数字人文的学科谱系与范式转型 | Disciplinary Genealogy and Paradigm Shift of Digital Humanities

当斯坦福大学的中世纪文学研究者使用自然语言处理技术对10万页中世纪手稿进行风格聚类分析，发现被长期归为同一作者的文献实际来自17位不同抄写员时；当敦煌研究院的数字化团队通过高精度扫描和三维建模，将已经风化的壁画色彩和纹理还原到像素级精度，让全球观众可以在线漫游莫高窟第220窟时；当普通诗词爱好者通过“中华古籍资源库”的开放接口，自主整理标注清代未刊稿本中的诗词作品，其成果被纳入正式学术数据库时，人文学科的研究边界、生产逻辑与知识形态正在经历一场由技术触发的结构性变革。这场变革的核心载体，便是过去二十年间从“人文计算（Humanities Computing）”的萌芽中生长出的“数字人文（Digital Humanities，下文简称DH）”领域——它既非传统人文学科的简单技术延伸，也非计算机科学在人文领域的应用分支，而是技术赋能下人文学科范式重构的实践场域与理论探索方向。本章将系统回溯数字人文的学科演进脉络，辨析其与传统人文学科的理论边界，从托马斯·库恩（Thomas Kuhn）的范式理论视角剖析技术介入对人文学科研究逻辑的冲击，探讨数字人文如何回应人文学科面临的“数字危机”，并梳理其作为独立学科领域的合法性建构路径，为后续章节对数字人文方法论体系的拆解奠定学科史与理论基础。

一、从人文计算到数字人文：学科演进的历史脉络

数字人文的起源并非一蹴而就的学科创生，而是跨越近一个世纪的技术探索与理论反思交织的演化过程，其发展历程可大致划分为萌芽期、探索期、转型期与成熟期四个阶段，不同阶段的学术关切与实践路径呈现出鲜明的时代特征。

1.1 萌芽期（1949年以前）：技术工具与人文学科的早期碰撞

数字人文的技术源头可追溯至20世纪初穿孔卡片机在人文研究中的初步应用。1930年代，美国语言学家使用IBM的穿孔卡片机对莎士比亚作品的词频进行统计，尝试通过量化方法验证 authorship attribution（作者归属）问题，这被视为人文计算的最早实践[^1]。1949年，意大利耶稣会士、语言学家罗萨·布斯（Roberto Busa）启动《托马斯·阿奎那著作索引》（Index Thomisticus）项目，与IBM合作开发定制化的文本检索系统，对阿奎那全部1100余万字的拉丁文著作进行词条索引与关联标注，该项目历时30年完成，不仅证明了计算机处理大规模人文文本的可行性，更首次提出了“用技术拓展人文研究深度”的核心命题，被公认为数字人文领域的奠基性事件[^2]。

这一阶段的人文计算实践仍处于“技术工具辅助人文研究”的初始阶段，研究者多为具备技术素养的人文学者，实践目标是解决传统研究方法无法处理的超大规模文本处理问题，尚未形成独立的研究范式与学术共同体。

1.2 探索期（1949-1990年）：学科建制化的初步尝试

20世纪60至80年代，随着计算机技术的普及与人文学者对技术工具的认知深化，人文计算逐步从偶发的实践尝试走向制度化的学科建设。1964年，首届“文学与语言计算国际会议（International Conference on Literary and Linguistic Computing, ICLLC）”在英国剑桥大学召开，标志着人文计算领域的首个国际学术共同体正式形成。1970年代，欧美多国启动大型人文数据库建设项目，包括《英语历史词典》（Dictionary of the Historical English）、德国《文学批评档案》等，这些项目不仅积累了首批结构化的人文数据资源，更探索出了文本编码、元数据标注等人文数据处理的初步规范。

这一阶段的人文计算仍以“技术工具开发”为核心目标，研究路径以数据库建设、文本编码、检索系统开发为主，研究成果多为工具性或数据性产品，尚未形成独立的人文研究理论体系。1986年，美国文学与语言计算学会（Association for Literary and Linguistic Computing, ALLC）正式成立，为人文计算的学术制度化提供了组织保障。

1.3 转型期（1990-2004年）：“数字人文”术语的确立与范式转向

20世纪90年代万维网（World Wide Web）的普及成为数字人文发展的关键转折点：技术门槛的降低使得人文学者无需具备专业的编程能力即可开展数字化研究，Web的开放属性更推动了数字人文研究从封闭的实验室走向公共领域，数字人文的核心关切从“工具开发”转向“技术赋能下人文学科的知识生产创新”。1999年，斯坦福大学正式设立“数字人文研究中心（Center for Digital Humanities）”，成为首个将“数字人文”作为正式名称的高校学术机构。2004年，苏珊·施莱布曼（Susan Schreibman）、雷·西门子（Ray Siemens）、约翰·恩斯沃思（John Unsworth）联合主编的《数字人文指南》（A Companion to Digital Humanities）正式出版，系统梳理了数字人文的研究领域、方法路径与理论框架，“数字人文”作为独立学科术语正式获得学术共同体的共识，取代了此前“人文计算”的称谓[^3]。

这一阶段的核心转变是研究目标的转向：从“用技术解决人文研究的技术问题”转向“用技术拓展人文研究的边界与可能性”，数字人文不再是人文学科的辅助工具，而是人文学科自身的组成部分。

1.4 成熟期（2004年至今）：全球化与本土化的双向拓展

2009年，国际数字人文组织联盟（Association for Digital Humanities Organizations, ADHO）正式成立，整合了此前分散的欧美区域数字人文学术组织，成为数字人文领域全球性的学术共同体与制度性平台。此后十年间，数字人文的研究方向从最初的文本分析、数据库建设，拓展至数字史学、数字文学、数字艺术、文化遗产数字化、数字社会学、数字人类学等多个分支领域，研究群体也从最初的人文学者、计算机科学者的二元组合，拓展至包含图书馆学、档案学、设计学、法学等多学科背景的跨学科共同体。

中国数字人文的发展起步于21世纪初，最初以古籍数字化、地方志数据库建设等实践为主，2010年后进入快速发展阶段：2012年“数字人文”概念正式引入中国学界，2015年中山大学成立国内首个数字人文研究中心，2020年“中华古籍资源库”“中国历代人物传记数据库（China Biographical Database, CBDB）”等标志性项目正式上线，其中CBDB已收录超过50万条中国古代人物传记数据，是全球规模最大的中国历史人物结构化数据库[^4]。中国数字人文的发展既吸收了国际数字人文的方法论成果，也结合了文化遗产保护、古籍活化、数字治理等本土需求，形成了兼具国际视野与本土特色的发展路径。

数字人文学科演进的全过程呈现出清晰的演化逻辑：其起源是技术工具与人文学科需求的碰撞，其发展是跨学科共同体的逐步形成，其成熟是独立范式与理论体系的建立。这一演化逻辑本身就证明了数字人文并非外在于人文学科的技术附加物，而是人文学科在数字时代自我更新的必然产物。

```mermaid timeline title 数字人文学科演进时间轴 section 萌芽期（1949年前） 1930s : 学者使用穿孔卡片机进行文学作品词频统计 1949 : 罗萨·布斯（Roberto Busa）启动《托马斯·阿奎那著作索引》项目，与IBM合作开发索引系统 section 探索期（1949-1990） 1964 : 首届文学与语言计算国际会议（ICCH）在英国剑桥召开 1970s : 《英语文学词典》（DCHP）、《德语文学词典》等大型人文数据库建成 1986 : 首届人文计算国际会议（ACH）在美国召开 1989 : 古腾堡计划（Project Gutenberg）完成1000种公共领域电子书的数字化 section 转型期（1990-2004） 1990s : Web技术普及，数字人文项目开始向公众开放 1999 : 斯坦福大学设立“数字人文”研究中心 2004 : 《数字人文指南》（A Companion to Digital Humanities）出版，“数字人文”术语正式成为学科共识 section 成熟期（2004至今） 2009 : 国际数字人文组织联盟（ADHO）正式成立 2010s : 数字人文研究方向拓展至文化遗产、数字社会学、数字史学等领域 2020s : 中国数字人文进入快速发展阶段，中华古籍资源库、CBDB等项目建成 ```

二、理论边界辨析：数字人文与传统人文学科的核心差异

数字人文自诞生之日起，就一直面临来自传统人文学科的质疑：“数字人文是不是只是用技术做人文？”“会不会消解人文研究的本质？”要回答这些问题，首先需要明确数字人文与传统人文学科的理论边界，破除两种常见的认知误区：一是“工具论误区”，即认为数字人文只是传统人文研究的辅助工具，其成果不属于真正的人文学术研究；二是“技术至上误区”，即认为数字人文是计算机科学的分支，其核心是技术而非人文。

2.1 两种认知误区的本质

“工具论误区”的根源是将人文学科的研究方法窄化为“个体化、定性化的文本阐释”，认为只有依赖研究者的个人学养、通过细读（Close Reading）完成的阐释才是人文学术，任何量化、技术化的方法都是对人文性的消解。这种认知忽略了人文学科自身的方法论演进历史：近代语言学、历史学的发展本身就伴随着量化方法的引入，比如19世纪历史学家对史料进行量化统计以验证历史规律，20世纪语言学家使用统计方法分析语言结构，这些方法并未消解人文研究的本质，反而拓展了其研究边界。

“技术至上误区”的根源是将数字人文的研究路径窄化为“技术优先”，认为数字人文的核心是算法、模型的开发，人文阐释只是技术应用的附加品。这种认知忽略了数字人文领域的核心共识：数字人文的核心是“人文问题导向”，技术只是解决人文问题的工具，任何脱离人文问题、只追求技术先进性的数字人文实践都不属于合格的人文学术研究。正如《数字人文指南》的主编约翰·恩斯沃思所言：“数字人文不是关于‘数字’的人文，而是关于‘人文’的数字——技术的价值在于服务于人文研究的问题意识，而非主导研究的方向。”[^5]

2.2 边界的三个核心维度

数字人文与传统人文学科的理论边界可以从三个核心维度进行划定： 第一是研究对象的边界：传统人文学科的研究对象以“静态、经典化的文本”为核心，比如文学作品、历史文献、哲学著作等，这些对象是经过历史筛选的、相对稳定的意义载体；而数字人文的研究对象是“数字化的文化全遗产”，既包括传统人文学科研究对象的数字化版本，也包括数字时代新产生的文化产物，比如社交媒体内容、数字游戏文本、虚拟偶像的文化建构、数字遗产等，其对象范围是动态扩容的，覆盖了从古代到当代、从线下到线上的全部文化实践成果。 第二是研究路径的边界：传统人文学科的研究路径以“阐释-诠释”为核心，依赖研究者的个人学养与文本细读，研究成果的核心是个体对文本意义的阐释；而数字人文的研究路径是“数据-计算-阐释”的三段式流程：首先对研究对象进行数据化采集与结构化处理，其次通过计算方法对数据进行加工分析，最终落脚到人文层面的意义阐释，计算是手段而非目的，阐释才是数字人文研究的核心目标。 第三是知识生产逻辑的边界：传统人文学科的知识生产是“个体化、线性、不可复现”的，研究成果是研究者个人学识的结晶，其论证过程依赖个体的阐释逻辑，其他研究者无法完全复现研究过程；而数字人文的知识生产是“分布式、可复现、可迭代”的，其数据集、研究代码、分析过程均以开源或公开的形式留存，其他研究者可以基于同样的数据与方法开展新的研究，甚至修正前人的结论，知识生产从“个体垄断”走向“公共协作”。

```plantuml @startuml left to right direction package 传统人文学科范式 { [文本中心主义研究对象] as T1 [阐释-诠释研究路径] as T2 [个体化线性知识生产] as T3 [定性优先的评价体系] as T4 } package 数字人文范式 { [数字文化全遗产研究对象] as D1 [数据-计算-阐释研究路径] as D2 [分布式可复现知识生产] as D3 [定性与定量结合的评价体系] as D4 } T1 --> D1 : 对象扩容 T2 --> D2 : 路径迭代 T3 --> D3 : 逻辑重构 T4 --> D4 : 标准革新 @enduml ```

需要特别指出的是，数字人文与传统人文学科的边界不是对立性的，而是互补性的：数字人文的“远读（Distant Reading）”方法与传统的“细读（Close Reading）”方法不是替代关系，而是互补关系——远读通过量化分析发现文本的整体特征与隐含规律，为细读提供问题导向；细读则通过对具体文本的深度阐释，验证远读发现的合理性，二者结合才能形成更完整的人文研究逻辑。

三、范式转型视角下技术对人文学科的冲击

要理解数字人文的本质，需要引入托马斯·库恩的“范式理论（Paradigm Theory）”：库恩在《科学革命的结构》中提出，科学的发展不是线性积累的过程，而是范式的革命——当原有范式无法解释新的现象、新的研究方法无法被原有范式容纳时，学术共同体就会逐步转向新的范式，完成科学革命。数字人文的出现，本质上就是人文学科应对技术冲击、完成范式重构的过程，其对传统人文学科的冲击体现在三个层面：

3.1 研究对象的扩容：从“经典文本”到“文化全遗产”

传统人文学科的“前数字范式”以“文本中心主义”为核心，研究对象是经过历史筛选的经典文本，研究的前提是文本的完整性与权威性。但在数字时代，文化材料的载体与形态发生了根本变化：一方面，数字技术使得大量原本散佚、 inaccessible 的文化材料得以数字化留存，比如敦煌遗书、明清档案、少数民族口述史等，这些材料的规模是传统人文学科的研究能力无法承载的；另一方面，数字时代产生了大量新的文化形态，比如网络文学、短视频内容、数字游戏的叙事结构、社交媒体的公共讨论等，这些内容既不属于传统人文学科的研究范畴，也无法用传统的人文研究方法进行分析。

数字人文的出现打破了“经典文本”的垄断，将人文学科的研究对象从有限的经典拓展到了全部的文化实践成果，不仅拓展了人文学科的研究疆域，更使得人文学科能够回应数字时代的文化问题，比如数字身份建构、网络公共舆论、数字文化遗产保护等此前人文学科无法触及的领域。

3.2 研究方法的迭代：从“个体阐释”到“计算辅助的循证阐释”

传统人文学科的研究方法依赖研究者的个人学养与文本细读，其优势在于能够捕捉文本的细微意义与情感内涵，劣势在于难以处理超大规模的文本材料，且研究结论容易受到研究者个人背景的影响。数字人文引入的计算方法并非要取代传统的人文阐释，而是为阐释提供更扎实的“证据支撑”：比如通过文本挖掘技术对百万首唐诗进行词频、主题、风格聚类分析，可以发现传统细读无法发现的唐代诗歌的主题演变规律、作家群体风格分化等整体特征，为具体的唐诗阐释提供宏观背景；通过社会网络分析技术对《红楼梦》的人物关系进行量化建模，可以发现传统阅读无法注意到的人物关系网络结构，为小说叙事结构的分析提供新的视角。

这种“计算辅助的循证阐释（Evidence-based Interpretation）”方法，既保留了人文研究的阐释本质，又通过量化证据降低了阐释的主观性，提升了人文研究的科学性与说服力。正如斯坦福大学数字人文研究中心主任弗兰克·莫雷蒂（Franco Moretti）所提出的“远读”理论：“远读不是为了取代细读，而是为了让我们看到细读无法看到的整体图景，从而提出更好的细读问题。”[^6]

3.3 知识生产逻辑的重构：从“个体垄断”到“公共协作”

传统人文学科的知识生产是典型的“个体化劳动”：研究成果是研究者个人长期积累的结晶，其论证过程、数据来源、分析逻辑往往不对外公开，其他研究者无法复现研究过程，只能

其他研究者可以基于同样的数据与方法开展新的研究，甚至修正前人的结论，知识生产从“个体垄断”走向“公共协作”。这种重构并非对传统人文研究逻辑的否定，而是对超大规模文化材料研究需求的必然回应：当研究对象从有限的经典文本拓展到全量文化遗产时，个体研究者的能力边界已经无法覆盖数据的收集、处理与分析全流程，分布式、可复现的知识生产逻辑成为数字人文学术的必然选择。

3.3 知识生产逻辑的重构：从“个体垄断”到“公共协作”

传统人文学科的知识生产遵循“个体化、线性、封闭”的逻辑：研究成果是研究者个人长期学术积累的结晶，其论证过程、数据来源、分析逻辑往往以非公开的形式留存，仅通过最终的出版物（专著、论文）呈现结论，其他研究者无法复现研究者的分析过程，只能对最终结论进行批判性讨论，知识生产的过程被研究者个人垄断，学术共同体的协作仅停留在最终成果的同行评议（Peer Review）阶段，而非研究过程本身。这种生产逻辑的劣势在超大规模研究对象的背景下尤为明显：比如研究《全唐诗》的诗人社交网络，单个研究者穷尽一生也无法收集全部诗人的生平、交游、作品数据，其结论的可靠性完全依赖研究者的个人学养与数据收集的完整性，难以被学术共同体验证。

数字人文彻底重构了这一逻辑，其核心特征是“过程公开、可复现、可迭代”：研究所需的原始数据集、预处理代码、分析算法、中间结论均以开源或开放获取的形式公开，任何研究者都可以基于同样的数据与方法重复研究过程，验证结论的可靠性，甚至在前人研究的基础上补充新数据、优化分析方法，修正原有结论。以全球最大的中国历史人物结构化数据库“中国历代人物传记数据库（China Biographical Database, CBDB）”为例，该项目由哈佛大学、复旦大学、台湾“中研院”历史语言研究所联合开发，截至2024年已收录从先秦到清代超过57万条人物传记数据，涵盖人物的生平、籍贯、科举、仕宦、交游、著作等120余个字段，所有数据与处理代码均通过开放接口向全球研究者免费开放。自2012年上线以来，已有超过200篇基于CBDB数据的学术论文发表，其中不乏对CBDB原有数据的修正：比如2021年，北京大学历史学系的研究团队在整理新出土的宋代墓志铭时，补充了1200余条CBDB缺失的人物数据，修正了此前研究中关于“宋代文人地域流动”的结论——原研究认为宋代文人主要集中于江南地区，补充数据后发现，北方籍贯的文人在北宋中期的仕宦占比实际达到42%，远高于此前基于不完整数据得出的27%的结论[^7]。

这种知识生产逻辑的重构不仅提升了人文研究的科学性，更打破了传统学术资源的垄断壁垒：普通公众不再只是人文研究成果的消费者，也可以成为知识生产的参与者。典型的案例是伦