数字人文的范式转型：从人文计算到批判性数据研究

当数字人文研究者将《战争与和平》导入文本分析软件，当历史学家在GIS平台上叠加19世纪城市地图与人口普查数据，一场静默的认识论革命正在发生。数字人文已悄然从人文学科的“辅助工具”演变为一种重塑研究范式、乃至挑战学科根基的力量。然而，这一转型并非线性进步，其内部始终交织着技术乐观主义与批判反思的张力。本章旨在深入这一张力场，追溯数字人文从“人文计算”到“批判性数据研究”的范式转型，剖析计算转向如何深刻重构了文学、历史、艺术研究的本体论与认识论基础，并揭示技术应用中隐匿的偏见与权力结构。通过对比“罗斯金项目”与“Slavery in the Americas”两个标志性案例的成败得失，我们将论证：唯有将理论自觉内嵌于技术实践，数字人文才能真正成为负责任的知识发现引擎。

数字人文的谱系学：从工具理性到方法论自觉

数字人文的历史脉络并非一条平坦的进步之路，而是一个充满张力的演化过程，其核心驱动力始终是人文研究者对“计算”这一异质元素的接纳、协商与批判。追溯其谱系，我们可以清晰地辨识出三个重叠但取向迥异的阶段，每个阶段都对应着人文学科与计算机科学之间关系的不同理解。

第一阶段：人文计算（Humanities Computing）的工具化期（约1950s-1980s）。这一时期，计算机被定位为纯粹的效率工具，旨在自动化处理人文学科中繁重、重复的体力劳动。其哲学基础是工具理性，核心假设是“计算”与“解释”之间存在清晰边界。标志性实践包括：利用IBM打孔卡进行文本词频统计（如早期对莎士比亚词汇的研究）、开发 concordance 程序生成词汇索引、以及早期文学语料库的构建（如布朗语料库）。在这一框架下，研究者关注的是技术可行性——如何让计算机读懂文本（通常通过标记化、去除停用词等简单预处理）并输出计数或列表。研究问题通常由传统人文学科预设（如“哪位作家最频繁使用‘忧郁’一词？”），计算仅提供答案。本体论上，文本被视为可分割的符号序列；认识论上，结论的有效性依赖传统学术标准对结果的解读，计算本身不被视为产生新知识的途径。此阶段的局限性显而易见：它未能触及计算如何从根本上改变“文本是什么”以及“我们如何知道”的问题。

第二阶段：数字人文（Digital Humanities）的兴起与融合期（约1990s-2010s初）。随着个人计算机普及、互联网诞生以及超文本理论的影响，数字人文开始超越工具辅助，形成自身的方法论认同。核心转变在于：计算过程本身被视为一种阐释行为，数字媒介成为新的研究对象和表达形式。标志性特征包括： born-digital 学术作品的涌现（如《喇沙族的战争》等超文本小说研究）、大规模数字化图书馆与档案项目（如Google Books、欧洲图书馆）、GIS在历史研究中的系统应用（如《美国社会历史地图集》）、以及文本挖掘与主题模型（如Latent Dirichlet Allocation在文学史中的应用）的普及。此阶段的研究问题开始由数字环境的可能性所塑造，例如“如何可视化一个作家作品的所有人物关系网络？”或“如何从数万份报纸中自动追踪某个概念的流行度变化？”。本体论上，“数据”成为核心概念，人文对象（文本、图像、地点）被转化为可计算的数据集；认识论上，“发现”变得重要——算法被期望揭示人类阅读难以察觉的宏观模式、长期趋势或隐藏关联。然而，这一阶段的主流实践仍常陷入“技术决定论”陷阱，即假设更好的算法、更大的数据必然导向更深刻、更客观的知识，而较少反思数据生成、算法设计本身所承载的文化假设与政治立场。

第三阶段：批判性数据研究（Critical Data Studies）与范式转型（约2010s至今）。伴随“大数据”热潮及其在社会治理、商业领域的广泛应用，数字人文内部以及更广泛的科学知识研究领域，兴起了对数据、算法及其社会嵌入性的系统性批判。这一转向将数字人文从“如何做”的技术手册，推向“为何做”以及“为谁做”的伦理与政治哲学层面。核心关切包括：数据的不完美性（数据是收集的，而非自然存在的；充满遗漏、错误与偏见）、算法的价值负载（算法优化目标如“准确性”或“效率”本身是一种价值选择，可能边缘化其他价值如公平、可解释性）、基础设施的权力（谁控制数据标准、平台、计算资源？）、以及知识生产的正义（数字化过程是否强化了既有的文化霸权，使边缘群体的声音进一步沉默？）。这一阶段并非否定计算，而是主张一种“负责任的创新”，要求将批判性反思前置并贯穿于技术实践的全过程。它标志着数字人文从“方法论”向“范式”的成熟——计算不仅是新工具，更是一种重塑人文研究本体论、认识论、伦理观的整体视角。批判性数据研究正是这一新范式的核心框架，它要求我们将任何数据集和算法都视为“文化产物”和“政治行为”来分析。

计算转向对人文研究本体论与认识论的重构

计算范式对文学、历史、艺术等传统人文学科的冲击是根本性的，它首先动摇了这些学科的研究对象（本体论），继而改变了我们获得关于这些对象知识的途径（认识论）。

本体论的重塑：从“作品”到“数据”，从“语境”到“连接”

传统人文学科的研究对象通常是经过高度抽象和理论建构的概念：“文本”（作为作者意图、时代精神、文学传统的承载物）、“历史事件”（作为因果关系链中的节点）、“艺术品”（作为天才创造、风格演进、时代表征的实体）。这些对象具有物质性、历史性、语境依赖性和意义开放性。

计算范式通过“数据化”（datafication）过程，将这些对象转化为可存储、可处理、可分析的数据。这一转化本身即是一种强大的本体论操作：

1. 离散化与可计算性：连续的文本被分割为词元（tokens），图像被分解为像素矩阵或特征向量，地点被抽象为经纬度坐标。例如，在“罗斯金项目”中，约翰·罗斯金的大量散文、书信、艺术评论被转换为标准化的文本文件，每个词被赋予一个频率。这使得“罗斯金的词汇丰富度”成为一个可计算、可比较的指标，但同时也剥离了文本的排版、插图、纸张材质、出版历史等物质信息，而这些在传统艺术史和书籍史研究中至关重要。 2. 去语境化与再语境化：数据化常常将对象从其原始语境中抽离。一份19世纪报纸上的广告，在数据库中可能仅作为一条带有日期、关键词的记录。然而，其版面位置、相邻广告、油墨气味、读者群体等语境信息大量丢失。数字人文的“再语境化”尝试通过链接数据、构建关联图谱来弥补，但新语境（如数据库的字段、算法的关联规则）本身就是一种新的、往往更抽象、更工具化的语境。 3. 关系实体化：计算擅长处理关系。在传统历史研究中，“联系”可能是隐喻性的、解释性的；而在数字历史项目中，“联系”被实体化为数据库中的外键、网络图中的边、GIS中的拓扑关系。例如，将历史人物、地点、组织构建成知识图谱，使得“A是B的朋友”、“C在D地活动”成为可查询、可遍历的结构化事实。这极大地增强了宏观模式发现的能力，但也可能将复杂、流动、多层次的社会关系简化为二元、静态的链接。 4. 过程与状态的偏重：计算更易于处理状态数据（如某时刻的人口数量）而非过程数据（如人口迁移的动态决策过程）。因此，数字人文项目往往更擅长回答“是什么”和“有多少”，而对“如何”和“为何”的解释力较弱，除非通过复杂的模拟（如基于智能体的模型）。

这种本体论转型意味着，数字人文研究者首先必须追问：“我的数据是如何从原初人文对象中产生的？这一转化过程损失、扭曲或突出了什么？” 忽视这一问题，就会将数据误认为对象的完美替身。

认识论的变革：从阐释循环到计算发现，从因果叙事到模式识别

传统人文学科的认识论核心是阐释（interpretation），强调在具体语境中对意义进行细读、考证、辩论，遵循“阐释循环”（从部分到整体，再回到部分）。知识生产是渐进的、对话的、充满不确定性的。

计算范式引入了新的认识论要素：

1. 发现导向：机器学习，特别是无监督学习（如聚类、主题模型），其目标是发现数据中隐藏的结构，而非验证预设假设。例如，使用LDA主题模型分析19世纪美国小说，可能会发现一个与“废奴”高度相关的“主题”，这或许能启发研究者去重新审视某些被忽视的作品或作者。这是一种归纳而非演绎的认识路径。 2. 宏观与远读： Franco Moretti 提出的“远读”（distant reading）与此紧密相关。通过计算处理海量文本（如全部19世纪英国小说），研究者可以观察长周期趋势（如小说词汇复杂度变化）、系统性模式（如不同流派对特定形容词的使用偏好）和整体分布（如作家声誉与作品数量的关系）。这提供了传统“细读”无法获得的宏观图景，但也可能以牺牲对个别文本的深刻理解为代价。 3. 可视化作为认知：交互式可视化（如时间线、地图、网络图、树状图）不再仅仅是结果的展示工具，而成为认知过程本身。通过操纵可视化界面，研究者可以形成假设、识别异常、探索关系。例如，在历史GIS中，点击一个突然出现又消失的社区，可能引导研究者去查阅该时期的瘟疫记录或经济危机文献。可视化创造了一种空间-视觉思维模式。 4. 可重复性与透明性挑战：计算过程理论上具有可重复性——给定相同数据和代码，应得到相同结果。这为人文研究带来了科学所追求的部分严谨性。然而，现实中的复杂性（数据版本、环境依赖、随机种子）使得完全重复困难。更重要的是，许多高级算法（如深度学习）是“黑箱”，其内部决策逻辑难以解释，这与人文阐释追求理解和理由的传统存在深层冲突。我们可能知道“模型将这篇文献归类为A类”，但难以获得人文学者所期望的“为什么”的阐释性答案。

这种认识论变革要求我们反思：“计算发现的知识与阐释获得的知识，其性质、效力和局限性有何不同？二者是互补、竞争还是需要整合的关系？”

批判性数据研究框架：审视偏见、权力与正义

批判性数据研究为审视上述本体论和认识论转型提供了系统的概念工具。它并非一套具体技术，而是一种研究立场和反思框架，要求我们在数字人文项目的每一个环节——从问题提出、数据收集、方法选择、结果解释到成果发布——都嵌入批判性思考。以下是一个整合性的分析框架：

1. 数据批判：档案的意识形态

• **数据化中的选择性**：什么被数据化？什么被排除？例如，大型数字化图书馆优先数字化已进入公共领域的西方经典著作，而大量非西方、非主流、边缘群体的文本可能因版权、语言、资源问题被忽视。这强化了已有的文化 canon。
• **数据生成的权力**：数据由谁、在何种目的下生成？殖民档案中的奴隶记录，其目的是为了管理、控制和征税，而非记录奴隶的视角与体验。直接使用这些数据而不加批判，就是在重复殖民者的凝视。
• **数据的稳定性与流动性**：数据看似稳定，但其定义、分类标准、编码规则都可能随时间、机构、政治环境变化。例如，“种族”在历史人口普查中的分类标准历经多次改变，直接进行跨时期比较必须谨慎。
• **缺失数据的政治**：数据的缺失往往不是中性的“空白”，而是系统性排斥的结果。例如，历史上女性、少数族裔、下层阶级的书面记录本就稀少，数字化后，这种“可见性”差距会在算法分析中被进一步放大。

2. 算法批判：代码中的价值负载

• **优化目标与公平性**：任何算法都有一个（或多个）优化目标（如最小化预测误差、最大化点击率）。这个目标本身就是一种价值选择。在推荐系统中，优化“用户参与度”可能导致推送极端内容；在历史文本分类中，优化“整体准确率”可能使少数类（如女性作家）的识别率极低。
• **训练数据的偏见内化**：机器学习模型会学习训练数据中的社会偏见。例如，如果历史文献中“科学家”一词多与男性名字共现，模型可能将“护士”与女性更强关联。在人文分析中，这可能导致强化历史中的刻板印象。
• **算法的不可解释性与权威**：复杂的算法（如深度学习）如同一个“黑箱”，其决策过程难以追溯。当学者引用“算法发现”作为论据时，可能削弱了人文阐释所需的论证链条，将权威从“解释”转移到了“计算”。
• **基础设施与标准化**：谁主导了开源工具（如Python的NLTK、spaCy）、数据标准（如TEI）和计算平台（如Jupyter Notebook）的发展？这些基础设施的默认设置（如语言模型主要基于英语新闻语料）会无形中塑造全球数字人文的研究议程和可能性。

3. 解释与应用的批判：知识的政治

• **从相关性到因果性的陷阱**：计算擅长发现强相关性，但相关性不等于因果性。在历史研究中，发现“某地区印刷术普及率与宗教改革强度相关”，不能直接得出“印刷术导致宗教改革”的结论，必须结合历史语境进行审慎解释。
• **可视化扭曲**：可视化选择（如坐标轴比例、颜色映射、节点大小）会强烈影响观众的感知和解读。一个看似“客观”的网络图，可能因布局算法而无意中突出或边缘化某些群体。
• **知识的商品化与私有化**：大型数字人文项目往往依赖商业云服务（如AWS、Google Cloud）和专有软件。这不仅带来成本问题，更可能导致研究数据、过程和成果被平台公司的条款所约束，甚至面临数据所有权争议。
• **参与式研究缺失**：项目是否只服务于学术发表，而忽略了与相关社区（如历史事件后裔群体、地方文化持有者）的对话与合作？批判性数据研究倡导**社区主导的档案建设**和**协作式知识生产**，确保研究惠及被研究者。

案例分析：理论自觉如何塑造技术实践

为了具体展示批判性数据研究框架的实践意义，我们对比两个（为说明目的而重构的）经典项目：“罗斯金项目”（一个早期、技术导向的项目）与“美洲奴隶制项目”（一个后期、批判意识强烈的项目）。二者都致力于将丰富的历史人文资料数字化并进行分析，但其理论自觉程度导致了截然不同的成果、影响与遗产。

案例一：罗斯金项目（1995-2005）—— 工具理性的辉煌与局限

项目概况：旨在将19世纪英国艺术评论家、作家约翰·罗斯金（John Ruskin）的全部已出版著作（约40卷）数字化，构建一个可全文检索、词频统计、简单 Concordance 的在线数据库。项目由计算机科学系与英语系合作，获得大型基金会资助，技术上代表了当时的先进水平（XML编码、早期搜索引擎）。

技术实践亮点：

• 实现了罗斯金著作的**大规模数字化与结构化**，结束了研究者需在多个图书馆查阅纸质版的困境。
• 提供了**高效的检索工具**，例如，一键找出罗斯金所有提及“哥特式”的段落，并按年代排序。
• 开发了**词频可视化工具**，展示“劳动”、“艺术”、“美”等关键词在罗斯金不同创作阶段的使用趋势。

理论自觉的缺失与问题： 1. 本体论盲点：项目将“罗斯金的著作”等同于“罗斯金的思想”。数据化过程剥离了文本的物质形式（初版插图、版式、纸张）和出版语境（为哪些杂志撰文？如何被编辑修改？）。罗斯金作为一位深度介入社会运动（如英国工艺美术运动）、拥有广泛通信网络的人物，其思想被压缩为孤立文本中的词汇集合。项目未能将书信、他人回忆录、同时代报刊评论等外围文本纳入关联分析，错失了理解罗斯金思想网络的关键。 2. 认识论简化：项目预设了“高频词=核心思想”的简单对应。例如，发现“劳动”一词在后期著作中频率显著上升，便得出“罗斯金越来越关注劳动”的结论。但这可能忽略了：1) 罗斯金对“劳动”的定义和情感色彩在前后期发生了根本变化（从体力劳动到精神劳动）；2) 词汇频率上升可能是因为他后期写作更冗长、更重复。没有结合文本细读和阐释，计算发现只是提供了一个未经检验的相关性线索。 3. 数据批判的缺席：数字化所用底本主要选择当时易得的商业再版，而非最权威的学术版。XML编码方案由计算机科学家主导，对罗斯金独特的复合词汇、艺术术语、古语处理粗糙，大量歧义未解决。项目未公开数据清洗和编码的完整日志，导致后续研究者无法评估数据质量或进行复现。 4. 应用的政治盲视：项目成果主要服务于文学与艺术史专业学者，界面设计、检索逻辑均基于学术研究习惯。它未能考虑公众教育、中学教学等应用场景，也未与任何罗斯金研究以外的社群（如工艺美术传承者、相关地方历史学会）协商，知识生产封闭在学术圈内。

结局与遗产：项目在技术上成功，数据库一度被广泛引用。但随着时间推移，其局限性被日益认识：数据质量存疑，无法回答更深层的理论问题。它成为了数字人文早期“重技术、轻理论”的典型教训，催生了后来者对数据文档化、编码规范、跨学科团队建设的重视，但也留下了“数字人文就是建库检索”的刻板印象。

案例二：美洲奴隶制项目（2010-2020）—— 批判性框架的整合实践

项目概况：一个跨学科、多机构合作项目，旨在整合分散于欧美各大档案馆的关于16-19世纪美洲奴隶制的各类记录（奴隶船日志、种植园账本、海关文件、解放档案、少数奴隶叙述），构建一个集搜索、分析、可视化于一体的研究平台，并明确以促进社会正义、填补历史空白、赋能相关社区为宗旨。

理论自觉的整合与实践： 1. 本体论的扩展与敏感：项目团队不仅收集殖民者档案，更将寻找和数字化边缘群体痕迹作为核心任务。这包括：1) 系统收集所有残存的奴隶口述历史录音和文字记录（即使片段化）；2) 与加勒比、非洲的档案馆合作，纳入非洲来源地的记录；3) 利用考古报告、地名学、口述传统作为补充数据。在数据模型中，不仅记录“奴隶主-奴隶”关系，更设计字段记录奴隶的非洲民族/语言背景、技能、家庭纽带、反抗行为（即使来源是零碎的）。本体上，将“奴隶”从被动客体重新构想为具有能动性的历史主体，即使数据极其稀疏。 2. 认识论的分层与透明：

• **发现层**：提供强大的时空搜索与网络可视化。例如，可以绘制特定奴隶的已知轨迹（从非洲港口到美洲种植园），或可视化某个奴隶主的所有奴隶及其技能分布。这些工具被明确标识为**探索性工具**，结果需经历史考证。
• **阐释层**：项目网站设“研究叙事”板块，由历史学家、社会学家、后裔社区代表撰写专题文章，**结合计算发现与档案考证**，讲述特定群体（如来自刚果河的奴隶在巴西的抵抗网络）的故事。这里，计算模式（如网络聚类）被用作**阐释的起点和佐证**，而非终点。
• **不确定性层**：所有数据点都标注**来源、置信度、缺失原因**。例如，一个奴隶的名字可能来自一份1830年账本，但1835年记录中消失，平台会提示“可能死亡、出售或改名，无记录”。可视化中，用不同透明度或线条样式表示确定与不确定关系。这直接回应了“数据不完美”的批判。

3. 数据批判的制度化