绪论：当人文学科遇见数字革命

数字人文不是关于技术的炫技，而是关于人文问题的创新解答。它利用计算工具来扩展人文学科的研究边界，从文本分析到空间历史，从网络理想到文化挖掘。许多人文学者误以为数字人文需要深厚的编程功底或昂贵的设备，从而止步不前。事实上，只要具备基本的计算机操作能力，你就能迈出第一步。本章将为你廓清数字人文的迷雾，展示其真实面貌，并手把手指导你搭建第一个实验环境。我们将从核心定义出发，通过经典案例感受其价值，再逐步过渡到实践操作，确保你无论技术背景如何，都能紧跟数字人文的浪潮。

数字人文的定义与范畴

数字人文（Digital Humanities，简称 DH）是一个动态发展的跨学科领域，其定义因学者、机构和项目而异。广义上，数字人文指“学术与实践的交叉领域，利用数字技术来研究人文学科问题，同时批判性地审视数字文化本身”（Kirschenbaum, 2012）。这一定义揭示了数字人文的双重性：一方面，它使用数字方法（如文本挖掘、地理信息系统、网络分析）解决传统人文问题；另一方面，它也将数字媒体、软件、平台本身作为研究对象，探讨技术如何塑造知识生产、文化表达和社会互动。

从历史脉络看，数字人文的前身可追溯至 20 世纪 40 年代的“人文计算”（Humanities Computing）。1949 年，耶稣会神父 Roberto Busa 与 IBM 合作，开始使用计算机索引托马斯·阿奎那的著作，这一项目历时近 30 年，最终产生《托马斯·阿奎那作品索引》（Index Thomisticus），收录约 10.7 百万个词汇的机器可读文本，被视为数字人文的雏形。20 世纪 70–80 年代，随着个人计算机普及，文本编码、语料库语言学等应用在文学、历史领域兴起。1990 年代，“数字人文”一词逐渐取代“人文计算”，强调其作为人文学科内部的方法论革命，而非单纯的技术应用。2006 年，美国斯坦福大学成立“人文与数字研究中心”，标志数字人文进入制度化阶段。如今，全球数百所大学设立数字人文中心，涵盖从古典学到现代文化的广泛议题。

数字人文的核心特征可归纳为三点：跨学科性、方法论驱动与批判性反思。跨学科性意味着数字人文项目通常由人文学者、计算机科学家、设计师、图书馆员等共同协作，打破学科壁垒。方法论驱动强调数字人文不仅是工具使用，更是一套研究范式：通过量化、可视化、模拟等方法，提出新问题、验证假设或发现隐藏模式。批判性反思则提醒我们，数字人文并非价值中立；算法偏见、数据缺失、技术决定论等问题都需要人文学者的审视。例如，一个历史 GIS 项目若仅依赖官方档案，可能边缘化底层民众的空间经验，这要求研究者在数据收集中融入批判视角。

数字人文的范畴广泛，以下为几个主要分支：

• **文本分析与计算风格学**：对大规模文本库进行词频统计、主题建模、情感分析、作者归属等。例如，通过比较词汇分布鉴别匿名作者，或追踪特定概念在历史文献中的演变。
• **数字典藏与文本编码**：将古籍、档案、艺术品等转化为数字化资源，并添加结构化标记（如 TEI 标准）。这使得资源可检索、可链接、可长期保存。
• **历史地理信息系统（Historical GIS）**：整合历史地图、人口统计、环境数据，构建时空数据库，可视化历史变迁。如分析战争对人口分布的影响，或城市形态的演变。
• **网络分析**：应用图论研究人物、组织、概念之间的关系网络。例如，绘制文艺复兴时期艺术家的社交网络，或哲学思想的概念流变。
• **数字出版与知识管理**：创建在线学术平台、多媒体叙事、交互式地图，使研究成果更易获取和传播。
• **3D 建模与虚拟现实**：重建历史遗址、建筑或文物，提供沉浸式体验。如古罗马城的数字复原。
• **数字博物馆与在线展览**：将实体收藏数字化，设计虚拟展厅，增强公众参与。

值得注意的是，数字人文并非排斥传统人文方法，而是与之互补。一位文学研究者可能同时进行“近读”（close reading）与“远读”（distant reading，Moretti 语）：前者深入分析单篇文本的修辞与结构，后者借助计算工具审视数千部小说的宏观模式。数字人文拓展了人文学科的认知尺度，从微观细读到宏观趋势，从静态文本到动态网络。

破除数字人文的迷思

尽管数字人文蓬勃发展，人文学者对其仍存在若干常见误解。澄清这些迷思，有助于你更自信地进入这一领域。

迷思一：数字人文必须精通编程，否则寸步难行。 事实是，数字人文项目的技术门槛差异巨大。许多工具提供图形界面，无需编写代码即可完成基础任务。例如， historians 可使用 QGIS 制作历史地图，只需学习软件操作而非编程；文学研究者可通过 Voyant Tools 在线平台直接上传文本进行词频分析。编程（如 Python）确实能提供更大灵活性，但并非入门必需。本书将从零开始，先教你使用现成工具，再逐步引入代码，让你按需学习。

迷思二：数字人文用冰冷的数据取代人文的温度。 批评者担忧，量化分析会简化文学的复杂性、历史的偶然性，将活生生的人文体验降格为数字。然而，数字人文并非要取代诠释与批判，而是提供新视角。数据可视化的“远读”能揭示传统方法难以察觉的模式，如发现 19 世纪英国小说中“情感词汇”的周期性波动，这反而激发了对社会文化背景的深入追问。数字人文学者 Ted Underwood 指出：“计算不是解释的替代，而是解释的催化剂。”人文学者的核心任务——提出有意义的问题、解读结果、连接语境——依然不可替代。

迷思三：数字人文只适合大型团队或资金充足的项目。 虽然某些项目（如大规模古籍数字化）需要机构支持，但许多数字人文研究可由个人或小团队完成。一台普通笔记本电脑、免费开源软件（如 Gephi、R、Python 库）足矣。例如，一位博士生可独自完成某诗人作品集的词频分析与主题建模，并发表论文。关键在于问题意识而非资源规模。数字人文的民主化正在加速：云平台、在线工具降低了技术门槛。

迷思四：数字人文成果不可靠，因为数据不完整或有偏。 这一批评有其道理：数字人文依赖数字化资源，而现有数字典藏往往偏向西方语言、近代文献，古典、非西方、边缘群体的资料匮乏。但这正是数字人文的挑战与机遇：研究者必须批判性地评估数据来源，明确其局限，并通过项目设计弥补缺口（如主动 digitize 被忽视的档案）。数字人文的透明度——方法可重复、数据可检视——反而比传统研究更易被检验。正如学者 Bethany Nowviskie 所言：“数字人文不是答案的提供者，而是提问方式的改变者。”

破除这些迷思后，你会发现数字人文的核心是问题驱动：从一个真实的人文问题出发，选择合适的技术工具，而非为技术而技术。接下来的案例将进一步证明这一点。

经典案例深度解析

通过具体项目，数字人文的价值变得直观。以下三个案例分别来自古籍整理、历史地理信息系统和文学计量学，展示技术如何赋能传统研究。

案例一：中国哲学书电子化计划（CTEXT）——古籍整理的数字化革命

中国哲学书电子化计划（Chinese Text Project，简称 ctext.org）是由台湾大学、哈佛大学等机构支持的开放古籍数据库，旨在提供先秦至汉代文献的数字化版本。该项目不仅收录《四库全书》《四部丛刊》等常见丛书，还整合了银雀山汉简、马王堆帛书等出土文献，总量超过 30 万页，涵盖 3000 多种著作。

技术方法：项目团队对每部文献进行精细加工：首先，采用 OCR（光学字符识别）或人工录入建立初始文本；其次，进行文本编码，遵循 TEI（Text Encoding Initiative）标准，添加结构标记（如篇章、段落、作者、时代）、语义标注（如人物、地名、书名）及异文对照；最后，建立全文检索索引，支持关键词、短语、正则表达式搜索，并实现跨文本链接（如某句在《论语》和《孟子》中的出现）。

研究成果：CTEXT 彻底改变了古籍研究范式。传统上，学者需翻阅多部丛书比对同一概念；如今，输入“仁”字，可瞬间列出其在《论语》《孟子》《老子》中的所有出处，并高亮显示。更强大的是版本比对功能：对于有多个传世版本的典籍（如《红楼梦》），用户可并排对照异文，追踪文本流变。此外，项目整合了字典与词典，点击生僻字即显示unicode、拼音、释义，极大降低阅读门槛。

对人文学科的启示：CTEXT 证明，数字化不仅是保存手段，更是研究工具。它使宏观考察成为可能：研究者可统计某概念（如“天命”）在先秦文献中的分布，分析其语义演变；或绘制人物共现网络，揭示思想流派关联。同时，项目开放 API，鼓励开发者构建衍生应用，形成生态系统。CTEXT 的成功在于平衡了技术严谨性与人文需求：编码标准确保了数据互操作性，而界面设计保留了传统“书斋”阅读体验。

案例二：复旦大学中国历史地理信息系统（FHGIS）——让历史地图“活”起来

历史地理信息系统（Historical GIS）是将地理信息系统（GIS）应用于历史研究的跨学科方法。复旦大学中国历史地理信息系统（Fudan University China Historical GIS，简称 FHGIS）是国际知名项目，致力于构建中国历史时期（主要为秦汉至清代）的时空数据库，免费向全球开放。

技术方法：FHGIS 的核心是时空数据模型。团队从《中国历史地图集》（谭其骧主编）、《清史稿·地理志》、地方志等史料中提取行政区划边界、治所位置、人口数据、经济指标，将其数字化为矢量图层（点、线、面），并关联时间戳（如“1840 年广东省界”）。数据经过严格考证，注明来源与置信度。平台基于开源 GIS 软件（如 QGIS）和 Web 技术（如 Leaflet、ArcGIS Online）构建，用户可在线浏览、查询、叠加不同图层，并生成动态地图动画。

研究成果：FHGIS 使历史空间分析从定性描述走向定量可视化。例如，通过叠加历代县级政区图层，可直观展示中央政权对边疆的控制进程；结合人口数据，能生成中国人口密度分布的历史演变动画，揭示经济重心南移过程。另一个应用是历史交通网络分析：研究者可计算某时期从长安到洛阳的最优路线（考虑地形、驿站），模拟物资运输或军事调动。此外，平台支持导出数据供统计软件分析，如检验“山区地形是否导致方言多样性增加”等假说。

对人文学科的启示：FHGIS 打破了“历史只是时间叙事”的局限，凸显空间维度的重要性。它帮助历史学者提出新问题：为何某些地区长期保持行政稳定？战争如何重塑人口地理？同时，项目强调数据批判：地图是权力产物，古代政区边界常模糊不清，数字化过程需明确标注不确定性。FHGIS 不仅产出学术成果，还成为教学工具，学生可通过交互地图理解历史进程，增强 spatial thinking。

案例三：文学计量学与“远读”——从《莎士比亚全集》到《红楼梦》网络

文学计量学（Literaryometrics）或计算文学研究（Computational Literary Studies）运用统计与机器学习方法分析文学文本。意大利学者 Franco Moretti 在 2000 年提出“远读”（distant reading）概念，主张通过大规模文本分析，观察文学史的宏观模式，与传统的“近读”（close reading）形成互补。

技术方法：典型流程包括：数据采集（获取大量文本，如《莎士比亚全集》或 19 世纪英国小说集）、预处理（分词、去除停用词、词形还原）、特征提取（词频、句长、情感词汇密度、主题模型）、统计分析（相关性、聚类、趋势检验）、可视化（热图、时间序列、网络图）。常用工具包括 Python 的 NLTK、spaCy、scikit-learn 库，以及 Gephi 网络可视化软件。

研究成果：一个著名案例是 Moretti 团队对 19 世纪英国小说（约 2000 部）的研究。他们发现： 1. 情感词汇使用呈周期性波动：每 5–7 年出现一次高峰，可能与经济周期或文学潮流相关。 2. 词汇创新率与文学流派关联：现代主义小说词汇创新显著高于维多利亚时期小说。 3. 主题演变：通过主题建模（LDA），识别出“工业”“城市”“乡村”等主题的消长，反映社会转型。

在中文领域，研究者对《红楼梦》进行了人物关系网络分析：提取前 80 回中所有人物共现场景（同回出现），构建无向图，用 Gephi 计算中心度（度中心性、介数中心性）。结果显示，贾宝玉、贾母、王熙凤是网络核心，而薛宝钗、林黛玉虽重要，但连接更多通过宝玉，体现其“枢纽”角色。进一步，可分析不同章节子群（如大观园诗社）的社区结构，揭示社交动态。

对人文学科的启示：文学计量学并非要“取代”文学批评，而是提供可验证的宏观证据。例如，若传统研究认为 18 世纪小说更注重情节，计算分析可量化情节密度（事件数/千字）并与 19 世纪对比。同时，它暴露出方法论挑战：如何定义“情感词汇”？如何区分作者风格与时代风格？这些追问深化了对文学本质的理解。Moretti 强调，“远读”的目标是“看到文学史的形状”，而形状往往隐藏在大量文本的统计模式中。

学习路径与本书导览

进入数字人文领域，你需要一条清晰的学习路径。本书旨在为你提供从入门到实战的完整路线图，共分 15 章，循序渐进，每章聚焦一个核心技能或主题，最终引导你完成独立项目。

所需基础知识

本书面向零基础读者，但以下基本能力将帮助你更顺利学习：

• **计算机操作**：熟悉文件管理（创建、复制、移动文件夹）、软件安装、网络搜索。你无需成为 IT 专家，但需能独立解决常见问题（如找不到文件、软件报错）。
• **逻辑思维**：数字人文涉及步骤化流程（如数据清洗→分析→可视化），需要按顺序思考。如果你曾编写过 Excel 公式或使用 Photoshop 图层，已具备基础逻辑。
• **人文研究经验**：你应熟悉至少一个学科领域（如历史、文学、哲学），能提出研究问题。技术只是工具，学科洞察力才是核心。
• **英语阅读能力**：多数数字人文工具、文档以英文为主，但本书所有操作均提供中文界面指引，且工具本身支持多语言。掌握基础英语词汇（如“install”“run”“error”）即可。

若以上能力尚有欠缺，无需焦虑。本书第一章将带你安装环境并运行第一个程序，后续章节会逐步解释概念。学习过程中，建议边读边动手：在电脑上跟随操作，遇到错误时查阅官方文档或在线社区（如 Stack Overflow）。数字人文社区以开放著称，乐于分享。

本书结构概览

全书 15 章分为四个部分，对应学习路径的四个阶段：

第一部分： foundations（第 1–4 章）

• 第 1 章（本章）：绪论，澄清概念，破除迷思，搭建环境。
• 第 2 章：数据思维——人文学者如何理解数据？介绍数据结构、元数据、数据伦理。
• 第 3 章：文本处理基础——从纯文本到结构化数据，讲解编码（UTF-8）、正则表达式、简单清洗。
• 第 4 章：数据获取与合规——网络爬虫入门、API 使用、版权与合理使用。

第二部分： analysis（第 5–9 章）

• 第 5 章：文本分析入门——词频统计、停用词过滤、关键词提取。
• 第 6 章：主题建模与语义分析——LDA 模型简介、主题可视化、案例：近代报刊话题演变。
• 第 7 章：网络分析基础——图论概念、人物关系抽取、 centrality 计算、Gephi 实战。
• 第 8 章：历史 GIS 实战——坐标系统、图层叠加、时间动画制作。
• 第 9 章：统计检验与机器学习入门——相关分析、聚类、分类，避免误读数据。

第三部分： visualization & publication（第 10–12 章）

• 第 10 章：数据可视化原则——如何选择图表类型？颜色、字体、布局的人文适配。
• 第 11 章：交互式叙事——用 TimelineJS、StoryMap 制作在线叙事。
• 第 12 章：数字出版与学术交流——创建项目网站、使用 GitHub 管理版本、开放获取。

第四部分： projects & futures（第 13–15 章）

• 第 13 章：小型项目实战一——古籍词频分析与作者风格鉴别。
• 第 14 章：小型项目实战二——历史城市人口变化 GIS 制图。

数字人文的蓬勃发展与技术迭代紧密相连。当前，该领域正经历三大趋势：工具平民化、方法融合化与议题公共化。工具平民化指越来越多的数字人文工具以开源、免费、图形界面形式出现，显著降低技术门槛。例如，在线平台 Voyant Tools 允许用户直接上传文本进行词频与主题分析，无需安装任何软件；QGIS 作为开源地理信息系统，提供丰富制图功能，其社区版完全免费。方法融合化体现为数字人文与社会科学方法的交叉，如计算社会学、数字人类学兴起，研究者将网络分析与田野调查结合，或运用自然语言处理处理口述历史。议题公共化则反映在数字人文项目越来越多地关注社会正义、文化遗产保护、公共历史等领域。例如，“奴隶制地理数据库”（Slave Voyages Database）将跨大西洋奴隶贸易数据可视化，成为公众教育的重要资源；中国“数字敦煌”项目通过高精度数字化与 VR 技术，让全球观众在线游览莫高窟，促进文化遗产的全球共享。

这些趋势表明，数字人文已从学院内部的小众实践，发展为连接学术、教育、公众的跨领域运动。理解这一生态，有助于你定位自身兴趣，找到资源与同伴。

数字人文工具生态概览

工具是数字人文实践的载体。根据功能，可将常用工具分为以下几类，并标注学习难度（★ 为最低，★★★★★ 为最高）：

| 类别 | 代表工具 | 主要功能 | 学习难度 | 适用场景 | |------|----------|----------|----------|----------| | 文本处理 | AntConc, Voyant Tools, TXM | 词频统计、关键词提取、主题建模（基础） | ★–★★ | 文学作品分析、历史文献挖掘 | | 地理信息系统 | QGIS, ArcGIS Online, Leaflet | 历史地图数字化、空间查询、时空动画 | ★★–★★★★ | 历史地理、城市规划、环境史 | | 网络分析 | Gephi, Cytoscape, NetworkX (Python) | 关系数据可视化、社区检测、中心性计算 | ★★–★★★★ | 人物关系、思想传播、合作网络 | | 统计与机器学习 | R, Python (pandas, scikit-learn), SPSS | 相关分析、回归、聚类、分