数字人文导论：什么是数字人文

数字人文导论：什么是数字人文

当我们打开一本历史著作，习惯性地从第一页逐行阅读时；当我们研究一部文学作品，反复品味其中的修辞与意蕴时——这些延续了数百年的研究方式，正在被一种全新的研究范式悄然改变。在世界各地的大学和研究机构中，一批学者正借助计算机的力量，重新审视那些看似已被翻阅无数遍的文献资料。他们能够在一夜之间分析数千部文学作品的语言特征，绘制出跨越数百年历史事件之间的关联网络，甚至将地理信息系统与古籍文献结合，重构出古代城市的真实面貌。这种研究方式有一个统一的名称——数字人文（Digital Humanities）。

那么，数字人文究竟是什么？它与传统的文学、历史、语言学研究有什么本质区别？它为什么会在当代学术体系中占据日益重要的位置？对于一个想要踏入这个领域的学习者来说，应该从何处开始？这些问题是本章要回答的核心问题。我们将从数字人文的基本概念出发，追溯它从萌芽到发展的历史轨迹，分析它与传统人文学科的范式差异，介绍它的核心技术领域，最后通过中国本土的实践案例，帮助读者建立一个完整的认知框架。

数字人文的定义与核心概念

要给数字人文下一个精准的定义并非易事。这个术语自2000年代中期开始在西方学术界广泛使用以来，其内涵就在不断演化，不同的学者和机构往往从各自的视角给出不同的表述。美国数字人文学会（Alliance of Digital Humanities Organizations）在其官方文件中将数字人文定义为“一门关于人文学研究的数字化方法与计算思维的跨学科领域”；而英国数字人文领域的资深学者克莱尔·塞奇威克（Claire Warwick）则认为，数字人文“不仅仅是人文学科的数字化，更是一种通过计算方法来提出和回答新问题的全新研究范式”。

这些定义的表述各有侧重，但它们都指向一个核心特征：数字人文的本质在于将计算技术与人文学问题相结合。这里的“人文学”涵盖了广泛的知识领域，包括文学、历史、哲学、语言学、艺术史、考古学、古典学等传统上依赖文本细读和定性分析的人文社科方向。而“计算技术”则包括数据分析、自然语言处理、数据库设计、可视化、地理信息系统、机器学习等各种计算机科学方法。

理解数字人文的关键在于把握两个层面的统一。第一个层面是工具层面：数字人文研究者使用计算机作为工具来处理传统方法难以驾驭的大规模材料。举例来说，一位研究唐代诗歌的学者，如果采用传统方法，可能需要数年时间才能读完现存的全部唐诗并做出统计分析；而借助文本挖掘技术，同样的工作可以在几分钟内完成，并且能够发现许多人力难以察觉的模式和规律。这体现了数字人文作为“工具”的价值。

然而，如果仅仅将数字人文理解为“用电脑来做研究”，那就大大低估了它的意义。数字人文更深刻的层面在于思维层面：它不仅仅是用新技术来处理老问题，更是要提出过去根本无法提出的新问题。正如统计学改变了社会科学的研究方式一样，计算方法正在改变人文学科提出问题、验证假设、建构论证的方式。数字人文先驱罗伯特·库什纳（Robert Kusch）曾指出，数字人文“是一种思维方式，一种实践方式，也是一种制度安排”——这种综合性表述提醒我们，数字人文不是简单的方法叠加，而是涉及研究理念、研究方法和学术组织方式的整体性变革。

在讨论数字人文的概念时，还需要澄清几个常见的误解。数字人文不是“人文的数字化”（digitizing humanities），后者通常指的是将纸质文献扫描成PDF、建立数据库供检索的初级工作——这当然是有价值的，但它只是数字人文很小的一部分。数字人文也不同于“计算语言学”或“量化历史”，尽管这些领域与数字人文存在交叉，但数字人文的范畴更广，它关注的是整个数字时代人文学科的转型与重构。此外，数字人文并非要取代传统的文本细读（close reading）方法，恰恰相反，它试图与细读传统形成互补，通过“远读”（distant reading）——即对大量文本进行宏观分析——来发现单个文本难以呈现的规律，从而为深度细读提供新的方向和目标。

数字人文的历史演变：从人文计算到数字人文

要理解数字人文的当代形态，有必要追溯它的历史脉络。虽然“数字人文”这个术语直到21世纪初才被广泛使用，但借助计算机进行人文学研究的历史可以追溯到上世纪中叶。

1950年代，随着电子计算机的出现，一些具有远见卓识的学者开始探索计算机在人文学领域的应用可能。最早的尝试主要集中在词典编纂和语言学研究方面。1952年，美国宾夕法尼亚大学的罗伯托·布萨（Roberto Busa）与IBM公司合作，开始为托马斯·阿奎那（Thomas Aquinas）的全部著作编制索引，这部后来被称为《托马斯·阿奎那索引》（Index Thomisticus）的作品成为人类历史上最早的大规模人文学数据库之一。布萨神父的工作在当时引起了巨大反响，他不仅展示了计算机处理拉丁语文本的可行性，更重要的是，他开创了一种新的学术合作模式——人文学者与计算机专家携手，共同探索知识的未知领域。

进入1960年代，人文计算（Humanities Computing）作为一个学术领域开始逐渐成型。1964年，《文学与语言计算》（Computers and the Humanities）期刊在荷兰创刊，这是世界上第一份专门发表计算机在人文学领域应用研究成果的学术期刊。同年，第一届国际人文学计算机应用会议（International Conference on Computational Linguistics, COLING）在欧洲召开。1973年，澳大利亚学者伊恩·威洛比（Ian Willoughby）主持开发的“古典文本数据库”（Classics Text Database）开始收录古希腊罗马文献的电子文本，标志着古典学领域正式加入人文计算的版图。这一时期的研究主要集中在文本编码、检索、词频统计等技术层面，学者们主要关注的是如何将传统文献转化为机器可读的格式，并建立基础的检索和分析工具。

1980年代至1990年代是人文学计算的稳步发展期。随着个人计算机的普及和数据库技术的发展，越来越多的学术机构开始建立人文学数字资源库。1981年，牛津大学出版社开始发行《牛津英语词典》第二版的计算机版本；1985年，意大利神经心理学家乔治·斯特朗（Giorgio Stano）发起了“古罗马城市地图”项目（Forma Urbis Romae），尝试将古代罗马的城市平面图数字化并与考古资料关联——这是地理信息系统（GIS）技术在考古学中应用的开创性尝试。1993年，万维网（World Wide Web）向公众开放，这一人机交互方式的革命性突破彻底改变了数字资源的传播方式。人文学者开始尝试在网络上共享数字化的文献资料，一个分布式的、开放的人文学术资源网络开始形成。

2000年代是数字人文从边缘走向中心的转折期。2005年，斯坦福大学文学教授弗朗哥·莫雷蒂（Franco Moretti）发表了《遥远阅读》（Distant Reading）一文，提出了一种与传统细读截然不同的研究方法：与其深入分析少数经典文本，不如借助计算方法对大量文本进行宏观分析，从而发现文学演变的宏观规律。莫雷蒂的这一思想虽然在学界引发争议，但它为数字人文确立了鲜明的学术旗帜——数字人文不是用新技术装饰旧研究，而是要提出全新的学术问题。2007年，伦敦大学学院成立了英国第一个正式的“数字人文系”（Department of Information Studies下设的数字人文方向）。同年，现代语言协会（MLA）发布了关于数字人文的官方报告，标志着这一领域获得主流人文学界的正式认可。

2010年代至今，数字人文进入了爆发式增长期。大数据的兴起、云计算的普及、人工智能技术的突破性进展，都为人文学研究提供了前所未有的技术手段。与此同时，数字人文的制度化进程也在加速：世界主要大学纷纷设立数字人文中心或研究所，专门的数字人文博士项目开始出现，学术期刊、会议、学会组织日趋完善。2019年，全球数字人文会议（Digital Humanities Conference）首次在中国上海举办，标志着中国在这一领域的国际影响力显著提升。

从“人文学计算”到“数字人文”的术语转变本身就蕴含着深刻的含义。早期的“人文计算”（Humanities Computing）强调的是计算机作为工具的属性，而“数字人文”（Digital Humanities）则强调人与数字技术之间的互动关系，以及这种互动所带来的学科变革。这种术语的演变折射出这一领域从“技术辅助”到“范式转型”的认识深化。

数字人文与传统人文学科的范式差异

要真正理解数字人文的价值和意义，必须将它放在与传统人文学科的对照中加以审视。人文学科有着悠久的历史传统，从古希腊的修辞学到中世纪的经院哲学，从文艺复兴时期的古典学研究到19世纪实证主义史学的兴起，人文学科形成了一套相对稳定的研究方法和学术规范。数字人文的出现不是对这套传统的否定，而是在新的技术条件下对人文学研究可能性的拓展。要理解两者之间的关系，需要从研究对象、研究方法、论证方式和知识组织四个维度进行分析。

研究对象的规模差异是数字人文最直观的特征。传统人文学研究通常以单个文本或有限数量的文献为核心研究对象。一篇文学评论可能围绕一部小说展开，一项历史研究可能聚焦于某个特定时期的一批档案材料。这种“精耕细作”的研究方式有其独特价值，它允许学者深入挖掘文本的细微意蕴、历史情境的复杂纹理。然而，当研究对象的规模扩展到数百部作品、数千份档案、数百万字文本时，传统方法的局限性就显现出来了。数字人文的核心优势之一就是能够处理大规模的研究材料。一个研究中国古典小说的学者，如果想了解“才子佳人”母题在明清时期的演变轨迹，传统方法可能只能选取几十部代表作进行分析；而借助数字人文工具，可以将《古本戏曲丛刊》《古本小说集成》等大型文献数据库中的全部作品纳入分析范围，从统计学意义上把握这一母题的演变规律。这种研究方式不会取代对单部作品的深入分析，但它能够提供一种全新的宏观视角，帮助学者发现那些在个案研究中难以察觉的历史趋势和文化模式。

研究方法的技术特征是另一个显著差异。传统人文学研究依赖文献学、考据学、历史比较法等经过长期积累的方法体系，这些方法强调学者的个人素养、学术直觉和对语言的精微把握。数字人文则引入了计算方法，包括统计分析、文本挖掘、机器学习、网络分析、地理信息系统等。这些方法的共同特点是通过形式化、程序化的步骤来处理材料，最终得出可以用数字或图表呈现的结论。需要指出的是，计算方法并非要取代学者的判断力，恰恰相反，数字人文项目中最关键的环节——提出有价值的问题、解释计算结果的学术意义——仍然高度依赖研究者的人文学素养。一份文本挖掘的结果可能显示某位作家在不同人生阶段使用的词汇频率发生了显著变化，但这种变化的深层原因——是个人情感的变化？是社会环境的影响？是文学风气的转变？——需要学者运用历史知识和文学洞察力来诠释。数字人文是技术能力与人文素养的结合，而不是用机器取代人脑。

论证方式的转变体现了数字人文的认识论特征。传统人文学论证通常采用“例证法”：通过精心选择的典型案例来支持一个概括性论点。一位研究唐代诗歌的学者可能会选取李白、杜甫、白居易的几首代表作，通过细致分析来说明盛唐诗歌的艺术特征。这种论证方式在逻辑上属于归纳推理，其说服力部分依赖于案例的“典型性”和分析者的“洞察力”。数字人文的论证方式更强调实证性和可重复性：研究者的分析过程被完整记录在代码和数据中，其他学者可以重复同样的步骤来验证结论；如果采用随机抽样或统计推断方法，结论还可以附带概率说明。这种论证方式与人文学传统的“阐释学”路径形成有趣的张力：阐释学强调文本意义的多元性和理解的不可穷尽性，而计算方法则追求分析结果的确定性和可重复性。数字人文并不简单地站在阐释学的对立面——事实上，许多数字人文研究者本身就是阐释学传统的继承者——但它为传统的阐释工作提供了一个实证的锚点，使得研究者可以更有根据地判断自己的解读是否符合文本的整体特征。

知识组织的变革是数字人文更深层的影响所在。传统人文学的知识主要通过专著、论文、百科全书等线性文本形式来组织和传播。每一部学术著作都是一个封闭的、线性的文本系统，读者只能按照作者设定的顺序来阅读。数字人文正在从根本上改变这种知识组织方式。一个精心设计的数字人文项目往往包含多层结构：底层是数字化的原始材料（文本、图像、地图等）；中间层是经过编码和标注的结构化数据；顶层是供用户探索的交互界面和可视化呈现。用户不再是被动的信息接受者，而是可以主动地探索数据、提出问题、生成个性化的知识路径。这种从“阅读文本”到“探索数据”的转变，不仅改变了学术成果的呈现形式，也在更深层次上改变了学者与研究对象之间的关系。

理解这些差异的关键在于把握一个核心原则：数字人文不是传统人文学的替代品，而是其有益补充。传统人文研究培养的批判性思维、语言敏感性和历史感，是任何数字人文项目取得成功的必要条件；而数字人文提供的新工具和新视角，则能够帮助我们提出过去无法提出的问题，看到过去无法看到的规律。理想的数字人文研究，应该是计算方法与人文洞察的深度融合，是新技术与老传统的对话与互鉴。

数字人文的核心技术领域概览

数字人文是一个高度跨学科的领域，其核心技术来源广泛，既有计算机科学领域的成熟技术，也有专门为人文学应用而开发的专业工具。理解这些技术的基本原理，是开展数字人文研究和实践的前提。本节将对数字人文的几个核心技术领域进行概览性介绍，包括文本分析与挖掘、数字档案与数据库、可视化技术、地理信息系统与空间人文四个方面。

文本分析与挖掘（Text Analysis and Mining）是数字人文最核心的技术领域。人类文明留下了浩如烟海的文本遗产，如何有效地处理、分析这些文本，从中提取有价值的信息，是人文学者长期面对的挑战。文本分析技术为这一挑战提供了系统性的解决方案。

最基础的文本分析技术是词频统计（Word Frequency Analysis）。通过统计一个文本或语料库中各个词出现的频率，研究者可以了解文本的基本语言特征，发现高频词和低频词的分布规律。例如，对比两位唐代诗人的作品词频统计，可以揭示他们各自偏好的意象和表达方式。更复杂的词频分析还包括词组提取（N-gram Analysis），即统计连续两个词（bigram）或三个词（trigram）的组合出现频率，这对于识别固定表达、追踪语义的微妙变化特别有用。

情感分析（Sentiment Analysis）是一种应用广泛的分析技术，它试图通过计算机程序自动判断文本的情感倾向——是积极还是消极，是赞扬还是批评。这种技术在社会科学和商业领域已有大量应用，在人文学领域也展现出巨大潜力。研究者可以用它来分析文学作品中情感表达的演变轨迹，追踪历史文献中公众舆论的变化趋势，比较不同作者或不同文本之间的情感风格差异。当然，情感分析在应用于古典文献时面临特殊挑战——古代汉语的词汇语义与现代汉语有很大不同，而且古代文本中的讽刺、反讽等修辞手法往往使字面意思与真实情感相悖，这些问题需要结合领域知识进行专门的处理。

主题建模（Topic Modeling）是近年来在人文学领域影响力日增的一种统计技术。它能够在大量文档中自动发现潜在的主题结构。简单来说，主题建模假设每个文档都是多个“主题”的混合，而每个主题又由一组高频共现的词汇构成。通过算法分析，程序可以推断出语料库中存在哪些主题，以及每篇文档分别由哪些主题按照什么比例构成。这种技术在文学史分期、作者风格研究、历史文献分类等方面都有重要应用。例如，研究者可以将一个世纪以来发表的所有文学期刊输入主题模型，观察“现代性”“乡土”“革命”等主题在不同历史时期的消长变化，从而为人文学研究提供量化的历史坐标。

命名实体识别（Named Entity Recognition, NER）是自然语言处理的一项基础技术，它能够自动识别文本中的人名、地名、机构名、时间表达式等实体信息。在人文学研究中，NER可以帮助研究者快速从海量文献中提取关键人物、事件发生地点、历史时间线等信息，大大提高文献梳理的效率。

数字档案与数据库（Digital Archives and Databases）是数字人文基础设施的重要组成部分。人文学研究离不开文献，而文献的数字化保存和有效组织是开展数字人文研究的前提。

数字档案的构建涉及一系列技术标准和工作流程。数字化（Digitization）是指将纸质文献转化为数字格式的过程，包括扫描、摄影、光学字符识别（OCR）等技术手段。对于印刷文献，OCR技术已经相当成熟，可以自动将扫描图像中的文字识别为可编辑的文本；但对于手写文献、古籍草书、异体字较多的古典文献，OCR的准确率仍然有限，需要人工校对和校正。元数据（Metadata）是描述数据的数据，包括文献的标题、作者、写作时间、出处、版本、收藏机构等信息。规范的元数据设计是数字档案可用性的关键，国际上通行的元数据标准如都柏林核心集（Dublin Core）为不同机构之间的资源互操作提供了基础。

数据库技术为数字档案的组织和管理提供了工具。人文学数据库的设计需要平衡数据的结构化程度与灵活性——过度结构化可能丢失文献的复杂性信息，过于灵活则难以进行有效的检索和分析。关系型数据库、文档型数据库、图数据库等不同类型的数据库各有其适用场景，研究者需要根据具体需求选择合适的数据库技术。

值得特别介绍的是数字人文平台（Digital Humanities Platforms）的发展。近年来，为了降低数字人文研究的门槛，一批集成化的数字人文平台被开发出来。美国弗吉尼亚大学主持的Neatline平台专注于时空数据可视化，允许研究者在地图和年表上叠加文献材料，构建交互式的历史场景。德国杜塞尔多夫大学开发的COMPUS平台则侧重于古代文献的数字化处理和检索。这些平台将复杂的底层技术封装为用户友好的界面，使不具备编程背景的人文学者也能开展数字人文研究。

可视化技术（Visualization）是数字人文成果呈现的重要手段。人类视觉系统对图形信息的处理能力远强于对数字和文字的处理能力，因此将分析结果转化为可视化形式不仅便于交流传播，还能帮助研究者发现数据中的隐藏模式。

数字人文可视化包括多种类型。统计图表（Charts and Graphs）是最基本的可视化形式，包括柱状图、折线图、散点图、饼图等，用于呈现定量分析的结果。词云（Word Cloud）将文本中高频词汇按频率大小排列成文字云，直观展示文本的词汇分布特征，尽管其在学术严谨性上有争议，但作为一种传播工具仍然广受欢迎。网络图（Network Graph）用于呈现实体之间的关系结构，在文学研究、人物关系分析、知识图谱构建等方面应用广泛。例如，研究者可以绘制一部小说中人物之间的互动关系网络，通过网络结构分析来理解小说的叙事结构。时间轴（Timeline）则以时间为轴展示事件的发展演变，适合呈现历史进程或文学史演变。

**地理信息系