当古老的人文遇上现代的技术：数字人文导论 | When Ancient Humanities Meet Modern Technology: An Introduction to Digital Humanities

当古老的人文遇上现代的技术：数字人文导论

引言：一个新学科的诞生

21世纪的第二个十年见证了一个人文学科发展史上具有里程碑意义的转变：数字人文（Digital Humanities，简称DH）从一个边缘性的交叉领域，逐步演变为引人注目的学术前沿。2012年，美国现代语言协会（Modern Language Association）正式将“数字文学研究”纳入其年度议题；同年，伦敦国王学院成立数字人文系；2013年，斯坦福大学文学实验室正式启用，大规模量化分析开始进入文学研究的核心地带。这些标志性事件并非孤立出现，而是折射出一个深刻的学科转型：当古老的语言、文学、历史、哲学等学科遇上现代的计算技术，一场知识生产方式的革命正在悄然发生。

数字人文的兴起并非偶然的技术冲动，而是人文学科面对数字时代挑战的主动回应。在过去数千年的人类文明进程中，人文学科积累了浩如烟海的文本、图像、器物与文化遗产。这些文化遗产是人类理解自身过往、建构身份认同、探索存在意义的核心资源。然而，传统人文学科的研究方法在面对大规模文化遗产时往往力不从心——一位古典文献学家穷尽毕生之力也只能校勘有限的几部典籍，一位艺术史家穷尽眼力也只能细读有限的图像资料。数字时代带来的计算能力飞跃，使得研究者首次能够以系统化、规模化的方式处理整个人类文化遗产。这一转变的意义，远不止于研究工具的更新，更在于它深刻地改变了人文学科提问方式、研究路径乃至知识形态本身。

本章作为本书的开篇，旨在为读者提供理解数字人文的全景式导览。第一节将澄清数字人文的概念内涵与学科边界，探讨这一术语背后的复杂性与争议性；第二、三节追溯数字人文在21世纪兴起的历史背景，揭示技术与人文交汇的内在逻辑；第四节至第六节分别介绍数字人文的主要研究议题，包括文本挖掘、计算语言学、文化遗产数字化与地理信息系统应用；第七节分析数字人文的跨学科特征与知识生产模式；第八节探讨数字人文对人文学科方法论的深远影响；最后一节概述本书的整体结构与阅读路径，帮助读者建立系统的学习框架。

什么是数字人文：一个概念的谱系学考察

术语的诞生与演变

“数字人文”（Digital Humanities）作为一个正式的学术术语，其历史可以追溯至2004年——这一年，美国人文与科学学院（Academy of American Scientists）发起了一项名为“数字人文发展现状”的调查项目。2005年，第一次“数字人文国际会议”（Digital Humanities Conference）在英国召开，标志着这一领域开始获得国际学术界的正式认可。2006年，洛杉矶加州大学（UCLA）成立了首个以“数字人文”命名的正式研究机构。2007年，专注于数字人文的同行评议期刊《数字人文季刊》（Digital Humanities Quarterly）正式创刊。从术语出现到学科建制化，数字人文在短短数年间完成了一个新兴交叉领域所能经历的关键蜕变。

然而，术语的清晰性远不及概念的清晰性。在学术实践中，“数字人文”这一术语往往与多个相关概念交织使用，甚至发生混淆。“人文计算”（Humanities Computing）是最常见的替代术语之一，这一概念可追溯至1949年意大利神父罗伯特·布萨（Roberto Busa）与IBM合作、对托马斯·阿奎那著作进行机读索引的经典项目。“人文计算”强调的是计算技术在人文学科中的应用，而“数字人文”则呈现出更为开放和包容的姿态，不仅包括传统人文学科（历史、文学、语言学、哲学等）的数字化研究，也涵盖文化遗产、博物馆研究、媒体研究乃至艺术设计的数字维度。另一个相关术语“计算人文学科”（Computational Humanities）更多在欧洲学术界使用，与“数字人文”在语义上高度重叠，但在学科传统和研究取向上存在细微差异。

众说纷纭的定义

数字人文的定义问题一直是该领域讨论的焦点问题，至今未能形成完全共识。这种概念上的开放性并非学术不成熟的表现，恰恰相反，它折射出数字人文作为新兴交叉领域的活力与张力。

美国数字人文学者威廉·施瓦姆（William Schreibman）在其主编的《数字人文指南》（A Companion to Digital Humanities, 2004）中提供了一个经典定义：“数字人文是一个处于人文信息学、传统人文学科与计算技术交叉点的研究、教学与出版领域。”这一定义强调了数字人文的边界性质——它既非纯粹的技术领域，也非传统人文学科的简单延续，而是处于多重传统交汇处的独特空间。施瓦姆进一步指出，数字人文的独特价值在于它能够使研究者“重新构想而不是仅仅改良人文知识的生产与传播方式”。

数字人文领域的另一位重要学者约翰·昂斯沃斯（John Unsworth）则从方法论角度给出了另一个定义：“数字人文可以被宽泛地理解为在人文研究中对计算方法的创新应用。”这一定义突出了数字人文的方法论取向——它关注的不仅是计算工具的运用，更是在人文学科语境中对计算方法的创造性转化。昂斯沃斯强调，优秀的数字人文研究不是简单地“用计算机做人文”，而是要使人文学科的问题意识与计算方法形成真正的对话。

数字人文领域的标志性人物帕特里克·尤因（Patrick Juf）和罗纳德·斯奈（Ronald Snither）则提出了一个更具批判性的定义：“数字人文首先是一种批判理论与当代计算技术的汇合。”这一表述将数字人文从纯粹的方法论讨论提升到知识论层面，暗示数字人文不仅关乎“如何研究”，更关乎“如何理解”。在这一框架下，数字人文研究者需要批判性地审视数字技术本身的意识形态预设、文化偏见与权力结构。

作为一个研究领域的光谱

面对众说纷纭的定义，或许更明智的做法是放弃追求一个统一的本质定义，转而将数字人文理解为一个光谱（spectrum）——在这个光谱上，不同研究者、不同项目、不同机构可能处于截然不同的位置。

在这个光谱的一端，是“基础设施”（infrastructure）取向的学者与机构，他们关注数字人文的技术底层建设，致力于构建可供整个人文学科共享的数字化资源、工具与平台。代表性项目包括“数字古代世界”（Digital Classical Studies）、“欧洲ana”项目（Europeana）以及各国图书馆、档案馆的数字典藏项目。这些工作的核心价值在于为整个学科奠定数据基础，使研究者能够以前所未有的规模获取与处理人文材料。

在光谱的另一端，是“解释性”（interpretive）取向的学者，他们更关注数字方法如何帮助人文学者回答实质性的历史、文学与文化问题。这一取向的代表人物如Franco Moretti（斯坦福文学实验室创始人）提出的“远读”（distant reading）概念，强调通过大规模文本分析发现单个文本阅读难以捕捉的宏观模式与趋势。另一代表人物Matthew Jockers提出的“宏观分析”（macroanalysis）方法，则通过对海量文学文本的量化分析揭示文学史的深层结构。

在光谱的中间地带，是那些致力于方法论创新与理论反思的学者。他们既不满足于单纯的数据建设，也不认同将数字人文降格为传统人文学科的附庸，而是追求建立一种真正整合的计算-解释范式。数字人文学者薇姬·沙弗尔（Vika Sayers）的工作即为这一取向的典范——她的“计算文学批评”（Computational Literary Criticism）研究既强调对计算方法的严谨掌握，又坚持close reading（细读）的解释传统，试图在距离阅读与细读之间建立创造性的张力关系。

理解数字人文作为一个光谱而非单一范式，对于把握这一领域的本质至关重要。本书在后续章节中将向读者展示，这一光谱的各个位置都有其独特的价值与局限，而数字人文的真正活力恰恰来源于不同取向之间的对话与竞争。

数字人文的边界：一个学科的自我认同

与定义问题密切相关的是数字人文的学科边界问题：数字人文究竟是一个独立的新学科，还是传统人文学科的一个分支，抑或是一个跨学科的研究领域？

从目前的学术生态来看，数字人文呈现出典型的“跨学科”特征而非独立学科特征。它既没有统一的理论范式，也没有形成封闭的知识体系，更像是一个开放的方法论平台——不同学科背景的研究者可以在这里汇聚，共享工具、资源与方法，同时保持各自学科的问题意识与解释传统。这种跨学科特征既是数字人文的优势（使其能够汇聚多学科智慧），也是其挑战所在（使其难以形成学科认同与学科边界）。

值得注意的是，数字人文与传统人文学科的关系并非简单的“替代”或“颠覆”，而更接近于“拓展”与“深化”。数字方法并未取代传统人文学科的研究目标——理解人类文化、阐释文本意义、解读历史经验——而是提供了新的工具与视角来达成这些目标。一位中世纪文献学家使用数字方法对其研究效率的提升，与一位计量历史学家使用统计方法分析人口数据，在认识论文脉上是一脉相承的。数字人文的核心价值，在于拓展人文学科的方法论工具箱，使其能够处理以往无法处理的问题。

当然，这种拓展也伴随着张力与争议。并非所有传统人文学者都欢迎计算方法的引入。文学研究领域对“远读”的批评即为一例：一些学者担心，大规模量化分析会忽视文本的独特性与审美价值，将复杂的文学体验还原为冰冷的统计数据。这种争议折射出人文学科内部对于“什么是好的研究”这一根本问题的持续性讨论。数字人文研究者的任务，不是回避这些争议，而是正视它们，并在具体的学术实践中寻求计算方法与解释传统之间的创造性平衡。

技术变革的三重驱动力

数字人文在21世纪的兴起，并非纯粹学术发展的结果，而是深深嵌入了更宏观的技术与社会变革之中。理解这些变革的背景，有助于我们把握数字人文发展的内在逻辑与未来走向。

互联网的普及：从“信息匮乏”到“信息过载”

互联网的发展历程，为数字人文的兴起提供了第一重技术驱动力。1990年代万维网（World Wide Web）的商业化普及，标志着人类社会进入了一个全新的信息时代。到2000年代中期，全球互联网用户已突破10亿；到2020年代，这一数字已超过50亿，约占全球总人口的63%。互联网的普及不仅改变了人类的信息获取方式，更深刻地改变了知识的生产、传播与存储方式。

对于人文学科而言，互联网的影响是革命性的。首先，它使得大规模人文数据的共享成为可能。在互联网时代之前，一位研究者如果想查阅欧洲某档案馆的手稿，往往需要耗费大量时间与金钱亲自前往。数字化与网络化改变了这一状况——大量图书馆、档案馆、博物馆开始将其馆藏数字化并上线开放，形成了“数字公共领域”（digital public domain）的雏形。谷歌图书（Google Books）项目自2004年启动以来，已数字化超过4000万册图书；欧洲ana（Europeana）平台整合了欧洲数千家文化机构的数字化藏品，总量超过5000万件。这些数字资源的涌现，为数字人文研究奠定了前所未有的数据基础。

其次，互联网催生了新型的数字原生（digital-native）人文材料。社交媒体、博客、在线论坛、电子邮件等数字媒介产生了海量的“born-digital”（原生数字）材料，这些材料既包括正式发表的数字文本，也包括普通人日常交流的非正式话语。对于研究当代社会与文化的学者而言，这些数字原生材料提供了窥探社会心态、文化趋势与人际网络的第一手窗口。

再次，互联网改变了学术交流的方式。开放获取（Open Access）运动、学术社交网络（Academia.edu、ResearchGate等）、预印本平台（arXiv、bioRxiv等）的兴起，使得学术成果的传播不再受制于传统出版渠道的垄断。这种学术传播的民主化，为数字人文的发展提供了肥沃的土壤——数字人文项目天然具有开放、共享、协作的特质，与互联网精神高度契合。

然而，互联网时代带来的并非全是利好。信息的爆炸式增长也带来了“信息过载”（information overload）问题——如何在海量数字资源中有效地发现、获取、组织与分析所需信息，成为数字时代人文学者面临的新挑战。正是这一挑战，推动了数字人文方法论的发展——如何利用计算方法从海量数据中提取有意义的模式，成为数字人文研究的核心议题之一。

大数据时代的来临：量化转向的新阶段

如果说互联网的普及提供了数字人文发展的基础设施，那么“大数据”（Big Data）时代的来临则提供了方法论层面的驱动力。

“大数据”作为一个流行术语，其确切含义在不同语境下存在差异。在技术层面，大数据通常指无法用传统数据库管理工具处理的超大规模数据集，其特征可概括为"4V"：Volume（规模）、Velocity（速度）、Variety（多样性）与Veracity（真实性）。在社会层面，大数据被视为一种新的资源形态与认识论框架，预示着从因果推断向相关分析、从样本研究向总体研究的方法论转变。

人文学科对量化的态度经历了复杂的演变过程。19世纪末至20世纪初的“历史主义”（historicism）与“德国历史学派”（German Historical School）曾强调历史研究的个别化与情境化原则，对自然科学式的普遍法则追求持批判态度。20世纪中叶的“计量历史学”（cliometrics）与“计量文学”（stylometry）运动则尝试将量化方法引入历史与文学研究，但因过于追求简化论（reductionism）而受到批评。21世纪的大数据时代，为人文学科的量化转向提供了新的契机——与早期计量研究的小样本分析不同，大数据方法使研究者能够分析整个人口或文本总体，从而避免了样本选择偏差的问题。

大数据时代催生了数字人文领域的一系列重要方法论创新。其中最具影响力的或许是“远读”（distant reading）概念的提出与系统化。Franco Moretti在2000年发表的论文《Conjectures on World Literature》与后续著作《Distant Reading》（2013）中系统阐述了这一概念。Moretti认为，传统文学研究长期受制于“ canon”（经典）的束缚——研究者只能在有限的经典文本中进行“细读”（close reading），而无法把握文学史的全貌。他主张引入“远读”方法——通过量化分析大规模文学文本，发现单个文本阅读难以捕捉的宏观模式。

“远读”概念在人文学界引发了广泛争议。批评者如Stanley Fish认为，这种方法忽视了文学作品的独特性与审美维度，将复杂的文学体验还原为统计学数字。然而，支持者则认为，“远读”与“细读”并非相互排斥，而是互补的研究策略——“远读”可以发现需要进一步探究的宏观趋势与异常现象，“细读”则可以深入阐释这些趋势背后的机制与意义。Moretti本人也强调，“远读”并非要取代“细读”，而是要补充乃至颠覆“细读”在文学研究中的垄断地位，为文学史研究开辟新的问题空间。

大数据方法的影响也体现在文化遗产研究领域。传统的文化遗产数字化往往聚焦于单个器物或文献的高保真复制，而大数据时代则催生了“数字文化遗产”（Digital Cultural Heritage）的新范式——通过整合大量文化遗产数据，发现文物之间的关联网络与演化规律。例如，“连接式物品”（Linked Open Data）技术使得来自不同博物馆、不同国家的文物数据可以互联互通，形成了覆盖全球文化遗产的“数据网络”（web of data）。这种整合性视角，为理解人类文明的整体图景提供了新的可能。

计算能力的飞跃：从摩尔定律到深度学习

第三重驱动力来自计算能力的持续飞跃。这一驱动力在底层支撑了前两重变革——没有足够的计算能力，互联网的数据传输与大数据的分析处理都将无从谈起。

计算能力增长的核心驱动力是著名的“摩尔定律”（Moore's Law）——1965年，英特尔创始人之一戈登·摩尔观察到，集成电路上的晶体管密度大约每18个月翻一番，这意味着同等成本的计算能力大约每18个月翻一番。这一观察在随后的半个世纪里得到了惊人的验证：从1971年第一款微处理器Intel 4004的2300个晶体管，到2020年代高端处理器的数百亿个晶体管，计算能力的增长超过了10亿倍。

计算能力的增长使一系列以往不可想象的人文计算任务成为可能。以文本分析为例，一部《红楼梦》约70万字，传统的手工标注可能需要数月乃至数年时间；而利用现代自然语言处理工具，可以在数小时内完成词性标注、命名实体识别、句法分析等多项任务。更进一步，利用分布式计算与云计算技术，即使是面对PB级（1PB=1000TB）的超大规模文本集合，研究者也能在合理时间内完成分析任务。

然而，计算能力增长的更深远影响，或许在于它催生了机器学习（Machine Learning）与深度学习（Deep Learning）技术的突破。2010年代以来，深度学习在图像识别、自然语言处理、语音识别等领域取得了突破性进展，其核心贡献在于使计算机能够从大规模数据中自动学习特征表示，而无需人工设计特征。这一突破为数字人文带来了新的可能：利用深度学习技术，研究者可以从海量人文图像中自动识别视觉元素、主题与风格特征；从海量文本中自动抽取概念、情感与修辞模式；从海量声音记录中自动识别语言、方言与韵律特征。

深度学习在数字人文领域的应用已产生一系列令人瞩目的成果。在艺术史研究领域，利用卷积神经网络（Convolutional Neural Networks, CNN）分析绘画作品，研究者可以自动识别作品的风格特征、流派归属乃至创作年代的归属。在文学研究领域，利用循环神经网络（Recurrent Neural Networks, RNN）与Transformer架构，研究者可以自动分析文本的语言特征、叙事结构与情感倾向。在语言学研究领域，利用语音识别与自然语言处理技术，研究者可以大规模分析口语语料库，发现语言演变的微观机制。

当然，深度学习等AI技术在人文学科的应用也引发了诸多伦理与方法论问题。AI算法的“黑箱”特性使得其决策过程难以解释，这与人文学科对透明性与可解释性的追求存在张力。此外，AI模型的训练数据往往存在偏见——如果训练数据本身存在采样偏差或历史歧视，AI的输出结果也可能复制甚至放大这些偏见。数字人文研究者在使用这些强大工具的同时，需要审慎评估其局限性与潜在风险。

主要研究议题：数字人文的版图

数字人文作为一个跨学科领域，其研究议题涵盖了人文学科的众多子领域。本节将概述数字人文的主要研究议题，帮助读者把握这一领域的整体版图。

数字文本分析与文本挖掘

数字文本分析（Digital Text Analysis）是数字人文发展最成熟的研究领域之一，其核心是利用计算方法对大规模文本集合进行分析，发现语言模式、主题结构与文化趋势。

文本挖掘（Text Mining）作为数字文本分析的核心技术，包含多种具体方法。词频分析（Word Frequency Analysis）是最基础的方法，通过统计文本中词汇的出现频率，发现关键词与高频词，揭示文本的核心议题与关注重点。词频分析的一个经典案例是“Google Books Ngram Viewer”项目，该项目分析了谷歌图书数字化的5000多万