数字人文导论：人文学科的技术转向

第一章：数字人文导论：人文学科的技术转向

从印刷术到人工智能：一场静默的知识革命

1485年，威廉·卡克斯顿在威斯敏斯特开设了英格兰第一家印刷书店，宣告书籍生产从手抄本时代进入印刷时代。这一技术变革深刻重塑了人文学术的面貌：文本可以大规模复制，研究者得以从繁琐的手抄劳动中解放出来，将更多精力投入文本的分析与阐释。五百年后的今天，另一场技术革命正在悄然改变人文学科的面貌——数字技术的深度介入正在重新定义人文研究的问题域、方法论乃至知识生产的基本范式。这场变革的标志便是“数字人文”（Digital Humanities，简称DH）作为一个新兴跨学科领域的兴起与发展。

当我们在21世纪的第三个十年回望人文学术的发展轨迹，会发现一个显著的现象：曾经被视为人文学者“禁区”的计算方法，如今正以不可逆转的势头进入人文研究的核心地带。从利用自然语言处理技术分析数千部文学作品的叙事结构，到借助地理信息系统（GIS）可视化历史人口的迁徙路径，从运用机器学习算法识别古籍中的手写文字，到通过网络分析揭示知识社群的形成与演变，数字技术正在为传统的人文探索提供前所未有的工具与视角。这一趋势并非昙花一现的学术时尚，而是人文学科面对数字时代挑战所作出的深刻回应，代表着人文学术从“手艺”向“科学”过渡的一种可能路径。

然而，数字人文的兴起并非没有争议。在其发展历程中，围绕方法论的争论从未停止：计算方法是否会抹杀人文研究的独特性？“远读”（distant reading）是否能够取代传统的“细读”（close reading）？人文学者是否需要掌握编程技能？技术工具是否会导致人文问题的简化与异化？这些争论既折射出数字人文作为一个年轻领域的成长阵痛，也反映出人文学科对自身身份认同的持续追问。理解这些争论的本质，是把握数字人文真正价值的关键所在。

本章作为全书的理论奠基篇，将系统性地梳理数字人文的形成历程、核心概念与学科定位。我们将从历史脉络出发，追溯这一领域从20世纪中叶的萌芽到今日全球化发展的演进轨迹；继而深入辨析数字人文与若干相邻概念的关系，帮助读者建立清晰的学科边界认知；在此基础上，我们将探讨数字人文研究的认识论基础，分析计算方法如何挑战和重构传统人文研究的假设；最后，我们将从“细读”与“远读”的张力出发，阐释规模化文本分析的认识论意义，并概述本书的整体结构与学习路径，为后续章节的深入学习提供方法论指引。

追溯起源：从文学计算的边缘实验到人文计算的学科建制

冷战时期的计算萌芽（1950-1970年代）

数字人文的源头可以追溯至20世纪中叶的冷战时期。彼时，美国军方与政府机构大力资助计算机科学研究，计算方法在语言学、密码分析、情报处理等领域取得了显著进展。在这一技术浪潮的裹挟下，一些具有远见的人文学者开始探索计算机在传统人文学科中的应用可能性。1954年，IBM公司与乔治城大学合作开展了世界上首次机器翻译实验，试图利用计算机将俄语自动翻译为英语。这一实验虽然以失败告终，却激发了学界对计算方法处理自然语言这一问题的广泛关注。

在文学研究领域，最早的计算机辅助分析实验同样出现在1950年代。罗伯特·布萨姆（Robert Busa）是这一领域的先驱人物。这位意大利神父与学者毕生致力于托马斯·阿奎那著作的索引编制工作。1970年代，他与IBM合作，创建了“托马斯索引”（Index Thomisticus）数据库，这是世界上最早的大型人文数字化项目之一。布萨姆的工作不仅展示了计算机在文本检索与统计方面的潜力，更重要的是，他提出了一个深刻的洞见：计算机可以帮助人类学者处理超越个人阅读极限的文本规模，从而揭示肉眼难以察觉的规律与模式。这一洞见后来成为数字人文的核心信条之一。

同期，在语言学领域，乔姆斯基（Noam Chomsky）革命性的生成语法理论正在重塑语言学的研究范式。尽管乔姆斯基本人对基于统计的语料库语言学持批评态度，但他的理论框架却为人机交互的自然语言处理研究提供了重要的概念资源。与此同时，弗朗茨·阿莱克西（Franz Alexy）等学者开始尝试利用计算机进行文学风格分析，通过统计词汇使用频率、句子长度分布等特征，区分不同作者的写作风格，甚至尝试确定匿名作品的作者归属。这些早期探索虽然方法粗糙，却为后来的“计算文体学”（computational stylistics）奠定了基础。

人文计算的形成与制度化（1970-1990年代）

1970年代至1990年代是人文计算（Humanities Computing）作为独立研究领域逐步形成的关键时期。在这一阶段，计算方法在人文领域的应用从零星的个人实验发展为有组织的学术活动，一批专业研究机构、学术期刊和教学项目相继建立，标志着这一新兴领域的制度化进程。

1973年，国际文学与语言学计算协会（Association for Literary and Linguistic Computing，简称ALLC）在英国剑桥正式成立，成为这一领域最早的国际性学术组织。ALLC的成立意味着原本分散在不同学科的计算人文学者拥有了自己的学术共同体，有了自己的学术交流平台和同行评议机制。1977年，计算语言学协会（Association for Computational Linguistics，简称ACL）在北美成立，与ALLC形成了两大洲际学术组织的格局。这两个组织后来在2013年合并为数字人文组织联盟（Alliance of Digital Humanities Organizations，简称ADHO），成为今天数字人文领域最具影响力的国际组织。

在教学与研究机构方面，1970年代末至1980年代初，多所欧美大学设立了人文计算的相关教学项目。英国牛津大学的“计算机辅助学习研究中心”（Computer-Assisted Learning Centre）、美国布朗大学的“人文学科计算中心”（Brown University Center for Research in Computing and the Humanities）、以及伊利诺伊大学香槟分校的“人文计算中心”（University of Illinois Center for Humanities Computing）都是这一时期的先行者。这些机构不仅为数字人文领域培养了第一批专业人才，也催生了一批经典的人文计算工具和数据库。例如，牛津大学在1980年代开发的“牛津英语词典在线”（Oxford English Dictionary Online）数据库，至今仍是英语语言研究最重要的参考资源之一。

1980年代后期至1990年代，随着个人计算机的普及和早期互联网的出现，人文计算进入了新的发展阶段。一方面，桌面计算机的性能大幅提升，使研究者能够在本地完成复杂的文本分析任务；另一方面，万维网（World Wide Web）的诞生为数字人文资源的共享与传播提供了前所未有的便利。1990年代中期，“数字图书馆”（Digital Library）成为人文信息化的重要方向。美国国会图书馆发起的“国家数字图书馆项目”（National Digital Library Program）致力于将美国历史文化遗产转化为数字形态，这一项目后来发展为“美国记忆”（American Memory）在线资源库。与此同时，大英图书馆、法国国家图书馆等欧洲主要文化机构也相继启动了大规模数字化工程。

值得注意的是，这一时期的“人文计算”基本上仍被视为传统人文学科的一种辅助工具，而非独立的学科领域。大多数从事人文计算的学者将其视为人文学科内部的一种技术手段，而非对人文研究范式的根本性变革。这种定位既反映了当时技术发展的局限——计算方法在处理复杂的人文问题时仍面临诸多困难，也体现了人文学科对技术工具的谨慎态度。人文计算的从业者大多具有跨学科背景，既要掌握计算机技术，又要深入理解人文问题的复杂性，这种“双重文化”（two cultures）的身份成为早期人文计算学者的显著特征。

“数字人文”概念的兴起与领域的转型（2000年代）

21世纪的最初十年见证了“数字人文”概念在全球范围内的广泛流行，以及这一领域从“人文计算”向“数字人文”的重大转型。2004年，美国伊利诺伊大学香槟分校的斯蒂芬·施密特（Stephen Schriebman）和苏珊·施瓦茨（Susan Schreibman）出版了《数字人文导论》（A Companion to Digital Humanities），首次系统性地使用“数字人文”作为学科名称。2005年，“数字人文”（Digital Humanities）作为一个独立的学科类别出现在《谷歌图书搜索》（Google Book Search）项目的官方话语中，标志着这一概念进入主流学术视野。

这一概念转型的背后是多重因素共同作用的结果。首先，21世纪初“数字人文”的兴起与当时的信息技术革命密切相关。宽带互联网的普及使大规模数据共享成为可能；开源软件运动为人文学者提供了免费而强大的计算工具；维基百科、社交媒体等Web 2.0应用展示了普通公众参与知识生产的巨大潜力。这些技术变革不仅降低了人文计算的门槛，也为数字人文的社会角色赋予了新的内涵——数字人文不再仅仅是专业学者的研究工具，更成为连接学术研究与公众参与的桥梁。

其次，人文研究本身的问题意识也在发生变化。全球化背景下跨文化比较研究的兴起、数字时代文化生产与传播方式的变化、以及后殖民批评对西方知识霸权的质疑，都对传统的人文研究方法提出了挑战。在这一背景下，计算方法所提供的跨文化、跨语言、跨时代的大规模比较分析能力，恰恰回应了人文研究的新需求。“数字人文”的倡导者敏锐地捕捉到这一趋势，他们不再将计算方法仅仅视为一种辅助工具，而是将其提升为一种能够揭示传统方法所无法触及的人文规律的新范式。

2009年是一个标志性年份。这一年，美国数字人文中心（Center for Digital Humanities）更名为“人文学科高级计算研究所”（Institute for Advanced Computational Humanities），显示出机构层面对这一领域定位的重新思考。同年，达特茅斯学院设立了全美第一个正式的“数字人文”辅修项目，标志着数字人文开始进入本科教学体系。2010年，美国数字人文办公室（Office of Digital Humanities）在美国国家人文基金会（NEH）内部成立，开始为人文计算项目提供正式的联邦资助。这些事件表明，“数字人文”已经从边缘走向主流，从个人探索发展为制度化的学术实践。

全球化发展与新时代的挑战（2010年代至今）

2010年代以来，数字人文进入了全球化发展的新阶段。这一时期最显著的特征是数字人文研究从欧美学术中心向全球范围扩展，非西方国家——特别是中国、日本、韩国、印度、巴西等国——的学者开始积极参与数字人文的理论建构与实践探索。与此同时，数字人文内部也出现了显著的多元化趋势，不同地区、不同学科背景的学者对数字人文的内涵、方法和价值取向持有不同的理解，数字人文从一个相对统一的研究领域演变为一个充满内部张力和对话的学术场域。

中国数字人文的发展历程具有特殊的代表性。2010年前后，中国的人文学者开始系统性地引介和反思西方数字人文的理论与实践。中国社会科学院、北京大学、南京大学、上海交通大学等机构相继成立了数字人文研究中心或研究团队。2016年，中国古籍保护协会古籍鉴定与数字化研究专业委员会成立，标志着数字人文在中国进入了有组织的制度化发展阶段。2019年，上海交通大学举办“数字人文：概念、技术与实践”国际研讨会，成为中国数字人文发展史上的重要里程碑。

然而，中国数字人文的发展也面临着独特的问题与挑战。与西方学界相比，中国数字人文面临着汉字信息处理的技术难题、古典文献数字化的巨大工作量、以及文理分科教育体制对跨学科人才培养的制约等特殊困难。与此同时，如何在吸收西方数字人文理论的同时发展具有中国特色的数字人文研究路径，如何将数字人文方法与中国的文化传统和学术积累相结合，也是中国学者正在积极探索的问题。本书将在后续章节中详细讨论这些议题。

2020年代以来，人工智能技术的突破性进展——尤其是大语言模型（Large Language Models）的兴起——为数字人文带来了新的机遇与挑战。一方面，深度学习技术在文本分析、图像识别、自然语言生成等方面的强大能力，为人文研究提供了更加强大的工具；另一方面，大语言模型的“黑箱”特性、训练数据的偏见问题、以及人工智能生成内容对学术诚信的冲击，也引发了人文学者的广泛关注和讨论。数字人文正在经历又一次深刻的转型，如何在人工智能时代重新定位人文计算的伦理边界和方法论基础，成为当前学界最为关注的问题之一。

概念辨析：理解数字人文的学科边界

什么是数字人文？

“数字人文”（Digital Humanities）是一个具有多重面向的概念，不同的学者和机构对其内涵有着不同的理解。在深入讨论之前，我们有必要首先澄清这一核心概念的基本含义。

从最宽泛的意义上说，数字人文指的是数字技术在人文研究中的应用，以及由此产生的新的研究领域、研究方法和研究问题。这一界定强调的是技术与人文的交汇，但并未对二者关系的性质做出具体规定。按照这一定义，任何使用计算机、数字数据库或网络技术进行的人文研究都可以纳入数字人文的范畴。

然而，大多数当代数字人文学者倾向于采用更加严格的定义。他们强调，数字人文并非简单地“将技术应用于人文”，而是代表了一种人文研究范式的根本性转变。加拿大维多利亚大学的雷·西蒙（Ray Siemens）教授是这一立场的代表人物之一。他主编的《数字人文指南》（Digital Humanities Guidebook）将数字人文定义为：“一个在人文研究中使用计算方法、并以数字形式呈现人文研究结果的跨学科领域”。西蒙强调，数字人文的核心不在于使用何种具体的技术工具，而在于它所带来的研究视角和方法论的转变——即从个案分析走向大规模比较，从定性描述走向定量与定性相结合。

美国加州大学洛杉矶分校的托德·普雷斯科特（Todd Presner）教授则从知识生产模式的角度来界定数字人文。他认为，数字人文代表了人文学术的一种“计算转向”（computational turn），这一转向与17世纪的科学革命、19世纪的历史方法论革新具有同等重要的范式意义。普雷斯科特强调，数字人文不仅是一种研究方法，更是一种重新思考人文知识本体论、认识论和方法论的知识运动。

综合上述不同理解，我们可以将数字人文界定为：一个以数字技术为方法论基础，以人文问题为研究指向的跨学科领域，它既包括利用数字工具和方法开展的具体人文研究项目，也包括对数字时代人文知识生产方式的理论反思。数字人文的核心特征在于它对“规模”（scale）的强调——它试图在传统人文研究所无法企及的大规模数据基础上，发现和验证人文规律，从而弥补传统人文研究在广度上的局限性。

数字人文与相关概念的关系

在学术话语中，“数字人文”经常与若干相近但不等同的概念交替使用。这些概念之间的边界有时模糊不清，容易引起混淆。为了帮助读者建立清晰的学科边界认知，我们有必要对几组最常见的相关概念进行辨析。

数字人文与人文计算（Humanities Computing）

如前所述，“人文计算”是“数字人文”出现之前这一领域的主要称谓。二者的关系可以类比为“生物学”与“生命科学”的关系——它们指向同一个研究领域，但强调的侧面有所不同。“人文计算”强调的是计算机技术在人文领域的应用，带有明显的工具取向；“数字人文”则更加强调技术与人文之间的互动与融合，带有一种更加综合的学科意识。

从历史演变的角度看，“数字人文”概念在21世纪初的兴起，标志着这一领域从“工具驱动”向“问题驱动”的转型。早期的人文计算主要关注如何将计算机技术应用于人文问题，技术的可能性在很大程度上决定了研究的问题选择。数字人文阶段则更加注重从人文问题出发，反过来思考技术如何服务于这些问题的解答。这种从“技术优先”到“问题优先”的转变，是理解数字人文概念创新的关键所在。

数字人文与计算人文学（Computational Humanities）

“计算人文学”是欧洲学者——尤其是德国学者——更常使用的概念。德国汉堡大学的尼尔斯·法尔维（Nils Faltmar）教授指出，“计算人文学”与“数字人文”在研究对象和方法上高度重合，但在学科归属和研究传统上存在细微差异。“计算人文学”更加强调这一领域的科学属性，试图将其定位为一门像物理学、化学那样的经验科学；“数字人文”则更加注重技术与文化的互动，对人文研究的独特性给予更多的尊重。

在欧洲学术语境中，“计算人文学”的使用还与“人文学科”（Geisteswissenschaften）的悠久传统相联系。德国古典人文学科自狄尔泰（Wilhelm Dilthey）以来就强调人文理解与自然科学解释之间的方法论对立。“计算人文学”的倡导者试图证明，计算方法同样可以服务于人文理解的目标，从而化解人文与科学之间的对立。这种学科自我辩护的意图在“数字人文”的美国话语中相对较弱。

数字人文与文化分析学（Cultural Analytics）

“文化分析学”是由美国斯坦福大学列夫·马诺维奇（Lev Manovich）教授在2000年代中期提出的概念。马诺维奇将文化分析学定义为：“利用大规模文化数据——特别是数字媒体数据——对文化进行量化和可视化研究的学科”。他的标志性项目“新媒体文化分析入门”（Introduction to Cultural Analytics）系统地展示了如何利用计算方法分析大量图像、视频和社交媒体数据，以揭示文化生产和消费的宏观规律。

从某种意义上说，文化分析学可以被视为数字人文的一个子领域，它专注于数字时代的文化现象——尤其是视觉文化和网络文化——的分析。但马诺维奇对文化分析学的界定比一般的数字人文更具“科学主义”色彩：他明确主张以自然科学的实证方法来研究文化现象，主张利用大规模数据分析和机器学习来发现文化模式，而不是依赖传统的解释学方法。这种立场在数字人文领域内部引发了关于方法论合法性的持续争论。

数字人文与量化文学（Quantitative Literary Studies）

量化文学是文学研究中使用统计和计算方法的一个传统领域，其历史可以追溯至20世纪初的俄国形式主义文体学。法国文学理论家埃蒂安纳·布瓦洛（Étienne Boileau）倡导的“词汇统计学”（lexicometrics）是量化文学研究的一个重要流派。近年来，弗朗科·莫雷蒂（Franco Moretti）提出的“远读”（distant reading）概念极大地提升了量化文学研究的理论地位。莫雷蒂主张通过计算机分析大量文学文本的宏观模式来理解文学史的演变，而不必拘泥于传统意义上的文本细读。

数字人文与量化文学的关系尤为密切——许多数字人文项目实际上就是量化文学研究的延续和深化。但数字人文的概念框架比量化文学更加宽广，它不仅包括文本分析，还涵盖文化遗产的数字化保护、地理信息系统在历史研究中的应用