计算思维与人文研究的范式转型 | Computational Thinking and the Paradigm Shift in Humanities Research

计算思维与人文研究的范式转型

Computational Thinking and the Paradigm Shift in Humanities Research

---

当一位文学研究者花费数周时间细读一部十九世纪小说，试图从字里行间捕捉作者的情感轨迹时，当一位历史学家在浩如烟海的档案中逐页翻阅，寻找某位无名人物的只言片语时，当一位语言学家对比数百份古代文本，期望厘清某一方言的演变脉络时——他们所从事的工作，在本质上与一位数据科学家面对数百万条记录时所做的事情并无不同：都在试图从离散的信息碎片中识别模式、构建意义。差异仅在于工具的精粗、规模的广狭，以及对"可处理的数据"的边界定义。数字人文（Digital Humanities）的兴起，正在系统性地重新划定这条边界。

本章要回答的核心问题是：数字技术究竟如何从根本上改变人文学科的研究方法，而非仅仅是工具层面的效率提升？这个问题的答案不能仅仅在"效率"或"便利"的维度上寻找，而必须深入到认识论层面，审视计算方法为人文知识生产带来了怎样的结构性转变。为此，我们需要从计算思维的核心要素出发，理解数字人文为何不仅仅是一种技术介入，更是一种新的认识论立场。

---

计算思维的核心要素：人文研究者的新语言

理解计算方法如何与人文研究发生深层融合，首先需要明确计算思维（Computational Thinking）究竟意味着什么。这一概念最早由西摩·帕尔特（Seymour Papert）在1980年代提出，随后由卡内基梅隆大学的周以真（Jeannette M. Wing）在2006年将其提升为一项普适性的思维方式。按照周以真的经典定义，计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类行为的一系列思维活动。它并非计算机专家的专属技能，而是每个人都应当具备的基本素养——正如数学思维帮助我们量化世界、统计思维帮助我们处理不确定性一样，计算思维帮助我们处理复杂性。

然而，将计算思维简单等同于"编程"或"使用软件"，是对人文学者而言最常见、也最有害的误解。计算思维的核心是一组可迁移的认知策略，它们在有计算机之前就已存在，只不过计算机的介入使这些策略能够以前所未有的规模和精度加以实施。这组策略通常被归纳为四个相互关联的要素：分解（Decomposition）、模式识别（Pattern Recognition）、抽象化（Abstraction）和算法设计（Algorithm Design）。

分解：将复杂问题拆解为可管理的单元

分解是计算思维的第一步，它要求将一个庞大、模糊的研究问题拆解为若干规模较小、边界清晰的子问题。以文学研究为例，研究者可能想探究"十九世纪英国小说中的情感表达模式"——这是一个过于宽泛、几乎无法直接操作的命题。分解思维引导研究者在多个维度上进行拆分：在时间维度上，可以划分为维多利亚早期、中期和晚期；在体裁维度上，可以区分现实主义小说与哥特小说；在主题维度上，可以关注爱情、悲伤、愤怒等不同情感类别；在结构维度上，可以从章节、段落、句子乃至词语层面进行分析。每一维度都生成一组可独立处理的子问题，而子问题的解最终可以按照一定规则重新整合，回应原始的宏大命题。

这种拆解能力并非计算思维的独创——优秀的传统人文学者一直在做类似的事情。但计算方法使得拆解的粒度可以大幅提升。传统研究可能将一部小说按章节划分为20-30个分析单元，而计算方法可以将同一文本分解为数千个句子、词语或字符级别的分析单元，每个单元都能被系统性地处理。这种粒度的提升不是量变，而是质变：它使研究者能够观察那些在粗粒度下完全不可见的模式。

模式识别：从数据中发现规律

分解之后的第二步是在子问题层面寻找重复出现的规律，即模式识别。人类大脑天然善于识别模式——我们能从一段旋律中辨认出一首歌曲，能从一行文字中感知到一种风格。但人的工作记忆容量有限，最多同时追踪七加减两个项目，这意味着当我们面对大规模数据时，模式识别的能力会急剧衰退。计算方法的核心优势之一，恰恰在于它能够不知疲倦地、毫无遗漏地在海量数据中执行模式匹配。

在人文研究中，模式识别的应用极为广泛。语言学家可能识别某一历史时期文本中高频出现的词汇组合，追溯语言演变轨迹；文学研究者可能发现某位作家的作品在叙事结构上反复出现的三段式结构；历史学家可能从数千份法庭记录中识别出某种特定类型的证词反复出现的修辞策略。这些模式中的每一个单独来看可能并不引人注目，但当它们在统计意义上显著地重复出现时，便构成了值得解释的人文规律。关键在于：计算方法使"发现"这些模式成为可能——而不是先有假设再去验证。在传统研究中，研究者通常带着预设进入文本，模式识别是验证假设的手段；在计算范式中，研究者可以在数据中探索性地搜索模式，假设的生成本身变成了数据驱动的过程。

抽象化：提炼核心特征以简化复杂性

模式识别的结果是一堆有待筛选的候选模式，抽象化步骤帮助研究者从中提炼出能够反映问题本质的特征表示。抽象化是从具体实例中提取共同属性、忽略无关细节的过程。例如，当研究者分析一部小说的情感轨迹时，"情感"这个概念需要被转化为可计算的形式——可能是正面情感词与负面情感词的比例，可能是特定情感词典中各情感的加权得分，也可能是基于词向量聚类得到的情感主题分布。每一种转化方式都是对"情感"这一抽象概念的具体操作化，而选择哪种方式，取决于研究问题和数据特性。

抽象化在人文研究中尤其微妙，因为人文概念本身就充满歧义和历史变迁。一个二十世纪的"情感"概念与十八世纪的"情感"概念并非同一回事。计算方法要求研究者将模糊的人文概念转化为精确的操作定义，这一过程迫使研究者直面概念界定中的隐含假设——这是抽象化的代价，也是它的价值。没有任何一种操作化是完美的，但明确的选择和透明的假设远比无意识的模糊更加可靠。

算法设计：构建从输入到输出的可重复流程

抽象化之后的第四步是算法设计，即将解决问题的过程形式化为一套明确、可重复、可验证的操作步骤。算法的形式化程度可以有极大差异：简单的可以是一个正则表达式，用于在文本中搜索特定格式的词语组合；复杂的可以是一套完整的机器学习流程，包括数据预处理、特征工程、模型训练、超参数调优和结果评估。无论复杂程度如何，算法的核心特征是可描述性和可重复性——任何人拥有相同的数据和相同的算法描述，都应当得到相同或统计上等价的结果。

算法的可重复性对于人文研究具有深远的意义。传统人文研究的一个长期困境在于诠释的主观性：不同研究者对同一文本可能给出截然不同的解读，且缺乏客观的裁决机制。算法提供了部分解决方案——如果两个研究者使用相同的算法处理相同的数据，分歧只能来源于算法设计本身的差异或对输入数据的不同理解，而不能归咎于粗心或偏见。这并不意味着算法解读优于人类解读，但它提供了一套可审计、可讨论的中间步骤，使得学术争论可以在更具体的层面上展开。

计算思维的四要素整合

```mermaid flowchart LR A[分解 Decomposition] --> B[模式识别 Pattern Recognition] B --> C[抽象化 Abstraction] C --> D[算法设计 Algorithm Design] D -->|迭代优化| A A --> E[人文研究问题] E --> F[可计算的人文知识] ```

这四个要素并非线性序列，而是一个迭代循环。分解产生的子问题驱动模式识别，模式识别的结果引导抽象化的方向，抽象化的成果决定算法的设计，而算法的实施结果又可能反过来修正最初的分解策略。这种迭代性反映了计算思维与实证科学方法论的深层共鸣——假设-检验-修正的循环在计算框架中得到了自然的体现。

对于人文学者而言，掌握计算思维不必意味着成为程序员。正如数学思维并不要求每个人都成为数学家，计算思维的精髓在于一种处理复杂性的态度和方法：将大问题分解为可处理的小问题，在数据中系统性地寻找规律，审慎地抽象出本质特征，并构建透明可复现的解决流程。这些思维方式完全可以借助现成的工具和平台来实践——从Python的基本数据处理到成熟的文本分析软件，计算思维的门槛已经大幅降低。但门槛的降低不意味着内涵的浅化：理解为什么这样做，比知道怎么做要重要得多。

---

从细读到远读：人文研究方法的范式对话

计算思维在人文领域的落地，最具标志性的理论表达是弗兰科·莫雷蒂（Franco Moretti）提出的"远读"（Distant Reading）概念。这一概念的提出，直接回应了文学研究中最经典的方法论——"细读"（Close Reading）。

细读的传统与局限

细读作为文学分析的主导方法，可以追溯到"新批评"（New Criticism）运动在二十世纪中叶的兴起。新批评主张将文学作品视为自足的有机整体，要求研究者撇开作者的生平意图和历史背景，专注于文本内部的语言、结构、意象和修辞手法。克林斯·布鲁克斯（Cleanth Brooks）所谓"悖论中的诗歌"（the well-wrought urn），正是对这种自足性的诗意表达。尽管此后文学研究经历了社会历史转向、文化研究转向和后结构主义转向，细读作为文本分析的核心技能从未退出历史舞台，它依然是每一位文学研究者在训练中必须掌握的基本功。

细读的无可替代之处在于其深度。研究者通过反复沉浸于文本，获得对语言细微之处的敏感、对语境丰富性的感知、对意义层次的理解——这些都是机器目前无法复制的认知能力。一位训练有素的细读者能在单个句子的句法结构中读出作者的思想张力，能在意象的重复与变奏中听出主题的演进脉络，能在对话的节奏中辨别人物关系的微妙变化。这些洞见是人文研究的核心价值所在，任何声称能自动生成这种洞见的算法，目前都远未达到可用的水平。

然而，细读在面对大规模研究对象时显现出结构性局限。如果研究目标是理解一部具体作品，这局限不成问题；但如果研究者试图理解一群作品——比如十八世纪英国的印刷小册子、二十世纪中文翻译小说的叙事模式、或者近三十年中国网络文学的类型演变——细读的局限性就变得无法回避。一位学者穷其一生可能细读数百部作品，但文学史的版图由数十万乃至数百万部作品构成。细读的深度与它所能覆盖的广度之间存在根本性的张力：追求深度意味着牺牲广度，追求广度意味着稀释深度。

远读的提出与逻辑

莫雷蒂在2000年发表的《世界文学？》（"Conjectures on World Literature"）一文中首次系统阐述远读理念，次年在《很远很远地读》（"The Results Are Not Promising"）中进一步澄清方法论立场。远读的核心主张是：当研究对象从单篇文本扩展到大量文本时，研究者应当采用与之匹配的"阅读"方式——不是逐字逐句地读，而是从外部观察文本集群的整体形态。莫雷蒂使用的比喻颇具启发性：将文本视为地图上的等高线，研究者从高处俯瞰，看到的是轮廓、密度、起伏，而非单个地点的细节。

远读在实践中依赖一系列计算方法：词频统计、共现分析、主题建模（Topic Modeling）、社会网络分析、地理信息系统（GIS）可视化等。这些方法的技术细节将在后续章节逐一展开，但这里需要先理解它们的共同逻辑起点：将文本从阅读的对象转化为可测量的数据对象。一旦文本被转化为数据——词频矩阵、文档-主题分布、网络节点与边——研究者便能在汇总统计层面上观察模式，而无需逐篇细读。

莫雷蒂本人使用远读方法进行文学史研究的标志性案例是"文学达尔文主义"项目。在这一系列研究中，他分析了十八世纪至二十世纪英国小说中的句子长度变化，试图通过量化句子结构复杂度的演变趋势来追踪文学形式的历史演变。研究发现，小说的句子平均长度在十九世纪末经历了急剧缩短——这一趋势与报纸和期刊的兴起、阅读习惯的商业化、读者注意力的碎片化等因素存在关联。这是一个典型的远读洞见：没有任何人会因为细读任何一部单独的文本而发现"十九世纪末小说句子变短"这一规律，它必须通过跨文本的统计比较才能显现。

方法论的互补而非替代

细读与远读的关系，不是一场方法论的零和博弈，而是一种基于研究尺度的策略选择。最清醒的数字人文立场是：两种方法各有其合法的适用范围，应当根据具体的研究问题灵活选用或组合使用。

| 维度 | 细读 (Close Reading) | 远读 (Distant Reading) | |------|------|------| | 研究对象 | 单篇或少量文本 | 文本集合（语料库） | | 分析粒度 | 词语、句子、段落、篇章 | 词频、主题、句长、元数据 | | 优势 | 深度诠释、语境感知、细微意义捕捉 | 广度覆盖、模式发现、统计趋势 | | 局限 | 广度受限、主观性强 | 深度不足、上下文丢失 | | 典型产出 | 诠释性论断 | 描述性统计、模式列表 | | 适用问题 | "这段文本如何运作？" | "这些文本作为一个集合有何特征？" |

这里需要特别指出远读的一个常见误用：将远读的结果直接当作最终的人文结论。远读能告诉研究者"句子变短了"，但不能告诉研究者"为什么"变短了。"为什么"的问题永远需要回到细读，回到语境分析，回到人文判断。远读是望远镜，它能帮助研究者定位值得关注的星域，但真正理解那颗星的本质，仍然需要用细读的显微镜。

数字人文领域对这一方法论平衡的讨论催生了若干有价值的中间立场。2010年代兴起的一些研究框架提倡"中间阅读"（Middle Reading）或"递归阅读"（Recursive Reading），主张在远读与细读之间反复迭代：远读发现异常模式或聚类 → 选择性地对异常文本进行细读 → 将细读中获得的人文洞见重新编码为新的量化指标 → 在更大规模的数据上验证。这种递归过程使研究兼具广度和深度，两种方法论形成正反馈循环。

理解了这一方法论背景之后，我们便可以进一步追问：数字人文作为一门学科，是如何在这种范式张力的推动下逐步形成并确立其学术地位的？

---

数字人文的学科形成：边界、身份与知识生产

数字人文的正式学术建制可以追溯到1949年——这一年前后，罗伯托·布萨（Roberto Busa）神父与IBM合作，开始为圣托马斯·阿奎那的全部作品创建词索引，这部耗时三十年的《托马斯·拉丁语词索引》（Index Thomisticus）被视为数字人文的开山之作。在随后的半个多世纪中，这一领域经历了从"人文计算"（Humanities Computing）到"数字人文"（Digital Humanities）的名称转变，这一转变本身就是一个意味深长的学科隐喻。

从计算辅助到计算驱动的范式转移

"人文计算"这一早期命名隐含了一个基本假设：计算是工具，人文是本体。计算服务于人文研究的目标，其角色被定位为效率工具——快速检索、索引编制、版本比对、辞书编纂。这些任务当然重要，但它们本质上是对传统人文工作流程的自动化加速，而非对知识生产方式的根本改造。

进入21世纪后，"数字人文"取代"人文计算"成为主导命名，这一转变折射出深层的范式转移。当代数字人文不再满足于将计算定位为辅助工具，而是开始将计算思维本身视为一种合法的认识论立场——一种能够产生传统方法所不能产生的知识、提出传统方法所不能提出的问题的研究进路。这种转变的标志性事件之一是2005年《文学与语言计算的文学与语言学》（*Literary and Linguistic Computing*）杂志更名为《数字人文季刊》（*Digital Humanities Quarterly*），以及同年现代语言协会（MLA）发布《数字人文声明》，正式承认这一领域的学科合法性。

这一命名转变背后的实质是：数字人文正在从"计算X人文"的交叉地带，走向一种新型的综合性知识生产模式。它不是两门学科的简单叠加，而是通过计算方法与人类文化表达的深度融合，产生一种具有独特认识论结构的新知识形态。

数字人文的跨学科光谱

数字人文的独特之处在于它的跨学科性质并非一个过渡状态，而是其本质特征。参与数字人文项目的研究者可能来自计算机科学、统计学、信息科学、图书馆学、文学、历史学、考古学、艺术史、语言学等迥然不同的学科背景。这种多样性既是数字人文的优势，也是其持续面临张力的根源。

跨学科合作面临的最深层挑战不是技术层面的，而是认识论层面的。不同学科背景的研究者对于"什么是知识""什么是证据""什么样的论证具有说服力"持有不同的基本预设。计算研究者倾向于强调可量化性、可重复性和可推广性；人文研究者更重视诠释的深度、历史语境的复杂性和个案研究的独特价值。这两种知识理想的对话和博弈，构成了数字人文学术共同体内在的持续张力——这种张力并非需要消除的缺点，而是推动领域不断反思和深化的动力。

以斯坦福大学文学实验室（Stanford Literary Lab）的工作为例。这一由弗兰科·莫雷蒂和弗兰·艾因谢尔维（Fran Eeinsohn）主持的研究团队，自2009年成立以来发表了大量使用计算方法研究文学史的论文，其中最引人注目的成果之一是对十九世纪英国小说中"情节类型"的量化研究。研究者开发了一套算法，能够根据叙事事件序列的结构特征，将小说自动分类为"成长小说""悲剧""冒险故事"等类型，并追踪这些类型在不同历史时期的流行度消长。这项研究的价值不在于替代文学批评家对类型的既有理解，而在于它提出了一组新的问题——比如"维多利亚时期的成长小说在情节结构上与十八世纪的成长小说有何系统性差异"——这些问题可以引导更精确的细读尝试。

知识生产方式的转变

数字人文带来的最深层变化，可能在于它正在改变人文知识的生产方式本身。传统人文知识的生产是高度个人化的：一位学者在图书馆中独自阅读、思考、写作，其研究过程基本上是不可见、不可重复、不可共享的。数字人文则倾向于将知识生产过程透明化、协作化和可重复化。一个典型的数字人文项目通常包含以下可共享要素：可下载的语料库、可运行的代码（通常托管在GitHub等平台）、公开发布的数据集、可视化工具和分析结果。这些要素使得其他研究者可以验证已有发现、复现分析过程、在同一基础上推进新的研究。

这种转变对人文研究的学术规范产生了深远影响。传统的同行评议依赖于专家对论证逻辑和文本诠释的判断，数字人文则增加了对技术方法的可审计性要求——审稿人可能需要审查代码是否正确实现了算法、数据处理流程是否存在偏差、统计结果的解释是否合理。这对人文期刊的编辑和审稿人都提出了新的能力要求，也在一定程度上推动了数字人文作为一个独立学术领域的培训需求。

数字人文的学科定位至今仍在争议中演进。一派观点认为数字人文是一个独立的学科领域，拥有自己的理论框架、方法论体系和职业路径；另一派则认为它是一种方法论取向，可以渗透到所有人文学科中作为一个横向能力，而不构成独立的学科边界。当代学界的主流趋势倾向于后一种立场，但承认数字人文具有独特的