数字人文的诞生：不是技术入侵，而是人文的自我进化

1949年的北平，辅仁大学的校园里还飘着洋槐花的甜香，年轻学者李贤德正盯着刚搬进中文系办公室的IBM打孔机发呆——这台占了大半张办公桌、运行时嗡嗡响得比老式冰箱还吵的大家伙，是他软磨硬泡了半年才从学校申请到的设备，盘算着要做一件在当时听起来“离经叛道”的事：用计算机统计《红楼梦》前80回的词频，看看曹雪芹到底最爱写什么字、哪些角色出现的频率最高。那时候别说普通人，就连计算机系的教授都未必能说清“计算机”和“人文研究”能扯上什么关系，更别说用打孔机这种需要手动喂卡片的原始设备去碰几百年前的白话小说了。*(This is the earliest documented experiment of using computers for Chinese literary analysis in history. In 1949, Li Xiande, a scholar at Fu Jen Catholic University in Beiping, brought an IBM punch card machine into the Department of Chinese to conduct word frequency statistics on the first 80 chapters of *Dream of the Red Chamber*. At that time, few people could imagine the connection between computers and humanities research, let alone using this primitive manual-feed device to analyze a centuries-old vernacular novel.)* 三个月后，李贤德打完了15000张打孔卡——摞起来有一米多高，比《红楼梦》原著还厚——跑出来的结果让整个中文系炸了锅：虚词“的”“了”的使用频率是实词的7倍，“宝玉”“黛玉”是出现频率最高的两个人物，黛玉相关的文本里“哭”“泪”的出现概率是宝钗的6.8倍。有人笑他是“不伦不类的瞎折腾”，也有学者眼睛一亮：原来文学研究还能这么玩？

几乎同一时间，大洋彼岸的意大利学者罗萨·波多·塞拉（Rosa Sacra）也在做类似的事：她用罗马大学的大型计算机统计但丁《神曲》的词频和意象分布，第一次量化了但丁对“光”“爱”这两个核心意象的使用规律，相关论文发表后立刻引发了欧洲人文学界的震动。这两件相隔万里的“小事”，被后来者公认为数字人文（Digital Humanities，简称DH）的滥觞——不是理工科跨界入侵人文的领地，而是人文学者自己主动伸手，抓住了刚冒头的计算机技术，想看看能不能给研究了上千年的老学科装个“新望远镜”。

<dh_origin>数字人文起源</dh_origin>

如果把数字人文的发展脉络拉成一条时间轴，我们会发现它的成长轨迹从来都不是“技术倒逼人文”，而是人文学科主动拥抱技术、拓展自身边界的自我进化史。我们可以把它 roughly 分成三个阶段：

第一个阶段是工具应用期（1940s-1970s），这个阶段的数字人文还谈不上“范式”，只是人文学者把计算机当“高级计算器”用。1954年，IBM公司和哈佛大学合作开发了世界上第一个文学文本自动索引工具——《莎士比亚分析索引》（*Analytical Index of Shakespeare*），以前学者要找莎士比亚某句台词的出现位置，得翻好几个月的纸质索引，现在用这个工具输入关键词，几分钟就能定位到对应的剧本、幕次甚至行数。这个工具当时被哈佛英语系当“宝贝”一样供着，申请使用要提前半个月排队，很多老教授一开始还抵触，觉得“用机器找 Shakespeare 的台词是对文学的亵渎”，结果用了一次就真香：有个教授以前花了三年时间找莎士比亚作品里“blood”这个词的所有用例，用这个工具只用了三个小时就找齐了，还发现了以前没人注意到的规律——莎士比亚早期作品里“blood”大多和暴力、死亡相关，晚期作品里更多和家族、血缘相关，刚好对应他创作风格从悲剧向传奇剧的转变。*(The *Analytical Index of Shakespeare*, co-developed by IBM and Harvard University in 1954, was the world's first automatic indexing tool for literary texts. Previously, scholars had to spend months flipping through paper indexes to find the location of a specific line in Shakespeare's works; with this tool, they could locate the corresponding play, act, and even line number in just a few minutes by entering keywords.)* 这个阶段的核心特征是“计算机是工具，人文研究的主体还是人”，技术只是帮人文学者省掉重复劳动，并没有改变研究的底层逻辑。

第二个阶段是方法创新期（1980s-2000s），这个阶段计算机不再只是“计算器”，而是带来了全新的研究方法。1980年代，文本挖掘（Text Mining）、社会网络分析（Social Network Analysis, SNA）、地理信息系统（Geographic Information System, GIS）等技术开始被引入人文学科，人文学者发现，原来很多以前“根本没法研究”的问题，现在有了解决的路径。比如研究19世纪英国小说的学者，以前要梳理《傲慢与偏见》《简·爱》《呼啸山庄》里的人物关系，只能靠手动画关系图，几本书的人物混在一起，画出来的图能贴满一墙，还经常漏关系；现在用社会网络分析的方法，把几本书里所有人物、共现场景、对话关系都输入模型，几分钟就能生成可视化的关系网络，还能自动计算出人物的“中心度”——比如有人算出来《傲慢与偏见》里中心度最高的人不是伊丽莎白，而是她的妈妈贝内特太太，因为所有角色的关系都通过她串联起来，这个结论以前靠手动分析根本不可能发现。*(For example, scholars studying 19th-century British novels used to have to manually draw relationship maps of characters from *Pride and Prejudice*, *Jane Eyre*, and *Wuthering Heights*; combining characters from multiple books would result in a wall-sized diagram that still often missed connections. With social network analysis, scholars can input all characters, co-occurrence scenes, and dialogue relationships into a model, generate a visualized relationship network in minutes, and automatically calculate the "centrality" of each character: one study found that the most central character in *Pride and Prejudice* is not Elizabeth Bennet, but her mother Mrs. Bennet, as all character relationships are connected through her. This conclusion would have been impossible to find through manual analysis.)* 这个阶段的核心特征是“技术带来了新方法，开始改变研究的路径”，但“数字人文”这个概念还没有被广泛接受，很多学者还是把它当成“计算机辅助人文研究”，和传统人文研究是两张皮。

第三个阶段是范式重构期（2010年至今），这个阶段的数字人文终于从“工具”“方法”升级成了独立的研究范式，和传统人文研究并行。2009年，第一届国际数字人文大会（Digital Humanities Conference）在弗吉尼亚大学召开，来自全球30多个国家的400多名学者参会，“数字人文”这个概念正式被学界广泛接受。2010年，斯坦福大学成立了全球第一个高校数字人文实验室——文学实验室（*Literary Lab*），明确提出“数字人文不是用计算机辅助人文研究，而是用计算的方法重新思考人文问题”，这个宣言标志着数字人文正式从“工具层”升级到了“范式层”。*(In 2009, the first International Conference on Digital Humanities was held at the University of Virginia, attended by more than 400 scholars from more than 30 countries around the world, and the concept of "digital humanities" was officially widely accepted by the academic community. In 2010, Stanford University established the world's first university digital humanities lab, the Literary Lab, which explicitly proposed that "digital humanities is not using computers to assist humanities research, but using computational methods to rethink humanities problems". This manifesto marked the official upgrade of digital humanities from the "tool layer" to the "paradigm layer".)* 现在数字人文的研究边界已经远远超出了“用计算机统计词频”：学者用GIS技术还原宋代《清明上河图》里的汴京城市布局，结合史料分析北宋的城市管理制度；用知识图谱构建“中国古典诗词知识网络”，把几千首诗词里的意象、人物、事件、地理信息全部关联起来，研究“月”这个意象从先秦到明清的演变规律；用自然语言处理（Natural Language Processing, NLP）技术分析民国时期的报刊，研究近代中国人的观念变化……这些研究放在几十年前根本不可能完成，现在却成了数字人文的常规操作。

<paradigm_shift>范式转移</paradigm_shift>

很多人听到“数字人文”就下意识皱眉头：是不是学理工的要跨界抢人文学者的饭碗？是不是以后搞人文研究不用读书，只要会写代码就行？是不是传统的人文研究要被数字人文取代了？这些误解在过去十几年里反复出现，本质上是没搞懂数字人文和传统人文的关系——它不是入侵者，而是给传统人文装上了“望远镜”和“显微镜”，拓展了人文学科的研究边界，而不是取代传统人文的研究路径。

要搞清楚两者的关系，我们首先得对比一下传统人文学科和数字人文的研究范式差异。传统人文学科的研究范式可以概括为“提出假设-文本细读-得出结论”：比如你要研究《红楼梦》里林黛玉和薛宝钗的性格差异，首先会提出“黛玉更敏感多愁，宝钗更稳重世故”的假设，然后回到原著里逐字逐读，找出支持假设的文本证据，比如黛玉葬花、焚稿断痴情，宝钗扑蝶、绣鸳鸯梦兆绛芸轩，最后结合文本证据得出结论，验证假设成立。这个范式从古到今已经用了上千年，是人文研究的核心逻辑，它的优势是能深入文本的细节，挖掘文本的深层意义，缺点是“粒度太细”，很难看到宏观的规律：比如你要研究整个明清小说里女性形象的演变规律，靠一个人逐本细读，一辈子可能都读不完几百部小说，更别说找出规律了。

而数字人文的研究范式可以概括为“提出研究问题-数据采集与清洗-量化分析/可视化-结合人文解读得出结论”：还是研究《红楼梦》的人物性格，你首先会提出“黛玉和宝钗的用词习惯有没有显著差异”的研究问题，然后把《红楼梦》前80回的文本全部录入数据库，过滤掉“的”“了”等无意义的停用词，统计两个人物的对话词频、情感倾向、共现场景，最后把量化结果和文本细读结合起来：比如量化结果显示黛玉的对话里“愁”“泪”“花”等词的出现频率是宝钗的6.7倍，而且80%出现在和贾宝玉相关的场景里，你再回到文本里细读这些用例，发现曹雪芹确实通过用词习惯的差异来塑造两个人物不同的性格和命运，最后得出结论，同时还能提出新的问题：为什么曹雪芹要给黛玉安排这么多和“花”相关的意象？是不是暗示她“质本洁来还洁去”的命运？

你看，两者的核心逻辑其实是一致的：都是先有问题，再找证据，最后得出结论。区别只是证据的来源不一样：传统人文的证据来自学者的细读，数字人文的证据来自量化分析和数据支撑。两者的关系不是“取代”，而是“互补”：数字人文帮人文学者省掉了大量重复的基础劳动，把学者从“找资料”“统计数字”的工作里解放出来，把精力放在更有价值的人文阐释上；而人文学者的素养，又能避免数字人文变成“唯数据论”——毕竟数据只是素材，不是结论，数据背后的意义阐释，永远只能靠人来完成。

<misconception>常见误解</misconception>

为了更直观地说明两者的互补关系，我们可以举两个真实的案例。第一个是2015年，英国华威大学的数字人文学者用自然语言处理技术分析狄更斯的全部作品，量化统计了狄更斯作品里“伦敦”这个词的出现频率、相关的场景描述，发现狄更斯早期作品里对伦敦的描写大多是负面的，比如“雾都”“贫民窟”“犯罪之都”，晚期作品里对伦敦的描写多了很多正面的内容，比如“繁华的商业街”“温暖的社区”，这个量化结果验证了以前文学批评界的猜想：狄更斯对伦敦的态度随着他的人生经历从批判转向了包容。但光有这个量化结果是不够的，学者还要回到狄更斯的传记里，找到他1835年第一次访问美国、看到美国的城市建设和伦敦的差异，还有他晚年参与伦敦市政改革的历史背景，才能解释为什么他的态度会发生转变——这个解释的部分，只能靠人文学者的人文素养来完成，计算机不可能给你答案。*(In 2015, digital humanities scholars at the University of Warwick used natural language processing technology to analyze all of Dickens' works, quantitatively counting the frequency of the word "London" and related scene descriptions in Dickens' works, and found that Dickens' early works mostly described London negatively, such as "foggy city", "slum", "capital of crime", while his late works had more positive descriptions of London, such as "prosperous commercial street" and "warm community". This quantitative result verified the previous conjecture in literary criticism: Dickens' attitude towards London shifted from criticism to tolerance as his life experience changed. But this quantitative result alone is not enough; scholars have to return to Dickens' biography, find the background of his first visit to the United States in 1835, when he saw the difference between American urban construction and London, and his participation in London municipal reform in his later years, to explain why his attitude changed. This part of the explanation can only be completed by human scholars' humanistic literacy, and computers cannot give you the answer.)*

第二个是2019年，北京大学数字人文研究中心做了一个“《红楼梦》人物关系知识图谱”项目，把前80回里所有人物、事件、诗词、器物、地理信息全部做了结构化处理，输入“林黛玉”就能看到她所有的出场场景、和谁对话过、提到过什么诗词、情感变化的曲线。有个红学家用这个工具做研究，发现林黛玉提到“花”的次数比薛宝钗多12次，而且提到花的时候80%是和凋零、伤感相关的，这个量化结果帮他验证了以前的一个猜想：曹雪芹确实是用“花”的意象来暗示黛玉“花落人亡”的命运。但后来有个计算机专业的博士生用同样的数据，训练了一个算法来预测《红楼梦》后40回的作者，结论是后40回不是曹雪芹写的，这个结论立刻引发了红学界的争议：很多红学家指出，这个算法没有考虑曹雪芹的创作风格变化，也没有考虑高鹗续写的时候可能参考了曹雪芹留下的草稿，所以结论不可靠。这个争议恰恰说明：数字人文的核心从来不是技术，而是人文问题——技术只是工具，最终的研究结论要靠人文学者的专业判断来验证，没有人文素养的数字人文，只是空中楼阁。

还有人会说“数字人文太复杂了，要学编程、要学统计，普通人根本玩不转”，其实现在的数字人文工具已经越来越“平民化”了，你不需要会写代码，