什么是数字人文：一门打破边界的学科

清晨，你从睡梦中醒来，第一件事是不是伸手去摸手机？打开天气App，看看今天要不要带伞；用地图软件查一查去学校的最佳路线；遇到不认识的字，打开搜索App查一查怎么读、什么意思；写英语作业时，遇到不会的单词，用翻译软件快速翻译一下。这些场景，对你来说再熟悉不过了。你有没有想过，这些习以为常的操作，其实正在悄悄改变我们获取知识、理解世界的方式？

想象一下，如果把这些强大的数字工具，用到研究李白杜甫的诗歌、探索古代丝绸之路的贸易网络、分析几百年间物价是如何变化的，甚至用来保存敦煌壁画、抢救濒临消失的少数民族语言——那会发生什么？这就是数字人文正在做的事情。

让我们先来做一个小小的思想实验。如果让你回到两千多年前的汉朝，做一名负责记录历史的史官，你会怎么工作？那时候没有电脑、没有打印机、没有互联网，所有的文字都要用毛笔一笔一画写在竹简或木牍上。一卷《史记》，大约需要五十万字，如果用竹简书写，那将是几十斤重的“重量级”书籍，装订成册后需要好几辆牛车才能运走。在那样的时代，记录信息是一件极其费时费力的事情，信息的保存和传播都受到极大限制。

但是，人类从未停止过记录和传承知识的努力。从甲骨文到青铜器铭文，从简牍帛书到纸张印刷，从活字印刷到现代出版，每一种信息载体的出现，都带来了知识传播的革命性变化。而今天，我们正处在另一场更大的变革之中——数字技术正在彻底改变我们记录、存储、分析和传播知识的方式。

你可能听说过“大数据”这个词，它指的是那些量大到传统方法无法处理的数字信息。而“人文”简单来说，就是研究人类文化、历史的学问，包括文学、历史、哲学、语言、艺术等等。当“大数据”遇上“人文”，就产生了一个令人兴奋的新领域——数字人文。

数字人文是一门利用数字技术研究人文学科的交叉学科。听起来有点抽象？让我们来打个比方。如果把传统的人文学科比作一位博学的考古学家，他用放大镜仔细观察每一件文物，用尺子测量每一处细节，用笔记本记录每一个发现。那么数字人文就像是给这位考古学家配备了一套超级装备：高倍显微镜可以看清肉眼看不见的微观痕迹，卫星遥感可以发现隐藏在地下的古城遗址，人工智能可以在一夜之间分析成千上万份古籍的内容。这不是要取代传统的研究方法，而是让研究者拥有更强大的工具，去探索过去无法触及的领域。

也许你会问：研究古代的诗词歌赋、历史人物，需要用到计算机吗？这种想法其实低估了数字技术的威力。想象一下这样的场景：你想研究唐代诗人的创作风格与地理分布之间的关系，传统方法需要翻阅大量史料，耗时数年；而利用数字技术，你可以在一分钟内检索出《全唐诗》中所有诗人的籍贯信息，在地图上标注他们的活动轨迹，分析哪些地区孕育了更多的诗人，甚至用算法分析诗歌用词的变化趋势。这就是数字人文的魅力所在——它让研究者能够站在更高的视角、用更快的方式，去发现那些隐藏在海量数据中的规律和联系。

当然，数字人文并不是凭空出现的，它有着深厚的历史根基。让我们把时间拨回到20世纪中叶，那是计算机技术刚刚兴起的年代。1954年，美国布朗大学的两位学者进行了一项开创性的实验——他们用计算机统计了《联邦主义者论文集》中单词的使用频率，试图通过这种方法确定这部著作的作者归属。这是计算机与人文学科最早的重要结合之一，被许多学者视为数字人文的起点。

在接下来的几十年里，越来越多的学者开始尝试将计算机应用于语言学、文学、历史学等领域。这种研究方法最初被称为“人文计算”（Humanities Computing），主要涉及文本编码、词频统计、语料库建设等技术。到了20世纪80年代和90年代，随着个人电脑的普及和互联网的出现，人文计算开始进入更多研究者的视野。斯坦福大学的“文本解码项目”、牛津大学建立的“英语语料库”等，都是这一时期的重要成果。

真正的范式转变发生在21世纪初。互联网的爆发式发展、大数据技术的成熟、人工智能的突破——这些技术革新让人文学科的研究方式发生了根本性变化。“人文计算”这个名称逐渐被“数字人文”（Digital Humanities）所取代，这一新术语更能体现这个领域的广阔内涵：它不仅仅是“计算”在人文领域的应用，更是数字时代人文研究的新范式。

2004年，美国伊利诺伊大学厄巴纳-香槟分校成立了世界上第一个数字人文中心，标志着这个领域开始进入制度化发展阶段。此后，斯坦福大学、牛津大学、哈佛大学等世界顶尖学府纷纷设立数字人文研究机构，数字人文项目如雨后春笋般涌现。2009年，数字人文领域最重要的国际会议之一“数字人文大会”（Digital Humanities Conference）正式创立，吸引了来自世界各地的学者参与。

在中国，数字人文的发展同样令人瞩目。2010年，北京大学、南京大学、武汉大学等高校相继成立了数字人文研究中心。中国学者在古籍数字化、地理信息系统（GIS）应用、语料库建设等领域取得了丰硕成果，引起了国际学术界的广泛关注。

那么，数字人文究竟有哪些核心特征呢？让我们从四个方面来理解。

第一个特征是跨学科性。数字人文天然具有跨学科基因——它需要计算机科学、数据科学、信息技术的支撑，同时也离不开文学、历史、哲学等人文学科的专业知识。一个优秀的数字人文项目，往往需要技术专家与人文学者的紧密合作。以“数字敦煌”项目为例，它不仅需要计算机专家开发高精度三维扫描技术、虚拟现实呈现系统，还需要敦煌学专家准确鉴定壁画内容、艺术史学者分析绘画风格、文物保护专家评估修复方案。正是这种跨学科合作，让“数字敦煌”成为世界文化遗产数字化保护的典范。

第二个特征是数据驱动。数字人文研究建立在大量数据的基础之上，这些数据可能是一份古籍的数字化文本、一批考古发掘的记录、一组历史时期的物价统计，或者数以百万计的文献元数据。研究者通过分析这些数据，发现规律、验证假设、生成新知。与传统的个案研究不同，数据驱动的研究方法强调“从数据中发现知识”，这意味着研究者需要掌握数据处理、统计分析、可视化呈现等技能。

第三个特征是技术赋能。这里的“赋能”指的是技术为研究赋加能量、赋予能力。数字技术不仅改变了研究的工具和手段，更重要的是，它让过去不可能的研究成为可能。例如，通过卫星遥感技术，考古学家可以发现地表下隐藏的古代建筑遗迹，这在上个世纪是不可想象的。再比如，利用自然语言处理技术，研究者可以在一周内完成过去需要十年才能完成的中文古籍全文检索。这些技术突破大大拓展了人文学科的研究边界。

第四个特征是协作共享。数字人文强调开放与共享。开源软件、数据共享平台、开放获取期刊——这些理念在数字人文领域得到广泛认同。一个典型的例子是“数字敦煌”项目，它不仅将敦煌壁画的高清数字图像向全世界免费开放，还提供了丰富的检索和分析工具。任何对敦煌艺术感兴趣的人，都可以足不出户，在网上欣赏这些珍贵文物，学习它们的艺术价值。这种开放共享的精神，让知识的光芒照亮更多人。

了解完数字人文的特征，让我们通过几个具体的项目案例，来更直观地感受数字人文的魅力。

首先要介绍的是“数字敦煌”项目。这是中国数字人文领域的标杆项目，也是世界文化遗产数字化保护的典范。敦煌莫高窟位于甘肃省敦煌市境内，始建于前秦时期，历经十六国、北朝、隋、唐、五代、西夏、元等朝代的建设，现存洞窟735个，壁画4.5万平方米，彩塑2415尊。这些珍贵文物是研究中国古代宗教、艺术、历史的重要资料，但它们也是极其脆弱的——壁画会褪色、彩塑会风化、洞窟会坍塌。如何在保护文物本体的情况下，让更多人了解和欣赏敦煌文化？

“数字敦煌”项目给出了精彩答案。从2014年开始，敦煌研究院与多家技术企业合作，利用先进的数字技术对敦煌文物进行永久保真的数字化保存。他们使用超高精度三维激光扫描、多图像摄影测量、计算机视觉等前沿技术，对洞窟内的壁画和彩塑进行全方位数字化记录。其精度可以达到毫米级别，连壁画上的每一根线条、每一处裂纹都被完整记录下来。

如今，你可以在“数字敦煌”网站上，免费浏览30个经典洞窟的高清全景漫游。这些数字图像的精度远超肉眼直接观察的效果——你可以清晰地看到北凉时期壁画上人物的衣纹褶皱，唐代彩塑面部细微的表情变化。更令人惊叹的是“超分辨率”技术——研究人员利用人工智能算法，可以将低分辨率的老照片提升为高清图像，让那些因年代久远而模糊的影像重新焕发光彩。

“数字敦煌”的意义不仅在于文物的永久保存，更在于文化的广泛传播。以前，全世界只有极少数人有机会实地参观莫高窟；而现在，任何人都可以在网上“走进”敦煌，感受千年艺术瑰宝的魅力。这正是数字技术赋能人文研究的生动例证。

第二个要介绍的是中国历代人物传记资料库，简称CBDB。这是一个由哈佛大学与北京大学合作开发的免费在线数据库，收录了中国历史上从先秦到近代约42万人物的传记资料。这些资料来自正史（如《史记》《汉书》《资治通鉴》等）、地方志、文集、墓志铭等多种文献。

CBDB的强大之处在于它的数据化结构。每一位历史人物都被赋予了标准化的编号，并详细记录了姓名、生卒年、籍贯、职官、社会关系、亲族网络等信息。研究人员可以运用这些数据进行各种有趣的分析：比如绘制历史人物的地理分布图，观察哪些地区在哪个朝代产生了更多的历史名人；比如分析婚姻网络，研究门阀士族如何通过联姻来维持政治地位；比如追踪官职升迁轨迹，揭示古代官僚体系的运作规律。

举个具体的例子，如果你对中国古代的“朋友圈”感兴趣，CBDB可以帮你画出清晰的人际关系网络图。比如你想了解唐代大诗人王维的社会关系，只需要输入他的名字，系统就会显示：他的父亲是谁、他的老师是哪位大儒、他与哪些诗人有交游、他通过婚姻与哪些家族产生了联系。这种信息在过去需要翻阅大量史料才能拼凑出来，而现在只需要几秒钟。

CBDB的意义不仅在于为学者提供研究工具，更在于推动历史研究的范式转变。传统史学强调个案研究和叙事分析，而CBDB让“计量史学”成为可能——研究者可以对海量数据进行统计分析，发现那些隐藏在具体事件背后的宏观规律。这种研究方法让历史学变得更加精确、更加科学。

第三个案例是谷歌书籍语料库（Google Books Ngram Viewer）。这个项目源于谷歌公司2004年启动的书籍数字化计划，经过近二十年的努力，谷歌已经扫描了全球数千家图书馆的数千万册书籍。在这个海量语料库的基础上，谷歌开发了一个免费的在线分析工具——“Ngram Viewer”，让任何人都能研究词语使用频率随时间变化的规律。

使用Ngram Viewer非常简单：只需要输入你想查询的词语或短语，选择语言和年代范围，系统就会生成一条曲线图，展示这些词语在谷歌书籍语料库中的出现频率。例如，你输入“democracy”和“science”两个词，选择1750年到2000年的时间段，就能看到这两个词在英语书籍中出现的频率如何随着时代变迁而变化。数据显示，“science”一词在19世纪后期开始急剧上升，而“democracy”的使用频率在18世纪后期和20世纪中叶出现了两个高峰——这与历史进程中的启蒙运动和二战后民主化浪潮不谋而合。

你还可以进行更有趣的分析。比如比较“husband”和“wife”在不同时代书籍中的出现频率变化，观察女性社会地位的变迁；或者追踪某个专业术语的诞生和传播过程，了解知识是如何发展的。这些分析不需要你会编程，只需要有好奇心和想象力。

Ngram Viewer的诞生标志着“ culturomics”（文化计量学）这门新学科的兴起。这门学科主张通过分析海量数字化文本，来研究人类文化和社会行为的规律。虽然这种方法也受到一些批评（比如语料库的构成可能存在偏差、词语出现的频率不等于词语的重要程度等），但它开创了一种全新的研究范式，让研究者能够站在“上帝视角”俯瞰人类思想史的宏观图景。

除了以上三个项目，数字人文领域还有许多精彩纷呈的应用。在文学研究方面，研究者利用计算机分析《红楼梦》的作者争议，通过比较前八十回与后四十回的用词风格、句式结构，为学术争论提供了新的证据。在历史地理学方面，学者们开发了“时间地理信息系统”，可以在电子地图上动态展示历史事件的空间分布和时间演变，让古代的疆域变迁、战争进程、贸易路线变得一目了然。在语言学方面，语音识别和自然语言处理技术被用于记录和保存濒危语言，为语言多样性保护做出了重要贡献。

听到这里，你是否对数字人文有了初步的认识？在正式开始深入学习之前，让我们先通过一个特别的栏目——“数字人文小词典”，来认识几个核心概念。这些概念将在后续章节中反复出现，提前理解它们会帮助你更好地掌握全书内容。

【数字人文小词典】

数字人文（Digital Humanities，DH）：利用数字技术（计算机、网络、大数据、人工智能等）进行人文学科研究、教学和知识传播的跨学科领域。它既是研究方法，也是教学工具，更是数字时代人文知识传播的新范式。

人文计算（Humanities Computing）：数字人文的早期名称，强调计算机技术在人文研究中的应用。随着领域的发展，“数字人文”这一术语逐渐取代了“人文计算”，更好地反映了该领域的跨学科特性和时代特征。

语料库（Corpus）：经过系统收集、整理、标注的电子文本集合。语料库是数字人文研究的重要基础设施，常见的语料库包括：语言学语料库（收集某种语言的实际使用样本）、历史文献语料库（收录特定历史时期的文献）、文学语料库（汇集某位作家或某类文学作品的数字文本）。

文本挖掘（Text Mining）：从大量文本数据中提取有价值信息的过程。文本挖掘技术包括词频统计、主题建模、情感分析、实体识别等多种方法。例如，通过词频统计可以发现某位作家最喜欢使用的词语；通过主题建模可以自动识别一组文档的主要话题。

GIS（Geographic Information System，地理信息系统）：用于采集、存储、管理、分析和展示地理空间数据的信息系统。在数字人文领域，GIS被广泛应用于历史地图制作、文化景观分析、人口迁移研究等方面。例如，研究者可以在电子地图上标注历史人物的籍贯、游历地点、任职地区，直观展示他们的活动轨迹。

数据可视化（Data Visualization）：将数据以图形、图表、地图等形式呈现的技术。好的数据可视化让复杂的数据变得直观易懂。常见的可视化类型包括：折线图（展示数据随时间变化）、散点图（展示两个变量之间的关系）、网络图（展示复杂的关系结构）、地图可视化（展示地理分布）等。

数字化（Digitization）：将纸质文献、图片、音频、视频等传统形式的资料转换为数字格式的过程。数字化是数字人文的基础工作，高质量的数字化是后续分析和利用的前提。数字化不仅仅是简单的扫描，还需要OCR文字识别、元数据标注、结构化处理等环节。

元数据（Metadata）：关于数据的数据。元数据描述了一份数字资源的各种属性：作者、创作时间、内容简介、格式、来源等。规范的元数据是数字资源被发现、重用和长期保存的重要保障。例如，一份敦煌壁画数字图像的元数据可能包括：洞窟编号、朝代、内容描述、图像尺寸、文件格式、收藏机构等信息。

开源（Open Source）：软件的源代码向公众开放，任何人都可以查看、修改和分发。在数字人文领域，开源软件和工具受到广泛推崇，如用于文本编码的TEI标准、用于数据分析的Python语言及其丰富的数据科学生态。

开放获取（Open Access）：学术成果免费向公众开放，不受版权或订阅限制的政策。开放获取旨在促进知识的自由传播，与数字人文的协作共享理念高度契合。许多数字人文项目都会将成果以开放获取方式发布，让更多人受益。

人工智能（Artificial Intelligence，AI）：使计算机具有人类智能的技术，包括机器学习、自然语言处理、计算机视觉、知识图谱等分支。人工智能正在深刻改变数字人文的研究方式：从自动识别古籍文字、到分析文本情感倾向、再到构建知识图谱，AI正在成为人文学者的得力助手。

知识图谱（Knowledge Graph）：用图结构表示知识的方法，其中节点代表概念或实体，边代表它们之间的关系。知识图谱可以让计算机“理解”文本中的人物、事件、地点等实体及其相互关系，为智能问答、语义搜索等应用提供基础。

以上就是本章的核心概念。现在，让我们再回头思考一下：数字人文究竟意味着什么？

从表面上看，数字人文是一套技术工具——它让我们能够更高效地处理信息、更清晰地可视化数据、更便捷地共享知识。但更深入地理解，数字人文代表了一种全新的思维方式：它强调跨学科合作而非孤军奋战，强调数据驱动而非纯粹思辨，强调开放共享而非知识垄断，强调技术创新服务于人文关怀。

作为青少年，你生活在一个被数字技术包围的时代。你从小就习惯了滑动屏幕、搜索信息、在线交流。这些技能不仅是你的生活方式，也将成为你未来学习和研究的重要工具。无论你将来是否从事人文学科的研究，数字人文的思维方式和技能都会让你受益匪浅。

想象一下，当你阅读一本历史小说时，你可以用GIS地图看看故事发生在哪里；当你背诵古诗词时，你可以用文本挖掘工具分析诗人最喜欢的意象；当你研究一个历史人物时，你可以在数据库中追溯他的人际关系网络；当你参观博物馆时，你可以用AR技术“穿越”到古代场景中。这些不再是科幻小说中的情节，而是数字人文正在为我们创造的真实体验。

当然，数字人文并不是万能的。它不能取代人文学者的专业判断，不能完全替代对原始文献的阅读，不能忽视不同文化背景下的研究伦理。但它为我们打开了一扇新的窗户，让我们能够以更广阔的视野、更丰富的方法去探索人类文明的过去、现在和未来。

在接下来的章节中，我们将深入探索数字人文的各个方面：你将学习如何对古籍进行数字化处理，如何利用数据可视化讲好历史故事，如何运用文本挖掘技术分析文学作品的风格特征，如何借助地理信息系统探索历史地理的奥秘，如何运用人工智能技术解读古代文献。我们还会一起走进一个个精彩的数字人文项目，了解它们背后的技术原理和创新故事。

准备好了吗？让我们一起踏上这场穿越时空的探索之旅，从甲骨文到人工智能，从竹简帛书到云端数据库，看看数字技术如何为古老的文化遗产注入新的生命力，如何让人文研究焕发新的光彩。这不仅是一次知识的旅程，更是一次思维的拓展——你会发现，原来人文学科也可以如此“酷”，如此充满无限可能。

清晨，你从睡梦中醒来，第一件事是不是伸手去摸手机？打开天气App，看看今天要不要带伞；用地图软件查一查去学校的最佳路线；遇到不认识的字，打开搜索App查一查怎么读、什么意思；写英语作业时，遇到不会的单词，用翻译软件快速翻译一下。这些场景，对你来说再熟悉不过了。你有没有想过，这些习以为常的操作，其实正在悄悄改变我们获取知识、理解世界的方式？

想象一下，如果把这些强大的数字工具，用到研究李白杜甫的诗歌、探索古代丝绸之路的贸易网络、分析几百年间物价是如何变化的，甚至用来保存敦煌壁画、抢救濒临消失的少数民族语言——那会发生什么？这就是数字人文正在做的事情。

从结绳记事到云计算：信息技术的千年演变

让我们先来做一个小小的思想实验。如果让你回到两千多年前的汉朝，做一名负责记录历史的史官，你会怎么工作？那时候没有电脑、没有打印机、没有互联网，所有的文字都