数字人文导论：历史、定义与核心议题 / Introduction to Digital Humanities: History, Definitions, and Core Issues

数字人文（Digital Humanities, DH）作为一个跨学科领域，其核心在于系统性地运用计算技术、数字方法和批判性理论来研究人文学科问题，同时深刻反思这些技术对学术知识生产、文化传承与阐释范式本身所带来的变革。它不仅仅是工具的应用，更是一种“计算转向”（computational turn），即计算方法从边缘辅助工具逐渐演变为重塑研究问题、数据来源、分析流程和成果形态的核心驱动力。这一转向要求人文学者不仅掌握文本分析、数据挖掘、可视化等技术技能，还需具备对技术逻辑、算法偏见和数字基础设施的批判意识，从而形成所谓的“批判性数字人文”（critical digital humanities）。本章将追溯数字人文的历史脉络，从20世纪中叶的人文计算（humanities computing）萌芽，到21世纪数字人文运动的全球化兴起，厘清关键概念与演变逻辑；进而通过双语分析词典编纂、文本编码等标志性项目，揭示技术如何具体地重构人文学科的研究实践；最后，围绕跨学科协作、学术评价、数据伦理等核心议题，为全书的深入探讨奠定基础。

历史起源与演变：从人文计算到数字人文

数字人文的根系深植于20世纪中叶的“人文计算”运动，其诞生与计算机科学的早期发展紧密交织。1940年代，耶稣会士罗伯托·布萨（Roberto Busa, S.J.）与IBM合作，利用打孔卡片技术处理托马斯·阿奎那（Thomas Aquinas）的拉丁文著作，旨在创建一部综合索引。这一项目历时近三十年，最终于1951年出版《Index Thomisticus》，包含约1100万词次的机器可读索引，被视为首个大规模人文计算工程。布萨的工作证明了计算机在处理海量文本数据方面的潜力，但其方法仍局限于关键词检索和计数，尚未涉及深层次的语言分析或阐释。

1960至1970年代，人文计算进入制度化阶段。牛津英语词典（Oxford English Dictionary, OED）的计算机化是另一里程碑。1960年代，OED开始使用剑桥大学的EDSAC等早期计算机，将印刷词条转换为机器可读格式，最终于1980年代推出“OED Online”的雏形。同期，美国人文计算协会（Association for Literary and Linguistic Computing, ALLC）于1973年成立，欧洲类似组织随后涌现，为人文学者提供了交流平台。这一时期的项目多聚焦于词典编纂、文本校勘和语言统计，技术以大型机、批处理为主，研究者需具备编程技能，但成果往往以印刷索引或数据库报告形式呈现，受众有限。

1980至1990年代，个人计算机普及、超文本系统和互联网的兴起为人文计算注入新活力。苹果公司的HyperCard（1987）和Eastgate Systems的Storyspace（1990）等软件支持非线性叙事和超文本创作，催生了“电子文学”（electronic literature）实验。同时，数字档案项目如“ Valley of the Shadow”（1993）将美国内战时期的两地档案数字化并构建数据库，允许用户交叉检索信件、日记和 newspaper。1993年，文本编码倡议（Text Encoding Initiative, TEI）发布首个指南（P3），确立了基于SGML/XML的文本编码标准，极大促进了数字文本的互操作性。然而，此阶段“人文计算”仍被视为人文学科中的小众技术实践，与主流学术文化存在隔阂。

2000年代标志着“数字人文”（Digital Humanities）一词的崛起及其作为学术运动的成型。万维网的成熟、开源软件运动和Web 2.0理念推动了协作式、网络化的项目爆发。例如，斯坦福大学的“Perseus Digital Library”整合古希腊罗马文本、词典和图像，提供 Morphological Analysis 工具；维多利亚大学的“HCMC”开发了用于文本分析和可视化的Voyant Tools。2004年，美国现代语言协会（MLA）年会首次设立“数字人文”专题，此后数字人文中心在北美、欧洲和亚洲高校迅速 proliferate（如2007年成立的斯坦福数字人文中心）。这一转型不仅是术语变更，更体现了从“计算辅助研究”到“计算驱动范式”的深化：研究者开始主动设计算法、构建语料库，并探索“远读”（distant reading）——由弗朗哥·莫雷蒂（Franco Moretti）提出——以量化方法揭示文学史宏观模式，与传统的“细读”（close reading）形成对话。

2010年代至今，数字人文进入“大数据”与“批判性转向”并存的新阶段。移动计算、云计算和人工智能（尤其是自然语言处理、机器学习）极大扩展了分析能力，项目规模从数万词扩展至数十亿词（如Google Books Ngram Corpus）。同时，一批学者如凯瑟琳·海尔斯（N. Katherine Hayles）、马修·基尔申鲍姆（Matthew Kirschenbaum）和安妮·伯迪克（Anne Burdick）发起批判性反思，强调数字人文必须关注技术的社会嵌入性、算法正义、数字保存和学术民主化。2011年《数字人文读本》（Debates in the Digital Humanities）的出版，正式将“批判性数字人文”推至前台，标志领域从技术乐观主义走向成熟自省。

```mermaid timeline title 数字人文历史里程碑 1940s : Roberto Busa 启动 Index Thomisticus 项目（IBM 打孔卡片） 1950s : Index Thomisticus 首卷出版 1960s : 牛津英语词典开始计算机化（EDSAC） 1970s : 美国人文计算协会（ALLC）成立 1980s : 个人计算机普及，超文本软件（HyperCard）出现 1987 : 文本编码倡议（TEI）成立 1990s : 互联网普及，数字人文中心萌芽（如 Virginia IATH） 2000s : 数字人文成为学术运动，Voyant Tools、Perseus 等项目兴起 2010s : 大数据、AI 应用，批判性数字人文主流化 ```

核心概念界定：计算转向与批判性数字人文

数字人文的学术定义虽未统一，但两大概念框架构成了其理论基石：计算转向与批判性数字人文。

计算转向指人文学科中计算方法从辅助工具到方法论核心的范式迁移。它包含三重维度：第一，数据化（datafication），即把传统非结构化材料（文本、图像、artifact）转化为机器可读、可计算的数据格式，如将纸质档案扫描为图像并辅以OCR（光学字符识别）转录，或对艺术品进行元数据标注。第二，远读与量化分析，超越个案细读，通过词频统计、主题建模（如LDA）、社会网络分析（SNA）等处理大规模语料库，揭示宏观趋势、匿名模式和历时变化。例如，莫雷蒂运用“远读”分析19世纪英国小说中的地名分布，论证了“神秘化”（mystification）的文学史模式。第三，生成式研究，即数字方法不仅用于分析，还生成新知识形式，如交互式可视化、模拟环境或算法创作，挑战传统静态论文的呈现边界。

批判性数字人文则是对计算转向的反思与制衡。它质疑技术中立神话，强调数字实践总是嵌入特定的政治、经济和文化

数字人文（Digital Humanities, DH）作为一个跨学科领域，其核心在于系统性地运用计算技术、数字方法和批判性理论来研究人文学科问题，同时深刻反思这些技术对学术知识生产、文化传承与阐释范式本身所带来的变革。它不仅仅是工具的应用，更是一种“计算转向”（computational turn），即计算方法从边缘辅助工具逐渐演变为重塑研究问题、数据来源、分析流程和成果形态的核心驱动力。这一转向要求人文学者不仅掌握文本分析、数据挖掘、可视化等技术技能，还需具备对技术逻辑、算法偏见和数字基础设施的批判意识，从而形成所谓的“批判性数字人文”（critical digital humanities）。本章将追溯数字人文的历史脉络，从20世纪中叶的人文计算（humanities computing）萌芽，到21世纪数字人文运动的全球化兴起，厘清关键概念与演变逻辑；进而通过双语分析词典编纂、文本编码等标志性项目，揭示技术如何具体地重构人文学科的研究实践；最后，围绕跨学科协作、学术评价、数据伦理等核心议题，为全书的深入探讨奠定基础。

历史起源与演变：从人文计算到数字人文

数字人文的根系深植于20世纪中叶的“人文计算”运动，其诞生与计算机科学的早期发展紧密交织。1940年代，耶稣会士罗伯托·布萨（Roberto Busa, S.J.）与IBM合作，利用打孔卡片技术处理托马斯·阿奎那（Thomas Aquinas）的拉丁文著作，旨在创建一部综合索引。这一项目历时近三十年，最终于1951年出版《Index Thomisticus》，包含约1100万词次的机器可读索引，被视为首个大规模人文计算工程。布萨的工作证明了计算机在处理海量文本数据方面的潜力，但其方法仍局限于关键词检索和计数，尚未涉及深层次的语言分析或阐释。布萨的项目最初使用IBM 705电子数据处理机，通过穿孔卡片存储文本，每个词被分解为字母，再按字母顺序排序，最终生成按词序和上下文排列的索引。这种“词汇清单”（word list）范式奠定了后续计算语言学和语料库语言学的基础，但同时也暴露了早期计算的局限：对语言歧义、句法结构和文化语境几乎无能为力。

1960至1970年代，人文计算进入制度化阶段。牛津英语词典（Oxford English Dictionary, OED）的计算机化是另一里程碑。1960年代，OED开始使用剑桥大学的EDSAC等早期计算机，将印刷词条转换为机器可读格式，最终于1980年代推出“OED Online”的雏形。该项目不仅涉及文本数字化，更需处理词典编纂特有的复杂结构：词目（lemma）、音标、词源、定义、引证（quotation）及其时间戳。OED团队开发了专用标记语言（非TEI前身），将引证按年代编码，支持按时间检索词义演变。这一过程揭示了人文数据建模的核心挑战：如何用结构化数据捕捉非结构化材料的丰富层次。同期，美国人文计算协会（Association for Literary and Linguistic Computing, ALLC）于1973年成立，欧洲类似组织随后涌现，为人文学者提供了交流平台。ALLC的成立标志着人文计算者开始形成专业身份，其会刊《Literary and Linguistic Computing》至今仍是核心期刊。这一时期的项目多聚焦于词典编纂、文本校勘和语言统计，技术以大型机、批处理为主，研究者需具备编程技能（如FORTRAN、COBOL），但成果往往以印刷索引或数据库报告形式呈现，受众有限，与主流人文学科存在“两个文化”式的隔阂。

1980至1990年代，个人计算机普及、超文本系统和互联网的兴起为人文计算注入新活力。苹果公司的HyperCard（1987）和Eastgate Systems的Storyspace（1990）等软件支持非线性叙事和超文本创作，催生了“电子文学”（electronic literature）实验。例如，斯图尔特·莫尔斯罗普（Stuart Moulthrop）的《 Victory Garden》（1991）使用Storyspace构建，读者可通过超链接在多个叙事路径间穿梭，形成交互式阅读体验。这些作品挑战了线性文本的权威性，但同时也面临保存难题：专有格式和过时硬件导致许多早期电子文学作品濒临丢失。同时，数字档案项目如“Valley of the Shadow”（1993）将美国内战时期的两地（宾夕法尼亚州奥古斯塔县与弗吉尼亚州富兰克林县）档案数字化并构建数据库，允许用户交叉检索信件、日记和报纸。该项目由爱德华·艾尔（Edward L. Ayers）发起，采用关系数据库（如FoxPro）管理元数据，并开发了早期Web界面，成为“历史GIS”（地理信息系统）的先驱。1993年，文本编码倡议（Text Encoding Initiative, TEI）发布首个指南（P3），确立了基于SGML/XML的文本编码标准，极大促进了数字文本的互操作性。TEI的诞生源于一个简单需求：不同项目使用不同编码方案，导致数据无法共享。TEI通过一套高度可扩展的标签集（如`<lg>`表示诗行组，`<l>`表示行，`<persName>`表示人名），允许研究者根据材料特性定制编码，同时保持结构一致性。然而，此阶段“人文计算”仍被视为人文学科中的小众技术实践，与主流学术文化存在隔阂，许多项目依赖短期资助，缺乏可持续性。

2000年代标志着“数字人文”（Digital Humanities）一词的崛起及其作为学术运动的成型。万维网的成熟、开源软件运动和Web 2.0理念推动了协作式、网络化的项目爆发。例如，斯坦福大学的“Perseus Digital Library”整合古希腊罗马文本、词典和图像，提供形态分析（Morphological Analysis）工具，允许用户点击任意词形查看其词典条目和语法分析；该项目使用SGML/XML编码文本，并开发了基于规则的词形还原器。维多利亚大学的“HCMC”开发了用于文本分析和可视化的Voyant Tools（原“Tapor”），提供词频图表、上下文词检索、主题建模（通过Mallet库）等轻量级在线工具，极大降低了文本分析门槛。2004年，美国现代语言协会（MLA）年会首次设立“数字人文”专题，此后数字人文中心在北美、欧洲和亚洲高校迅速 proliferate（如2007年成立的斯坦福数字人文中心）。这一转型不仅是术语变更，更体现了从“计算辅助研究”到“计算驱动范式”的深化：研究者开始主动设计算法、构建语料库，并探索“远读”（distant reading）——由弗朗哥·莫雷蒂（Franco Moretti）提出——以量化方法揭示文学史宏观模式，与传统的“细读”（close reading）形成对话。莫雷蒂在《 Graphs, Maps, Trees》（2005）中使用图表、地图和树状图分析小说情节、人物网络和文学形式的地理分布，论证了“神秘化”（mystification）等宏观文学史模式，引发了关于方法论的大辩论。

2010年代至今，数字人文进入“大数据”与“批判性转向”并存的新阶段。移动计算、云计算和人工智能（尤其是自然语言处理、机器学习）极大扩展了分析能力，项目规模从数万词扩展至数十亿词（如Google Books Ngram Corpus包含5百万册书籍、4万亿词次，支持跨语言词频趋势查询）。同时，一批学者如凯瑟琳·海尔斯（N. Katherine Hayles）、马修·基尔申鲍姆（Matthew Kirschenbaum）和安妮·伯迪克（Anne Burdick）发起批判性反思，强调数字人文必须关注技术的社会嵌入性、算法正义、数字保存和学术民主化。2011年《数字人文读本》（Debates in the Digital Humanities）的出版，正式将“批判性数字人文”推至前台，标志领域从技术乐观主义走向成熟自省。近年来，项目如“Living with Machines”（英国，2017-2022）使用AI分析19世纪历史报纸，同时探讨技术如何重塑历史研究本身；“Transkribus”（欧盟资助）利用深度学习实现手写文本识别（HTR），支持多语言历史文档转录。这些项目体现了技术精进与批判意识的结合：前者追求自动化精度，后者反思数据偏见（如报纸档案的阶级、性别代表性偏差）和学术劳动（如HTR依赖大量人工校对）。

```mermaid timeline title 数字人文历史里程碑 1940s : Roberto Busa 启动 Index Thomisticus 项目（IBM 打孔卡片） 1950s : Index Thomisticus 首卷出版 1960s : 牛津英语词典开始计算机化（EDSAC） 1970s : 美国人文计算协会（ALLC）成立 1980s : 个人计算机普及，超文本软件（HyperCard）出现 1987 : 文本编码倡议（TEI）成立 1990s : 互联网普及，数字人文中心萌芽（如 Virginia IATH） 2000s : 数字人文成为学术运动，Voyant Tools、Perseus 等项目兴起 2010s : 大数据、AI 应用，批判性数字人文主流化 ```

核心概念界定：计算转向与批判性数字人文

数字人文的学术定义虽未统一，但两大概念框架构成了其理论基石：计算转向与批判性数字人文。

计算转向指人文学科中计算方法从辅助工具到方法论核心的范式迁移。它包含三重维度：第一，数据化（datafication），即把传统非结构化材料（文本、图像、artifact）转化为机器可读、可计算的数据格式，如将纸质档案扫描为图像并辅以OCR（光学字符识别）转录，或对艺术品进行元数据标注。数据化不仅是格式转换，更涉及描述性决策：选择哪些特征被编码？忽略哪些？例如，在编码莎士比亚戏剧时，是否标注舞台指示、演员性别、修辞格？这些决策直接影响后续分析。第二，远读与量化分析，超越个案细读，通过词频统计、主题建模（如LDA）、社会网络分析（SNA）等处理大规模语料库，揭示宏观趋势、匿名模式和历时变化。例如，莫雷蒂运用“远读”分析19世纪英国小说中的地名分布，论证了“神秘化”（mystification）的文学史模式——小说越来越回避具体地名，反映现代主义对空间的抽象化。第三，生成式研究，即数字方法不仅用于分析，还生成新知识形式，如交互式可视化、模拟环境或算法创作，挑战传统静态论文的呈现边界。例如，斯坦福的“Orbis”项目模拟罗马帝国交通网络，允许用户计算任意两地的时空成本，重构古代 mobility 模式；这类成果常以网站、数据库或交互装置形式存在，需新的学术评价标准。

批判性数字人文则是对计算转向的反思与制衡。它质疑技术中立神话，强调数字实践总是嵌入特定的政治、经济和文化语境。其核心关切包括：算法偏见——训练数据的历史偏差导致输出歧视，如词向量模型（word2vec）将“医生”与男性关联、“护士”与女性关联；数据主权——谁控制数据？边缘社群如何参与自身文化的数字化？例如，加拿大原住民项目“First Nations Languages in the Digital Age”强调社区对语言数据的所有权，拒绝开放访问以保护文化敏感性；学术劳动——数字项目常依赖研究生、合同工的廉价劳动，而成果归属模糊；技术依赖与保存——软件、硬件快速迭代导致数字成果“过时”，如Flas