities Computing

---

一、1940-1970年代：技术先驱与基础奠定

人文计算的历史可以追溯到电子计算机发展的早期阶段。1940年代末至1950年代，当计算机主要被用于军事和科学研究时，一批具有远见的人文主义者开始探索这一新兴工具在学术研究中的应用潜力。除前述布尔斯廷的神学文本分析工作外，这一时期还有其他值得关注的先驱性尝试。

伊凡·萨默维尔（Ivan Semmingsen）在1950年代运用计算机分析挪威人口普查数据，尽管这一研究并非严格意义上的文本分析，但其将统计方法应用于人文问题的做法，为后来的计量史学研究（Cliometrics）奠定了方法论基础。罗伯特·费雷斯（Robert Farris）运用数学模型分析印度教神话结构，虽然其研究在当时引发争议，但展示了量化方法在文化研究中的可能性。最为重要的是，1959年路易斯·米尔斯（Louis Mills）利用计算机程序分析了《哈姆雷特》的文本结构，试图通过统计学方法解答莎学研究中关于作者归属的长期争论——即所谓的“哈姆雷特问题”。

这一时期的标志性成就是1964年创立的《文学与语言计算机分析国际期刊》（Computers and the Humanities），这是该领域的第一份专业学术期刊，为人文计算的学术成果提供了发表平台。与此同时，剑桥大学词典部门、意大利的学术团体以及世界各地的图书馆开始尝试将卡片目录转化为机器可读形式，这些早期的大规模数据化项目为后来的数字人文基础设施建设积累了宝贵经验。

然而，这一时期的人文计算面临诸多技术和制度障碍。计算机体积庞大、价格昂贵、使用复杂，只有极少数研究机构具备相关条件。编程语言尚处于发展初期，缺乏处理自然语言的成熟工具。更重要的是，人文学科的主流学术界对这些“边缘性”实验持怀疑甚至排斥态度，认为计算方法过于机械，无法把握人文材料的复杂性和意义的多层次性。

---

二、1970-1990年代：语料库语言学与标准化运动

1970年代至1990年代是人文计算发展的关键时期，这一阶段的特征是语料库语言学（Corpus Linguistics）的兴起和文本编码标准化的推进。两个标志性项目的成功，极大地提升了人文计算的学术地位和研究效能。

第一个项目是弗朗西斯·培根（Francis Bacon）作品的计算机分析。1977年，研究者使用计算机对培根的英文作品进行了详尽的文体分析，试图解决长期以来关于培根是否为莎士比亚戏剧真正作者的争论。通过对词汇使用、句子长度、词类分布等数十项文体指标的统计分析，研究者得出了明确的结论：培根的作品与莎士比亚戏剧之间存在显著的文体差异，不支持两者为同一作者的观点。这一研究虽然未能彻底终结“莎士比亚问题”的争论，但它展示了计算机文体分析（Computational Stylistics）在传统人文学科中的实际应用价值。

第二个更为重要的是1987年启动的“千年综合计划”（Millennium Project），该计划旨在将中世纪拉丁文献转化为机器可读的数据库。参与该项目的学者来自历史学、文献学、古典学、语言学等多个学科领域，他们不仅需要处理大量的文本数据，还需要解决古代语言的拼写变异、缩写形式、手稿传统等复杂问题。这一项目积累的方法论经验，为后来的数字人文项目提供了重要参考。

这一时期还见证了文本编码标准的建立。1987年，数字人文领域最具影响力的标准之一——TEI（Text Encoding and Interchange，文本编码与交换）规范正式发布。TEI最初由一群文学学者和图书馆员发起，旨在为文学文本的电子版本提供统一的编码准则。TEI的设计理念强调对文本的深度描述（deep encoding），不仅记录文本的字面内容，还标注其结构特征、修辞手法、音韵属性、元数据信息等多层次信息。这种编码方式使人文学者能够在文本的不同层面进行检索、统计和比较分析，极大地拓展了计算机辅助文本研究的深度和广度。

TEI标准的成功催生了大量重要的数字人文基础设施项目。其中最具影响力的是牛津文本档案馆（Oxford Text Archive）、密歇根大学的人文文本项目（Michigan Humanities Text Project）以及欧洲多国合作建设的多语言文学语料库。这些项目不仅为人文学者提供了宝贵的数字资源，也推动了文本编码标准在全球范围内的传播和应用。

---

三、1990-2000年代：万维网革命与网络人文

1990年代互联网的商业化和万维网（World Wide Web）的普及，为人文计算带来了前所未有的机遇和挑战。信息的数字化生产和传播变得前所未有地便捷，学术资源的在线获取打破了传统图书馆的物理限制，全球研究者之间的协作不再受地理位置的制约。这一时期，数字人文开始从专业学者的实验场转变为更广泛学术社区的公共空间。

万维网的兴起催生了第一批大规模人文学术项目。1991年，罗伯特·哈斯特德（Robert Hustead）创建了“爱思唯尔电子文本档案”（EIS: Elsevier Text Archive），收录了大量古典文献的电子版本。1992年，欧洲核子研究组织（CERN）向公众开放万维网协议，标志着信息传播进入新纪元。此后不久，罗马图书馆、拜占庭研究中心等机构开始将手稿和珍本文献数字化并上网，极大地拓展了人文学者的研究资源。

这一时期的重要技术发展还包括SGML（Standard Generalized Markup Language，标准通用标记语言）和HTML（HyperText Markup Language，超文本标记语言）的广泛应用。尽管HTML最初是为网页设计而开发，但它的超链接功能为人文材料的组织提供了新的可能性。人文学者开始尝试利用超文本技术组织复杂的学术信息，建立非线性、网状结构的知识体系。这种知识组织方式与人文学科强调关联性、语境化的传统高度契合，预示了后来语义网（Semantic Web）技术的发展方向。

更为重要的是，数字图像处理技术的进步使文化遗产的数字化保存成为可能。高分辨率扫描技术使手稿、绘画、地图等视觉材料的电子复制成为现实；图像识别和光学字符识别（OCR）技术使这些材料能够被索引和检索；地理信息系统（GIS）使历史地图与现代地理数据叠加分析成为可能。这些技术进步催生了一系列具有里程碑意义的数字人文项目，如美国国会图书馆的“美国记忆”（American Memory）计划、大英图书馆的数字化项目、以及欧洲图书馆的“欧洲数字图书馆”（Europeana）倡议。

然而，这一时期的数字人文仍主要被视为技术辅助手段，而非独立的学科领域。大多数传统人文学者将数字工具视为“助手”而非研究范式的转型力量。真正的转变发生在21世纪初期，当数字人文开始形成自己的理论话语、研究方法和学术社区时，这一领域才真正确立其学科地位。

---

第二部分：从人文计算到数字人文的概念演变

From Humanities Computing to Digital Humanities: Conceptual Evolution

---

一、“数字人文”一词的诞生与争议

“数字人文”（Digital Humanities）这一术语的确切起源尚存争议。现有文献表明，该词最早出现在2004年前后，由美国人文计算的领军学者约翰·安斯（John Unsworth）和朱莉娅弗兰岑-科勒（Julia Flanders-Koeller）等人开始使用。2005年，“数字人文中心”（Center for Digital Humanities）在美国加州大学洛杉矶分校成立，成为该领域首个正式的学术机构单位。随后，英美多所大学相继设立数字人文教席、研究中心和研究生项目，数字人文作为独立学科建制的进程显著加速。

然而，“数字人文”一词从诞生之日起就伴随着概念争议。“Humanities Computing”（人文计算）与“Digital Humanities”（数字人文）这两个术语之间的区别，反映了该领域内部对于技术与人文关系的不同理解。一些学者坚持使用“人文计算”，强调计算方法在人文研究中的工具性地位；另一些学者则偏好“数字人文”，认为这一术语更能反映数字化转型对人文学科的深刻影响，而不仅仅是将计算机作为辅助工具使用。

2010年，美国伊利诺伊大学厄巴纳-香槟分校的两位学者——乔·德雷森（Joe Drasin）和马特·戈尔迪（Matt Gold）组织了一场名为“#DHpound”的网络讨论，就这一术语问题展开了激烈辩论。讨论的焦点在于：数字人文究竟是一个独立的学科领域，还是一种跨学科的方法论倾向？它应该被视为技术导向还是人文导向？这场讨论虽然未能达成共识，但它揭示了数字人文内部的多样性和复杂性，也促使学者们更深入地反思该领域的学科定位和发展方向。

值得注意的是，“数字人文”这一术语本身就具有高度的包容性和弹性。不同地区、不同学科背景的学者对“digital”和“humanities”这两个关键词的权重分配持有不同看法：一些学者强调“digital”的一面，关注技术方法论的创新；另一些学者则强调“humanities”的一面，关注人文价值的传承和批判性反思。这种张力并非弱点，而是数字人文作为新兴跨学科领域的活力来源。

---

二、从方法论到认识论的范式转变

从人文计算到数字人文的演变，不仅仅是术语的更替，更反映了人文学术研究中认识论和方法论的深刻转变。传统人文计算主要关注如何将计算工具应用于人文问题的研究，其认识论基础仍植根于人文主义的文本阐释传统；数字人文则更强调数字化本身对人文学术的全面影响，包括研究对象的扩展、研究方法的创新、学术交流方式的变革、以及知识生产与传播的社会建制。

这一转变可以从以下几个方面来理解。首先，在研究对象层面，数字人文不再局限于传统意义上的“文本”，而是将数字化扩展到物质文化、视觉艺术、声音记录、空间数据等多种媒介形式。数字技术使这些原本分散的学术资源能够被整合到统一的研究框架中，为跨媒介、跨学科的研究提供了前所未有的可能性。

其次，在方法论层面，数字人文强调计算方法与人文阐释的深度融合。传统人文计算往往将“计算”与“阐释”视为两个相对独立的阶段：先由技术人员处理数据，再由人文学者解读结果。数字人文则倡导一种更为整合的研究路径，鼓励人文学者直接参与研究设计和技术实现，同时要求计算专家理解人文问题的复杂性和语境依赖性。这种方法论整合催生了“计算素养”与“人文素养”并重的新型人才培养模式。

第三，在认识论层面，数字人文质疑了传统人文学术中某些隐含的假设。例如，关于“文本”的边界问题：传统文本批评倾向于将文本视为一个相对封闭的意义单元；而数字人文则将文本视为一个开放的网络节点，通过链接、引用、互文等关系与其他文本、材料、语境形成复杂的关联网络。又如，关于“原创性”的问题：传统人文学术重视学者的个人洞见和独创性阐释；而数字人文更强调协作、共享和累积性知识生产，鼓励研究数据和工具的开源共享。

---

三、数字人文的制度化进程

数字人文的制度化是理解该领域发展的另一重要维度。2000年代以来，全球范围内涌现了大量专门的数字人文研究和教学机构。根据数字人文奖学金协会（Digital Humanities Specialty Group）的统计，截至2023年，全球已有超过500所大学设立了数字人文相关的教席、学位项目或研究中心。其中最为活跃的地区包括北美、欧洲、东亚和澳大利亚。

在北美，数字人文的发展尤为迅速。2006年，美国数字人文学会（Alliance of Digital Humanities Organizations, ADHO）成立，成为该领域的国际性学术组织。ADHO每年举办数字人文大会（Digital Humanities Conference），并主办《数字人文季刊》（Digital Humanities Quarterly, DHQ）和《数字人文研究》（Digital Scholarship in the Humanities）等专业期刊。2013年，美国国家人文基金会（National Endowment for the Humanities）启动“数字人文 Advancement Grant”计划，为相关项目提供专项资助。在教学层面，斯坦福大学、密歇根大学、伊利诺伊大学、加州大学洛杉矶分校等高校建立了成熟的数字人文课程体系和研究生培养项目。

在欧洲，数字人文的发展具有鲜明的跨国家合作特征。2006年启动的DARIAH（Digital Research Infrastructure for the Arts and Humanities）项目旨在建立一个覆盖全欧的数字人文研究基础设施网络。DARIAH整合了来自23个国家的学术资源，为人文学者提供数据存储、计算服务、技能培训等支持。另一个重要项目是CLARIN（Common Language Resources and Technology Infrastructure），专注于语言资源和语言技术的基础设施建设。这些大规模基础设施项目的存在，使欧洲的数字人文呈现出更强的公共性和协作性特征。

在中国，数字人文的发展起步较晚但发展迅速。2012年，上海交通大学成立“数字人文研究中心”，是国内最早的专业数字人文研究机构之一。此后，南京大学、武汉大学、中国人民大学等高校相继设立数字人文研究机构。2019年，中国社会科学院发起“中国历史政治地理”数据库建设项目，将数字人文方法应用于中国历史政治地理研究。2021年，国家自然科学基金委员会和国家社会科学基金均设立了数字人文相关的专项资助类别，标志着数字人文在中国学术界正式获得制度性认可。

---

第三部分：数字人文的核心概念框架

Core Conceptual Framework of Digital Humanities

---

一、数字化：从物理到数字的转型

数字化（Digitalization）是数字人文最基础的概念转型，它指的是将物理形态的文本、图像、声音等信息转化为数字格式的过程。这一过程不仅仅是简单的格式转换，而是涉及信息的捕获、编码、存储、检索和呈现等多个技术环节的系统工程。

在技术层面，数字化通常包括两个阶段：采样（sampling）和量化（quantization）。采样是将连续的物理信号（如光波、声波）转化为离散的数值序列；量化是将这些数值映射为有限数量的离散值。以文本数字化为例，一份古代手稿首先需要通过高分辨率扫描设备进行图像采样，生成数字图像文件；然后通过光学字符识别（OCR）技术将图像中的字符转化为文本编码。

然而，数字化的挑战远不止技术层面。对于人文学科而言，数字化过程本身就涉及一系列具有学术意义的决策。扫描时选择什么分辨率？古文献中的损坏、涂改痕迹如何处理？不同版本的异文如何呈现？编码时使用什么字符集和元数据标准？这些问题没有中性的技术答案，而是涉及对材料性质、研究目的和学术传统的深入理解。

以汉字数字化为例，Unicode标准的制定和实施是汉字信息化的里程碑事件。Unicode收录了超过7万个汉字，基本覆盖了世界主要文字系统的字符需求。然而，Unicode对于不同历史时期的汉字变体（如繁体与简体、古体字与今体字、异体字等）的处理方式并非完美无缺。以“说”字为例，Unicode区分了“說”（统一码U+8AAA）和“說”（U+8AAA，虽然字形相同，但在不同书写传统中可能具有不同的历史来源）。这种复杂性促使人文学者深度参与Unicode标准的制定过程，而非将字符编码问题完全交给技术人员解决。

数字化还涉及知识产权和伦理问题。许多人文材料受到版权保护，数字化和在线发布需要获得权利人的授权。传统人文材料（如手稿、考古文物）的数字化涉及文化遗产所有权问题，尤其是涉及跨国、跨文化的材料时更为敏感。此外，数字化过程中对材料的选取、保存和呈现方式本身就是一种诠释行为，可能影响公众对相关文化传统的理解。

---

二、数据化：从文本到数据的转化

数据化（Datafication）是数字人文的另一个核心概念，它指的是将非结构化或半结构化的人文信息转化为结构化、可计算数据的过程。这一概念最初由肯·希尔（Ken Hillis）和小