什么是数字人文：连接过去与未来的桥梁

什么是数字人文：连接过去与未来的桥梁

导言：一扇通往过去与未来的门

你有没有想过，如果有一天你能够穿越时空，亲自走进古代的图书馆，翻阅那些已经消失文明的珍贵典籍？或者想象一下，如果你能够与几百年前的诗人和思想家进行对话，了解他们创作时的真实心境？这些在以前看来只存在于科幻小说中的场景，如今正在因为一种叫做“数字人文”的新学问而逐渐成为可能。

数字人文，英文叫 Digital Humanities，简称 DH。这是一门正在全球大学里迅速发展的新兴学科，它把古老的人文研究传统与尖端的数字技术完美结合在一起。简单来说，数字人文就是用计算机和互联网的思维与方法，去探索文学、历史、哲学、艺术这些“关于人的学问”。它不是让人文学科变得冷冰冰的，而是让那些似乎只属于学者专家的知识宝藏，能够被更多人看见、理解和使用。

在这一章里，我们将一起踏上探索数字人文的旅程。我们会从“数字人文”这个名字的含义说起，理解为什么它如此重要；我们会回顾它从诞生到发展的历程，了解那些改变了这个领域的开创性项目；我们会深入它的核心方法，看看计算机是如何帮助我们发现隐藏在海量文献中的秘密；我们还会通过几个生动有趣的案例，亲眼见证数字人文如何改变了我们认识世界的方式。最后，我们会澄清一些关于数字人文的常见误解，帮助你建立起对这门学科的正确认知。无论你是一个对科技充满热情的学生，还是一个对人文历史着迷的文学少年，这一章都将为你打开一扇通往新世界的大门。

第一节：名字背后的深意

什么是“数字”，什么是“人文”

要理解数字人文，我们首先要弄清楚它的两个核心关键词：“数字”和“人文”。

“数字”这个词在中文里有两层含义。第一层是我们日常说的数字，比如一、二、三，用来计数和计算。但在数字人文的语境中，“数字”更多地指的是数字技术——计算机、互联网、大数据、人工智能这些现代科技。你每天用的智能手机、搜索引擎、社交媒体，背后都是强大的数字技术在支撑。

“人文”这个词同样含义丰富。广义上说，人文是指人类社会的各种文化现象，包括语言文字、文学艺术、历史哲学、风俗习惯等等。人文研究的核心目标是理解人本身——人如何思考、如何表达、如何创造、如何与社会互动。传统的文科——中文、历史、哲学、外语——都属于人文科学的范畴。

所以，数字人文就是用数字技术来研究人文问题的一门学科。但这并不意味着简单地用电脑代替人脑。更准确地说，数字人文是要发挥数字技术的独特优势——处理海量信息、快速检索比对、在数据中发现人类难以察觉的模式——来回答人文学者关心的问题。

一门跨越边界的学科

数字人文最迷人的地方之一，就是它打破了传统学科之间的壁垒。传统上，文科和理工科似乎是两个完全不同的世界。文科生埋头于故纸堆中，与诗词歌赋为伴；理科生则整天对着代码和公式，与机器打交道。数字人文的出现，让这两个世界开始对话和融合。

在哈佛大学，有一个著名的“人文实验室”，这里既有计算机科学家，也有文学批评家；既有历史学家，也有数据分析师。他们坐在一起，共同研究那些一个人无法解决的大问题。比如，一个研究团队可能会问：过去五百年间，英语文学中的气候变化主题是如何演变的？解决这个问题需要文学学者分析文本，也需要计算机专家处理数据，还需要气候科学家提供知识背景。

这种跨学科的合作模式，正是数字人文的核心特征。它不是简单地把技术嫁接到人文研究上，而是让不同领域的思维方式相互碰撞、启发，最终产生全新的研究视角和方法。在数字人文的世界里，一个学习文学的学生可能需要了解一些编程知识；一个计算机科学的学生也可能需要阅读古典诗歌。这种跨界能力，正是未来社会最需要的人才素质。

英文名字的由来与演变

Digital Humanities 这个英文名字本身也经历了一个演变过程。在二十世纪九十年代，这门学科刚起步的时候，很多学者更习惯用“人文计算”（Humanities Computing）这个名称。那时候，数字技术刚刚进入人文学者的视野，主要作用是帮助建立数据库、进行文本检索等基础工作。

进入二十一世纪后，随着互联网的普及和大数据时代的到来，“人文计算”已经不能准确反映这个领域的发展了。2004年左右，“数字人文”这个新名称开始在学术会议上被广泛使用，随后逐渐成为国际学术界的主流称谓。选择“数字”而不是“计算”，反映了学界对这门学科定位的重新思考：它不仅仅是“用计算工具来做人文研究”，而是一个将数字思维和人文精神深度融合的新领域。

有趣的是，这个名字的中文翻译也经过了讨论。最初有人建议翻译成“计算人文学”或“数字人文学”，但最终“数字人文”这个简洁有力的译名被广泛接受。这个译名既保留了原词的构词逻辑，又符合中文的表达习惯，如今已经成为标准用法。

第二节：从一页纸到海量数据的历史演变

起源：人文计算的时代

数字人文的源头可以追溯到二十世纪四十年代末期。那时候，第一批电子计算机刚刚问世，主要被用于军事和科学计算。但有几位具有远见卓识的学者，已经开始思考：这些神奇的机器，能否用来处理人文材料？

罗伯特·布萨就是这样一个先驱者。这位意大利裔的美国文献学家，终生致力于一项宏大的计划：编制一部希腊语词典。要完成这项工作，他需要翻阅从古典时期到现代的无数希腊语文献，记录每一个单词在不同历史时期的使用情况。这是一项需要几代人才能完成的传统工作。但布萨想到，如果能用计算机来存储和检索这些词汇数据，效率将大大提高。

1949年，布萨与IBM公司的工程师合作，开始了用计算机处理希腊语文本的实验。虽然那时候的计算机体积庞大、操作复杂、处理能力有限，但这个开创性的尝试证明了用机器处理人文数据的可能性。布萨的工作被视为数字人文领域的奠基之作，他也被后人尊称为“数字人文之父”。

到了六十年代，随着计算机技术的进步，更多的人文计算项目开始涌现。1964年，约克大学的历史学家约瑟夫·拉锡丁创建了“艺术与建筑索引”，这是第一个用计算机编目的艺术文献数据库。同年，剑桥大学的研究者开发了“泰晤士数字化档案系统”，尝试用计算机管理历史文献。这些早期项目虽然规模不大、影响力有限，但它们开创了一种全新的研究范式。

发展：数据库与网络时代

二十世纪八九十年代是数字人文发展的重要时期。个人电脑的普及让更多学者有机会接触计算机技术；数据库技术的发展使得大规模文献的存储和检索成为可能；更重要的是，互联网的出现彻底改变了信息传播和学术交流的方式。

在这个阶段，几个具有里程碑意义的项目相继完成。牛津大学启动的“牛津英语词典在线”项目，将这部卷帙浩繁的语言学巨著搬上了互联网。读者可以在任何有网络的地方查询任何英语单词的词源、释义和历史例证。更重要的是，这个项目打破了纸质词典的局限性——你可以用任何单词、任何短语、甚至任何字符组合来检索，这在以前是不可想象的。

另一个划时代的项目是“牛津文本档案”。这个由牛津大学计算中心维护的数据库，收集了大量人文社科领域的电子文本资源，供全球学者研究使用。它的出现，标志着数字资源开始成为学术研究的基础设施，而不仅仅是研究对象。

这个时期还见证了“数字图书馆”概念的兴起。1994年，美国国会图书馆启动了“美国记忆”计划，旨在将美国历史上的重要文献——照片、手稿、地图、录音——数字化并放到网上供公众使用。这个项目后来发展成更宏大的“国家数字图书馆”计划，迄今已数字化了数以百万计的珍贵藏品。

成熟：数字人文作为一个学科

进入二十一世纪，数字人文进入了它的发展成熟期。标志性的事件包括：2005年，首份专门研究数字人文的学术期刊《数字人文季刊》创刊；同年，斯坦福大学设立了数字人文博士后项目；2007年，伦敦大学学院成立了英国第一个专门的数字人文系。这些事件表明，数字人文已经从零散的项目集合，发展成为一个有组织、有建制、有规范的独立学科。

这个时期最显著的特征是“规模化”。研究者不再满足于处理几十篇、几百篇文章，而是开始尝试处理整个文学传统、整个历史时期、整个语言系统的数据。2010年，谷歌公司启动了“谷歌图书”计划，目标是扫描并数字化世界上所有公开出版的书籍。虽然这个计划因为版权争议而备受批评，但它展示的技术潜力是惊人的：只需几秒钟，你就能在整个英语文学传统中搜索任何一个短语。

同样在2010年，欧盟启动了“欧洲数字人文研究基础设施”项目，为欧洲各国的人文学者提供共享的计算资源和数据服务。这个项目的意义不仅在于提供技术支持，更在于建立了一套数字人文研究的标准和规范，推动了整个领域的专业化。

在中国，数字人文的发展起步稍晚，但发展速度很快。2008年，上海图书馆启动了“数字人文项目”，开始将馆藏的家谱、报刊、地方志等珍贵文献数字化。2012年，武汉大学成立了“数字人文研究中心”，成为中国大陆第一个人文计算领域的专门研究机构。近年来，越来越多的中国大学开始设立数字人文相关课程，一批青年学者正在成长为这个领域的新生力量。

第三节：核心方法与思维方式

远读：一种全新的阅读方式

要理解数字人文的研究方法，我们首先需要理解它与传统人文学术研究的一个重要区别：近距离阅读与远距离阅读。

传统的人文学者，主要依靠“close reading”，中文译作“细读”或“近读”。这种方法要求研究者反复研读少数几篇经典文本，逐字逐句地品味其中的微言大义。比如，一个研究《红楼梦》的学者，可能会花几十年时间反复阅读这部小说，分析其中的每一个人物、每一段情节、每一句对话，从中挖掘出深刻的意涵。

细读是一种非常有价值的方法，它帮助我们理解文本的复杂性和独特性。但它也有局限性：一个人穷其一生，也只能细读几百本书。面对人类文明留下的浩如烟海的文献，这种方法显得力不从心。

数字人文带来了一种互补的方法，叫做“distant reading”，中文译作“远读”。远读不是去细读每一个字，而是借助计算机工具，从宏观角度审视大量文本，发现那些在细读中无法察觉的模式和趋势。

举一个例子。如果你想研究十九世纪英国文学中的“死亡”主题，传统的方法是找到几十部涉及这个主题的小说，一部一部地仔细阅读。但运用远读的方法，你可以先让计算机扫描整个十九世纪英国文学数据库，统计“死亡”、“坟墓”、“葬礼”等相关词汇的出现频率，绘制出这些词在不同年代的变化曲线。你会发现，十九世纪二十年代这些词的使用频率突然上升——这可能与当时霍乱疫情的爆发有关。通过远读，你不仅验证了已有的假设，还可能发现完全意想不到的新规律。

当然，远读并不是要取代细读。事实上，最好的数字人文研究往往是远读与细读相结合。研究者先用远读方法在大数据中发现异常和规律，确定值得关注的文本和段落，然后回到细读，深入分析这些具体的材料。这种“大胆假设，小心求证”的模式，既提高了研究效率，又保证了分析的深度。

文本挖掘：从数据中提取知识

如果说远读是一种研究策略，那么“text mining”（文本挖掘）就是实现这种策略的具体技术手段。文本挖掘是指用计算机算法从大量文本中自动发现模式和提取信息的技术。

文本挖掘有多种具体方法，我们来介绍几种最常用的：

词频分析是最基础的方法。它统计文本中各个词出现的次数，并按频率排序。通过词频分析，我们可以快速了解一篇文献的核心内容和关注重点。比如，如果你统计鲁迅所有杂文的词频，你会发现“青年”、“社会”、“黑暗”这些词出现频率很高，这印证了鲁迅作为“青年导师”和“社会批评家”的形象。

搭配分析则更进一步，关注的是词语之间的共现关系。它能告诉我们哪些词经常出现在一起。比如，通过搭配分析，我们可能发现“革命”这个词在十九世纪俄国文学中经常与“爱情”、“牺牲”、“青春”搭配使用，这暗示了当时文学中革命的浪漫化倾向。

主题建模是更复杂的技术。它能够自动识别一个文本集合中潜在的主题结构。想象一下，你手头有一千篇新闻报道，但不知道它们具体在讨论什么。通过主题建模算法，计算机可以分析这些文章的词汇分布，自动提取出几个主题——比如“政治”、“经济”、“体育”、“娱乐”——并告诉你每篇文章分别涉及哪些主题。这种方法对于处理大量未知文献特别有用。

情感分析则试图判断一段文本的情感倾向——它是正面的还是负面的，是赞扬还是批评，是喜悦还是悲伤。这种技术在研究文学作品的情感变化、社会舆论的走向等方面有广泛应用。比如，研究者可以分析美国历任总统就职演说中的情感变化，追踪美国政治话语风格的演变。

可视化：用图形讲述数据故事

数字人文的另一个重要工具是数据可视化。人类的视觉系统非常擅长识别图形和模式，一张好的图表往往胜过千言万语。数字人文研究者利用各种可视化技术，将复杂的数据转化为直观的图形，让隐藏的信息一目了然。

词云是最常见的一种可视化方式。它将文本中的关键词按频率高低排列，频率越高的词显示得越大、越醒目。虽然词云的信息量有限，但它能够快速传达一篇文章或一个作者的核心词汇，是入门级可视化的好选择。

社交网络图则用于展示人物之间的关系。如果你在研究《红楼梦》中的人物关系，你可以用社交网络图来展示谁与谁是亲戚、谁与谁是朋友、谁与谁有矛盾。这种可视化方式让我们能够直观地把握一部作品的人物结构。

地理信息系统（GIS）将数据与地图结合起来。如果你在研究古代丝绸之路，你可以把所有相关的历史文献标注在地图上，显示商队经过的路线、交易发生的地点、货物转运的港口。这种时空结合的视角，是传统文本分析无法提供的。

时间轴可视化则帮助我们理解历史演变。比如，你可以将中国历代诗人的生卒年代、创作高峰、作品风格标注在时间轴上，直观地看到诗歌传统的传承与变化。

现代的数字人文平台通常提供多种可视化工具，让研究者能够根据需要选择最合适的方式呈现数据。一个好的可视化不仅服务于分析过程，还能成为面向公众的展示窗口，让更多人通过图形而非文字来理解人文知识。

第四节：改变世界的精彩案例

案例一：谷歌书籍语料库与语言演变研究

2010年，谷歌公司开放了“谷歌书籍语料库”的部分数据，这是迄今为止最大规模的数字化图书数据库之一。该语料库包含超过五百万种图书、八百亿个单词，涵盖了从十六世纪至今的英语、西班牙语、法语、德语、汉语等多种语言。这个庞大的语料库为语言学家、文学研究者、社会学家提供了前所未有的研究资源。

哈佛大学的语言学家让·巴蒂斯特·米歇尔是这个语料库最著名的使用者之一。2010年，他在权威期刊《科学》上发表了一篇论文，题目是《文化定量研究：大数据如何揭示人类行为的新趋势》。在这篇论文中，米歇尔展示了如何利用谷歌书籍语料库研究英语的文化演变。

他发现了一些令人惊讶的规律。从1800年到2000年，英语中几乎所有短语的流行程度都在下降——这意味着人类的语言正在变得越来越多元化，不同的人开始用不同的方式表达同样的意思。但有一个短语的使用频率在持续上升：回形针。回形针？这个看似无关紧要的小发现，后来被米歇尔和他的团队进一步挖掘，他们发现这实际上反映了英语中抽象名词使用比例的上升——人们越来越喜欢用“回形针”这样的具体事物来象征“连接”和“关系”。

另一个发现更加出人意料。米歇尔发现，英语中的道德词汇（如“勇敢”、“诚实”）在十九世纪后半期急剧下降，而非道德词汇（如“科学”、“法律”）则大幅上升。这一变化发生在1870年前后，与美国内战结束、第二次工业革命兴起的时代背景高度吻合。它暗示了美国社会价值观从传统宗教道德向现代世俗理性的重大转变。

谷歌书籍语料库的研究还揭示了拼写演变的历史。我们现在使用的英语拼写，如“ honour ”改为“ honor ”、“catalogue”改为“catalog”，并非一夜之间发生的。这些变化在语料库中留下了清晰的轨迹：美国英语和英国英语在拼写上的分歧，大约从1770年开始加速，并在十九世纪逐渐固定下来。

这些研究只是冰山一角。谷歌书籍语料库正在被全球学者用于研究语言变化、文学传播、科学史、思想史等各种课题。它证明了当海量数据与智能算法结合时，能够揭示出单个学者无论如何都无法发现的宏大历史规律。

案例二：伦敦大学学院的中国历史地理信息系统

在中国，数字人文研究同样取得了令人瞩目的成就。伦敦大学学院（UCL）高级数字人文中心开发的中国历史地理信息系统（China Historical GIS），就是一个典范。

这个系统的核心任务是将中国历史地理信息数字化。历史上的中国，行政区划频繁变化：秦朝设郡县，汉朝分封诸侯，唐朝有道、州、县三级，宋朝的路、元朝的行省、明清的省——每一次朝代更替都带来行政区域的重新划分。对于历史研究者和普通读者来说，理解这些复杂的地理变迁是一大难题。

China Historical GIS 解决的就是这个问题。研究团队收集了大量历史文献中的地名和地理信息，包括《汉书·地理志》、《宋史·地理志》、《大明一统志》等重要史籍，以及大量的地方志和地图。然后，他们用现代地理信息系统技术将这些信息整合在一起，建立了一个可以查询、比较、可视化的数字平台。

有了这个系统，历史研究者可以问很多以前无法回答的问题：唐代诗人的出生地分布有什么特点？长江航运路线在宋代发生了什么变化？黄河改道对下游地区的人口和经济发展有什么影响？通过系统的空间分析功能，这些问题都能得到直观的数据支撑。

更重要的是，这个系统对公众完全免费开放。任何人都可以通过网站查询中国历代行政区划的沿革，观看不同历史时期中国疆域的变化动画，甚至下载数据进行自己的研究。这种开放共享的精神，正是数字人文的核心价值之一。

案例三：牛津大学的文学地图项目

牛津大学数字人文中心推出的“文学地图”（Literary Atlas）项目，展示了数字技术如何帮助我们重新阅读文学经典。

这个项目的核心是一个交互式数字平台，将英国文学中提到的所有地名标注在地图上。想象一下，你打开一张英国地图，上面密密麻麻地标注着各种文学作品中出现的地点：伦敦的贝克街221号（《福尔摩斯探案集》）、约克郡的呼啸山庄（《呼啸山庄》）、康桥的剑河（《再别康桥》）。你可以点击任意一个地点，系统就会告诉你：这个地点出现在哪些文学作品中？这些作品的作者分别是谁？写作年代是何时？

这个看似简单的功能，实际上开创了一种全新的阅读方式。传统的阅读是线性的：你按照书页的顺序，从头到尾阅读一部作品。但文学地图允许你“空间性”地阅读——以地理为线索，重新组织文学作品的知识。你可能从未想过，“雾都”伦敦在多少英国小说中扮演过背景？当你亲眼看到地图上密密麻麻的标注时，这种直观冲击远比文字描述更有说服力。

文学地图还提供了更高级的分析功能。比如，你可以选择某一个作家（比如狄更斯），系统就会显示他的所有作品在地图上的分布。你会发现，狄更斯的小说几乎全部发生在伦敦及其周边地区——这与他作为“伦敦城市代言人”的形象高度吻合。而另一位作家托马斯·哈代的小说则集中在英格兰西南部的乡村地区——多塞特郡的荒原成为他笔下故事天然的舞台。

文学地图的价值不仅在于展示，更在于启发。它让我们看到，地理空间对于文学创作的影响远比我们想象的要深刻。作家选择什么样的地点作为故事发生的背景，绝不是随意的——它反映了作家的生活经历、时代背景、文化语境乃至潜意识倾向。通