数字人文导论：从工具到范式

数字人文（Digital Humanities, DH）作为一个跨学科领域，在过去二十年间经历了从工具应用到范式革命的剧烈争论。这场争论的核心并非简单的技术优劣之争，而是触及人文学科在数字时代如何重新定义自身研究边界、方法论基础与认识论前提的根本性问题。当计算机科学家将文本视为可计算的字符序列，当历史学家开始依赖数据库重建过去，当文学研究者通过主题模型探测数百部小说的模式时，一种深层的认知转型正在发生：计算不再仅仅是提升研究效率的辅助工具，它正在重塑人文研究的对象、问题与论证方式。然而，这种转型并非自然而然的技术决定论结果，而是充满了张力、协商与批判性反思的复杂过程。本章旨在深入剖析这一过程，批判性地审视“技术工具论”与“范式革命论”的二元对立，揭示数字人文实践中技术栈与批判思维相互渗透、彼此塑造的辩证关系。我们将提出，数字人文的成熟形态并非对人文传统的背离，也非对技术逻辑的盲从，而是一种将特定计算技术（如文本挖掘、结构化档案、交互可视化）与特定的批判性实践（关于数据生产、算法设计、界面交互）深度融合的跨学科范式。这一框架不仅为理解数字人文的现状提供了概念工具，也为后续各章深入探讨具体技术方法及其人文意涵奠定了哲学与历史基础。

一、学科边界与历史脉络：从“工具辅助”到“方法内嵌”

数字人文的学科边界始终处于动态 Negotiation 之中，其模糊性既是跨学科活力的来源，也是概念混乱的根源。从历史演进来看，其发展可粗略划分为三个相互重叠的阶段，每一阶段都伴随着对技术角色认知的深化。

早期阶段（1940s-1980s）：工具导向与基础设施构建。 数字人文的起源常被追溯至1949年，当耶稣会修士罗伯托·布萨（Roberto Busa）与IBM合作，开始用计算机处理托马斯·阿奎那的拉丁文著作，制作词汇索引。这一项目历时三十年，产生了《Index Thomisticus》，标志着计算机首次被系统性地用于大规模人文文本处理。此阶段的核心特征是工具论的绝对主导：计算机被视为处理海量文本、提升索引与检索效率的“超级打字机”或“加速器”。研究者关注的是如何将传统人文问题（如词频统计、文本比对）映射到计算流程上，而计算机本身不改变研究问题的性质。与此同时，关键基础设施标准在此期间奠定。1970年代启动的文本编码倡议（Text Encoding Initiative, TEI）至关重要。TEI 并非一个具体软件，而是一套基于XML的标记语言指南，旨在为人文文本提供“语义化”的结构化表示。例如，一首诗歌的节、行、韵脚，一部戏剧的角色、场景、舞台指示，均可通过标签（如 `<lg>`, `<l>`, `<speaker>`）被机器识别。TEI 的哲学是中介性的：它承认数字表示必然丢失某些信息（如纸质书的触感、版式设计的微妙），但通过明确的标记约定，试图在机器可读性与人类可读性之间达成契约。这一阶段奠定了数字人文的实践基石——结构化数据——但研究范式仍未脱离传统人文学科近读（close reading）的框架，计算仅用于扩展近读的规模。

拓展阶段（1990s-2000s）：数字化Archive与“文化形态学”。 随着互联网普及和存储成本下降，大规模数字化Archive项目成为主流。从美国国会图书馆的“美国记忆”（American Memory）到谷歌图书计划，浩如烟海的文献被转化为数字对象。此阶段，数字人文开始从“工具”向“场所”转变：数字Archive本身成为研究对象。学者们不再仅仅问“如何用计算机处理文本？”，而是开始问“数字化如何改变我们接触、导航、理解文化材料的方式？”。文化形态学（cultural morphologies）的探讨兴起，例如，通过可视化呈现文献的地理分布、时间序列变化，或构建知识图谱展示人物、地点、事件的关系网络。此阶段的技术核心是数据库与地理信息系统（GIS）。数据库理论（如关系模型）要求将模糊的人文概念（如“作者”、“影响”）转化为确定的数据字段与关系，这一过程本身就是一种概念澄清与重构。GIS则将空间维度强力引入历史与文学研究，使“空间转向”获得技术支撑。然而，此阶段的批判性仍相对薄弱，多数项目隐含假设：数字化是透明的、中性的再现，数据质量越高，研究就越可靠。工具论与范式论的争论在此阶段潜伏，尚未表面化。

批判阶段（2010s至今）：算法批判与“计算转向”的反思。 随着社交媒体、大数据、机器学习（尤其是深度学习）的渗透，数字人文进入一个高度自省期。研究者意识到，数字人文不仅关乎“人文+数字”，更关乎“数字如何重塑人文”。一系列批判性议题浮出水面：数据的不完美性（数据集如何产生？缺失什么？谁被排除？）、算法的隐蔽偏见（推荐系统、主题模型如何强化主流叙事或边缘化少数？）、界面的权力结构（搜索框、时间线、地图如何预设特定的认知模式？）、计算主义对人文理解的简化威胁（将情感、意义简化为可量化的特征）。此阶段标志性事件包括：2011年《数字人文宣言》（Manifesto for the Digital Humanities）引发的关于学科身份与政治承诺的大辩论；“远读”（distant reading）与“近读”的方法论论战（弗朗哥·莫莱蒂 Franco Moretti 提出用量化方法观察文学史的宏观模式，反对仅聚焦经典文本的细读）；以及“批判性数字人文”（Critical Digital Humanities）运动的兴起，强调将女性主义、后殖民、种族批判视角嵌入数字实践。至此，“范式革命论”获得有力支撑：计算思维不仅提供新工具，更引入新的本体论（何为“文本”？）、方法论（如何“阅读”？）与认识论（何为“证据”？）。

二、核心争论剖析：工具论与范式论的非此即彼？

“技术工具论”与“范式革命论”的争论常被简化为“数字人文是否改变了人文学科的根本？”然而，这种二元框架本身可能遮蔽了更复杂的实践现实。深入剖析，两派各有洞见与盲点。

工具论的核心主张与合理内核。 工具论者认为，数字技术本质上是中性的放大器，它扩展了人文学者的能力（处理更大规模材料、进行更复杂的检索与比对），但不改变人文研究的核心目标：理解人类文化、思想、历史的意义与价值。其合理内核在于：警惕技术决定论，强调研究问题应先于方法选择。许多成功的数字人文项目确实始于传统的人文问题，技术仅是实现路径。例如，一位研究文艺复兴时期书信的学者，核心问题是“ epistolary network 如何塑造学术共同体？”，使用Gephi进行网络可视化是解答此问题的有效工具，但问题本身源于人文关怀。工具论也提醒我们，人文判断不可替代：算法可能发现相关性，但意义阐释仍需人类学者的理论素养与历史敏感性。此外，工具论隐含的民主化承诺——降低研究门槛，使更多机构与学者能参与——在资源分配不均的现实中具有重要伦理意义。

范式论的核心主张与激进洞见。 范式论者（常受科学知识社会学STS影响）主张，计算方法的引入从根本上改变了人文研究的“游戏规则”。其洞见在于：方法论塑造本体论。当我们将《红楼梦》视为由字符组成的序列，并计算其词频、构建人物共现网络时，我们事实上已经以特定方式“重构”了文本。这种重构不是中性的，它使某些特征（词汇分布、关系密度）变得突出，而掩盖了另一些（修辞肌理、叙事节奏）。这呼应了STS学者布鲁诺·拉图尔（Bruno Latour）的观点：科学实践中的仪器与测量方式共同生产了“事实”。在数字人文中，算法即论证：一个主题模型（如LDA）的输出，并非客观“主题”，而是基于特定概率假设的计算产物，其参数选择（主题数、迭代次数）直接影响结果解读。因此，数字人文的论证过程必须将算法设计本身作为批判对象。范式论还强调规模效应：当处理整个17世纪英国报纸数据库而非单份报纸时，研究问题必然从“这份报纸说了什么？”转向“这个时代的话语结构如何？”，这是一种认识论的跃迁。

超越二元：走向“内嵌的批判性实践”。 争论的僵局在于，工具论可能滑向技术应用主义，忽视计算本身的概念暴力；范式论则可能滑向技术否定论，或陷入“一切皆建构”的相对主义，否定具体技术实践的知识价值。本书主张，更富生产性的路径是将批判性思维内嵌于技术实践全过程，而非在技术应用前后附加伦理反思。这意味着： 1. 数据生产阶段：批判性审视数据集的来源、筛选标准、标注过程。例如，使用古登堡计划电子书时，需知哪些语言、时期、作者被过度代表或缺失。 2. 算法设计阶段：理解算法的假设与局限。例如，使用TF-IDF衡量词汇重要性时，需知其忽略词序、依赖语料库大小；使用K-means聚类时，需知其对初始中心点敏感、假设球形分布。 3. 可视化呈现阶段：分析视觉设计如何引导解读。例如，时间线是否暗示线性进步？地图投影如何扭曲空间关系？色彩梯度是否隐含价值判断？ 这种“批判性制作”（critical making）或“反思性实施”（reflexive implementation） stance，要求数字人文学者同时具备计算素养（能读写代码、理解数据结构与算法逻辑）与人文理论素养（能运用后结构主义、女性主义、后殖民理论等工具分析技术实践的政治与伦理维度）。技术栈与批判思维不是先后关系，而是螺旋互动：批判性问题驱动技术方案调整，技术实现又暴露新的批判维度。

三、计算转向的三重影响：本体论、方法论与认识论

计算对人文研究的渗透，绝非仅增加了一套新工具，而是从根基上冲击了人文研究的三大支柱。

本体论冲击：何为“文本”与“历史”？ 传统人文研究中，文本常被视为作者意图的载体、具有物质形态的独特对象、或历史语境中的事件。计算将文本数据化（datafied），转化为由字符编码（如UTF-8）组成的字符串流，进而被解析为词元（token）、句法树、向量。这种转化具有本体论后果：

• **去物质化**：纸质书的装帧、纸张、批注、污渍等物质痕迹在数字副本中消失，除非特别标注（TEI可处理，但实践中常忽略）。
• **去语境化与再语境化**：单部作品被从原初出版语境（期刊卷期、书籍合集）中抽离，汇入更大的语料库。这既允许宏观比较，也可能割裂原文的出版历史与读者接收语境。
• **可计算实体的涌现**：当文本被表示为向量（如通过Word2Vec、BERT），新的实体（如“词向量空间中的语义邻域”）成为分析对象。这些实体在传统人文中不存在，却可能揭示语言使用的潜在模式。

历史研究同样受冲击。数据库中的“人物”可能因信息缺失而被简化为ID与字段；“事件”可能被分解为离散的数据点（日期、地点、类型），失去其叙事连贯性与象征意义。计算迫使我们必须追问：当我们用数据建模历史时，我们是在“再现”过去，还是在“生成”一种新的、可计算的历史版本？

方法论革命：从“细读”到“远读”与混合方法。 计算催生了远读（distant reading）作为对传统细读（close reading）的补充与挑战。细读聚焦文本局部，挖掘语义、修辞、结构的多层意义；远读则将文本集视为整体，通过统计与可视化揭示宏观模式、趋势、异常。两者并非替代，而是互补与对话关系：

• **发现驱动细读**：远读可能发现某时期诗歌中“自然”词汇频率骤降，或某小说中人物对话网络呈现小世界特性，从而提出新问题，引导细读聚焦特定文本或段落。
• **细读校准远读**：远读的统计模式需通过细读验证其人文意义。例如，主题模型输出的“主题”可能只是高频词的偶然组合，需人工解读其语义连贯性。
• **混合方法成为常态**：先进项目常结合两者。例如，先用主题模型识别18世纪小说中的“经济”话语子集，再对这些子集进行细读，分析其叙事功能。

此外，计算引入了可重复性作为方法论新标准。传统人文论证常依赖选择性引文，难以完全复现。而数字人文项目（如提供代码、数据、处理流水线）允许同行验证甚至扩展研究。这既是科学性的增强，也引发新问题：人文阐释的创造性、偶然性、语境依赖性如何容纳于严格的可重复流程中？

认识论重构：何为“证据”与“论证”？ 计算改变了人文研究的证据形态与论证逻辑。

• **证据的量化与可视化**：图表、网络图、地图、时间序列成为核心证据形式。例如，用热力图展示《莎士比亚全集》中悲剧/喜剧词汇分布，用桑基图追踪思想流变。这些可视化不仅是插图，其本身即构成论证：模式是否显著？结构是否稳定？这要求学者掌握基本的统计素养（如理解p值、置信区间、聚类有效性指标），避免将随机噪声误读为模式。
• **论证的“黑箱”风险**：机器学习模型（尤其是深度学习）常被视为“黑箱”，输入数据，输出结果，中间决策过程难以解释。当数字人文使用此类模型（如用神经网络生成文本，或用分类器判断作者归属）时，论证的透明性受到挑战。我们必须追问：模型是基于什么特征做出判断？这些特征在人文意义上是否合理？
• **偶然性作为方法**：计算过程常产生意外结果（如数据清洗错误导致奇异模式、算法参数微调引发结果剧变）。传统人文视偶然为干扰，而批判性数字人文可能将偶然视为**方法论契机**，主动探索“如果……会怎样？”（what-if）场景，揭示分析流程的脆弱性与假设依赖性。

四、核心框架：技术栈与批判思维的螺旋融合

基于上述分析，本书提出“算法人文”（Algorithmic Humanities）作为数字人文的深化形态。它不满足于技术应用，也不止于外部批判，而是追求批判性技术实践（critical technical practice）。这一框架由两个相互缠绕的维度构成：特定技术栈与特定批判思维。

技术栈：数字人文的工程能力层。 技术栈指支撑数字人文项目的核心计算技术与方法，本书后续章节将逐一深入： 1. 文本挖掘（Text Mining）：涵盖基础预处理（分词、词性标注、命名实体识别）、统计方法（词频、TF-IDF、关键词提取）、机器学习（分类、聚类、主题模型如LDA、神经主题模型）、深度学习（词向量如Word2Vec、GloVe、上下文模型如BERT、GPT）。关键在于理解每种方法的输入假设、输出形式与适用边界。 2. 结构化档案（Structured Archives）：超越简单数字化，涉及数据建模（如何将复杂人文对象——手稿、建筑、表演——转化为结构化数据？）、标准应用（TEI、IIIF用于图像）、数据库设计（关系型、NoSQL）、数据持久化与互操作性。档案不是被动仓库，而是主动塑造研究可能性的认识论装置。 3. 交互可视化（Interactive Visualization）：从静态图表到动态、可探索的界面。涉及视觉编码原理（如何用位置、颜色、大小映射数据？）、交互技术（缩放、过滤、详情查询）、叙事可视化（引导用户发现故事）。可视化不仅是呈现，更是探索性分析工具与论证媒介。

批判思维：数字人文的反思性维度。 批判思维聚焦于技术实践中的权力、伦理与政治维度，本书将其操作化为三个交叉领域： 1. 数据批判（Data Critique）：追问数据的生产性。数据不是“自然存在”，而是通过一系列选择、采集、清洗、格式化行为建构的。批判包括：数据集的代表性（谁被包含/排除？）、分类的意识形态（如性别二元分类如何忽略多样性？）、数据劳工（标注工人、数字保存者的可见性）、数据主权（原住民社区对其文化数据的权利）。 2. 算法批判（Algorithm Critique）：审视算法的规范性。算法嵌入价值判断：优化目标（最大化点击率？最小化偏见？）、训练数据的历史偏见、特征工程的简化。批判包括：算法透明度（能否解释决策？）、问责制（错误归咎于谁？）、自动化暴政（算法管理、评分系统对人文学者的绩效压迫）、计算主义霸权（将一切问题转化为可计算形式是否窄化了人文视野？）。 3. 界面批判（Interface Critique）：分析人机交互的具身性与认知塑造。界面是用户与数据/算法之间的皮肤，它预设了用户身份（有无专业术语？）、操作逻辑（点击、拖拽、命令）、认知模式（探索式还是引导式？）。批判包括：无障碍性（残障用户如何使用？）、文化特定性（界面隐喻如“文件夹”、“搜索框”是否全球通用？）、注意力经济（无限滚动、个性化推荐如何侵蚀深度阅读？）、界面作为论证（可视化设计如何引导特定解读？）。

螺旋融合：批判性技术实践循环。 技术栈与批判思维并非线性叠加，而是形成持续反馈的循环：

• **批判驱动设计**：例如，意识到历史档案中女性声音缺失（数据批判），可能驱动研究者主动采集边缘文献、设计包容性元数据标准（技术栈调整）。
• **设计暴露批判**：例如，实现一个情感分析工具（技术栈），发现其对19世纪文学语言准确率低下（因训练数据为现代语料），这暴露了算法跨时代应用的局限（算法批判），进而促使研究者开发时期自适应模型或明确标注工具适用范围。
• **工具成为批判对象**：例如，使用网络可视化分析学术合作，本身即揭示了学术生产的权力结构（谁处于中心？边缘群体如何连接？），可视化结果成为批判性分析的起点而非终点。

这一框架要求数字人文学者成为“双语者”：能阅读代码、理解算法，亦能阅读福柯、哈贝马斯、娜塔莎·杜·罗斯·佩里（Natasha Dow Schüll）等技术批判理论。其目标不是拒绝技术，而是负责任地拥有技术——在创造与使用数字工具时，始终带着对技术社会嵌入性的自觉。

五、案例深描：文本挖掘与网络分析的批判性实践

为具体化上述框架，本节以两个经典数字人文项目为例，展示技术栈与批判思维如何在实践中融合。

案例一：《维多利亚小说人物与社会网络》项目（试点描述）

• **技术栈应用**：目标：探究19世纪英国小说中人物关系网络与社会结构表征。技术路径：

1. 数据获取与清洗：从古登堡计划下载约200部维多利亚时期小说（需批判性评估其代表性：多为经典、白人、男性作者；需补充女性、殖民背景作者）。 2. 命名实体识别（NER）：使用spaCy库（英语模型）提取人物名称。需评估模型在历史文本上的性能（古英语、旧拼写可能降低准确率），并人工抽样校验。 3. 共现网络构建：定义“共现”为在同一段落（或窗口）内出现。计算人物i与j的共现次数作为边权重。需批判性思考：窗口大小如何影响关系强度？对话内共现 vs 叙述提及是否等价？ 4. 网络分析：使用NetworkX计算中心性指标（度中心性、介数中心性）。识别核心人物（如《傲慢与偏见》的达西、伊丽莎白）。需注意：中心性高是否等于“重要性”？可能只是被频繁提及。 5. 可视化：用Gephi或PyVis生成力导向布局。节点大小映射度中心性，颜色映