数字人文的方法论转向：从工具到范式

数字人文（Digital Humanities, DH）常被误解为“人文学科加上计算机工具”的简单叠加，仿佛一台扫描仪、一套文本分析软件或一个在线平台便是其全部。然而，这种工具中心主义的视角恰恰遮蔽了数字人文最核心的变革力量：它首先是一场方法论转向，是一套关于如何提出问题、处理证据、构建论证乃至定义“研究对象”本身的系统性反思与实践。本章旨在开宗明义，将数字人文定位为一种根植于人文学科传统、又为其注入全新认识论活力的批判性方法论范式。我们将深入剖析这一范式如何引发人文学科在四个根本维度上的嬗变：研究对象的“数据化”、研究尺度的“远读化”、研究过程的“迭代化”以及成果形式的“多媒体化”。通过将经典人文研究与数字人文研究置于对比的显微镜下，本章将揭示“计算转向”背后深刻的认识论与本体论意涵，从而为全书奠定一个坚实而审慎的批判性基调——技术工具是重要的，但唯有将其置于方法论的自觉审视之下，数字人文才能避免沦为技术的婢女，真正成为人文学科自我革新与拓展疆域的思想引擎。

**一、 超越工具论：数字人文作为方法论的自觉**

将数字人文视为一系列技术工具的集合，是一种直观但肤浅的认知。这种认知源于其外在表现：研究者确实在使用Python、R、GIS、Omeka、Gephi等软件，确实在操作扫描仪、服务器、数据库。但工具只是载体，其背后驱动的是一套全新的研究逻辑与问题意识。方法论（Methodology）不同于方法（Method）或技术（Technique）。方法是一套具体的操作步骤，如“使用TF-IDF算法提取关键词”；技术是达成方法的手段，如“编写Python脚本”。而方法论则是对方法本身的哲学反思：我们为何选择这种方法？它预设了何种本体论（我们相信研究对象是什么）和认识论（我们如何认识它）？它可能产生何种新的知识，又可能遮蔽何种旧有的意义？数字人文的方法论转向，正是人文学者开始集体性地、系统地追问这些问题的标志。

这种自觉的转向，与更宏大的学术史脉络相连。20世纪中叶以降，人文学科内部已历经“语言学转向”、“解释学转向”、“后结构主义转向”，每一次转向都重塑了研究的基本范畴。数字人文可被视为在计算技术普及背景下兴起的“计算转向”或“数据转向”。但它并非全盘拥抱数据主义，而是人文学科与计算思维一次辩证的对话与融合。其核心特质在于批判性实践：即不将计算视为中立的、透明的分析工具，而是将其视为一种需要被审视、协商、甚至抵抗的“文本”或“话语”本身。例如，当我们用情感分析工具处理19世纪小说时，我们不仅是在“发现”数据，更是在与一个基于当代、多为英语训练的算法模型进行跨时空、跨文化的对话，并必须审问：这个模型如何定义“情感”？它能否捕捉维多利亚时代细腻的修辞与压抑？这种批判性 stance 贯穿于数字人文项目的始终，从数据采集、清洗、建模到可视化与阐释。

> 📖 纸书排版建议：本段可作为章节引言，采用首字下沉或强调段落设计，以突出“方法论转向”这一核心论点。

> 📱 电子版增强：此处可插入一个交互式时间轴，展示人文学科主要“转向”与数字人文兴起的关系，点击各转向可显示关键学者与著作。

**二、 研究对象的嬗变：从“文本”到“数据”**

传统人文学科，尤其是文学、历史、哲学，其核心研究对象常被构想为具有深层意义、统一性、权威性的“文本”（Text）。这个“文本”可以是书籍、手稿、文献，也可以是建筑、绘画（被视为可视的文本）。研究过程是对其进行“近读”（Close Reading），即细致、反复、语境化的解读，旨在挖掘其微言大义、作者意图、时代精神。然而，数字人文的兴起，特别是大规模数字化馆藏（如Google Books、HathiTrust、欧洲图书馆）的出现，使得研究者得以将“文本集合”乃至“文化整体”本身作为直接操作对象。此时，研究对象发生了根本性位移：从个别的、意义完满的“文本”，转变为可计算、可处理、可量化的“数据”（Data）。

这种转变并非简单的形式转换，而是本体论层面的重构。“文本”被视为一个需要阐释的有机整体，其意义存在于字里行间与外部语境交织的幽微之处；而“数据”则被视为一系列离散的、可被测量和关联的符号单元。一部《红楼梦》作为“文本”，是贾宝玉、林黛玉的爱情悲剧，是清代社会家族的百科全书，其意义是开放的、阐释的。但同一部《红楼梦》作为“数据”，则是由数百万个汉字、数万个词位、成千上万个命名实体（人物、地点）构成的序列，可以被分词、被词频统计、被社会网络分析。研究者不再（或不只是）问“曹雪芹如何通过葬花情节塑造林黛玉？”，而是可能问“在清代白话小说中，形容女性美丽的形容词分布有何模式？”或“《红楼梦》前八十回与后四十回在词汇多样性、句法复杂度上是否存在统计显著差异？”

这一转变催生了文本挖掘（Text Mining）、计算风格学（Computational Stylistics）、社会网络分析（Social Network Analysis）等核心方法。以“数据”为对象，研究尺度自然从小样本的深度阐释，转向大集合的模式发现。但必须警惕的是，将“文本”降维为“数据”是一个不可逆的损失过程。韵律、排版、纸张质感、批注痕迹等大量非语言信息在数字化中流失；意义、反讽、意识形态等高层语义在转化为词向量时被严重简化和扭曲。因此，数字人文的批判性实践，首要任务就是对数据化过程本身进行元反思：我们选择了哪些特征进行数据化？我们放弃了哪些？这种选择基于何种理论预设？例如，在构建一个历史人物传记数据库时，我们选择录入“出生年份”、“官职”、“著作”等字段，这本身就预设了一种线性、成就导向的现代传记观，而可能忽略了“日常生活的质感”、“未被记载的沉默”等无法量化的维度。著名的“数据修复”（Data Repair）或“数据批判”（Data Critique）实践，正是要揭示这些隐藏的偏见与缺失，并尝试通过设计新的数据模型（如加入“社交关系强度”、“文本情感极性”等更丰富的字段）或引入反事实数据来部分弥补。

> 📱 电子版增强：此处可嵌入一个动态对比图：左侧显示传统“近读”的《红楼梦》书页照片与批注，右侧显示同一文本经分词、命名实体识别后生成的表格数据片段。点击表格中的“贾宝玉”，可高亮其在原文中出现的所有位置。

**三、 研究尺度的革命：从“近读”到“远读”**

与研究对象从“文本”到“数据”的转变相呼应，研究尺度也发生了根本性变革。文学理论家弗朗哥·莫莱蒂（Franco Moretti）在2000年提出的“远读”（Distant Reading）概念，精准地概括了这一新范式。与耗费心力、聚焦单部作品的“近读”相对，“远读”旨在通过宏观、量化的视角，审视整个文学体（Literary Field）或文化领域的长期趋势、结构与模式。它不是要取代“近读”，而是提供了一种“非人文的”（inhuman）但极具启发性的互补视角。

“远读”的实现，高度依赖计算工具对大规模数据集的加工。其典型方法包括： 1. 主题建模（Topic Modeling，如LDA算法）：从海量文档集中自动发现潜在的主题分布（即共现词的集合）。研究者不再预设主题，而是让数据“说话”，揭示一个时代、一个流派讨论的核心议题集群。例如，对19世纪美国杂志文章进行主题建模，可能发现“废奴”、“工业化”、“女性权利”等主题的消长与交织，这是传统阅读几本代表性杂志难以全景把握的。 2. 词频与关键词分析：通过比较特定时期语料库与参照语料库（如通用英语语料库），识别出某个时代或流派的“关键词”（Keywords），这些词的高频出现揭示了该群体的核心关切与身份建构。雷蒙·威廉斯（Raymond Williams）的《关键词》是“近读”的典范，而计算关键词分析则能将其方法扩展到百万级文本。 3. 社会网络分析：将人物、机构、地点等作为节点，将共现、合作、通信等关系作为边，构建关系网络。通过计算中心度、社群发现等指标，可视化并量化历史人物或概念之间的结构关系。例如，分析启蒙运动时期思想家之间的通信网络，可以识别出核心枢纽人物（如伏尔泰）和思想交流的社群边界。 4. 时空分析：将带有地理和时间戳的数据（如历史事件、出版物、个人轨迹）置于地图与时间轴上，揭示历史过程的时空模式与扩散路径。GIS（地理信息系统）在此领域大放异彩。

“远读”的价值在于其揭示宏观结构与长期趋势的能力。它迫使我们思考那些在单部作品阅读中无法浮现的问题：一个文学体裁是如何兴起、演变并衰落的？一个思想潮流如何在不同地域传播并变异？然而，“远读”也面临严峻的批评：它是否忽略了文本的独特性与历史具体性？量化模式是否可能只是统计假象？它是否将活生生的文化生产简化为冰冷的规律？对此，数字人文的批判性回应是：“远读”与“近读”必须形成循环对话。远读发现的全新模式（如“某个主题在1850年后突然激增”）应触发新的近读假设，引导研究者去精读那些最能代表该趋势转折的文本，探究其具体语境与动因；而近读中发现的独特个案或矛盾，又应促使我们反思远读模型的局限性，甚至修正数据或算法。这种“远-近循环”（Distant-Close Loop）构成了数字人文研究过程的理想状态。

> 🤖 Markdown 结构化：本部分可使用列表清晰展示四种主要远读方法，并为每种方法预留标签，如`#主题建模`、`#社会网络分析`，便于后续知识图谱构建。

> 📖 纸书排版：此处可考虑插入一个半页的Mermaid流程图，展示“远读”与“近读”的循环互动关系。

```mermaid graph LR A[大规模数据集] --> B(远读: 计算分析<br>发现宏观模式/趋势)； B --> C{提出新问题/假设}； C --> D[近读: 深度阐释<br>语境化理解]； D --> E{发现矛盾/细节/新线索}； E --> F[修正数据/模型/问题]； F --> A； style B fill:#e1f5fe style D fill:#f3e5f5 ```

**四、 研究过程的重塑：从线性叙事到迭代循环**

传统学术研究，尤其是人文学科的Monograph（专著）写作，常被描绘为一个线性、阶段性的过程：确定选题 → 文献综述 → 收集资料 → 分析论证 → 撰写成文 → 修改出版。这个过程假设步骤的依次进行，且最终成果（一本书）是研究的终点。数字人文研究，尤其是以项目（Project）形式开展的研究，则彻底打破了这一线性叙事，呈现出鲜明的迭代性、非线性和协作性。

其核心过程更接近敏捷开发（Agile Development）或设计思维（Design Thinking）中的循环迭代： 1. 问题定义与原型构建：研究问题往往在探索数据的过程中逐渐清晰，而非事先完全确定。研究者会快速构建一个最小可行产品（MVP），如一个简单的词频图表或一张初步地图，以此作为思考的催化剂和与同行交流的媒介。 2. 数据获取与清洗：这是数字人文项目中极为耗时且关键的步骤，常占据70%以上的时间。它涉及从各种来源抓取、转换、格式化数据，并处理缺失、错误、不一致等问题。此过程本身就是一种批判性研究：数据从哪里来？它代表了谁？清洗规则如何影响最终结果？ 3. 工具开发/选择与试验：研究者可能需要编写自定义脚本，或组合使用多种工具（如用Python处理文本，用Gephi可视化网络）。这是一个不断试验、失败、调整的实验过程。 4. 分析与可视化：运行算法，生成图表、地图、网络图等可视化结果。这些结果本身即是初步的“发现”，但往往需要多次调整参数、更换算法才能获得有意义的模式。 5. 诠释与验证：将计算发现的模式放回历史与文本语境中进行诠释。这一步要求人文学者的核心技能：批判性思考、语境知识、理论素养。同时，需要通过“近读”案例来验证模式的有效性，并解释其意义。 6. 发布、反馈与迭代：数字人文成果常以网站、数据库、开源代码包、交互式叙事等形式早期发布，吸引同行和公众的使用、批评与贡献。反馈直接驱动下一轮的数据更新、功能改进或诠释深化。研究因此成为一个开放、持续演进的过程，而非封闭的最终结论。

这种迭代过程对研究者的技能组合提出了新要求：除了传统的人文素养，还需具备基本的计算思维（理解算法逻辑）、数据管理能力、项目管理协作能力。同时，它也带来了新的伦理与学术规范挑战：如何处理团队贡献？如何评价过程性成果（如代码、数据集）的学术价值？如何保证迭代中版本的可追溯性与研究的可重复性？这些正是数字人文方法论建设的重要组成部分。

**五、 成果形式的拓展：从独白到对话**

传统人文学科的标志性成果是学术专著（Monograph）或期刊论文。这是一种线性、独白式、以文字为主的论证形式，作者通过精心组织的文本逻辑，引导读者逐步接受其观点。数字人文则极大地拓展了成果形式的可能性，从单一的文本论证，走向多媒体、交互式、网络化的知识表达。这些新形式不仅更生动，更从根本上改变了知识生产与传播的方式。

1. 数字档案与数据库：如“美国记忆”（American Memory）、“英国图书馆在线”，将原始资料（文献、图像、录音）进行数字化、描述、组织并提供检索。其价值不仅在于 access，更在于通过结构化数据（元数据、转录文本）使大规模分析成为可能。数据库本身即是一种知识组织范式。 2. 交互式可视化与地图：如“斯坦福空间历史项目”（Spatial History Project），将历史数据（人口、经济、环境）置于可交互的地图与时间轴上，允许用户自主探索模式、提出自己的问题。知识从作者“告知”转变为用户“发现”。 3. 数字 editions 与文本分析平台：如“莎士比亚作品集”（Folger Digital Texts），不仅提供权威文本，还整合多种版本校勘、词汇工具、搜索功能，使读者能直接参与文本比较与探究。 4. 游戏与模拟：将历史情境或理论模型设计为游戏或模拟环境，让用户在体验中理解复杂系统（如经济系统、社会运动）。 5. 混合成果：越来越多的学术成果采用“ born-digital ”形式，即网站本身就是一篇完整的学术论证，整合文字、数据、可视化、代码，并提供方法论的详细说明。例如，一个研究19世纪报纸中女性形象的项目，其成果可能是一个网站，首页是核心发现的叙事，内嵌有可筛选、可下载的图表，每个图表链接到原始数据和处理代码。

这些新形式带来的不仅是展示方式的变化，更是学术交流模式的变革。它们更透明：代码、数据、工作流程常被开源，允许他人验证、重复甚至复用。它们更开放：成果成为持续对话的起点，而非终点。它们更面向公众：降低了专业门槛，使研究成果能触达更广泛的社群。然而，这也引发了关于学术评价、学术出版稳定性（网站可能失效）、知识产权等深层讨论。数字人文的批判性实践，要求我们在拥抱新形式的同时，思考：这种形式是否最适合传达我的论证？它如何影响读者的认知？它的可持续性如何？它是否遵循了开放、可复现的科学精神？

**六、 案例深描：方法论差异的具身化**

理论阐述需要具体案例的锚定。以下通过两个对比性案例，具身化展示上述方法论差异。

案例A：传统文学研究——对《傲慢与偏见》中婚姻经济的“近读”

• **问题**：简·奥斯汀在《傲慢与偏见》中如何通过婚姻叙事反映19世纪初英国乡绅阶层的经济焦虑与道德困境？
• **方法**：选择小说核心的几场婚姻讨论（如柯林斯求婚、韦翰与莉迪亚私奔、达西首次求婚）进行细致的文本细读。结合奥斯汀的书信、同期历史文献（如《泰晤士报》广告、经济论著）进行语境化分析。
• **对象**：一部小说文本及其相关文献，作为意义整体。
• **尺度**：深度、微观，聚焦关键段落。
• **过程**：线性。从问题出发，收集资料（文本、文献），进行解读，形成关于“奥斯汀以婚姻为棱镜，批判经济逻辑对情感的侵蚀”的阐释。
• **成果**：一篇期刊论文或专著章节，以连贯的文学性语言论证观点。
• **认识论**：通过阐释学循环（部分与整体互释），追求对文本深层意义的“正确”或“深刻”理解。证据服务于论证的逻辑连贯与说服力。

案例B：数字人文研究——“英格兰小说中的地理空间与社会网络（1780-1900）”项目

• **问题**：在长达120年的英语小说中，人物活动的地理空间（地点提及）与社会关系网络（人物互动）如何演变？是否存在与工业化、城市化进程相关的宏观模式？
• **方法**：

1. 收集约5,000部1780-1900年英语小说（来源：HathiTrust、Project Gutenberg）的数字化文本。 2. 进行系统数据化：使用命名实体识别工具提取所有地点（如“伦敦”、“德比郡”）和人物名称；使用共现算法（如人物在同一段落出现）构建人物互动网络；将地点映射到地理坐标。 3. 分析：计算每十年“乡村”与“城市”地点提及的比例变化；分析社会网络的密度、中心性随时间的变化；将地理提及密度与历史人口普查数据进行空间相关性分析。 4. 诠释：发现“城市”提及在1830年后显著上升，且社会网络从基于家族（封闭、高聚类）转向基于职业（开放、低聚类）。这与英国城市化进程高度吻合，表明小说世界可能反映了社会结构从“ Gemeinschaft ”（共同体）向“ Gesellschaft ”（社会）的转型。

• **对象**：数千部小说构成的**数据集合**，是离散的符号序列。
• **尺度**：宏观、量化，关注整体趋势与分布。
• **过程**：高度迭代。初步结果发现地点识别不准，需优化NER模型；发现网络构建阈值需调整；发现某些时期数据代表性不足（某年代小说数字化较少），需进行数据补充或统计加权。诠释与计算反复互动。
• **成果**：一个开源网站，包含：a) 交互式地图，显示地点提及的时空变化；b) 社会网络动态图；c) 核心数据与代码的GitHub仓库；d) 一篇伴随的论文，解释方法、呈现主要发现并进行人文诠释。
• **认识论**：知识产生于**计算发现与人文诠释的持续协商**。计算提供模式（“是什么”），人文诠释提供意义（“这意味着什么”）。模式本身不是结论，而是引发新问题的契机。证据（数据）的生成过程（清洗、建模）即已介入研究，不存在“纯粹”数据。

对比剖析：案例A追求对一部伟大作品深刻、独到的阐释，其价值在于论证的深度与洞见的锐利。案例B则试图回答一个关于“长时段”文学史的大问题，其价值在于揭示一个此前未被系统观察到的宏观模式，并为人文诠释提供新的基础。前者是“深挖一口井”，后者是“绘制一张地图”。数字人文方法论并不