数字人文导论：范式变革与学科交叉

数字人文（Digital Humanities, DH）作为人文学科与计算机科学、数据科学深度融合的产物，正以前所未有的方式重塑着学术研究的边界与方法。它并非简单地将技术工具应用于传统人文问题，而是一场涉及研究范式、知识生产与传播方式的深层变革。对于已有一定人文或技术背景的中级学习者而言，理解这场变革的实质、历史脉络与核心争议，是踏入数字人文领域并开展创新研究的第一块基石。本章将系统阐释数字人文的学科定义与边界争议，追溯其从“人文计算”到“数字人文”的演进轨迹，剖析“计算转向”对传统人文学科研究范式带来的根本性冲击，并全景式介绍文本挖掘、空间人文、数字考古等主要研究领域，最终为读者勾勒出贯穿全书的学习路径与实践框架。

---

一、定义与边界：数字人文是什么，不是什么？

1.1 核心定义的多维解读

数字人文没有一个放之四海而皆准的单一定义，其内涵随着技术发展与实践拓展不断演化。综合学界共识，数字人文可被理解为 “一个跨学科的研究与实践领域，它利用数字技术与计算方法来探究人文学科问题，同时以批判性视角审视这些技术本身对文化、知识与社会的影响，并致力于以创新方式呈现、传播与保存人文知识”。

这个定义包含三个相互依存的维度：

• **作为工具的方法论维度**：使用文本分析、网络分析、地理信息系统（GIS）、3D建模等技术手段处理人文资料。
• **作为对象的批判性维度**：将数字技术、数据、平台本身作为人文研究的对象，探讨其背后的权力结构、伦理问题与认知偏见。
• **作为产物的传播维度**：创造超越传统论文形式的数字化研究成果，如交互式地图、动态可视化、在线档案、游戏化叙事等。

例如，研究者不仅可以用自然语言处理技术分析莎士比亚全部剧作的词汇分布（工具维度），更可以追问：这些分析算法是否隐含了特定的语言意识形态？其训练数据的选择如何影响了“经典”的界定？（批判维度）最终，研究成果可能是一个允许用户自由探索剧作人物关系与地理轨迹的交互式网站（传播维度）。

1.2 学科边界与核心争议

数字人文的学科边界始终处于动态协商之中，由此引发了一系列持续的核心争议，这些争议本身构成了该领域思想活力的体现。

争议一：技术中心主义 vs. 人文中心主义

• **技术中心主义观点**认为，DH的核心驱动力是先进的计算方法，人文学者应主动学习编程、统计学，以掌握方法论主动权。代表学者如斯坦福大学的**Franco Moretti**，倡导“远读”（Distant Reading）取代“近读”，通过大规模文本量化分析揭示文学史规律。
• **人文中心主义观点**则强调，技术仅是服务于人文问题的工具，研究的核心价值仍在于深刻的人文洞察与理论建构。技术不应成为新的“话语霸权”，人文学者更应扮演“数字方法批评家”的角色。
• **实践中的融合**：多数成熟DH项目体现为“人文问题引导，技术方法赋能，批判反思贯穿”的三角模型。例如，在构建“唐宋诗人交游网络”项目时，核心研究问题是“唐代诗坛权力结构如何形成”，网络分析技术是揭示隐性关系的手段，而最终必须回归对“关系”本身的文化史解读。

争议二：重建（Reconstruction） vs. 重构（Reconfiguration）

• **重建派**视数字技术为恢复、保存、还原历史原貌的手段，如通过高精度扫描修复古籍、用3D技术重建消失的古建筑。其隐含信念是存在一个可被技术逼近的“真实”。
• **重构派**则认为，任何数字化过程都是对原物的选择性阐释与创造性转化。扫描分辨率的选择、古籍文本的校对标准、3D建模的材质假设，无不渗透着当代研究者的价值判断。数字化产物并非“原件替代品”，而是“新知识客体”。
• **案例对比**：大英图书馆的“Turning the Pages”项目（重建派典型）力求逼真模拟古籍翻阅的触感与视觉；而“文物数字孪生”项目（重构派倾向）则明确标注不同数字化版本的差异，并将修复过程本身作为研究内容公开。

争议三：精英主义与可及性（Accessibility） DH常被批评为“富裕白人男性的游戏”，其工具门槛、数据壁垒可能加剧学术不平等。与此同时，DH也蕴含着通过开放获取（Open Access）、众包转录（如“Zooniverse”平台）、社区知识图谱建设等方式，促进知识民主化的巨大潜力。这一争议直指数字时代的知识权力分配问题。

1.3 为本书确立的立场

本书采取 “批判性实践” 立场：我们既不会将数字技术神秘化或工具化，也不会因畏惧技术而退守传统人文的舒适区。我们将系统学习文本挖掘、档案重构、可视化分析等核心技能，但每一章都将嵌入对方法局限性与伦理意涵的反思。掌握技术，是为了更自由、更深刻、更负责任地提问。

---

二、历史脉络：从人文计算到数字人文的范式迁移

2.1 前奏：20世纪中叶的“人文计算”萌芽

数字人文的源头可追溯至20世纪40年代末，以罗伯托·布萨（Roberto Busa） 与IBM合作开发“托马斯·阿奎那作品索引”为标志性事件。布萨神父的愿景是“通过机器辅助，让《神学大全》中所有词汇的上下文关系可视化”，这首次系统性地将计算思维（词频统计、索引生成）引入大规模人文文本处理。尽管当时使用的是穿孔卡片计算机，但其“量化-关联-可视化”的基本逻辑与今日DH一脉相承。

同一时期，文学学者约翰·皮尔斯（John B. Smith） 在1960年代使用计算机分析乔叟作品词汇，开创了“计算风格学”。这些早期探索被称为“人文计算”（Humanities Computing），其核心特征为：

• **问题驱动**：解决传统人文研究中耗时费力的机械性工作（如索引编制）。
• **专家主导**：项目通常由人文学者主导，计算机专家作为技术支持。
• **成果封闭**：多为内部报告或专著附录，未形成开放共享的学术生态。

2.2 转折：1990年代——网络、超文本与“数字人文”命名

1990年代成为分水岭。万维网（WWW）的普及彻底改变了信息传播与协作模式，超文本（Hypertext）理论（如诺伯特·维纳的控制论、特德·尼尔森的Xanadu项目）为人文知识的非线性、关联性组织提供了哲学基础。

• **关键事件**：1996年，**约翰·尤恩斯堡（John Unsworth）** 等学者在首届“文学与语言计算研讨会”（ALLC）上首次提出“数字人文”（Digital Humanities）一词，以区别于更侧重技术应用的“人文计算”。这一命名旨在强调：

1. 数字：不仅指代计算机，更涵盖数字媒体、网络、交互等多重形态。 2. 人文：核心仍是对人类文化、历史、思想的研究，技术是桥梁而非目的。 3. 领域性：暗示一个具有共同方法论、学术社群与出版渠道的新兴交叉学科的形成。

• **标志性项目**：
• **“瓦萨号”考古项目（Vasa Museum, 1990）**：使用CAD技术完整记录沉船文物，成为数字考古的典范。
• **“维多利亚小说研究指南”（The Victorian Web, 1990s）**：基于超文本的文学资源网络，展示非线性知识组织。
• **“文本编码倡议”（Text Encoding Initiative, TEI, 1987年启动，1990s成熟）**：制定XML标准，为数字人文文本的长期保存与互操作性奠定基石。TEI标志着DH从“工具应用”迈向“标准建设”与“理论反思”。

2.3 成熟与扩张：21世纪以来的“计算转向”

进入21世纪，尤其是2010年后，DH进入爆发式增长期，其特征是 “计算转向”（Computational Turn） 的深化与泛化。

• **技术驱动力**：开源编程语言（Python, R）与库（NLTK, spaCy, Gensim, NetworkX）、机器学习/深度学习框架（TensorFlow, PyTorch）、地理信息系统（QGIS, ArcGIS）、大规模数字馆藏（Google Books, HathiTrust, 欧洲图书馆）的普及，极大降低了技术门槛。
• **方法论革新**：
• **文本挖掘**：从简单的词频统计发展到主题建模（LDA）、情感分析、词向量（Word2Vec, BERT）等，能探测隐性的主题演化、情感倾向与语义关系。
• **网络分析**：将人际关系、思想传播、文献引用等抽象为网络结构，揭示中心节点、社群聚类与结构洞。
• **空间人文（Spatial Humanities）**：GIS与历史地图叠加（Georeferencing），实现“历史地理信息系统”（HGIS），分析人口迁移、城市形态、思想传播的空间逻辑。
• **数字考古/遗产**：激光扫描（LiDAR）、摄影测量法、3D打印技术应用于遗址记录、文物复原与虚拟展示。
• **理论反思深化**：对“数据”的批判性研究（Data Critique）兴起，关注数据集的构建如何隐含偏见（如性别、种族、阶级）、算法如何再生产权力结构（Safiya Umoja Noble的《算法压迫》）、数字保存的长期风险（格式过时、链接失效）。

历史脉络总结图表： ```mermaid timeline title 数字人文发展简史 section 1940s-1970s 人文计算萌芽 : 布萨神父与IBM合作<br>词频统计与索引编制 section 1980s-1990s 标准与网络兴起 : TEI标准制定<br>万维网与超文本理论<br>“数字人文”命名 section 2000s-2010s 计算转向深化 : 开源工具普及<br>文本挖掘/网络分析/GIS<br>大规模数字馆藏 section 2010s至今 批判与伦理聚焦 : 算法偏见研究<br>数据伦理<br>开源与可及性运动 ```

---

三、计算转向：对传统人文学科研究范式的冲击

“计算转向”并非仅是工具叠加，而是对传统人文学科研究范式（以“细读”、“考证”、“阐释”为核心）的系统性挑战与补充。其冲击主要体现在以下四个层面：

3.1 研究对象的扩展：从“典范文本”到“全量数据”

• **传统范式**：基于对少数“经典”或“典范”文本的深度细读（Close Reading），追求对单一作品意义、作者意图、审美价值的精微把握。
• **计算范式**：借助大规模数字化语料库（Corpus），研究**全部作品**或**海量文献**的宏观模式。例如：
• **案例**：**“小说在哪里？”（The Novels of the Victorian Period）项目**，通过分析数千万词的维多利亚时期小说语料库，发现该时期小说中“意识”一词的使用频率在1840年后急剧上升，并与“城市”一词共现，为“现代意识形成”的文学史论断提供了量化证据。
• **范式互补**：“远读”（Distant Reading，Moretti）与“细读”并非替代关系，而是形成“望远镜”与“显微镜”的互补。远读发现异常模式（如某时期爱情词频骤降），细读则深入具体文本探究原因。

3.2 研究方法的变革：从诠释循环到计算流程

• **传统方法**：依赖研究者的语感、历史知识与哲学思辨，在文本、语境、理论间进行动态的“诠释循环”。
• **计算方法**：将研究过程分解为**可重复、可验证的计算流程**：

```mermaid graph LR A[原始文本/数据] --> B(数据清洗与标准化<br>如分词、去停用词) B --> C(特征提取<br>如词频、TF-IDF、词向量) C --> D{分析模型<br>如主题建模、聚类、分类} D --> E[结果输出<br>如主题分布图、网络图] E --> F[人文阐释<br>结合历史语境解读模式] ``` 此流程的核心优势在于可重复性（他人可用相同数据代码复现结果）与可扩展性（方法可应用于更大规模数据）。但同时也带来风险：若清洗规则、模型参数选择不当，可能“垃圾进，垃圾出”（GIGO），且流程的“黑箱”特性可能遮蔽研究者的主观介入。

3.3 证据形态的重塑：从引文征述到数据可视化

• **传统证据**：以引文、注释、考证的形式呈现，证据链隐含于文本叙述中。
• **计算证据**：**数据本身成为核心证据**，其形式常为表格、图表、网络图、地理信息图。例如：
• 在“《红楼梦》人物关系网络”研究中，人物共现频次网络图直观展示了贾母、王熙凤的中心地位，其结构特征（如宝黛钗的三角结构）可量化测量（如中介中心性）。
• **挑战**：可视化可能过度简化复杂关系，或误导性地赋予数据以“客观”光环，掩盖其构建过程的主观性。因此，**负责任的DH研究必须公开原始数据、处理代码与可视化设计逻辑**。

3.4 学术产出的多元化：从 monograph 到多媒体生态

传统人文学科的最终成果多为学术专著（Monograph）或论文。DH项目产出形式多样：

• **数字资源库**：如“中国历代人物传记资料库”（CBDB），提供结构化数据与查询接口。
• **交互式叙事**：如“Slavery Archive”允许用户通过时间、地点、人物多维度探索奴隶制档案。
• **开源工具与方法论文档**：如“ Voyant Tools”提供在线文本分析工具，其使用指南本身即方法论贡献。
• **混合形态**：传统论文附带动态图表、可交互附录，或与数字项目互为注脚。

这种多元化对学术评价体系提出挑战：如何评审一个未正式出版的在线数据库？如何认定一个交互式项目的学术贡献？这促使学界探索新形式的同行评议（如开源代码审查、用户反馈统计、项目文档完整性评估）。

---

四、主要研究领域巡礼

数字人文已发展出多个成熟且特色鲜明的子领域。了解这些领域，有助于读者定位自身兴趣，并识别不同领域共通的方法论内核。

4.1 文本分析与计算风格学（Text Analysis & Computational Stylistics）

这是DH最历史悠久的领域，核心是将文本视为可计算的数据对象。

• **基础任务**：分词、词性标注、命名实体识别（NER）、依存句法分析。
• **中级分析**：词频统计、关键词提取、主题建模（LDA）、情感分析、文体学特征（如句长分布、词汇多样性）量化比较。
• **高级应用**：词嵌入（Word Embeddings）捕捉语义关系；基于Transformer的模型（如BERT）进行深层语义理解与文本生成。
• **经典案例**：
• **“莎士比亚作者归属问题”**：通过比较可疑作品与已知作者作品的词汇指纹（Function Word Frequency）、n-gram模式，运用统计检验（如t检验、主成分分析）进行作者鉴别。
• **“现代主义诗歌的‘陌生化’语言”**：使用词向量模型，测量T.S.艾略特等诗人词汇的语义距离，量化“陌生化”效果。

4.2 空间人文与历史地理信息系统（Spatial Humanities & HGIS）

空间人文挑战了传统历史叙述的“时间中心主义”，强调空间作为历史分析的主动维度。

• **核心技术**：历史地图配准（Georeferencing）、地理编码（Geocoding）、空间查询、时空可视化。
• **研究问题示例**：
• 宋代东京城（开封）的“坊市制”崩溃如何通过店铺地址的时空分布图景得以呈现？
• 晚清传教士报刊的发行网络如何塑造了近代中国的“信息地理”？
• **标志性项目**：**“罗马帝国数字地图”（Digital Atlas of the Roman Empire）** 整合考古、文献、碑铭数据，允许用户探索帝国任一地点在不同时期的行政、交通、人口信息。

4.3 数字档案与文献重构（Digital Archives & Documentary Reconstruction）

此领域关注原始文献的数字化保存、结构化编码与创造性重构。

• **核心标准**：**TEI（Text Encoding Initiative）** 是黄金标准，它用XML标签标记文本的结构与语义信息（如`<persName>`标记人名，`<placeName>`标记地名，`<del>`标记删改）。例如：

```xml <p>1848年，<persName ref="marx_karl">卡尔·马克思</persName>与<persName ref="engels_friedrich">弗里德里希·恩格斯</persName>在<placeName ref="brussels">布鲁塞尔</placeName>共同起草了《共产党宣言》。</p> ``` 这种编码使机器可读，并能进行复杂查询（如“找出所有马克思在布鲁塞尔的活动记录”）。

• **重构实践**：
• **“但丁《神曲》视觉化”**：将《神曲》中所有空间、人物、事件信息编码，构建可交互的“地狱-炼狱-天堂”三维地图。
• **“碎纸片重聚”**：利用图像匹配算法，将分散于世界各地的古籍残页进行数字化拼接。

4.4 数字考古与文化遗产（Digital Archaeology & Cultural Heritage）

该领域利用三维扫描、摄影测量、无人机航拍、地面穿透雷达等技术，实现文物与遗址的非侵入式记录、分析与虚拟再现。

• **工作流程**：数据采集（扫描/航拍）→ 点云处理 → 三维建模 → 纹理映射 → 测量分析与虚拟展示。
• **应用场景**：
• **记录与保护**：对敦煌莫高窟进行毫米级精度扫描，建立永久数字档案，用于监测风化侵蚀。
• **复原研究**：基于残存构件与历史图纸，通过参数化建模（如Grasshopper）推演古建筑（如唐代大明宫）的可能原貌。
• **公众考古**：创建VR遗址漫游，让公众“走进”无法实地访问的考古现场。

4.5 数字史学与社会科学史（Digital History & Social Science History）

数字史学是DH中与历史学结合最紧密的分支，其核心是利用计算手段处理大规模历史数据，进行社会网络分析、量化趋势研究。

• **核心数据**：人口普查记录、户籍档案、报刊索引、税收账册、传记数据库（如前述CBDB）。
• **标志性方法**：
• **社会网络分析（SNA）**：以“节点”（个人、组织）与“边”（关系）分析历史社群结构。如研究明代文人结社网络，揭示地域性流派（如“唐宋派”）的形成。
• **事件序列分析**：分析历史事件的时序模式与因果关联。
• **经典项目