数字人文导论：概念、历史与范式转移

数字人文（Digital Humanities, DH）不仅是技术工具在人文学科的简单应用，更是一场深刻的范式转移（paradigm shift），它重新定义了研究问题、方法论和学术共同体。本章旨在为整本书奠定理论基础，通过系统梳理数字人文的概念边界、历史演进和核心范式转移，揭示其作为跨学科领域的复杂性与活力。我们将论证，数字人文的实质在于从模拟到数字、从孤立到网络化的双重转型，这一转型不仅改变了人文学科的生产方式，也挑战了传统的学术评价与知识传播体系。面对当前关于方法论合法性的争议，本章将提供一种辩证的视角，既承认数字人文在认识论上的创新，也审视其技术决定论的潜在风险。最终，通过综述关键文献与项目案例，本章将构建一个分析框架，引导读者理解后续各章对具体领域（如文本分析、视觉文化、历史地理信息系统等）的深入探讨。

概念界定：数字人文的定义、边界与流动性

数字人文作为一个术语，其定义始终处于动态协商之中，这本身反映了该领域的跨学科本质与实践导向。狭义的数字人文常被理解为“人文学科中计算方法的系统性应用”，而广义的定义则强调“一种学术愿景，其中数字技术不仅是工具，更是重新构想人文学科研究、教学与出版的方式”。这种定义的流动性并非缺陷，而是领域活力的体现，它允许数字人文在吸收计算机科学、社会科学乃至自然科学方法的同时，保持对人文学科核心关切（如意义阐释、历史语境、伦理价值）的忠诚。

从术语史来看，“数字人文”一词在1990年代中后期逐渐取代更早的“人文计算”（Humanities Computing），这一替换本身即是一种范式转移的符号。人文计算倾向于将计算视为外在于人文学科的辅助工具，目标是将人文材料转化为可计算的形式以进行高效处理；数字人文则更强调人文学科与数字技术之间的双向塑造关系——技术被用来提出新的人文问题，而人文问题也反过来驱动技术创新。正如约翰·昂斯沃思（John Unsworth）在2000年代初所指出的，数字人文的核心活动包括“创建、分析、解释和传播数字形式的人文资源”。这一定义突出了“创建”与“传播”的重要性，将数字人文从单纯的分析工具扩展至知识生产的全周期。

然而，定义的争议从未停歇。批评者指出，数字人文的边界过于模糊，以至于可以容纳从数字化档案建设到数据可视化的一切活动，从而稀释了其理论锐度。支持者则认为，这种模糊性正是其跨学科优势所在，允许领域根据实践需求不断演化。为应对这一争议，我们提出一个操作性定义：数字人文是这样一个跨学科领域，它系统地运用数字方法（包括计算建模、数据挖掘、网络分析、可视化等）来创造、解释和传播人文知识，同时对这些方法本身进行批判性反思，并关注其社会、伦理与政治意涵。此定义包含三个关键维度：方法的应用、批判性反思、以及社会关切，这将成为本书分析各具体实践的理论锚点。

在中文语境中，“数字人文”的译法也经历了讨论。早期曾译作“数字人文学”，强调其学科属性；现通用“数字人文”，更突出其作为研究范式而非固定学科的特性。与之相关的术语还有“数字学术”（Digital Scholarship），后者范围更广，涵盖所有学科中利用数字技术进行的学术活动，而数字人文则特指其人文学科核心关切。这种术语的微妙差别提醒我们，在跨文化传播中保持概念精确性的必要。

历史谱系：从人文计算到数字人文的演进轨迹

数字人文的历史根源可追溯至20世纪中叶，甚至更早的机械计算时代。但其作为自觉的学术领域，主要形成于20世纪下半叶至21世纪初，经历了三次关键阶段：前数字阶段（1950年前）、人文计算阶段（1950s-1980s） 和 数字人文阶段（1990s-至今）。理解这一演进，需结合技术发展、学术制度与思想潮流的互动。

前数字阶段：机械自动化与早期人文编纂

在电子计算机诞生之前，人文学者已尝试利用机械装置辅助研究。例如，17世纪哲学家戈特弗里德·威廉·莱布尼茨（Gottfried Wilhelm Leibniz）曾构想一种“普遍字符”（characteristica universalis）以将思想符号化并机械化推理；19世纪，词典编纂与文献目录学已采用卡片目录等“模拟数据库”技术。这些努力虽非数字的，但已蕴含将人文材料结构化、以便检索与比较的思想，为后来的数字化奠定了认识论基础。此阶段的核心范式是静态编纂，目标在于建立权威文本或事实的集合，计算角色是隐性的。

人文计算阶段：计算机作为分析工具（1950s-1980s）

随着第一代电子计算机的出现，人文学者开始探索其应用潜力。1950年代，IBM的计算机被用于文本分析，如罗伯特·佩吉特（Roberto Busa）与托马斯·J·沃森（Thomas J. Watson）合作，使用 punched cards 对托马斯·阿奎那（Thomas Aquinas）的著作进行词汇索引，这一项目历时数十年，成为人文计算的标志性起点。此阶段的核心范式是工具理性：计算机被视为加速传统人文学科任务（如索引、计数、 concordance 制作）的机器，研究问题仍由人文学科主导，计算仅提供效率提升。

关键发展包括：

• **文本编码的萌芽**：1960年代，计算机辅助语言学兴起，开发了早期文本编码方案（如 COCOA），为后来的文本编码倡议（TEI）奠定基础。
• **机构化尝试**：1970年代，英国剑桥大学建立了“文学与语言学计算中心”（ later ALLC），美国现代语言协会（MLA）成立“计算机与人文科学委员会”，标志该领域获得学术组织认可。
• **方法论探索**：统计语言学、风格学、作者归属研究成为主要应用领域，使用关键词频率、词汇多样性等定量指标。

此阶段的局限在于：计算机能力有限，数据多为自建小规模语料库；研究者多为“双语者”（既懂人文又懂编程），但编程常被视为次要技能；领域缺乏统一的理论框架，项目间孤立，成果难以复用。

数字人文阶段：网络化、理论与制度化（1990s-至今）

1990年代是转折点。万维网（WWW）的普及、个人计算机性能飞跃、开放源代码运动，共同催生了数字人文的新范式。核心转变是从孤立工具使用到网络化知识生产与传播。关键里程碑包括：

1. 文本编码倡议（Text Encoding Initiative, TEI）的正式化（1994）：TEI 制定了基于 XML 的文本编码指南，为人文文本的数字化提供了标准化框架。其意义远超技术规范：它确立了标记即阐释（markup as interpretation）的认识论立场——编码过程本身就是对文本结构、语义和语境的解读。TEI 促进了数据共享与长期保存，成为数字人文基础设施的基石。

2. 数字人文中心的兴起：1990年代起，北美和欧洲高校相继成立数字人文中心（如弗吉尼亚大学 IATH、斯坦福大学 CME、英国伦敦大学学院 UCL DH），这些中心不仅提供技术支持，更成为跨学科合作、人才培养和理论创新的枢纽。它们标志着数字人文从边缘兴趣向制度化领域的转变。

3. 从“人文计算”到“数字人文”的术语转换：约2001年起，“数字人文”在会议、期刊和职位名称中逐渐取代“人文计算”。这一转换反映了领域认同的转变：不再仅仅是“用计算机做人文”，而是“在数字环境中重新思考人文”。它拥抱了网络的交互性、多媒体和参与式文化，强调创建、分析与传播的循环。

4. 方法论多元化与理论反思：2000年代后，数字人文吸收了大量新方法：GIS（地理信息系统）用于历史空间分析、网络分析用于学术社会网络或文学人物关系、数据可视化用于呈现复杂模式、机器学习用于大规模文本挖掘。同时，理论反思兴起，学者如凯瑟琳·菲茨帕特里克（Kathryn Fitzpatrick）、大卫·贝里（David Berry）探讨数字媒介对认识论的影响，批判“数据主义”倾向，强调诠释与计算的对话。

5. 全球扩展与公众参与：2010年代以来，数字人文在全球范围内扩展（如亚洲、非洲的数字人文网络），并日益与公众史学、数字博物馆、公民科学结合，强调参与式知识生产与社会正义维度。

下表概括了三个阶段的关键特征对比：

| 维度 | 人文计算 (1950s-1980s) | 数字人文 (1990s-至今) | |--------------|-----------------------------|-----------------------------------| | 核心隐喻 | 工具/自动化 | 环境/生态系统 | | 技术焦点 | 大型机、批处理 | 网络、交互式媒体、开源平台 | | 数据规模 | 小型、自建语料库 | 大规模、聚合、开放数据 | | 方法论 | 统计、索引、 concordance | 多样化（NLP、GIS、网络分析、可视化） | | 认识论 | 实证辅助 | 标记即阐释、计算批评、远读/近读 | | 组织形态 | 个体或小团队、孤立项目 | 中心化、跨学科团队、协作网络 | | 成果传播 | 印刷品、离线数据库 | 在线平台、交互式出版、社交媒体 | | 理论反思 | 薄弱 | 丰富，涉及媒介理论、后人类、伦理 |

这一历史谱系表明，数字人文的演进不仅是技术迭代的结果，更是学术文化、制度结构与思想潮流共同作用的产物。范式转移的核心在于：从将数字技术视为外在于人文学科的“工具”，转向将其视为内在于知识生产过程的“媒介”与“环境”。

范式转移分析：从模拟到数字、从孤立到网络化

基于历史回顾，我们可以识别出数字人文中两个相互交织的关键范式转移：从模拟到数字 和 从孤立到网络化。这两个转移并非线性替代，而是叠加、互动，共同塑造了数字人文的当代面貌。

从模拟到数字：物质性、可及性与分析范式的变革

模拟时代的人文研究依赖于物理载体（手稿、印刷书籍、档案卡片），其特性包括：稀缺性（原件唯一）、静态性（固定形式）、本地性（需亲临档案馆）和低可检索性（依赖手工索引）。数字转换带来了根本性改变：

1. 物质性到虚拟性：数字副本剥离了原件的物质重量、年代感与唯一性，实现了无限复制与远程访问。这极大 democratized 了研究材料，但也引发了关于“本真性”、数字保存与版权的新问题。例如，早期数字化项目如“美国记忆”（American Memory）和“加蒂纳图像”（Goddard Images）将数百万历史文件置于网上，但数字格式的过时风险（bit rot）与元数据缺失也暴露了数字保存的脆弱性。

2. 静态到动态与可计算：数字文本不再是固定的符号序列，而是结构化数据，可被机器解析、操作和分析。文本编码（如TEI）将层次结构（章节、段落、引文）和语义信息（人名、地名、时间）嵌入标记，使计算机能够执行超越关键词匹配的复杂查询。例如，对莎士比亚戏剧的TEI编码版本，可以同时检索所有“独白”场景、特定修辞手法或角色互动模式，这是模拟索引无法实现的。

3. 有限访问到开放与聚合：数字环境支持大规模聚合（aggregation），研究者可将多个数字化集合（如 Eighteenth Century Collections Online、HathiTrust）视为单一语料库进行跨库分析，即所谓的“远读”（distant reading）——与聚焦单部作品的“近读”（close reading）形成对比。弗朗哥·莫莱蒂（Franco Moretti）提出的“远读”倡导用图表、地图、树状图等宏观视角审视文学史，这直接依赖于数字聚合的可能性。

4. 分析范式的扩展：数字方法引入了基于距离、相似性和模式的分析，补充了基于诠释与细读的传统。例如，通过主成分分析（PCA）或主题建模（LDA），可以从数千篇小说中识别出主题演变趋势；通过词向量（word2vec）可以探索词汇的语义空间。这些方法不取代诠释，而是提供新的假设生成工具，引导研究者提出传统方法可能忽略的问题。

然而，从模拟到数字的转移并非纯粹进步。数字鸿沟、数据偏见（数字化集合往往偏向西方、男性、精英文本）、以及将丰富文本简化为可计算特征的风险，都是必须警惕的代价。数字人文学者因此强调“批判性编码实践”（critical code studies），审视算法本身的文化负载。

从孤立到网络化：协作、开源与知识生产的民主化

传统人文学科研究常被视为个体学者的沉思活动，项目孤立，成果以 monograph 形式发表。数字人文的网络化范式转移体现在：

1. 从个体到协作：数字项目通常需要多元技能：领域专家、软件工程师、设计师、图书馆员。例如，“虚拟学术项目”（Virtual Humanities Project）或“斯坦福文学实验室”（Stanford Literary Lab）的 pamphlet 系列，均以团队形式产出。这种协作不仅因技术复杂所需，更反映了知识生产模式的改变：项目制（project-based）成为常见组织方式，取代了传统的单书写作。

2. 从封闭到开源：数字人文社区普遍推崇开源软件、开放数据、开放同行评审。GitHub 成为代码共享与协作的主要平台；项目常以开源许可证发布，允许他人复用、改进。这种文化源于学术公益理想，但也具有实用考量：小型团队无力从头开发所有工具，复用可避免重复劳动。例如，用于文本分析的 Python 库（如 NLTK、spaCy）和 R 包（如 tm、quanteda）在 DH 社区广泛采用，其开源特性促进了方法标准化。

3. 从本地到云端与分布式：云计算与 Web 服务使计算资源与数据存储脱离本地硬件。研究者可通过浏览器访问大型语料库（如 JSTOR Data for Research）或运行复杂分析（如 Voyant Tools），无需安装专业软件。同时，分布式协作成为常态：国际团队通过 Slack、Zoom 等工具协同工作，项目成员可能分散不同大洲。

4. 从专有到可互操作：开放标准（如 TEI、IIIF 用于图像）促进了数据互操作性，使不同项目的数据可链接、整合。例如，一个中世纪手稿项目（如 Digital Bodleian）可将 TEI 转录与 IIIF 图像服务器结合，其他项目则能通过 API 重用其数据。这形成了“可组合的学术”（composable scholarship）理念——知识产出像乐高积木般可重组。

5. 从精英到公众参与：网络化降低了参与门槛，公众可通过众包（crowdsourcing）参与转录（如 Zooniverse 的 “Transcribe Bentham”）、标注或分类。数字人文日益与公众史学、数字博物馆结合，强调知识的公共性与社会影响。这挑战了学术权威的垄断，但也引发对质量控制和学术认可度的讨论。

网络化范式转移的另一面是依赖基础设施：项目高度依赖大学、图书馆、资助机构的持续支持。一旦资助结束或人员流动，项目可能陷入“数字弃儿”（digital orphan）状态，难以维护。这引发了关于可持续性、长期保存和学术遗产管理的深刻担忧。

下表对比了两种范式转移的核心维度：

| 维度 | 模拟/孤立范式 | 数字/网络化范式 | |----------------|-------------------------------|---------------------------------| | 知识载体 | 物理、静态 | 数字、动态、可计算 | | 访问模式 | 本地、稀缺 | 远程、开放、聚合 | | 研究单位 | 单部作品、个体 | 语料库、集合、网络 | | 方法论 | 诠释、细读 | 计算分析、远读、可视化 | | 合作方式 | 个体、匿名同行评审 | 团队、开源协作、透明过程 | | 成果形式 | 印刷 monograph、论文 | 交互式网站、数据库、代码、多媒体| | 评价体系 | 出版社、引用次数 | 使用量、复用率、社区反馈 | | 基础设施 | 图书馆、档案馆 | 数字中心、云平台、开放标准 |

这两个范式转移共同指向一个更根本的转变：人文学科从以文本为中心的诠释学传统，转向以数据、网络和交互为中心的生态学范式。在这一新范式中，人文知识被视为在技术-社会-学术复合系统中动态生成与传播的产物。

跨学科本质：与计算机科学、社会科学的交叉

数字人文的跨学科性并非简单的方法借用，而是深度的知识杂交，它既从计算机科学和社会科学汲取养分，也反过来影响这些学科。这种交叉是双向的，并形成了独特的交叉学科空间。

与计算机科学的交叉：从工具到认识论对话

计算机科学为数字人文提供了算法、数据结构、软件工程和人工智能的基础。早期交叉集中于自然语言处理（NLP）和数据库技术：如用于词性标注的 Brill 标注器、用于信息检索的布尔模型。近年来，交叉深化至机器学习、知识图谱和可视化。

关键交叉领域包括：

• **计算语言学**：词性标注、句法分析、命名实体识别（NER）使大规模文本处理成为可能。例如，斯坦福 NLP 工具包被广泛用于 TEI 文本的预处理。
• **机器学习与人工智能**：主题建模（LDA）、词嵌入（Word2Vec）、深度学习用于作者归属、情感分析、历史文本的自动分类。如“微生物组项目”（The Microbial Lives）使用 NLP 分析科学史文本中的微生物概念演变。
• **数据管理与互操作**：数据库设计（关系型、NoSQL）、本体论（如 CIDOC CRM 用于文化遗产）、APIs 设计确保数据可持续性与共享。TEI 本身即是一种领域特定的标记语言，其设计融合了 SGML/XML 标准与人文需求。
• **可视化**：从静态图表到交互