数字人文的兴起：从工具应用到范式转型

数字人文的兴起并非仅仅是学术工具箱中增添了几件利器，而是一场深刻的认识论革命，它正在重塑人文学科的问题意识、证据范畴与阐释逻辑。这场变革的核心张力在于：技术是服务于传统人文研究的辅助工具，还是能够催生新问题、新证据、新解释模式的变革性力量（transformative force）？本书立场明确：我们正经历从“工具应用”到“范式转型”的关键跃迁。数字技术，特别是计算方法和海量数据，已超越单纯提高研究效率的层面，转而从根本上挑战人文学科长期依赖的个案深描、文本细读和主观阐释的传统范式，迫使我们去重新思考“证据”是什么、“解释”如何产生、“知识”如何建构。本章将追溯这一历史脉络，批判性审视“数字转向”对文学、历史、哲学等核心人文学科产生的结构性冲击，并深入辨析“人文计算”与“计算人文”这两个紧密相关却隐含不同认识论立场的术语，最终引出贯穿全书的根本性争论：在数据驱动的时代，定量方法与定性阐释的张力与融合可能何在？

历史脉络：从工具到范式的演进

数字人文的历史并非线性进步，而是呈现为工具应用与范式觉醒交织的复杂图景。其发展可粗略划分为三个阶段，每个阶段都留下了不同的技术烙印与思想遗产。

工具应用阶段（1950s-1990s）：计算机作为效率引擎

此阶段的核心特征是将计算机视为处理文本与数据的强大工具，旨在自动化或辅助传统人文学科中繁琐、重复的体力劳动。研究目标明确指向既有的人文问题，方法论上强调“计算机辅助”，而非“计算驱动”。

• **文本编码与语料库语言学**：1940年代末，罗塞塔石碑的计算机编码尝试开启了人文数据化的先河。1970年代，**文本编码倡议**（Text Encoding Initiative, TEI）的诞生标志着关键转折。TEI制定了一套基于SGML（后为XML）的指南，旨在用标准化标记描述文本的物理结构、逻辑结构和语义关系。其初衷是为文学、历史文本的存储、交换与共享提供技术基础，本质上是一种**数字化保存与检索工具**。例如，将莎士比亚戏剧标记出台词、场景、人物，便于生成索引或 concordance（词语索引）。这一时期，计算的目标是更好地服务于传统的文本批评与历史考证。
• **语料库语言学的兴起**：以**布朗语料库**（Brown Corpus, 1960s）为代表，计算机首次被大规模用于构建和分析自然语言文本集合。统计词频、词性标注、句法分析成为可能，但其应用主要局限于语言学内部，用于验证或发现语言规律，与文学阐释或历史叙事保持距离。
• **早期人文数据库**：历史学家开始尝试将档案资料（如人口普查记录、土地契约）录入数据库，以进行快速的交叉检索和基本统计。例如，1970年代法国年鉴学派学者使用计算机处理大量民事登记数据，以研究社会结构，但这仍是**验证预设历史假设的辅助手段**，计算本身未提出新问题。

此阶段的局限性显而易见：研究问题由人文学者预先设定，计算仅负责执行；数据规模有限，多为精选文本或结构化档案；成果多为印刷版的索引、字典或数据库报告，计算过程与结果被视为“黑箱”，不构成知识生产的核心环节。

发展期与范式萌芽（1990s-2000s）：互联网、可视化与跨学科对话

万维网的普及、个人计算机性能的指数级增长以及地理信息系统（GIS）的平民化，为人文学者提供了前所未有的数据获取、处理与呈现工具。此阶段，工具的应用开始反向影响研究问题的提出，范式转型的种子悄然萌发。

• **大规模数字化与“文本挖掘”的诱惑**：**谷歌图书数字化项目**（2004年启动）和**HathiTrust数字图书馆**的建立，首次使人文学者有可能面对数千万册图书的“全集”而非“选本”。这直接催生了**文化分析法**（cultural analytics）和**远读**（distant reading）的概念。弗朗哥·莫雷蒂（Franco Moretti）在2000年发表的《图表、地图、树》一文中，旗帜鲜明地反对仅靠“细读”少数经典文本的做法，主张通过量化图表、地理信息系统和社会网络分析，来把握文学史的宏观模式、结构和演变。他研究小说名称的地理分布与类型演变，使用的正是数字化书目数据库。这标志着研究焦点从“文本内部”转向“文本集合外部”，从“意义阐释”转向“模式发现”。计算不再是后台工具，而是**产生新知识的核心方法论**。
• **GIS与空间转向**：历史学与考古学率先拥抱GIS。从简单的历史地图绘制，发展到将历史事件、人口迁移、土地用途等多层数据叠加分析，揭示传统 narrative 难以捕捉的时空模式。例如，研究美国内战时期的战役与地形、交通网络的关系，或追踪瘟疫在历史上的传播路径。空间分析从辅助插图变为**历史解释的核心变量**。
• **可视化作为阐释**：数据可视化不再仅是结果呈现，其本身被视作一种**阐释性行为**。设计图表时的分类、聚合、缩放选择，都蕴含着对数据的理解和偏见。这促使学者反思：可视化是客观反映，还是主观建构？
• **跨学科制度化**：各地大学纷纷成立数字人文中心（如美国斯坦福大学、英国伦敦大学学院），从提供技术支持的项目组，逐渐演变为**培养跨学科人才、资助创新研究**的学术单位。会议、期刊（如 *Digital Humanities Quarterly*）涌现，形成了一个初步的学术共同体，开始就方法论、伦理和认识论进行自觉讨论。

此阶段，工具的应用已明显渗透到研究设计的源头。学者开始带着“是否有足够数据？”“能否用网络图呈现？”等问题进入研究，计算思维开始重塑人文学科的研究议程。

范式转型阶段（2010s至今）：计算作为认识论框架

进入2010年代，尤其是机器学习、自然语言处理（NLP）和大数据技术的成熟，数字人文进入了一个新阶段：计算不再仅仅是方法，而成为一种塑造学科基本假设的认识论框架。其核心转变体现在：

• **问题驱动的数据生成**：研究不再始于既有数据集，而是始于一个计算可处理的问题。例如，不是问“《红楼梦》有哪些人物”，而是问“如何用无监督学习自动识别小说中的所有人物关系网络并分析其动态演变？” 这要求重新定义“人物”、“关系”等核心概念，使其可计算。
• **“证据”的扩张与重构**：传统人文学科的证据主要是引文、档案、文物。现在，**元数据**（出版年份、作者生平、图书馆位置）、**中间产物**（主题模型的文档-主题分布矩阵、词向量）、甚至**算法本身的参数与误差**，都成为可讨论、可质疑的证据。例如，在主题模型分析中，主题数量（K值）的选择直接影响结论，这本身成为论证的一部分。
• **阐释的“后人类”转向**：阐释权部分让渡给算法。机器发现的模式（如某时期小说中“情绪词”的突然增多）需要人文学者进行**归因与意义赋予**。阐释过程变为“人机协作”：算法提供相关性、模式，学者负责因果推断、历史 contextualization 和价值判断。这引发了关于**算法阐释是否具有合法性**的深层讨论。
• **对“人文”的再定义**：当计算成为核心方法，人文学科必须回答：什么是“人”？什么是“文本”？什么是“意义”？例如，将情感分析应用于诗歌，挑战了“情感是主观体验”的传统观念，将其视为可被统计模型捕捉的文本信号。这迫使哲学、文学理论进行自我反思。

此阶段，数字人文的自我认知发生了根本变化：它不再仅仅是“人文学科+计算机”，而是一个拥有自身方法论、伦理规范和认识论主张的独立领域，其终极目标是用计算思维探索人类文化、历史和思想的复杂性。

术语辨析：人文计算、数字人文与计算人文

“数字人文”（Digital Humanities, DH）已成为一个看似清晰的 umbrella term（统称），但其内部蕴含的方法论分歧，通过“人文计算”（Computational Humanities）与“计算人文”（Humanities Computing）等术语的微妙差异得以暴露。厘清这些术语，是确立本书立场的逻辑前提。

• **人文计算**：此术语通常指向一种**以计算技术为中心、服务于既定人文目标**的取向。其隐含假设是：人文问题（如“莎士比亚戏剧的主题是什么？”“中世纪经济如何运作？”）是先验存在的、稳定的，计算技术是高效求解这些问题的**工具**。研究者通常是受过人文训练、再习得计算技能的人，他们用现成的工具包（如Python的NLTK、Gephi）处理数据，最终答案仍以传统人文叙事（论文、专著）呈现。计算过程被视为透明的、可复现的技术步骤，而非知识生产的核心。这一取向在数字人文早期及许多应用项目中占主导。
• **计算人文**：此术语更强调**计算思维对人文学科的根本性重构**。它认为，面对数字时代产生的新型文化数据（社交媒体、数字档案、多媒体），传统人文概念和问题已不足以有效应对。因此，必须**从计算的基本原理出发（如算法、数据结构、统计推断）来重新定义人文研究的对象和问题**。研究者需要具备“计算想象力”，能提出“如何用图算法理解思想传播？”“如何用生成模型模拟历史情境？”等原生计算问题。知识产出的形式也可能是多元的：可交互的可视化、开源算法库、数据文档本身，而不仅仅是文本。计算过程是**不可省略的、具有认识论价值的黑箱**，其不确定性、偏见和简化本身成为批判性分析的对象。这一取向更接近本书所倡导的范式转型立场。
• **数字人文**：作为公共领域和学术机构的通用标签，它**策略性地包容了上述两种取向**，有助于建立共同体和争取资源。但本书认为，这种包容性也掩盖了深层的方法论冲突。在本书中，我们将“数字人文”作为一个历史性和描述性术语，而将“**计算人文**”作为规范性术语，用以指代我们倡导的、将计算视为**变革性认识论力量**的研究范式。

这种区分绝非咬文嚼字。它关乎研究的出发点：是为了用新技术更好地回答老问题，还是因为新技术让我们看到了新世界，从而必须重新提问？前者是工具理性的延伸，后者是范式革命的开端。本书的论述将始终站在“计算人文”的立场，审视那些真正利用计算重构问题、证据与解释的先锋实践。

根本性冲击：传统人文学科的“数字震颤”

数字技术对文学研究、历史学、哲学等学科的冲击是结构性、多层次的，它动摇了这些学科赖以建立的本体论、方法论和认识论基础。

文学研究：从“细读”到“远读”与“可计算文本”

新批评式的“细读”（close reading），强调对文本语言、结构、反讽的深度、反复解析，是20世纪中叶以来文学研究的黄金方法。数字人文，特别是远读，对此构成了根本性挑战。

• **本体论冲击**：什么是“文本”？传统上，文本是一个**封闭、完整、有权威版本**的对象。数字人文实践中，文本被**离散化为可检索、可计量、可关联的数据单元**（词、句、段落、标记）。一个“文本”可以是单个作品，也可以是整个语料库。这动摇了“作品”的自主性和边界。
• **方法论冲击**：细读是**定性、归纳、阐释性**的，依赖研究者的敏感与洞见。远读是**定量、统计、发现模式**的。例如，马修·乔克ers（Matthew Jockers）使用机器学习分析近千部19世纪美国小说，发现“主题”随时间和地域有规律性迁移，这超越了任何单部作品的细读能得出的结论。他提出“ Macroanalysis ”（宏观分析），与“微观分析”形成互补。
• **认识论冲击**：细读追求**独一无二的、深度的意义**。远读揭示**重复的、分布式的模式**。这引发了激烈争论：模式是否就是意义？统计显著性是否等同于阐释价值？例如，发现某时期小说中“眼睛”一词频率上升，这能说明什么？是视觉文化变迁，还是词汇更替？这要求阐释者必须将计算发现置于更广阔的历史文化语境中**进行归因**，计算本身不提供最终答案。
• **可计算文本的兴起**：受TEI启发的**文本编码**，使文本的物理形态（版式、字体）、逻辑结构（章节、对话）甚至语义（人物、地点）都可被机器读取。这催生了“可计算文本”的概念，文本成为一种**可编程的、多层的信息结构**。学者可以编写脚本，提取所有对话场景分析话语模式，或追踪特定意象的跨文本出现。这极大地扩展了“文本”的可操作性，但也引发伦理担忧：对文本的过度切割是否会损害其审美整体性？

历史学：档案的民主化、空间分析与“大数据”的历史

历史学长期依赖对稀缺档案的“考古式”挖掘。数字技术正在改变这一根本范式。

• **档案的爆炸与民主化**：数字化使海量档案（政府文件、报纸、私人信件、图像）在线 accessible。**“大数据”历史**成为可能，研究者可分析数十年甚至数百年的连续数据集，如全部《纽约时报》文章、全球贸易数据库。这减少了因档案散佚、访问困难导致的“幸存者偏差”，但也带来了新的**选择性偏见**：数字化什么？谁的数字档案可及？这要求历史学家必须成为**数据批判家**，审视数字化的政治经济学。
• **空间分析的革命**：GIS将历史事件置于精确的地理坐标，允许进行**时空建模**。例如，研究罗马帝国道路网与军事行动、贸易路线的关系；或可视化19世纪欧洲移民的逐级迁移模式。空间不再是背景板，而是**主动的历史变量**。然而，GIS的“精确”也可能掩盖历史地理概念的模糊性（如“边境”的流动性），技术精度与历史真实之间需保持张力。
• **网络分析与社会历史**：将历史人物、组织、事件作为节点，关系作为边，构建社会网络。这有助于可视化思想传播网络（如启蒙思想家的通信网）、政治派系结构。它提供了超越个体传记的**宏观社会结构图景**，但网络简化了关系的复杂性质（情感、权力、利益），且数据往往不完整。
• **“可计算历史”的挑战**：历史事件是**独特、不可重复、充满偶然性**的。计算模型擅长发现规律，却可能抹杀历史的特异性和人类能动性。如何用统计模型处理“希特勒的崛起”这类唯一事件？这迫使历史学家在**解释的普遍性与特殊性**之间寻找新的平衡点。

哲学：计算伦理、形式化建模与思维实验的扩展

哲学，尤其是伦理学、逻辑学和哲学史，正经历计算带来的内在冲击。

• **计算伦理学的兴起**：自动驾驶的“电车难题”、社交媒体的算法偏见、AI的决策透明性，这些问题已无法仅靠经典伦理理论（功利主义、义务论）回答。哲学家必须**形式化伦理困境**，构建多主体博弈模型，或分析算法决策的规范性基础。计算不再是外部应用，而成为**伦理推理本身的组成部分**。
• **哲学史研究的“数字人文”转向**：利用文本挖掘和网络分析，研究哲学概念的历史演变（如“正义”从古希腊到现代的词频与语境变化），或哲学家之间的影响网络（如德国观念论者的通信与引用）。这提供了**超越精英思想家传记的宏观思想史图景**，但也可能将复杂的思想流变简化为统计相关性。
• **逻辑与认知的形式化实验**：计算模型被用于模拟和测试哲学认知理论。例如，用贝叶斯网络模拟“归纳问题”，或用多智能体系统模拟“规范涌现”。这使哲学论证更具**可检验性和精确性**，但也引发争议：形式化模型是否过度简化了人类心智的复杂性？
• **本体论与认识论的再思考**：当AI生成看似有意义的文本，当算法做出类人决策，“意识”、“意向性”、“意义”等核心哲学概念受到直接挑战。哲学家必须与计算机科学家对话，共同界定这些概念在计算语境中的新内涵。

核心争论：定量与定性阐释的张力与融合可能

数字人文最持久、最核心的争论，是定量（计算）方法与定性（阐释）方法之间的张力。这场争论并非简单的“优劣”之争，而是关乎人文知识本质的根本分歧。

张力的根源：不同的认识论传统

• **定量/计算路径**：根植于**实证主义、科学主义**传统。它假设存在可观测、可测量的文化模式，追求**客观性、可重复性、可推广性**。知识生产目标是发现“规律”或“相关性”。其优势在于处理超大规模数据、揭示隐藏模式、提供宏观视野。风险在于：**简化主义**（将丰富意义降维为数字）、**虚假相关性**（统计显著不等于因果）、**技术决定论**（算法答案被视为终极真理）。
• **定性/阐释路径**：根植于**诠释学、现象学、批判理论**传统。它强调意义的**情境性、历史性、主体性和不可化约的复杂性**。知识生产目标是深度理解“为什么”和“意味着什么”。其优势在于把握细微差别、揭示权力结构、进行价值判断。风险在于：**主观性**（难以复现）、**样本偏差**（依赖精选案例）、**难以规模化**。

融合的尝试与路径

越来越多的研究者不再将二者视为对立，而是探索方法论上的互补与整合。

1. 计算辅助阐释：计算作为发现工具，为阐释提供新起点。例如，先用主题模型发现某个历史时期文献中突然涌现的“新”主题集群，再由历史学家深入档案，探究其社会经济根源。计算提出“是什么”和“在哪里”，阐释回答“为什么”和“意味着什么”。关键是将计算结果视为假设生成器而非结论。 2. 阐释引导计算：阐释作为问题界定和结果解读的框架。例如，受女性主义批评启发，研究者设计算法专门追踪文献中被边缘化的女性角色及其关系网络，而非使用通用的人物识别模型。阐释性的理论预设塑造了计算的设计与解释。 3. 混合方法研究设计：在项目初期就规划定量与定性环节的迭代循环。例如，先进行小规模细读以建立编码框架，再用该框架训练机器学习模型处理大规模数据，最后将模型输出与细读案例进行对比验证。这要求研究者同时具备两种能力。 4. 批判性算法研究：这本身就是一种融合。它将算法本身作为阐释对象，分析其设计假设、训练数据偏见、输出结果的社会影响。例如，研究推荐算法如何塑造阅读口味，这既需要理解算法机制（计算），也需要理解文化政治（阐释）。斯蒂芬·拉姆西（Stephen Ramsay）的“算法批评”（Algorithmic Criticism）主张，将阅读文本的敏感度应用于“阅读”算法，审视其如何建构意义。

融合的深层障碍与本书立场

融合的障碍不仅是技术性的，更是制度性和认识论的：

• **学术评价体系**： tenure 和 publication 仍以单一学科、单一方法（通常是定性专著）为金标准，跨学科、方法融合的研究难以被评价。
• **技能壁垒**：同时精通高级编程和哲学阐释学的人才极其稀缺。
• **认识论鸿沟**：双方对“证据”、“解释”、“有效性”的定义不同，对话基础薄弱。

本书立场是：融合不是简单的“先定量后定性”或“两者兼有”，而是一种新的研究范式——“计算阐释学”（Computational Hermeneutics）的萌芽。它要求：

• **透明性**：公开代码、数据、参数选择，使计算过程可审查、可批判。
• **谦逊**：承认计算模型的简化本质，将其发现视为**可证伪的、情境化的假设**，而非普适真理。
• **对话**：在计算学者与传统人文学者之间建立**持续、平等的对话机制**，共同定义问题、解释结果。
• **伦理前置**：在项目设计之初就纳入对数