从 punched cards 到元宇宙：数字人文的叛逆成长史
1949年的一个下午，IBM的工程师们盯着眼前这位穿着黑色长袍的耶稣会士，眼神里写满了困惑。Roberto Busa神父——这位未来数字人文的“始祖鸟”——提出的请求既简单又疯狂：请帮我把托马斯·阿奎那全部著作打到打孔卡上，然后告诉我哪些词出现得最频繁。工程师们面面相觑：这位老兄是不是搞错了？他们造机器是为了计算弹道轨迹、处理人口普查数据，可不是为了“数”中世纪神学著作里的词！但Busa坚持，他相信在这些0和1的编码背后，隐藏着理解阿奎那思想体系的关键。这个看似荒诞的合作，意外地开启了人文学科与代码长达七十年的“叛逆罗曼史”。
数字人文的故事，从来不是“技术拯救人文学科”的童话。它更像一场持续的爱恨纠缠：人文学科既渴望技术带来的新工具、新视野、新资金，又恐惧技术会消解其核心——深度阐释、批判性思考、对人类境况的关怀。从Busa的打孔卡到今天的元宇宙，数字人文始终在“工具”与“运动”、“计算”与“批判”、“边缘”与“主流”之间摇摆。正是这种“麻烦”，让它充满活力，也让它备受争议。本章将穿过这些棱镜，看看数字人文如何从一个“不虔诚”的念头，成长为今天人文学科里最“麻烦”也最活跃的细胞。
打孔卡与托马斯·阿奎那：一个“不虔诚”的计划
Roberto Busa于1913年出生在意大利，是一位耶稣会士，也是托马斯·阿奎那著作的专家。阿奎那（1225-1274）是中世纪经院哲学巨匠，其著作全集约1200万字，涵盖神学、哲学、伦理学等领域。在20世纪40年代，研究阿奎那的学者面临一个巨大挑战：如何在这些浩瀚文本中追踪特定概念、词汇和论证？传统方法依赖人工索引，耗时数年，且容易遗漏。Busa设想：如果能将所有文本机械化处理，进行词汇频率统计和关联分析，就能揭示阿奎那思想的结构和演变。
这个想法在当时显得离经叛道。首先，在1949年，计算机是庞然大物，主要用于科学和军事。将机器用于“人文”研究，本身就被视为对人文精神的亵渎——人文学者相信，理解文本需要灵性直觉和深度阐释，而非机械计数。其次，Busa作为神父，竟要“肢解”神圣文本，这引发教会内部的疑虑：机器分析是否会削弱对阿奎那思想的虔诚理解？一些保守派神学家认为，将神圣文本转化为数据，是一种“还原论”的渎神行为。
但Busa不为所动。他写道：“计算机不会思考，但它们帮助我们思考。”他的目标不是让机器取代人文研究者，而是提供一种“辅助工具”，揭示人类阅读可能忽略的模式。1949年，他联系IBM，寻求合作。IBM起初犹豫，但被Busa的执着打动，提供了IBM 016打孔卡制表机。项目从1950年正式启动，持续到1974年初版《Index Thomisticus》出版，1980年完成45卷最终版。整个过程涉及约1100万张打孔卡——如果堆叠起来，高度可能超过埃菲尔铁塔。
技术细节上，Busa团队先将阿奎那著作逐字转录到打孔卡上，每张卡存储一个词（包括标点）。然后，机器读取卡片，按字母顺序排序，统计频率，并生成索引。这相当于今天文本挖掘的雏形：分词、排序、计数。成果《Index Thomisticus》成为史上第一部大规模计算机化人文索引，为后续研究提供了前所未有的检索工具。然而，在当时，它并未引发“数字人文”运动——因为Busa仍被视为一个孤例，一个“技术狂人”的古怪实验。人文学界 largely 忽视了他，主流期刊很少讨论他的工作。
Busa项目的“叛逆”本质在于：它挑战了人文学科两个核心信念。一是“灵性理解”优先：传统人文学者认为，文本意义超越字面，需要阐释学循环（hermeneutic circle）——在部分与整体间不断理解。Busa的计数似乎跳过阐释，直接抓取表面模式。二是“个人天才”叙事：人文学科常强调学者的个人洞见和灵感，而Busa的方法依赖机器和团队合作，削弱了个人权威。有趣的是，Busa本人始终强调他的工具只是“辅助”，真正的理解仍需学者介入。这 foreshadowed 数字人文的核心张力：计算能揭示什么？不能揭示什么？
> 侧边栏提示：Busa活到99岁（2012年去世），亲眼看到数字人文成为主流。他曾说：“计算机是仆人，不是主人。”他的项目花了25年，成本相当于今天数百万美元。今天，同样的计算在个人电脑上只需几秒——但关于“计算是否损害人文理解”的争论，从未停止。
在数字之前：人文学者的“数据瘾”
Busa的故事常被简化为“数字人文起点”，但如果我们拉远镜头，会发现人文学者对系统化、量化方法的渴望，远早于计算机。数字人文并非凭空出现，而是数百年“数字前”实践的延续。这些实践如同功能手机时代的短信功能——核心是信息组织与检索，只是载体不同。
文艺复兴时期堪称“信息爆炸”的早期版本。古登堡印刷术（1440）后，书籍产量激增，学者面临信息过载。如何组织知识？如何快速查找引用？这催生了索引、目录、 concordance（词汇索引）的标准化。例如，16世纪学者伊拉斯谟（Desiderius Erasmus）在编辑古典文本时，就制作了详尽的词汇索引，以追踪修辞和思想模式。这些索引虽手工完成，但目标与Busa相同：在文本海洋中绘制航海图。
18世纪启蒙运动将系统化推向高峰。狄德罗和达朗贝尔的《百科全书》（1751-1772）不仅是知识汇编，更是一种分类学实验——试图将人类知识纳入逻辑体系。这种“知识树”思维，本质上是数据分类的雏形。同时，图书馆目录从清单发展为规范化的卡片目录（19世纪中期），成为信息检索的基础设施。人文学者开始习惯“通过目录思考”。
19世纪历史学的“科学化”尝试更直接。德国兰克学派（Leopold von Ranke）强调“如实直书”，要求严格批判档案来源，这需要系统整理海量史料。兰克本人建立了庞大的资料库，其方法类似今天的数据库：按时间、地点、主题归档，以便比较分析。同时，语言学领域，历史比较语言学（如格林兄弟）通过系统比较词汇和语法，重建印欧语系谱系树——这本质上是“数据挖掘”的古老版本：从语言数据中提取演化模式。
20世纪初，文学研究的新批评（New Criticism）强调“细读”（close reading），似乎与量化方法对立。但新批评者也依赖文本校勘、版本比较和词汇分析。例如，T.S.艾略特在《传统与个人才能》中谈“文学传统”，其实隐含一种“文学史模式”的追求——这与后来Moretti的“远读”遥相呼应。更明显的是，20世纪中期，concordance制作达到高峰：学者手工或机械制作《莎士比亚 concordance》、《圣经 concordance》，以追踪词汇用法。这些项目耗时数十年，参与人数众多，堪称“前数字人文”的集体劳动。
这些“数字前”实践揭示一个关键点：人文学科从未真正远离“数据思维”。区别仅在于工具：从纸笔到打孔卡，再到计算机。Busa的创新不是发明了“人文计算”，而是将既有方法自动化、规模化。他的 Index Thomisticus 可视为手工 concordance 的逻辑终点——只是用机器代替了人工翻卡片。这提醒我们：数字人文的“新”常被夸大；它的根源深植于人文学科自身对秩序和系统的渴望。
然而，数字革命仍带来质变。计算机不仅加速了既有方法，还开启了新可能性：处理超大规模文本（如整个古籍库）、进行复杂统计（如主题建模）、可视化关系（如社会网络分析）。更重要的是，它迫使学界反思：当文本变成数据，我们失去什么？获得什么？这种反思，正是数字人文与主流人文学科爱恨交织的起点。
术语之争：谁在定义“我们是谁”
如果Busa的项目是数字人文的“创世记”，那么“数字人文”（Digital Humanities, DH）这个术语的胜利，则是其“命名争夺战”。这场争论表面是标签之争，实质是身份、方法和政治立场的分裂。它像一面棱镜，折射出数字人文与主流人文学科关系的核心张力：我们是谁？我们为谁服务？我们如何自处？
人文计算：工具理性的遗产
“人文计算”（Humanities Computing）是更早的术语，从1940年代沿用至1990年代。它强调计算方法在人文领域的应用，核心是技术实现：如何编码文本？如何设计算法？如何构建数据库？这个领域的从业者常来自计算机科学或图书馆学，他们视自己为“服务者”——为人文学者提供工具。术语本身暗示一种主从关系：计算是手段，人文是目的。
人文计算的典型项目包括：早期词典编纂（如牛津英语词典的早期机器辅助）、文献数据库（如美国早期英语语料库）、文本编辑软件。这些项目追求技术卓越：标准化（如文本编码倡议TEI）、可复用、可扩展。它们往往在图书馆或计算中心进行，与系所保持距离。方法论上，人文计算倾向实证主义：假设数据可客观呈现，计算过程中立，结果可验证。
这种立场与20世纪中叶的科学主义氛围契合。当时，跨学科研究受推崇，计算机被视为“万能工具”。人文计算者相信，通过精确计算，人文学科能变得更“科学”、更严谨。但问题在于：这种技术中立神话忽略了数据构建过程中的价值选择。例如，将文本分词时，是否保留标点？如何处理古字异体？这些决定隐含理论预设，但人文计算常回避讨论。
数字人文：批判性的转向
2000年代前后，“数字人文”逐渐取代“人文计算”。这一转变不是偶然，而是人文学科整体转向批判理论的反映。1990年代后，主流人文学科（文学、历史、哲学）深受后结构主义、后殖民理论、女性主义、酷儿理论影响，强调权力、身份、话语分析。人文学者开始质疑：谁的知识被记录？谁的声音被忽略？数据如何反映历史偏见？
“数字人文”这个新术语试图拥抱这些关切。它不再自称“工具”，而自视为“运动”——一种重塑人文学科本体论、方法论和政治的尝试。数字人文者问：计算本身是否中立？数据是否反映权力？谁有权访问数字资源？他们倡导“批判性数字人文”（Critical Digital Humanities），将社会正义议题纳入核心。
关键事件加速了这一转向。2001年，在“数字人文”会议（原“人文计算会议”）上，术语开始切换。2004年，《数字人文读者》（A Companion to Digital Humanities）出版，明确将DH定义为“跨学科领域，结合人文提问与数字工具，并反思工具本身”。2006年，学者Johanna Drucker发表《数字人文的幽灵》，警告“数据主义”（dataism）的危险——将复杂人文现象简化为可量化数据，抹杀了模糊性、矛盾性和阐释空间。
术语之争的具体表现包括：
- **方法论辩论**：人文计算者坚持TEI等标准，追求互操作性；数字人文者批评标准过于僵化，压制了实验性和边缘文本。
- **政治介入**：一些数字项目明确聚焦种族、性别、阶级，如“数字黑人主义”（Digital Blackness）项目，用数字地图展示奴隶贸易路线；另一些项目则坚持“纯技术”，认为政治会损害学术严谨性。
- **学科身份**：数字人文者常强调自己是“人文学者”，而非“技术专家”；他们要求DH中心设在人文学院，而非计算机系。
这场争论本质是数字人文与主流人文学科关系的缩影。主流人文学科在1990年代后转向文化研究和批判理论，如果数字人文只谈技术，会被视为“过时的实证主义”；如果谈批判，又可能被主流同化，失去技术独特性。术语之争因此成为身份焦虑：我们想被主流接纳，但不愿被吞没。
> 侧边栏提示：术语选择常反映立场。坚持“人文计算”的学者可能更关注文本编码精度；拥抱“数字人文”的学者可能更关注项目如何挑战白人至上主义。这不是对错之分，而是优先级之别。有趣的是，今天两个术语常混用，但争论从未平息。
互联网爆炸：从边缘到中心（又回到边缘？）
1990年代，万维网的普及彻底改变了数字人文的生态。互联网不仅提供了新工具（超文本、搜索引擎），更创造了新可能：大规模协作、开放获取、全球传播。数字人文从少数人的“古怪实验”，迅速膨胀为
互联网的普及不仅是一种技术升级，更是一场认知革命。它让人文学者第一次意识到：文本可以不再是静态的“物”，而成为流动的、可链接的、可计算的“数据流”。这种转变催生了数字人文的第一次大规模“身份危机”——我们究竟是利用新工具研究旧问题，还是在创造一种全新的学术形态？
从扫描到挖掘：互联网时代的三大浪潮
互联网时代数字人文的发展可清晰地划分为三个相互重叠的浪潮，每一浪都重新定义了“人文”与“代码”的交汇点。
第一浪：数字化归档（1990s-2000s初） 核心问题是“如何把东西放上网”。这一阶段的标志性项目是大规模图书扫描计划。1998年，Google秘密启动图书扫描项目，目标是将全球主要图书馆的藏书数字化。2004年项目公开时，引发轩然大波。出版商和作者集体诉讼，指控Google侵犯版权。这场官司持续 decade，最终以“合理使用”部分胜诉告终，但遗留问题至今未解：谁有权决定哪些文本可以被机器读取？扫描后的文本是否应免费开放？
与Google parallel 的是学术界的HathiTrust（2008年成立）。它由大学图书馆联盟运营，收录超过1700万册数字化图书。HathiTrust的创新在于其“研究用途”条款：用户可对全文进行数据挖掘，但每次只能下载片段，以防止整本复制。这体现了数字人文早期的妥协：在版权与访问之间寻找平衡。HathiTrust Research Center 提供工具（如数据 capsule），让学者在隔离环境中运行分析，避免原始数据外泄——这种“安全沙箱”模式成为后来许多数字项目的范本。
这一浪的遗产是海量语料库的建立。学者突然拥有“全文本”能力：可同时分析莎士比亚全部剧作、19世纪英国小说全集，甚至跨语言比较。但问题随之而来：这些数据质量参差不齐。扫描错误（OCR错误）在古书中尤其严重，例如“the”常被误识别为“tbe”。更根本的是，选择偏见明显：能被扫描的书籍主要是英语、西方中心、已出版作品，手稿、口述历史、边缘群体文献仍大量缺失。数字人文首次面对“数据正义”问题：我们分析的“全部文本”真的代表人类文化吗？
第二浪：工具与平台民主化（2000s中后期） 当数据基础奠定后，焦点转向“如何分析”。这一阶段涌现出大量开源工具，大幅降低了技术门槛。关键突破是Web 2.0 思维的注入：从“专家专用软件”转向“用户友好平台”。
代表性工具包括：
- **Voyant Tools**（2003年启动，2007年上线）：一个完全基于浏览器的文本分析套件。用户只需粘贴文本或输入URL，即可生成词频云、关键词上下文、主题趋势图等。它的革命性在于：无需安装、无需编程，历史学者可即时分析《纽约时报》百年社论。Voyant 的设计哲学是“探索性分析”——不是给出确定结论，而是提供可视化界面，让学者自己发现模式。
- **Palladio**（2012年）：由斯坦福数字人文团队开发，专为历史数据设计。它允许用户上传表格数据（如人口记录），一键生成网络图、地图、时间线。例如，输入19世纪移民记录，可可视化亲属关系网络或迁徙路径。Palladio 的亮点是**多视图联动**：在地图上点击一个城市，网络图自动高亮相关人物，时间线同步显示活动年份。这种“交互式探究”改变了历史研究流程：从线性叙事转向多维探索。
- **Recogito**（2015年）：由欧洲数字人文中心开发，专注于**文本与地理空间的关联**。用户可在线标注古代文献中的地名（如《荷马史诗》中的特洛伊），系统自动匹配现代坐标，并生成地图。它降低了历史地理信息系统（HGIS）的门槛，使古典学者无需GIS专业知识即可制作学术地图。
这些工具的共同特征是无代码/低代码。它们将复杂算法封装在图形界面后，让“人文思维”直接驱动分析。但批评也随之而来：工具是否过度简化？例如，词频云是否误导人认为高频词就是关键词？主题模型（LDA）生成的“主题”是否只是统计幻觉，而非真正的人文概念？工具民主化的另一面是黑箱化：用户点击按钮得到图表，却不知底层算法如何工作，这可能导致误读。
第三浪：网络分析与文化建模（2010s至今） 当个体文本分析成熟后，数字人文转向宏观模式：文化如何随时间演变？思想如何传播？社会网络如何影响创作？这一浪的核心是大数据思维与复杂系统理论的引入。
里程碑项目是法国“文艺复兴”项目（1990s启动，2000s成熟）。由弗朗索瓦·莫雷蒂（Franco Moretti）领导，团队将“远读”（distant reading）付诸实践。他们不是读单部小说，而是分析数千部18-19世纪英国小说的情节结构、人物命名模式、空间分布。方法包括：
- **情节三角测量**：将小说情节简化为“稳定-动荡-稳定”曲线，比较数百部小说的曲线模式，发现类型小说（如哥特小说）有更高“动荡指数”。
- **空间分析**：提取小说中的地名，绘制“文学地图”。发现19世纪小说中，伦敦占比远超其他城市，且随着时间推移，伦敦在叙事中的“权重”持续上升——这反映了城市化进程对文学想象的影响。
- **命名社会学**：分析小说人物名字的流行度，发现文学人物名字常滞后于社会命名潮流约20年。这意味着小说并非即时反映现实，而是处理“已沉淀的文化记忆”。
Moretti 的工作引发激烈争议。支持者认为，他揭示了文学史中被“细读”遮蔽的宏观模式；批评者（如Stephen Best）指责他将文学“去人性化”，用曲线取代了人物心理分析。这场争论本质是方法论范式冲突：细读（close reading）关注文本内部的语义密度，远读关注跨文本的外部模式。数字人文在此成为战场。
网络分析（Social Network Analysis, SNA）是另一前沿。“莎士比亚环球剧团”项目（由芝加哥大学等机构合作）利用历史档案，重建伊丽莎白时期剧团的演员、赞助人、剧作家关系网络。节点是人物，边是经济往来或合作记录。分析发现：剧团网络呈现“小世界”特性——关键人物（如莎士比亚本人）作为枢纽，连接不同社群。这解释了剧团为何能在政治敏感时期维持运营：信息通过弱连接快速流动，降低风险。
网络分析也用于文学研究。“现代主义期刊项目”（Modernist Journals Project）将20世纪初文学杂志的投稿、编辑、作者关系数字化，构建网络图。结果揭示：当时文学圈并非以“流派”（如意象派）划分，而是以期刊为阵营，不同期刊有独特作者网络。这挑战了传统文学史以“运动”为单位的叙事。
文化建模的最新前沿是计算文体学（Computational Stylistics）。通过机器学习，可量化作者的“文体指纹”：句子长度分布、词类比例、标点习惯等。例如，“Jude the Obscure” authorship dispute：学者用朴素贝叶斯分类器比较哈代小说与其他同时代作家，发现哈代文体高度一致，而争议章节（是否哈代所写）的文体特征落在哈代分布内，支持哈代 authorship。这类研究将“风格”从主观感受转化为可测量变量，但也引发担忧：是否过度依赖统计，忽略了文学风格的复杂性？