数字人文导论：当人文学科遇见计算技术 / Introduction to DH: When Humanities Meet Computing

数字人文（Digital Humanities，简称DH）是一个跨学科领域，它从根本上重新构想人文学科的研究、教学与传播方式。其核心在于将计算技术与传统人文学科的问题、理论及方法相结合，并非简单地将数字工具作为辅助手段，而是通过技术介入催生新的研究范式、提出新问题，并最终深化我们对人类文化、历史与思想的理解。本章将系统性地阐述这一领域的定义、历史脉络、核心范式转型、关键技术应用实例，以及伴随技术介入而来的伦理责任，为整本书奠定基础。

1.1 定义数字人文：一个动态的交叉领域

数字人文没有单一、固定的定义，其内涵随技术发展与实践拓展而不断演化。 broadly，它可被视为人文学科与信息技术的交叉实践与研究，涵盖两个相辅相成的维度：一是运用数字技术进行人文学科研究（人文研究的数字化）；二是从人文学科的视角审视、批判与塑造数字技术本身（对数字技术的人文研究）。这一定义强调了DH的双向性：它既是工具，也是对象。

在实践层面，DH项目通常涉及数据的创建、管理、分析、可视化与传播。例如，将古籍文本数字化并建立数据库（数据创建），使用XML/TEI标准进行编码（数据管理），运用文本分析算法挖掘主题演变（数据分析），通过交互地图展示历史事件分布（数据可视化），以及构建在线平台供公众参与学术讨论（数据传播）。这些活动共同构成了一个完整的研究生态。

从学科哲学角度看，数字人文挑战了传统人文学科中“个体深度解读”（close reading）的垄断地位，引入了“远读”（distant reading）、“宏观分析”（macro-analysis） 等基于大规模数据的视角。这并非要取代传统方法，而是提供互补的透镜，使学者能够审视在单一文本细读中难以察觉的模式、关联与结构。

> 侧边栏提示（电子版专属）：数字人文的另一个常用术语是“人文计算”（Humanities Computing）。两者常被互换使用，但细微差别反映了领域演变：早期“人文计算”更侧重于工具应用（如用计算机处理文本），而当代“数字人文”更强调方法论革新与批判性反思。本书将遵循这一演进脉络，在历史部分详述其区别。

1.2 历史演变：从“人文计算”到“数字人文”

数字人文的根源可追溯至20世纪40年代，与计算机科学的发展几乎同步。其历程大致可分为四个阶段，每个阶段都标志着技术能力与学术思维的深刻变化。

1.2.1 萌芽期（1940s-1970s）：工具化与奠基

这一时期的先驱们面临巨大挑战：计算机是庞大、昂贵、批处理的机器，编程语言原始，存储介质是打孔卡片。然而，他们 vision 了技术处理语言与文化的潜力。

• **里程碑：罗伯托·布萨（Roberto Busa）与《索引托马斯·阿奎那》**。这位意大利耶稣会神父于1949年与IBM合作，耗时近30年，将托马斯·阿奎那的约1100万单词拉丁文著作全部数字化，并制作了词汇索引。这不仅是**第一个大规模人文语料库项目**，更关键的是，它确立了**文本编码**的基本思想——为文本添加机器可读的结构信息（如词性、语法关系），为后来的TEI标准埋下伏笔。布萨的工作纯粹是“工具导向”的：计算机是高效的索引生成器，但其目标是服务于传统的神学、哲学研究。

• **同期实践**：在语言学领域，计算机被用于语料库语言学初期的统计研究；在历史学领域，开始尝试将历史数据录入数据库进行简单查询。这些实践共同特点是将计算机视为**加速、自动化传统研究流程**的“高级计算器”。

1.2.2 发展期（1980s-1990s）：数据库与超文本的兴起

个人计算机的普及、关系数据库理论（如SQL）的成熟以及超文本（Hypertext）概念（由泰德·尼尔森提出）的流行，为人文学者提供了更易用、更灵活的工具。

• **数据库驱动研究**：项目如**“文艺复兴作家中的乔叟”**（Chaucer MetaGraph）开始构建复杂的文学人物、作品、地点关系数据库，允许学者进行复杂的关联查询，这超越了简单的文本检索，开始探索**结构化知识**的表示。
• **超文本与电子文本**：杰·大卫·博尔特（Jay David Bolter）的《写作空间》（1991）等著作探讨了电子文本如何改变阅读与写作的线性结构。项目如**“美国记忆”**（American Memory，国会图书馆）开始大规模数字化历史文献并向公众开放，凸显了**数字保存与获取**的伦理维度。
• **关键转变**：计算机的角色开始从“后台处理工具”向“**媒介与平台**”转变。研究过程本身（如构建数据库的逻辑结构）成为学术贡献的一部分，而不仅仅是最终产出。

1.2.3 转向期（1990s末-2000s初）：Web、开源与“数字人文”命名

万维网（WWW）的爆发式增长、开源软件运动的兴起，以及“数字人文”（Digital Humanities）一词在1990年代末逐渐取代“人文计算”（Humanities Computing），标志着领域的一次范式自觉。

• **“数字人文”命名之争**：2004年，约翰·恩斯沃思（John Unsworth）等学者在《数字人文：一个国际性实践、教学与研究的报告》中明确使用“DH”作为统称。这不仅仅是更名，它代表了**身份的拓展**——从以技术专家为主的“计算”圈子，转向一个更包容、更强调**跨学科合作、文化批判与公众参与**的学术共同体。术语变化反映了从“技术实现”到“人文意义”的关注点转移。
• **技术民主化**：Linux、Apache、MySQL、PHP（LAMP栈）等开源技术的成熟，使得构建复杂的在线项目成本大幅降低。**文本编码倡议**（Text Encoding Initiative，TEI）成为XML应用的标准，为数字人文文本的互操作性提供了基石。
• **方法论萌芽**：学者们开始系统性地讨论DH的方法论，如**“ DH即方法”** 的辩论，以及**“设计研究”**（Research as Design）的观点，即构建数字对象（如数据库、可视化）本身就是一种知识生产形式。

1.2.4 成熟期（2010s至今）：大数据、计算批评与公众参与

云计算、机器学习（尤其是深度学习）、自然语言处理（NLP）的进步，以及“大数据”思潮，将数字人文推向了计算规模的新阶段。同时，对数字技术的批判性反思也日益深入。

• **“计算批评”**（Computational Criticism）的兴起：以佛朗哥·莫雷蒂（Franco Moretti）的**“远读”** 为代表，主张使用算法对大量文本（如数千部小说）进行宏观分析，以发现文学史的模式（如文体演变、流派兴衰）。这直接挑战了仅依赖少数经典文本的“近读”传统。
• **地理信息系统**（GIS）的深度应用：历史GIS项目（如**“中国历史地理信息系统”** CHGIS）不仅将历史事件落图，更通过**时空分析**揭示人口迁移、战争影响、贸易路线的长期动态。
• **公众参与与开源协作**：**“分秒必争”**（Zooniverse）等众包平台让公众参与古籍转录；维基百科、维基数据成为大规模协作知识生产的典范。DH项目越来越注重**可访问性、开放数据**与**社会影响**。
• **批判性数字人文**：学者如塔拉·麦克普森（Tara McPherson）等，从种族、性别、阶级角度批判数字技术本身的设计偏见（如默认的“通用用户”假设），强调DH实践必须包含**社会正义维度**。

这一历史脉络清晰表明：DH已从辅助工具（布萨时代）演进为研究环境（数据库/超文本时代），再深化为研究方法论与批判立场（计算批评/批判性DH时代）。技术始终是驱动力，但学术关注点已从“能用技术做什么”转向“技术如何改变我们提问的方式，以及我们应如何负责任地使用技术”。

1.3 核心范式转变：技术如何从工具演变为方法论

理解数字人文的关键，在于把握其带来的认识论（我们如何知道我们所知道的）与方法论（我们如何研究）变革。这种转变不是线性的替代，而是层次的叠加与思维的拓展。

1.3.1 从“表征”到“分析”：文本处理的深化

传统人文学科（尤其是文学、历史）的核心工作是表征（representation）——通过注释、翻译、编辑、解读来呈现文本的意义。数字技术首先革命化了表征：数字化使文本可复制、可检索、可链接（如链接到词典、百科、其他文本）。但DH的深入之处在于，它推动了从表征到分析的飞跃。

• **传统表征示例**：编辑一部莎士比亚戏剧，提供详细的脚注解释典故、语言难点，这是对单部作品的深度“近读”。
• **数字分析示例**：构建莎士比亚全集词汇网络。通过计算所有词汇的共现频率（co-occurrence），可以绘制出人物、地点、主题之间的关联图谱。例如，算法可能发现“罗马”与“布鲁图斯”、“凯撒”、“阴谋”等词高度关联，形成“罗马政治悲剧”子图；而“森林”与“罗密欧”、“朱丽叶”、“爱情”关联，形成“维罗纳爱情”子图。这种**网络分析**揭示了剧作间隐含的结构性关联，是传统单篇细读难以系统捕捉的。这并非否定对《哈姆雷特》的深度解读，而是提供了理解莎士比亚全部作品**整体结构**的新视角。

技术在此不仅是查找工具，而是分析引擎，其核心是将非结构化文本转化为可计算的结构化数据，进而应用统计学、图论等数学方法。

1.3.2 从“个案”到“全集”：研究对象的扩展

“远读”的哲学基础是规模带来新洞察。当研究对象从“一部《红楼梦》”扩展到“清代所有通俗小说语料库”时，问题本身发生变化：

• **个案问题**：“《红楼梦》中贾宝玉的性格是如何发展的？”（需要细读）
• **全集问题**：“在清代小说中，‘侠义’主题的叙事模式经历了怎样的演变？”（需要跨文本比较与模式识别）

后者要求可比较的、标准化的数据集。这推动了大规模数字化工程（如Google Books、HathiTrust）和语料库语言学方法在人文领域的应用。学者可以追踪一个概念（如“民主”）在百年报刊中的语义分布变化，或分析特定文体（如科幻小说）的词汇特征演变。技术使“全集”研究成为可能，但也提出了新挑战：如何定义“全集”？数据偏差（如数字化文本的版权、语言、年代分布不均）如何影响结论？

1.3.3 从“静态”到“动态”：过程与关系的可视化

人文学科传统上处理静态产物：已写成的文本、已画就的地图、已建成的建筑。数字技术，尤其是可视化与模拟，将研究焦点转向过程、关系与动态系统。

• **案例：古地图数字化与时空分析**。将19世纪的城市地图（如老上海地图）数字化，不仅将其变为图片，更通过**地理配准**（georeferencing）赋予其真实坐标，并与历史人口数据、商业记录、新闻报道进行**时空叠加**（overlay）。研究者可以：

1. 动态重建：模拟某一年份城市的空间形态。 2. 关系发现：分析租界位置与特定行业（如银行、报馆）聚集度的空间相关性。 3. 过程追踪：通过对比不同年代地图，量化城市扩张速率与方向。

这一过程将静态地图转化为动态的、可分析的空间历史数据库。技术（GIS、时空数据库）在此是关系建模与过程模拟的平台，使“空间如何影响社会”这类问题得以实证探索。

1.3.4 从“个体”到“协作”：研究模式的变革

传统人文学术以个体学者的深度思考为核心。数字人文项目通常需要团队合作，成员包括：领域专家（历史学家、文学学者）、技术专家（程序员、数据科学家）、设计专家（UI/UX）、图书馆员（数据管理）。这种协作模式带来了：

• **知识生产的多元化**：成果不仅是论文，还包括数据库、工具、在线平台、可视化作品。**学术贡献的认定**（如对数据库构建的贡献是否等同于论文）成为持续讨论的议题。
• **技能的重塑**：人文学者需要掌握**计算思维**（如算法逻辑、数据结构）和**数据素养**；技术专家需要理解人文学科的复杂问题与理论背景。这催生了**“双语人才”**（bilingual scholar）的需求——既能与计算机对话，也能与理论对话。
• **可持续性与开源**：项目成果（代码、数据）的**开源共享**成为DH的重要伦理实践，促进知识积累与重复验证，但也带来了长期维护、技术迭代的挑战。

范式转变的核心在于：计算技术不再是被动工具，而是主动塑造研究问题、扩展认知边界、并重构学术协作方式的方法论框架。人文学者不再只是技术的使用者，而成为技术的批判性参与者与共同设计者。

1.4 典型案例深度解析

理论需通过实践锚定。以下两个经典案例，将具体展示上述范式转变如何在操作层面实现。

案例一：《莎士比亚全集》词汇网络与主题建模

目标：超越单剧解读，探索莎士比亚全部作品（剧本、诗歌）的宏观主题结构与词汇关联模式。

技术流程与细节： 1. 数据获取与清洗：使用权威电子版本（如Folger Shakespeare Library的数字化文本）。进行文本清洗：移除舞台指示、人物名列表、标准化拼写（如“olde”->“old”），保留核心戏剧/诗歌文本。 2. 分词与向量化：

• **基础词频**：计算每个词在每部作品中的出现频率（Term Frequency, TF）。
• **TF-IDF**：引入**逆文档频率**（Inverse Document Frequency）以衡量词语的“区分度”。一个词如果在所有作品中都频繁出现（如“the”、“and”），其TF-IDF值低；如果在少数作品中高频出现（如“dagger”在《哈姆雷特》中），则TF-IDF值高，更具主题代表性。
• **词向量**（Word Embedding）：使用Word2Vec或GloVe算法，将每个词映射为高维空间中的向量。语义相近的词（如“king”、“queen”、“crown”）在向量空间中距离接近。这能捕捉**词汇的语义关系**，而不仅仅是共现。

3. 网络构建：以词为节点，以共现关系（在同一窗口内，如同一句话、同一段落）为边，构建词汇共现网络。边的权重可以是共现次数或TF-IDF加权值。 4. 网络分析：

• **中心性分析**：计算节点的**度中心性**（连接数）、**中介中心性**（位于多少条最短路径上），识别核心主题词。例如，“blood”在《麦克白》中可能具有高中介中心性，连接“ murder”、“guilt”、“sleep”等概念。
• **社区检测**（Community Detection）：使用Louvain等算法，自动发现网络中紧密连接的词汇群组，这些群组往往对应**主题集群**（如“战争与荣誉”集群：“sword”、“battle”、“glory”、“death”；“爱情与烦恼”集群：“love”、“heart”、“woe”、“sigh”）。

5. 主题建模（Topic Modeling，如LDA）：将每部作品视为“文档”，将词汇视为“词”。算法自动发现隐藏的主题（每个主题是词汇的概率分布）。例如，一个主题可能由高概率词汇“king”、“throne”、“power”、“betrayal”定义，可解读为“政治权力”主题。通过追踪各作品的主题分布，可以分析莎士比亚创作生涯中主题偏好的变化。

研究发现与范式意义：

• 量化验证了传统文学批评的直觉（如莎士比亚历史剧与悲剧的词汇差异）。
• 发现了跨作品的**主题迁移**模式（如“复仇”主题在悲剧中的演变）。
• 提供了**客观的、可重复的**宏观视角，补充了主观的“近读”。例如，可能发现喜剧中“自然”词汇的异常高关联，揭示一种被忽视的喜剧世界观。
• **方法论启示**：将文学作品视为**可计算的文化数据**，研究问题从“这首诗是什么意思？”转向“这些词在全部作品中如何组织其意义空间？”。

案例二：古地图数字化与历史GIS（以“北京历史地理信息系统”为例）

目标：整合多源历史数据，动态重建与空间分析历史城市北京的社会经济空间结构。

技术流程与细节： 1. 多源数据整合：

• **地图数据**：扫描清代《京师坊巷志稿》附图、民国北京地图、老照片。通过**地理配准**，将历史地图上的点、线、面（如街道、城门、湖泊）转换为具有现代坐标（如WGS84）的矢量数据（点、线、多边形）。
• **属性数据**：从地方志、档案中提取结构化数据，如：每条街道的名称、长度、宽度；每个铺户（商店）的行业类型、位置、开业时间；每个会馆的省份、建立年代。
• **文本数据**：日记、书信、新闻报道中提及的地点信息，通过**自然语言处理**（如命名实体识别）自动提取地点名，并与GIS数据库进行**地理编码**（geocoding）匹配。

2. 时空数据库构建：设计时空数据模型（如事件地理或慢变化维度），为每个地理实体（如“前门大街”）赋予有效时间范围（如“1900-1950”），并记录其属性（如“行业构成”、“人口密度”）随时间的变化。 3. 空间分析与可视化：

• **密度分析**：生成不同时期（如1900年、1930年）的行业（如银号、茶馆、当铺）核密度图，直观显示商业中心的迁移与集聚。
• **缓冲区分析**：以外国使馆区为中心，分析特定年份内（如1901年《辛丑条约》后）特定行业（如西餐、洋货）在周边500米、1000米范围内的分布变化。
• **网络分析**：基于会馆数据，构建“省份-会馆-地点”网络，分析同乡网络对商业空间分布的影响。
• **动态地图**：制作时间滑块地图（Timeline Slider），用户拖动时间轴，即可观察街道名称变更、建筑兴衰、行业分布变迁的**动态过程**。

4. 公众参与与接口：构建Web GIS平台，允许公众上传家谱、老照片并标注位置，形成众包历史地理数据库。

研究发现与范式意义：

• 将**定性描述**（如“前门大街是商业中心”）转化为**定量、可视化的空间证据**，并能精确测量其范围与强度。
• 揭示了**空间与社会过程的互动**：例如，分析证明，电车线路的延伸直接导致了新兴商业点的形成，而传统商业区则因交通格局改变而衰落。
• 实现了**多尺度、多维度**的综合分析：既可宏观审视全城功能分区，也可微观考察某条胡同的