当古老遇见未来：什么是数字人文

当古老遇见未来：什么是数字人文

想象这样一个场景：一位研究《红楼梦》的学者，面对图书馆里浩如烟海的资料，过去需要花费数年时间才能读完的相关文献，如今却能在几分钟内通过计算机检索完成；一位历史学家想要研究明清时期的气候变化对农业的影响，不再需要逐页翻阅地方志和奏折数据库，而是能够借助地理信息系统（GIS）将数以万计的历史文献可视化，直观地发现隐藏其中的规律；一位文学评论家想要分析某位作家的写作风格演变，无需手工统计数百万字的文本，而是可以利用自然语言处理技术自动提取主题、情感和语言模式。这些场景不再是科幻小说中的情节，而是数字人文正在真切发生的事情。

数字人文，这个听起来既古老又现代的名字，正在悄然改变我们理解、研究和传播人文知识的方式。它既不是简单的“用电脑做研究”，也不是高深莫测的学术术语，而是一种全新的知识生产方式和思维模式。在这一章中，我们将一起踏上探索数字人文的旅程，从它的名字出发，理解它的内涵与外延，追溯它的诞生与发展，并通过一些标志性的项目来认识它的实际应用。同时，我们也会以批判性的眼光审视这个新兴领域所面临的争议与挑战。

一、名字的秘密：为什么叫“数字人文”

要理解数字人文，我们首先需要解开它名字中的秘密。这个名字由两部分组成：“数字”（Digital）和“人文”（Humanities）。表面上看，这似乎是一个简单的组合，但事实上，每一个词都承载着丰富的含义和深刻的历史演变。

“人文”一词源自拉丁文"humanitas"，最早出现在古罗马哲学家西塞罗的著作中，意指“人性”“教养”或“人文教育”。在西方学术传统中，“人文”通常包括语言学、文学、哲学、历史、艺术、音乐等学科，这些学科共同构成了人文科学研究的核心。与自然科学追求客观规律不同，人文科学更关注人类自身的经验、意义、价值观和文化表达。人文研究者习惯于面对具体的文本、图像、文物和声音，通过细致的阅读、分析和阐释来理解人类的文化和精神世界。

而“数字”一词在这里则具有双重含义。第一层含义是指数字化（Digitization），即把传统的文本、图像、声音等模拟信息转换为计算机可以处理的数字格式。这一过程类似于把一本纸质书扫描成PDF文件，让计算机能够“读取”和“理解”这些内容。第二层含义则是指数值化、量化的思维方式，即用数字和算法来处理和分析人文材料。这种思维方式与人文科学传统的质性分析形成了有趣的对话。

值得注意的是，“数字人文”这个术语本身在不同语言和文化语境中有着微妙的差异。在英语世界，它通常被称为"Digital Humanities"，简称DH。在中国学术界，除了“数字人文”之外，还有“数字人文学”“数字化人文研究”等不同的译法和表述。在日本，它被翻译为“デジタル・ヒューマニティーズ”。这些不同的命名反映了不同文化背景下的学者对这个领域的理解和定位。有人倾向于强调“数字”的一面，认为这个领域核心是技术驱动的方法创新；有人则更强调“人文”的一面，认为技术只是工具，服务于人文研究的核心问题。无论哪种理解，都说明这个领域本身就处于技术与人文的交叉地带，是一个天然的跨学科领域。

二、思想的谱系：数字人文的历史渊源

要真正理解数字人文，我们不能只关注它近二十年的快速发展，还需要追溯它的思想渊源和技术准备。事实上，数字人文的种子早在计算机诞生之初就已经播下。

计算机辅助人文研究的萌芽

数字人文的历史可以追溯到1949年，当时意大利神父罗伯特·布萨（Roberto Busa）开始与IBM合作，着手创建《托马斯·阿奎那作品索引》（Index Thomisticus）。布萨神父希望将这位中世纪神学家的全部著作进行索引和词频统计，这是一项如果完全依靠人工几乎不可能完成的浩大工程。IBM的创始人托马斯·沃森（Thomas Watson）被这个项目的愿景所打动，决定支持布萨神父的工作。经过三十多年的努力，1980年这个数据库正式完成，成为了人类历史上最早的大型计算人文项目之一。布萨神父因此被许多人尊称为“数字人文之父”。

在布萨开创性的工作之后，计算机辅助人文研究的实践逐渐在各个学科中蔓延开来。语言学家开始使用计算机进行语料库建设和词频分析，历史学家开始尝试用计算机处理人口普查数据和社会调查资料，文学研究者开始建立作家作品数据库。这些早期实践有一个共同特点：它们主要是对传统研究对象的“机械化”，即用计算机来处理原本需要大量人力完成的数据密集型任务。

从文本编码到数字档案

到了1980年代和1990年代，数字人文迎来了一个重要的技术基础建设时期。这个时期最重要的贡献之一是标准通用标记语言（SGML）和可扩展标记语言（XML）在人文数据处理中的应用。这些标记语言允许研究者为文本添加结构化注释，标记人名、地名、日期、概念等不同类型的信息，从而让计算机能够“理解”文本的深层结构。

在这一背景下，电子文本档案（Digital Text Archives）开始大量涌现。其中最具影响力的项目之一是1990年代启动的“牛津文本档案”（Oxford Text Archive），它汇集了来自世界各地的人文研究文本。与此同时，各种专门化的数字项目也在文学、历史、语言学等领域蓬勃发展。例如，十九世纪文学的电子档案（19th Century Literature Electronic Archive）、古英语词典项目（Dictionary of Old English）等，都成为了各自领域研究的重要基础设施。

这个时期还见证了人文学科对信息技术基础设施的系统性投入。1985年，美国成立了人文学科计算中心（Center for Humanities Computing），开始为人文学者提供技术支持。1992年，国际人文学科计算学会（Association for Computers and the Humanities, ACH）正式成立，出版了《人文学科计算》（Computers and the Humanities）期刊。这些机构性的发展标志着数字人文作为一个学术共同体开始形成。

21世纪的爆发与制度化

2000年代以后，数字人文进入了爆发式发展的新阶段。这一转变有几个关键驱动力。首先是互联网和万维网的普及，使得数字资源和工具的传播变得前所未有的便捷。其次是大数据、云计算和移动计算等技术的兴起，为数字人文提供了更强大的技术支撑。第三是人文计算方法的不断成熟，机器学习、自然语言处理、数据可视化等技术的进步，使得研究者能够提出更加复杂和大胆的研究问题。

2004年，《数字人文期刊》（Digital Humanities Quarterly）正式创刊，成为该领域的第一份同行评审学术期刊。2005年，数字人文组织联盟（Alliance of Digital Humanities Organizations, ADHO）成立，整合了此前分散的各个学术组织。2006年，首届数字人文国际会议（Digital Humanities Conference）召开，此后每年一届，成为该领域最重要的学术盛会。同年，“数字人文硕士项目”（MA in Digital Humanities）开始在伦敦大学国王学院等高校设立，标志着数字人文开始进入主流高等教育体系。

在中国，数字人文的发展虽然起步稍晚，但近年来呈现出强劲的发展势头。2009年，中国社会科学院成立了“计算机辅助人文社会科学研究中心”，开始系统性地推动数字人文研究与实践。此后，北京大学、南京大学、武汉大学等高校相继成立了数字人文研究中心或开设了相关课程。2019年，国际数字人文组织大会在上海召开，进一步推动了中国数字人文与国际学术界的交流合作。

三、跨越边界：数字人文的核心特征

通过以上的历史回顾，我们可以初步把握数字人文的轮廓。现在，让我们更深入地探讨数字人文的核心特征，理解它与传统人文学科的区别和联系。

跨学科性：技术与文化的深度融合

数字人文最显著的特征是其强烈的跨学科性。这种跨学科性不仅仅意味着不同学科的简单合作，更代表着一种深度的融合。在传统学术体制中，学科之间往往有清晰的边界：历史学家做历史，文学家做文学，计算机专家做计算机。但在数字人文的实践中，这些边界变得模糊起来。一个数字人文项目可能同时需要历史学家提供专业知识和研究问题，计算机科学家提供技术方案和算法实现，设计师提供可视化和用户体验设计，图书馆员提供数据管理和长期保存策略。

这种跨学科合作带来了新的学术角色和身份认同。“数字人文主义者”（Digital Humanist）这个概念应运而生，用来描述那些既有人文素养又具备技术能力的研究者。这些人往往在两个世界中都是“异类”：他们可能不太符合传统人文学者的形象（因为他们花大量时间写代码和处理数据），也不完全属于计算机科学家的行列（因为他们关注的问题和使用的材料都是人文性质的）。正是这种“边缘性”，让数字人文主义者能够看到传统学科看不到的东西，发现传统方法无法解决的问题。

方法论革新：从close reading到distant reading

数字人文对传统人文学科的最深刻影响，可能体现在方法论层面。传统人文学科的核心研究方法通常被称为“细读”（close reading），即对单一文本或少数文本进行深入、细致、反复的阅读，试图发掘文本的深层含义。这种方法在人文研究中具有悠久的传统，被视为人文学者的核心竞争力。无论是分析一首诗歌的意象，还是解读一部小说的叙事结构，细读都是最基本也是最重要的技能。

然而，数字人文带来了一种与之互补的方法：“远读”（distant reading）。这个概念由意大利学者弗兰科·莫雷蒂（Franco Moretti）在2000年代提出，指的是通过计算方法对大规模文本进行宏观分析。莫雷蒂提出了一个著名的“木乃伊情结”比喻：传统文学研究像是在研究木乃伊，小心翼翼地保存和研究每一个细节；但如果我们想了解整个文学史，我们需要的不是更多的木乃伊，而是能够概览全局的“卫星视角”。远读正是这样一种视角，它让我们能够看到单独阅读无法发现的模式和趋势。

举一个具体的例子：如果你想研究十八世纪英国小说中的情感表达，传统方法可能是选择几部代表性作品进行深入分析。但运用数字人文方法，你可以对整个十八世纪英国小说语料库进行情感分析，绘制情感曲线图，观察不同年代、不同类型小说中情感表达的变化趋势。这种分析当然不能取代对具体作品的细读，但它能提供一种宏观视野，帮助我们提出新的问题，验证或挑战既有的学术假设。

数据驱动：量化与人文的辩证关系

数字人文的另一个核心特征是数据驱动的研究范式。在数字人文项目中，研究者往往需要将人文材料转化为结构化数据，然后运用统计、计算和可视化方法进行分析。这种数据驱动的方法带来了一系列独特的方法论问题：如何定义和组织数据？量化分析是否适用于人文材料？如何平衡定量分析与定性阐释？这些都是数字人文实践中经常遇到的难题。

有趣的是，数字人文的发展反而让许多学者重新反思量化和质性分析的关系。一些原本对量化方法持怀疑态度的人文学者发现，通过数字方法获得的“宏观数据”往往需要回到具体的“微观文本”中进行解释；而一些热衷于技术方法的学者也开始意识到，没有理论指导的数据挖掘可能只是“数据的考古学”，难以产生真正有意义的人文洞见。因此，数字人文的一个核心议题就是探索量化与人文、计算与阐释、数据与意义之间的辩证关系。

协作与开放：知识生产的新模式

数字人文还代表着一种新的知识生产模式。传统人文学科的研究往往是个人化的，一位学者可能在书斋中独自完成一项研究，产出的是个人署名专著。但在数字人文项目中，协作成为常态，规模也往往超出个人能力所及。一个大型数字项目可能涉及几十甚至上百位研究者，跨越多个机构和国界，持续数年甚至数十年。

这种协作性也带来了对开放获取（Open Access）和开放科学（Open Science）的强烈诉求。数字人文社区普遍支持开放数据和开放工具的理念，认为人文知识应该尽可能地免费共享。许多数字人文项目都采用 Creative Commons 等开放许可协议，鼓励他人重用和再创造。GitHub、GitLab 等代码托管平台成为数字人文项目存储和分享成果的重要场所。这种开放精神与传统学术界的知识垄断形成了鲜明对比，也引发了关于知识产权、学术评价等方面的讨论。

四、标杆项目：数字人文的生动实践

理论总是抽象的，只有通过具体案例才能真正理解数字人文的丰富内涵。让我们来看看几个标志性的数字人文项目，它们从不同角度展示了这一领域的创新实践。

数字中国：文化遗产的数字化保护

“数字中国”是中国推动文化遗产数字化保护和展示的综合性工程，其中包含了许多具体项目，从不同层面展示了数字技术与人文研究的结合。

以故宫博物院的“数字故宫”项目为例，这个项目始于1998年，至今已经持续了二十多年。项目的核心工作包括文物的高清数字化存储、三维扫描与建模、虚拟现实展示等。目前，故宫博物院已经完成了超过180万件文物的数字化存档工作，这些数据不仅用于文物自身的保护和研究，还通过“故宫名画记”“数字文物库”等在线平台向公众开放。研究者可以在线浏览高清文物图像，观察肉眼难以看清的细节；普通观众可以通过虚拟故宫、VR展览等方式“身临其境”地体验紫禁城的历史与文化。

另一个值得关注的项目是敦煌研究院的“数字敦煌”。敦煌莫高窟是世界上现存规模最大、内容最丰富的佛教艺术宝库，但壁画对光线和湿度极为敏感，游客参观本身就会对文物造成损害。数字敦煌项目通过高精度摄影和三维扫描技术，在不接触文物的情况下获取完整的数据信息，并运用虚拟现实和增强现实技术，让观众可以在数字化的莫高窟中自由探索。2016年上线的“数字敦煌”网站将30个洞窟的高清全景漫游向全球公众开放，用户可以在网上360度“走进”这些珍贵的洞窟，欣赏壁画细节。更有意义的是，这些数字资料为研究者和文物保护者提供了宝贵的研究基础，有助于制定更科学的保护策略。

这些项目的意义不仅在于技术的应用，更在于它们改变了文化遗产保护和利用的观念。传统的文物保护强调“原真性”和“完整性”，尽可能保持文物的原始状态；而数字时代则提供了“复制”和“传播”的新可能。一件文物可以有物质本体和数字副本两种存在形式，数字副本可以承受无数次“观看”而不会有丝毫损耗，数字副本可以同时出现在世界的任何角落。这种“虚拟在场”并不取代“实体在场”，但极大地拓展了文化遗产的社会价值和学术价值。

谷歌图书与数字图书馆运动

如果说数字中国代表了中国在数字人文基础设施建设方面的努力，那么谷歌图书（Google Books）则代表了全球范围内大规模数字化浪潮的一个标志性事件。

谷歌图书计划始于2004年，目标是对全球主要图书馆的藏书进行数字化，建立一个全球性的数字图书馆。到2023年，谷歌已经数字化了超过4000万册图书，涵盖了数十种语言。这个规模的数字化工作在过去是难以想象的——如果没有计算机和自动化扫描技术，依靠传统方法可能要花费数百年时间才能完成。

谷歌图书的影响是多方面的。首先，它为研究者提供了前所未有的资料获取渠道。一位研究晚清历史的学者，过去可能需要奔波于多家图书馆才能找到研究所需的文献；现在，她可以在谷歌图书中搜索相关关键词，快速定位可能相关的资料。这种便捷性极大地降低了学术研究的门槛。其次，谷歌图书的检索功能开启了新的研究可能性。研究人员可以搜索特定词汇在历史文献中的出现频率，观察词汇的历时演变；可以检索某个短语在大量文本中的分布，了解其使用语境；可以利用"Google Ngram Viewer"功能，绘制不同词汇在数百年出版历史中的流行曲线。

然而，谷歌图书也引发了广泛的争议。版权问题是其中最突出的问题之一。谷歌对大量仍在版权保护期内的图书进行了数字化，但并未获得所有权利人的授权。美国作家协会（Authors Guild）曾对谷歌提起诉讼，虽然最终法院裁定谷歌的“合理使用”行为不构成侵权，但这一争议至今仍是数字人文领域讨论的热点话题。此外，谷歌图书的“覆盖偏差”（coverage bias）也受到了批评：英语和西方出版物的数字化程度远高于其他语言和地区，这可能强化现有的知识不平等格局。

朱熹全集数据库与古籍数字化

在中文古籍数字化领域，朱熹全集数据库是一个具有代表性的项目。朱熹是宋代理学的集大成者，其著作浩繁，包括《四书章句集注》《诗集传》《楚辞集注》《韩文考异》等经典文献，历代学者对其著作的校注整理也形成了大量文献。要全面研究朱熹及其思想传统，需要面对海量的文本材料。

中国古籍数字化的工作可以追溯到1980年代。最早的尝试是通过手工输入的方式将古籍转为电子文本，但这种方式效率低、错误率高。随着扫描技术和光学字符识别（OCR）技术的进步，大规模古籍数字化成为可能。然而，中文古籍的OCR识别面临独特的挑战：古书没有标点，需要后人断句；异体字、俗体字众多，字体也不统一；竖排、避讳、假借等现象增加了识别难度。这些问题至今仍是中文古籍数字化的技术难点。

朱熹全集数据库项目试图整合历代朱熹著作的各种版本，建立一个包含原文、异文、校勘记的综合性数据库。研究者不仅可以查阅朱熹原文，还可以追溯不同版本的差异，观察历代注家对朱熹文本的理解演变。这种数据库的意义不仅在于检索的便捷，更在于它提供了一种新的研究工具：研究者可以设置检索条件，比较朱熹在不同时期著作中表达同一概念时的用语差异；可以统计朱熹引用经典文献的频率，分析其学术渊源；可以绘制朱熹思想概念的语义网络图，呈现理学思想体系的内在结构。

地图与空间：历史地理信息系统

历史地理信息系统（Historical GIS，简称HGIS）是数字人文的一个重要分支，它将地理信息系统（GIS）技术应用于历史研究，让研究者能够在空间维度上分析历史事件和社会现象。

一个典型的例子是“中国历史地理信息系统”（China Historical Geographic Information System，简称CHGIS）。这个项目由哈佛大学费正清东亚研究中心和复旦大学合作开发，旨在建立一套中国历史时期地名和行政区划的地理数据库。研究者可以在地图上查看任意朝代的疆域变化、行政区划调整、人口迁移路径等。这种空间视角的引入，极大地丰富了历史研究的维度。例如，传统历史研究往往从政治史的角度讨论某一朝代的疆域变化，但通过CHGIS，我们可以同时观察疆域变化与气候变迁、经济重心转移、人口分布变化之间的关联，提出更加综合性的历史解释。

另一个引人注目的项目是“数字圆明园”。圆明园是清代著名的皇家园林，1860年被英法联军焚毁后，只留下断壁残垣。通过历史文献考证、三维建模和虚拟现实技术，研究者正在重建这座“万园之园”的历史原貌。用户可以通过数字平台在虚拟的圆明园中漫步，感受其空间布局、建筑风格和园林艺术。更重要的是，这个项目整合了大量的历史图像和文献资料，让研究者能够深入了解圆明园的历史变迁、文化内涵和被毁过程。这种“数字重建”既服务于学术研究，也为文化遗产的保护和公众教育提供了新的可能。

五、争议与反思：数字人文的挑战

任何一种新兴的学术范式都会面临质疑和反思，数字人文也不例外。在拥抱数