数字人文导论：概念、历史与范式转型

在21世纪的学术版图中，人文学科正经历一场静默却深刻的危机与转机。数字化浪潮以前所未有的速度重塑着知识的生产、传播与消费方式，人文学者既面临着经典文本海量数字化所带来的前所未有的研究素材，也承受着传统以个体、线性、深度解读为核心的治学范式在规模与效率上的挑战。如何在海量数据中保持批判性思考？如何让技术工具服务于而非主导人文 inquiry？如何构建跨学科对话的新桥梁？这些问题催生了一个既熟悉又崭新的学术领域——数字人文。它并非简单地将计算机技术应用于人文学研究，而是一场涉及本体论、认识论与方法论的根本性反思与重构，旨在探索技术赋能下人文学科的可能性边界与内在价值。本章将系统梳理数字人文的概念谱系、历史演进与核心范式，为读者构建一个辩证、立体且具前瞻性的认知框架，奠定整本书的方法论基石。

一、概念界定：数字人文及其邻近概念辨析

数字人文是一个动态的、不断演化的 umbrella term（伞形术语），其内涵随着技术发展、学术实践与理论反思而不断丰富。要给其下一个固定不变的定义几乎是不可能的，但我们可以从其核心关切与实践特征中提炼出共识性理解。数字人文是处于人文学科与计算机科学交叉地带的一个学术领域、一套实践方法、一种协作文化，其核心目标在于利用数字技术与计算方法，对人文学科的研究对象（文本、图像、声音、文物、历史事件等）进行创建、分析、阐释与呈现，从而产生新的知识形式，并同时批判性地反思数字技术本身对文化、社会与学术的影响。 这一定义强调了三个关键维度：工具性（利用技术）、人文性（服务于人文学科问题）与反思性（对技术本身的批判）。

在概念谱系中，数字人文与“人文计算”、“数字学术”等术语常被混用，但细微的差别有助于理解其发展脉络与自我定位。

• **人文计算**：通常被视为数字人文的前身或一个子集。它更侧重于“计算”本身，强调运用成熟的计算机科学方法（如自然语言处理、机器学习、数据库管理）来解决具体的人文学科问题。其范式更偏向于“应用”，即把人文学科问题作为计算技术的应用场景。例如，使用分词工具对古籍进行词汇频率统计，或使用聚类算法对作者作品进行风格分析。人文计算往往由计算科学背景的研究者主导，人文学者的参与可能集中于问题提出与结果解读阶段。
• **数字人文**：这是一个更广泛、更具包容性和反思性的概念。它不仅包含人文计算的技术实践，还涵盖了数字编撰、数字典藏、数字出版、数字策展、游戏化学习、公共历史等多元活动。数字人文更强调**协作**（团队往往包含人文学者、程序员、设计师、档案管理员等）、**过程**（技术实现本身就是一种学术探究）与**产物**（如交互式网站、数字档案、可视化模型等新型学术成果）。它追问：数字形式本身如何改变了我们理解历史、文学、艺术的方式？数字人文学者常常既是研究者也是工具的构建者。
• **数字学术**：这是一个比数字人文更宽泛的术语，泛指任何学科领域利用数字方法或媒介进行的学术研究。因此，数字人文是数字学术在人文学科领域的具体化和专业化体现。数字学术可能包括社会科学中的计算社会科学、自然科学中的e-Science等。

可以用一个简单的示意图来表征三者的关系：

```mermaid graph TD A[数字学术<br/>（跨学科宽泛领域）] --> B[数字人文<br/>（人文学科专业化分支）] A --> C[计算社会科学<br/>等] B --> D[人文计算<br/>（侧重技术应用）] B --> E[数字编撰/典藏/策展<br/>等多元实践] ```

这种辨析并非要划清 rigid 的边界，而是为了理解数字人文内部多元声音的来源。一位专注于用Python进行文本挖掘的文学研究者，可能更认同“人文计算”的标签；而一位主导一个多方协作、构建沉浸式历史环境项目的学者，则更倾向于“数字人文”所蕴含的完整学术生态。在实践中，这些活动相互交织，共同构成了数字人文的繁荣图景。

二、历史脉络：从早期人文计算到当代数字人文

数字人文的根系深植于20世纪中叶，其发展并非线性突进，而是伴随着计算机技术的迭代、人文学科理论的变迁以及两者关系的调适而波浪式演进。

1. 萌芽与奠基期（1940s-1970s）：工具理性与索引梦想 数字人文的公认起点是1949年，耶稣会士罗伯托·布萨与IBM合作，启动了对托马斯·阿奎那全部著作（约一千万词）的词汇索引编制项目。这不仅是第一项大规模利用计算机处理人文文本的工程，更确立了数字人文的一个核心原型：通过机器实现前所未有的精确、全面与高效的文本分析，以揭示传统人力难以发现的模式。布萨的工作是“工具理性”的典范，他相信计算机能帮助学者超越个体阅读的局限，抵达一种更客观的文本科学。同期，类似尝试零星出现，如《罗塞塔石碑》项目（1960s）尝试用计算机破译古埃及文字，以及早期文学风格统计研究。这一阶段，计算机是昂贵的、位于大型机构的“主机”，研究者通常是向计算中心提交穿孔卡片，等待批量处理结果。人文学者与技术专家之间是委托-服务关系，人文学科的理论反思几乎缺席。

2. 探索与分化期（1980s-1990s）：个人电脑、文本编码与学术共同体形成 个人电脑的普及和文字处理软件的出现，使数字工具进入单个学者的书房。此时期最重要的技术贡献是文本编码倡议的诞生。1987年，在安德鲁·麦克阿瑟基金会的资助下，一个由人文学者、图书馆员、计算机专家组成的研讨会召开，旨在制定一个用于标记电子文本的通用标准，以支持复杂的学术分析、显示与交换。这便是TEI的起源。TEI Guideline 的发布（1994年第一版）是数字人文史上的里程碑。它提供了一套基于SGML（后转为XML）的丰富标签集，允许研究者不仅标记文本结构（章节、段落），更能标记语义、语法、析出特征（如人名、地名、主题、韵律）。TEI使得文本从单纯的“字符流”变为富含学术意图的“结构化数据”，为后续的深度分析、长期保存与互操作奠定了基础。同时，以人文计算协会为首的学术共同体开始形成（1982年成立），定期举办研讨会，出版刊物，标志着数字人文作为一个独立学术领域的自我意识觉醒。

3. consolidation 与范式拓展期（2000s至今）：网络、开源、大数据与批判性转向 万维网的普及将数字人文从本地计算推向全球网络。数字人文项目从桌面走向在线，数字图书馆、数字档案、交互式学术出版成为主流。例如，英国图书馆的“Turning the Pages”技术让珍贵手稿在线浏览；斯坦福大学的“文学实验室”项目开始系统性地将计算方法应用于文学史研究，提出“远读”概念以对抗传统“细读”。这一时期，开源软件、协作平台（如GitHub）和开放获取理念深入人心，协作成为数字人文的基因。技术层面，GIS将空间分析带入历史与考古；社会网络分析用于研究人物关系（如《红楼梦》人物网络）；文本挖掘与主题建模成为大规模语料分析的标准工具。

与此同时，一股深刻的批判性反思浪潮兴起。以N. Katherine Hayles、Johanna Drucker等为代表的人文学者开始警惕：数据是否具有“客观”的天然合法性？可视化是否暗含了特定的意识形态？量化方法是否会消解文本的歧义性与历史语境？这种反思促使数字人文不再仅仅是“用电脑做人文”，而是开始严肃审视“数字”本身如何塑造了“人文”。“数字人文”这一术语本身，也逐渐从强调“技术应用”转向强调“人文学科在数字时代的新形态”。代表人物如约翰·安斯沃思（John Unsworth）提出的数字人文核心活动清单（检索、分析、编辑、展示等），以及托德·普雷斯纳（Todd Presner）等人对“大数据人文”的批判，都体现了这一转向。

回顾这段历史，可以看到一条清晰的演进轨迹：从作为工具的计算机，到作为文本编码框架的TEI，再到作为研究范式与学术文化的数字人文。关键人物与事件不仅是技术里程碑，更是思想转折点：布萨的索引梦想、TEI的编码哲学、莫雷蒂的“远读”、海勒斯的“非认知”批判，共同编织了数字人文复杂而充满活力的思想图谱。

三、核心特征：跨学科性、方法论创新、协作与开源

基于上述历史与概念分析，数字人文呈现出若干相互关联的核心特征，这些特征共同定义了其区别于传统人文学科与纯技术研究的独特身份。

1. 根本的跨学科性 跨学科性并非简单的人文学者与计算机科学家的“拼接”，而是知识生产方式的融合。一个典型的数字人文团队可能包括：提出核心研究问题的文学史家；精通Python或R的编程专家；熟悉XML/TEI的文本编码师；负责用户体验与界面设计的交互设计师；确保数据长期保存的图书馆数字馆员；以及关注项目社会影响的伦理学者。这种协作要求各方具备“翻译”能力：人文学者需能将模糊的学术问题转化为可计算的形式；技术专家需理解人文研究的复杂性，避免过度简化。跨学科性不仅是人员构成，更是问题导向的：研究问题本身（如“维多利亚时代小说中的空间与社会阶层关系”）天然需要文学、历史、地理信息系统与统计学的交叉视角。

2. 方法论创新：从“细读”到“远读”，从“论证”到“发现” 这是数字人文引发最深刻范式变革的领域。传统人文学科，尤其是文学研究，以“细读” 为金科玉律，强调对单一文本或少数文本的深度、反复、沉浸式解读，挖掘其语言肌理、象征系统与历史语境。这种方法产生精微的洞见，但规模有限，且结论高度依赖学者的个人资质，难以大规模验证或比较。

数字人文催生了“远读” 的概念，由 Franco Moretti 提出并倡导。“远读” 指借助计算工具，对大规模文集（如全部19世纪英国小说、一个时代的所有报纸）进行宏观、量化、模式化的分析。它不是要取代细读，而是提供一种互补的视角。例如，通过计算小说中“城市”与“乡村”词汇频率的历时变化，可以勾勒出工业化进程中空间观念转变的宏观曲线，再据此选择典型案例进行细读。其核心逻辑是从“论证驱动” （先有假设，再找证据）转向部分“发现驱动” （先让数据说话，发现模式，再提出假设）。方法论上，这引入了计算批评、文化分析、数字史学等新路径，其学术产出常以数据可视化、交互模型、数字文集等形式呈现，知识本身变得“可操作”、“可探索”。

3. 技术工具的应用与构建 数字人文对工具的态度是双重的：积极应用现有成熟工具（如AntConc用于文本分析，Gephi用于网络可视化，ArcGIS用于地理信息系统），同时积极构建满足特定研究需求的新工具、新平台。许多数字人文项目会开源其代码或工具链，形成“工具即 scholarship”的理念。工具的选择与应用本身就是方法论的一部分。例如，选择用主题建模还是词向量嵌入来分析语料，反映了研究者对文本本质的不同理解（主题是离散的还是分布的？）。工具的局限性（如分词准确度、算法偏见）也成为批判性反思的对象。

4. 协作精神与开源文化 这与上述跨学科性密不可分。数字人文项目极少是单枪匹马能完成的。其协作不仅是分工，更是知识共享的承诺。开源体现在：项目代码公开在GitHub等平台；研究成果常以开放获取形式发布；数据（在伦理与法律允许范围内）力求开放，供他人复用、验证与再分析。这种文化源于学术共同体的互惠传统，也是应对数字保存挑战的务实选择。它挑战了传统学术出版的“最终成品”模式，转而拥抱一种持续迭代、社区参与的“过程性学术”。协作平台（如Omeka, Scalar）本身也成为数字人文基础设施的一部分。

四、范式转型：大规模、可扩展、可视化的研究模式

上述特征共同推动人文学科研究范式的系统性转型。这种转型可以从研究对象、研究过程、学术成果与评价体系四个层面审视。

1. 研究对象的扩展与重构 传统研究对象通常是经过精心挑选的“经典”文本或 artifact。数字人文使“全集” 或“代表性语料库” 成为可能的研究对象。例如，研究19世纪美国小说，不再局限于二三十部名作，而是可以分析HathiTrust数字图书馆中全部可获取的数千部小说。这带来了研究问题的根本变化：从“这部小说的主题是什么？”转向“19世纪美国小说的主题分布如何？哪些主题随时间变化？哪些作者偏离了主流？” 同时，非文本材料（地图、图表、照片、音频、视频）被大量数字化并纳入分析视野，推动了视觉人文、声音研究的发展。研究对象的“规模”与“类型”发生了质变。

2. 研究过程的数据化与可重复性 传统研究过程很大程度上是“黑箱”，依赖学者的内部心智活动，难以完全外化与复现。数字人文研究过程强调透明化与可重复性。从数据采集（爬虫规则、OCR后处理脚本）、清洗（去除停用词、标准化拼写）、分析（具体算法参数）、到可视化（图表代码），每一步都应被记录、版本化（如使用Git），使得其他研究者可以精确复现结果，或在此基础上进行修改与拓展。这引入了自然科学中“方法”部分的严谨性，也引发了关于“学术不端”新定义的讨论（如篡改数据、隐瞒分析步骤）。

3. 学术成果的形式革命 传统人文学科的成果主要是专著与论文，以线性文字叙述为主。数字人文的成果形式多元：交互式网站（如《巴黎公社1871》数字档案）、数据可视化仪表盘（如《莎士比亚词汇网络》）、游戏（如《中世纪手稿修复》模拟游戏）、3D重建模型、算法工具包等。这些成果往往非线性、多入口，用户可以根据兴趣探索。知识的组织从“章节-页码”的固定序列，变为“节点-链接”的网状结构。这挑战了传统的学术出版、同行评审与学术评价体系（如何评审一个网站？依据是设计、数据、还是洞见？）。

4. 从静态阐释到动态建模 传统阐释通常是静态的、一次性的结论。数字人文鼓励构建动态模型。例如，不是仅仅描述“《红楼梦》中的社会关系”，而是构建一个人物互动网络模型，用户可以调节参数（如“互动频率”阈值），观察网络结构的变化，从而形成对关系动态的直观理解。模型本身成为一种“思想实验”的场所，允许反复测试与迭代。这 closer 到科学中的建模思想，但模型的目的始终是服务于人文理解，而非预测。

这一范式转型并非没有代价。它要求人文学者掌握新的技能（至少是基本的数据素养），并重新思考学术贡献的衡量标准。其最深刻的变革或许在于：它正在将人文学科从一门 primarily 诠释的学科，转变为一门同时兼具诠释与构建能力的学科——不仅解读世界，也主动构建理解世界的工具与界面。

五、批评与反思：数字人文的边界与陷阱

对数字人文的批评之声从未停歇，这些批评是学科健康发展不可或缺的自我审视。主要批评集中在以下几个方面：

1. “深度缺失”与“人文感受力的削弱” 这是最根本的哲学性质疑。批评者（如文学评论家亚当·哈蒙德）认为，数字人文的量化方法、宏观模式捕捉，本质上是一种“浅层”阅读，它牺牲了文本的特异性、歧义性、情感厚度与历史语境 richness。一部伟大文学作品的力量，正在于其无法被简化为词汇频率或主题分布。将《尤利西斯》处理成数据点，是否消解了其实验性语言与意识流带来的震撼？这种批评警示我们，“远读”绝不能取代“细读”，而应与之形成对话。数字人文的成果，必须能引导用户回到具体文本，产生新的、更深层次的细读问题。

2. 理论反思不足与“方法中心主义” 早期数字人文常被批评为“技术决定论”或“方法中心主义”，即先有酷炫的技术（如主题建模、网络图），再去找人文问题适配，导致问题被工具扭曲。同时，数字人文项目有时过于注重工程实现与可视化效果，而缺乏扎实的理论框架支撑。一个漂亮的网络图，如果没有清晰的理论假设（如“基于何种互动定义‘关系’？”）与历史/文学阐释的深度解读，便只是一个漂亮的图表，而非学术贡献。近年，随着“批判性数字人文”的兴起，这一状况有所改善，理论反思（关于数据、算法、表征的哲学与政治）已成为核心议题。

3. 技术门槛、资源不平等与学术价值认定 数字人文项目通常需要计算资源、技术专长与长期资金支持，这加剧了学术机构之间的不平等：资源雄厚的大学与研究型图书馆可以建立强大的数字人文中心，而资源匮乏的机构则被边缘化。同时，数字人文成果（网站、数据库）在传统的学术评价体系（职称评审、科研考核）中常面临“不算成果”或“权重低”的困境，导致从事此方向的研究者在职业发展上处于劣势。这构成了对数字人文可持续发展的结构性挑战。

4. 数据偏见、伦理问题与“数字殖民” 数字人文严重依赖数字化数据。但现有数字馆藏（如Google Books, HathiTrust）存在严重的选择偏见：它们更偏向于英语作品、出版于特定时期的作品、以及被主流图书馆收藏的作品。用这些不具代表性的数据做“全集式”分析，结论必然有偏。此外，处理涉及当代或近现代的文化材料（如社交媒体数据、口述历史）涉及隐私、知情同意与文化敏感性问题。还有批评指出，数字人文的主流实践（工具、平台、方法论）由西方英语世界主导，可能形成一种“数字殖民”，使非西方、非英语的学术传统边缘化。这要求数字人文者必须具备数据伦理意识与全球视野。

这些批评不是要否定数字人文，而是为其划定健康的边界，指明深化方向。一个成熟的数字人文实践者，必须同时是技术使用者、理论思考者与伦理敏感者。数字人文的价值，最终不在于它产生了多少炫目的可视化，而在于它是否提出了新的人文学问题，是否深化了我们对人类文化与历史的理解，并以更开放、更协作、更严谨的方式推进了学术共同体的事业。

六、结语：作为“元学科”的数字人文

数字人文既不是人文学科的“救世主”，也不是其“掘墓人”。它更像一个“元学科” 或“赋能生态系统”，它不提供关于莎士比亚或宋代瓷器的直接答案，而是提供一套新的认知工具、协作框架与问题意识，促使我们以新的眼光审视旧材料，以新的规模探索传统问题，并以新的形式回馈学术共同体与公众社会。

它要求人文学者走出“纯阐释”的舒适区，拥抱一定程度的“构建”；它要求技术专家超越工具效率，理解人文问题的复杂性与价值负载；它要求所有参与者，在享受技术红利的同时，保持对其局限与风险的清醒批判。这种辩证张力，正是数字人文生命力之所在。

本书后续章节将沿着本章奠定的基础，深入探讨数字人文的具体方法论：文本挖掘的技术与哲学、地理信息系统在历史研究中的应用、社会网络分析的理论与实践、数字典藏与TEI编码标准、可视化设计的认知原则、以及数字人文项目的管理与伦理。每一章都将遵循“理论-方法-案例-批评”的框架，力求为初学者提供一条既扎实又具启发性的学习路径，助其在数字与人文的交汇处，找到自己的