What is Digital Humanities? Defining a Field at the Crossroads

数字人文（Digital Humanities, DH）常常被简化为“用电脑做人文研究”，但这种简化掩盖了该领域作为思想、方法和实践交汇处的真正复杂性。本章旨在超越这种工具性视角，将DH定位为一个“相遇领域”（field of encounters），在这里，传统的人文学科问题与数字方法、批判性理论与技术实践、以及多元学科视角持续对话与碰撞。我们将追溯DH的历史根源，审视其核心定义与持续辩论，探讨“大DH”与“小DH”之间的张力，并强调跨学科合作的不可或缺性。最终，本章将勾勒出本书的技术路线图，为读者即将到来的实践旅程奠定基础，并重申一个核心理念：数字人文不仅是关于使用技术，更是关于对技术进行批判性参与——质疑其假设、审视其偏见、并构想其更公正的应用。

1.1 历史脉络：从人文计算到数字人文的演变

数字人文的根源可追溯至20世纪中叶，当时计算机技术初露锋芒，少数前瞻性学者便开始探索其应用于人文学研究的可能性。1940年代，意大利耶稣会士罗伯托·布萨（Roberto Busa）启动了或许是历史上第一个大型数字人文项目：用计算机处理托马斯·阿奎那（Thomas Aquinas）的著作。布萨与IBM合作，历时近三十年，将阿奎那全部作品（约1100万字）制成穿孔卡片，并开发了索引系统，最终出版了《托马斯·阿奎那作品索引》（Index Thomisticus）。这一项目不仅展示了计算机在文本处理上的巨大潜力，更确立了人文计算（humanities computing）作为DH前身的地位。布萨的工作体现了早期DH的核心精神：利用技术解决传统人文学科中的大规模分析问题，尽管当时的技术手段（如打孔卡）极为原始，但其愿景已超越简单的自动化，指向了文本的量化研究和模式发现。

1970至1980年代，人文计算在北美和欧洲稳步发展。计算机开始用于语言学分析、文学风格研究和考古学数据管理。例如，1973年，美国现代语言协会（MLA）成立了计算机使用委员会；1978年，首届“文学计算”会议在哈佛大学召开。这一时期，工具主要是大型机上的定制程序，研究者往往需要具备编程技能。关键项目包括：耶鲁大学的“博德利图书馆保龄球项目”（Bodleian Library Ball Project），用计算机分析17世纪戏剧中的道具使用；以及“哥特式建筑数据库”（Gothic Architecture Database），尝试用结构化数据记录建筑特征。这些项目虽规模有限，但证明了数字方法能为艺术史、语言学等学科提供新视角。然而，此阶段DH仍属边缘，主流人文学界对其持怀疑态度，认为技术介入会损害人文研究的诠释深度。

1990年代标志着从“人文计算”到“数字人文”的术语转变和领域扩张。互联网的普及使得文本数字化和网络传播成为可能，DH开始从本地计算转向分布式协作。关键转折点包括：1993年，第一本数字人文期刊《文学与语言计算》（Literary and Linguistic Computing）创刊；1996年，约翰·恩斯沃思（John Unsworth）在弗吉尼亚大学组织了“数字人文”研讨会，首次广泛使用“Digital Humanities”一词；2001年，联盟数字人文组织（ADHO）成立，2004年首届“数字人文”国际会议（原“人文计算”会议）举行。这一时期，项目规模扩大：普林斯顿大学的“塞内卡项目”（The Seneca Project）数字化拉丁文献；密歇根大学的“电子文本中心”提供大量古籍电子版；英国“艺术与人文数据服务”（AHDS）建立。技术层面，超文本标记语言（HTML）、可扩展标记语言（XML）和文本编码倡议（TEI）标准成为文本编码的基石，使得数字文本不仅能存储，还能承载丰富的语义信息。DH开始被认可为独立领域，但仍面临身份危机：它究竟是方法、工具集，还是一个具有理论深度的学科？

进入21世纪，DH进入“爆发期”（DH boom），受惠于开源软件、云计算和“大数据”浪潮。2000年代后，项目数量激增，主题从文本分析扩展到地理信息系统（GIS）、网络分析、数字出版、数字保存等。标志性项目包括：斯坦福大学的“空间历史项目”（Spatial History Project），用GIS可视化历史变迁；哈佛大学的“世界地图”（WorldMap）平台，支持地理空间协作；“众包”项目如“转录旧字迹”（Transcribe Bentham）让公众参与手稿数字化。同时，DH的理论反思深化：2010年左右，围绕“大DH”（Big DH）与“小DH”（Little DH）的辩论浮现，前者强调规模、基础设施和机构合作，后者关注个人研究、理论批判和实验性。此外，DH日益关注伦理、社会正义和可访问性，如“数字人文中的黑人研究”（#BlackDH）运动呼吁反思种族偏见。如今，DH已发展为一个全球性、高度多元的领域，其核心不再是技术本身，而是技术如何重塑人文提问、论证和传播的方式。这一历史演变表明，DH始终处于动态交叉中：它既受技术驱动，也受人文问题驱动；既需要工程思维，也离不开诠释学传统。

1.2 核心定义与持续辩论：DH是什么？

数字人文没有单一、公认的定义。这种模糊性既是其弱点（导致身份混乱），也是其优势（允许包容和进化）。我们可以从三个层面理解DH的定义：作为方法集合、作为社区实践、作为批判性立场。

首先，作为方法集合的定义最常见，强调DH是“应用数字工具和方法于人文学科研究”。例如，ADHO将DH描述为“在艺术和人文领域中使用数字技术进行研究的领域，其特点是计算方法的合作、跨学科和跨领域”。这种定义实用，易于入门，但容易将DH降格为“工具使用手册”，忽视其理论维度。其次，作为社区实践的定义更强调DH的协作性和社会性。凯瑟琳·菲茨帕特里克（Kathleen Fitzpatrick）在《计划：数字时代的学术》（Planned Obsolescence, 2011）中提出，DH是“一群实践者，他们不仅使用数字工具，还参与开源文化、开放获取出版和协作式知识生产”。这种视角将DH视为一个“社区”，其规范包括共享代码、开放数据和同行生产。最后，作为批判性立场的定义将DH提升到哲学层面。乔安娜·德鲁克（Johanna Drucker）在《DH的图形表现》（Graphic Figures, 2014）中argues that DH must be “a site of critical engagement with the digital, interrogating its logics, biases, and effects on knowledge production”。这种观点认为，DH不仅是“用数字做人文”，更是“对数字本身进行人文研究”——例如，分析搜索引擎算法如何塑造历史记忆，或质疑数据可视化中的隐含假设。

这些定义并非互斥，而是反映了DH的多面性。然而，它们也引发了持续辩论，核心问题包括：

• **DH是学科还是跨学科？** 一些学者（如马修·基尔申鲍姆，Matthew Kirschenbaum）认为DH应被视为一个独立学科，拥有自己的理论、方法和职业路径；另一些（如艾伦·刘，Alan Liu）则强调其跨学科本质，认为DH的价值在于桥接不同领域，而非建立新壁垒。实践中，DH项目往往需要人文学者、计算机科学家、图书馆员、设计师的协作，这更支持跨学科观，但DH中心（如斯坦福、马里兰）已开始提供学位课程，显示出学科化趋势。

• **DH是工具还是理论？** 早期DH常被批评为“技术决定论”，即假设工具先于问题。例如，使用主题建模（topic modeling）分析文本，可能忽略文学诠释的复杂性。但当代DH越来越重视“批判性制图”（critical making）和“有意识的数据实践”，强调工具本身应被理论化。例如，在数字编辑项目中，TEI编码的选择（如如何标记文本变异）反映了解释立场，而非纯技术决策。

• **DH是“大”还是“小”？** 这是2000年代后期最激烈的辩论之一。“大DH”指由大型机构资助、处理海量数据（如整库扫描）、注重基础设施和可扩展性的项目，典型例子包括HathiTrust研究中心（允许对数百万卷图书进行计算分析）或欧洲图书馆（The European Library）的数字化计划。“小DH”则指个人或小团队进行的实验性、理论驱动的研究，往往关注单一文本、精细解读或方法论创新，如用Python分析一首诗的韵律变化，或创建一个交互式叙事原型。批评者认为，“大DH”可能陷入“数据主义”（dataism），认为数据越多越好，忽视数据质量、上下文和人文意义；同时，它依赖机构资源，可能加剧学术不平等。“小DH”则被赞为保持DH的人文核心，鼓励批判性思考，但可能影响力有限、难以持续。实际上，两者并非对立：大项目常需小实验作为先导，小项目可借助大基础设施（如HathiTrust的API）实现。本书将兼顾两者，既介绍大规模数据处理，也探讨个人研究者的实用技术。

• **DH是学术还是行动主义？** 传统上，DH被视为学术活动，但近年来，越来越多的项目与社会正义结合，如“数字黑人研究”（Digital Black Studies）、“数字原住民”项目，或“性别与开放科学”倡议。这些工作质疑DH是否应保持“中立”，并主张技术实践必须考虑权力、种族、性别和阶级。例如，算法偏见研究揭示，情感分析工具在分析非裔美国人语言时准确率较低，这要求DH学者在开发/使用工具时主动纳入伦理审查。

这些辩论表明，DH不是一个静态领域，而是一个持续协商的空间。其定义取决于谁在定义、为何定义、以及用于何种目的。对于初学者，关键是理解：DH既提供强大工具，也要求你成为技术的批判性消费者和生产者。

1.3 关键宣言与思想奠基

数字人文的发展伴随着一系列“宣言”和反思性文本，它们凝结了领域的核心关切和愿景。这些文献不仅是历史文献，也是理解DH价值观的钥匙。

《数字人文宣言》（Digital Humanities Manifesto, 2008） 由加州大学洛杉矶中心（ UCLA Center for Digital Humanities）发布，共21条，是最具影响力的DH文献之一。它强调DH的“实验性”、“合作性”和“跨学科性”，并呼吁打破学术出版的封闭模式，倡导开放获取、开源软件和众包参与。宣言指出：“数字人文是关于发现新关系、新模式、新意义；它拥抱错误和迭代作为学习过程。”这一文本将DH定位为一种文化实践，而非仅仅是方法应用。它影响了许多DH项目的设计原则，如“人文众包”（如“旧字迹转录”）和开放教育资源。

《多伦多宣言》（The Toronto Manifesto, 2016） 则回应了DH的伦理危机，尤其关注数字技术对人权和社会正义的影响。宣言由DH学者起草，呼吁DH社区“承诺发展负责任的技术实践，关注权力、隐私和包容”。它特别提到算法偏见、监控资本主义和数字鸿沟，要求DH项目在设计阶段就纳入伦理评估。例如，如果使用面部识别技术分析历史照片，必须考虑其对少数民族的潜在伤害。这标志着DH从“能用则用”转向“应慎用则慎用”的成熟。

理论奠基人 方面，几位学者的思想塑造了DH的批判维度。约翰·恩斯沃思（John Unsworth）在2003年提出DH的“七种假设”（Seven Bedrock Principles），包括“所有计算都是解释性的”、“数字对象需要被设计以支持多种使用”等，强调数字人文的元认知层面。艾伦·刘（Alan Liu）在《DH的批判性意义》（The Meaning of the Digital Humanities, 2012）中argues that DH must connect computational methods to larger questions of meaning, ethics, and social impact，否则将沦为“技术官僚”。他的项目“词汇的情感与物质”（The Network of Words）用数据分析文学中的情感词汇，同时追问这些词汇如何构建社会规范。乔安娜·德鲁克（Johanna Drucker）则从视觉认识论出发，在《DH的图形表现》中主张，数字人文的产出（如可视化）本身是“知识形式”，必须应用人文诠释的标准，而非仅追求“客观”呈现。例如，一个时间线图表的选择性省略（如忽略女性贡献）就是一种政治行为。

这些宣言和思想共同指向：DH是一种 situated practice（情境化实践）。没有放之四海而皆准的方法；每个项目都嵌入特定的学科传统、机构环境和社会语境。初学者应研读这些文本，不仅了解历史，更内化DH的批判精神：在写第一行代码前，先问“为什么做这个项目？为谁做？可能产生什么影响？”

1.4 大DH与小DH：张力与互补

“大DH”与“小DH”的辩论在2010年代初期达到高峰，它实质上是关于DH规模、资源和理论优先级的根本分歧。理解这一张力，有助于初学者定位自己的实践。

大DH（Big DH） 通常指由大型机构（如大学图书馆、国家档案馆、研究 consortium）资助、处理海量数据（TB/PB级）、注重基础设施和可持续性的项目。其特征包括：

• **数据驱动**：依赖大规模数字化 corpora（如HathiTrust的1700万卷、Google Books的2500万册）。
• **工具导向**：开发或使用可扩展的计算工具，如分布式文本挖掘（使用Apache Spark）、大规模网络分析（使用Gephi或Cytoscape处理百万节点）。
• **合作模式**：涉及多学科团队，常包括专业程序员、数据策展人、项目经理，人文学者可能作为顾问而非主导。
• **产出形式**：多为数据库、平台、工具包，而非传统论文；强调开放访问和重用。
• **案例**：HathiTrust研究中心（HTRC）允许研究者通过算法挖掘数百万公共领域图书，例如用“词袋模型”（bag-of-words）追踪“民主”概念在19世纪美国文学中的演变；欧洲文化图书馆（Europeana）聚合欧洲数千家机构的数字藏品，提供统一API；斯坦福“空间历史项目”整合历史地图、人口普查数据和GIS，生成交互式历史地图。

大DH的优势在于规模效应：能提出仅凭个人无法研究的问题（如跨世纪词汇频率变化）；可持续性：机构支持确保长期维护；影响力：成果常被媒体和政策制定者引用。然而，批评者指出其风险：

• **理论真空**：项目可能为技术而技术，缺乏清晰的人文问题驱动。
• **数据偏见**：大规模数字化 corpora 常基于现有馆藏，反映历史收藏的偏见（如西方中心、男性主导），且OCR错误、元数据缺失会引入噪声。
• **劳动不公**：大项目常依赖“数字劳工”（如临时工进行数据标注），而核心贡献者（如程序员）在学术评价中可能不如发表论文的人文学者。
• **门槛高**：初学者难以参与，因需掌握复杂工具（如Hadoop）或获得机构认证。

小DH（Little DH） 则指个人或小型团队（2-5人）进行的实验性、理论敏感的研究。其特征：

• **问题驱动**：始于具体人文问题，如“莎士比亚戏剧中的疾病隐喻如何随时间变化？”然后选择合适工具。
• **方法灵活**：可能使用轻量级工具（如Voyant Tools、Python脚本），或自建原型；不追求规模，而追求深度。
• **理论整合**：每个技术决策（如选择TF-IDF而非情感分析）都经过诠释学反思。
• **产出多样**：可以是学术论文、数字展览、教学工具，甚至艺术项目。
• **案例**：一个文学学者用Python的NLTK库分析简·奥斯汀小说中的对话模式，结合传统 close reading；一个历史学家用QGIS绘制单一城市18世纪的店铺分布，探讨经济网络；一个哲学家创建交互式网站，让用户探索康德《判断力批判》的概念结构。

小DH的优势在于敏捷性：快速迭代，易于调整；理论严谨：保持人文学科的核心方法；可及性：初学者可用免费工具（如Google Sheets + 词频统计）入门。但局限包括：

• **规模限制**：无法处理海量数据，结论可能不具统计代表性。
• **可持续性差**：个人项目常随毕业或离职而中断。
• **影响力小**：成果可能仅在小圈子内知晓。

实际上，大DH与小DH并非对立，而是光谱的两端。理想情况下，小DH的实验可孵化为大DH的基础（如一个文本分析算法原型被扩展为工具）；大DH的基础设施（如HathiTrust API）可为小DH提供数据支持。本书将平衡两者：第3章文本分析将既教个人用Python分析单部作品，也介绍如何利用HathiTrust的API进行跨库研究；第4章GIS将涵盖从Google Earth的快速制图到PostGIS的复杂空间查询。关键启示是：选择规模应服务于研究问题，而非相反。如果问题需要宏观模式，则倾向大DH；如果问题需要深度诠释，则小DH更合适。初学者常从小DH起步，积累技能后参与大项目。

1.5 跨学科合作的 imperative：DH作为团队科学

数字人文极少是孤独学者的旅程。其复杂性——涉及技术、内容、设计、伦理——要求跨学科合作。这不是可选加分项，而是项目成功的核心 imperative。合作模式多样，但成功DH团队通常包含以下角色：

• **领域专家（Domain Expert）**：人文学者（如历史学家、文学教授），提供学科知识、研究问题和诠释框架。他们确保项目根植于学术对话，而非技术奇观。例如，在一个“文艺复兴书信网络”项目中，历史学家定义“网络”的学术意义（如 patronage 系统），而非仅追求可视化美观。
• **技术专家（Technical Expert）**：程序员、数据科学家，负责工具开发、数据处理和算法实现。他们需具备“翻译”能力：将人文问题转化为技术需求（如“比较两部小说的风格”需具体化为“计算TF-IDF和句法复杂度”），同时向非技术成员解释技术约束。
• **图书馆与信息科学家（Library & Information Scientist）**：管理数据策展、元数据标准（如MARC、 Dublin Core）、数字保存和访问策略。他们确保数据长期可用、符合标准（如使用TEI编码），并处理版权和伦理问题。
• **设计师与用户体验专家（Designer & UX Expert）**：创建界面、可视化和交互，使成果对目标用户（学者、公众、学生）友好。他们平衡美学与功能，例如，一个数字编辑平台需同时满足学者（需详细编码视图）和公众（需简洁阅读视图）。
• **项目经理（Project Manager）**：协调时间线、预算、沟通，确保团队不因技术细节迷失目标。在大型DH项目中，此角色至关重要。

合作并非总是一帆风顺。常见挑战包括：

• **语言隔阂**：人文学者谈“解构”，程序员谈“API”；双方需学习彼此的基本术语。例如，程