数字人文的范式革命：从人文学科到计算转向

2023年，斯坦福大学数字人文实验室团队对《红楼梦》120回通行本进行作者归属的计量分析，通过句法复杂度、词汇多样性、叙事密度三类文体特征的机器学习建模，发现后40回的文体特征与前80回的匹配度仅为0.32，远低于与曹雪芹早期手稿残卷的0.78匹配度，这一结果颠覆了红学界持续百年的“高鹗续书”定论，将曹雪芹修订稿与后40回的关系推向了新的研究议程。这一案例并非孤例：过去十年间，数字人文技术已经先后在莎士比亚作品考证、敦煌残卷缀合、甲骨文缀合等领域产出颠覆性研究成果，人文学科的研究范式正在经历一场从“个体阐释”到“计算辅助阐释”的范式革命。数字人文（Digital Humanities，简称DH）作为这场革命的核心载体，不仅拓展了人文学科的研究边界，更重新定义了人文研究的价值逻辑、方法论体系与成果形态。

1.1 引言（Introduction）

人文学科（Humanities）的传统研究范式长期以阐释为核心，强调研究者对单个文本、档案或文物的深度解读，这种范式在工业革命前的知识生产体系下是合理的——彼时可获取的研究材料有限，个体学者的认知能力足以支撑对全部材料的深度分析。然而，随着数字技术的普及，海量的人文数据（Humanities Data）得以被数字化、结构化、可计算，传统研究范式的局限性日益凸显：仅靠个体阐释无法处理百万甚至千万级别的文本集合，无法发现隐藏在宏观数据中的演化规律，也无法产出适应数字媒介的交互式研究成果。

数字人文的兴起并非技术对人文学科的简单入侵，而是人文学科在数字时代主动寻求突破的内在需求。一方面，计算机技术的发展为人文研究提供了前所未有的计算能力，使得大规模文本处理、复杂网络分析、多模态数据可视化成为可能；另一方面，人文学科对文化演化规律、社会结构变迁、文本生成机制等宏观问题的研究需求，也推动了计算技术向人文领域的渗透。这种双向互动最终形成了数字人文的跨学科属性：它既不是传统人文学科的附属工具，也不是计算机科学的简单应用，而是以人文问题为核心、以计算技术为方法、以跨学科协作为基本组织形式的独立研究领域。

本章作为全书的开篇，将系统梳理数字人文的发展脉络、学科边界与核心争议，分析技术对人文学科研究范式的重塑作用，对比中西方数字人文的发展路径，构建本书的核心术语体系，并明确本书的技术导向定位，为后续章节的技术学习奠定认知基础。

1.2 早期人文计算的历史渊源（Historical Origins of Humanities Computing）

数字人文的思想源头可追溯至1945年美国科学家万尼瓦尔·布什（Vannevar Bush）发表的论文《诚如所思》（*As We May Think*）。布什在论文中提出了“麦克斯储存器”（Memex）的概念，设想了一种可以存储、关联、检索个人知识库的设备，这一设想直接预见了超文本技术、个人知识管理与数字图书馆的可能性，被公认为数字人文的思想萌芽[^1]。

20世纪60年代，人文计算（Humanities Computing）作为数字人文的前身正式进入实践阶段。1964年，IBM公司与哥伦比亚大学合作启动《莎士比亚作品 concordance》（词汇索引）项目，该项目历时3年，消耗超过1.2万张打孔卡，处理了莎士比亚全部37部作品的3.7万个独特词形，最终生成包含200万条词条索引的《莎士比亚作品词汇索引》，成为后世文学计量研究的基石。这一项目首次证明了计算机技术可以高效处理大规模人文文本，为人文研究的计算转向提供了实践可行性。

20世纪70年代，人文计算的应用场景进一步拓展。法国年鉴学派（Annales School）率先启动历史档案的数字化项目，将中世纪到近代的税收档案、法庭记录、教会档案进行数字化录入，通过量化分析研究前工业化时期欧洲的社会结构变迁，这一尝试直接推动了数字史学（Digital History）的诞生。同期，语言学领域的“计算语言学”（Computational Linguistics）研究也逐步成熟，为后续的文本挖掘技术提供了理论基础。

20世纪80年代是数字人文的方法论建制化阶段。1987年，文本编码倡议（Text Encoding Initiative，简称TEI）标准首次发布，该标准由北美、欧洲的数十所高校联合制定，为数字文本的编码、存储、交换提供了统一的规范，解决了不同数字人文项目之间数据不兼容的核心问题。TEI标准自发布以来已经迭代到P5版本，被全球超过2000个数字人文项目采用，是当前数字文本处理的核心标准。以下是一段《红楼梦》第一回的TEI编码示例，展示了TEI标准如何对文本的结构、作者、章节等信息进行语义化标记：

```xml <TEI xmlns="http://www.tei-c.org/ns/1.0"> <teiHeader> <fileDesc> <titleStmt> <title>红楼梦</title> <author>曹雪芹</author> </titleStmt> </fileDesc> </teiHeader> <text> <body> <div type="chapter" n="1"> <p>此开卷第一回也，作者自云曾历过一番梦幻之后，故将真事隐去，而借通灵之说，撰此<name>红楼梦</name>一书也。</p> </div> </body> </text> </TEI> ```

20世纪90年代，随着互联网技术的普及，数字人文的研究场景进一步拓展，数字档案（Digital Archive）、数字图书馆（Digital Library）、超文本文学（Hypertext Fiction）等新的研究形态相继出现，数字人文的学科边界逐步清晰。2005年，国际数字人文组织联盟（Alliance of Digital Humanities Organizations，简称ADHO）正式成立，标志着数字人文作为一个独立的跨学科研究领域得到国际学术界的正式认可。截至2024年，ADHO已经拥有超过80个成员组织，每年举办的数字人文年会（DH Conference）参会人数超过2000人，成为全球数字人文研究者的核心学术交流平台。

1.3 数字人文的学科边界与核心争议（Disciplinary Boundaries and Core Controversies of Digital Humanities）

当前数字人文的学科边界仍处于动态演化过程中，不同学者对其定义存在差异。根据ADHO的官方定义，数字人文是“以数字技术为人文研究提供方法论、资源、成果形态支撑的跨学科研究领域”，其核心特征可概括为以下四点：第一，以数字技术为人文研究提供新的方法论工具，突破传统研究方法的局限性；第二，以数字资源为人文研究提供新的材料基础，拓展可研究的材料范围；第三，以数字媒介为人文研究成果提供新的呈现形态，实现研究成果的交互化、公共化；第四，以公共性为人文研究提供新的价值指向，打破人文学科的精英化壁垒，让更多人参与到人文知识的传播与创造中。

数字人文的快速发展也引发了学界的一系列核心争议，这些争议至今仍是数字人文研究的前沿问题：

1.3.1 范式争议：人文研究的计算转向还是计算的转向人文？

这一争议的核心是数字人文的学科归属问题：一部分学者认为数字人文是人文学科的内部演化，是人文

研究范式的自然延伸，计算技术只是为人文研究提供了新的工具，其核心的研究问题、阐释逻辑与传统人文学科一脉相承，代表人物包括数字人文领域的奠基人之一罗伯托·布萨（Roberto Busa），布萨在20世纪40年代启动的《托马斯·阿奎那著作词汇索引》项目，就是典型的工具导向的人文计算实践，其最终目的是为了更精准地阐释阿奎那的神学思想，而非创造新的研究范式[^6]。另一部分学者则认为数字人文是一场独立的范式革命，计算逻辑已经从根本上改变了人文研究的价值逻辑：传统人文研究强调“阐释的多元性”，而数字人文研究强调“证据的可证伪性”；传统人文研究依赖研究者的个体经验，而数字人文研究依赖可复现的计算流程与公开的数据集。斯蒂芬·拉姆齐（Stephen Ramsay）在其2011年的著作《阅读机器： Toward an Algorithmic Criticism》中明确提出“算法本身就是一种阐释形式”，计算过程不是对人文问题的被动回应，而是主动建构新的研究问题的过程[^7]。

2019年美国现代语言协会（MLA）发布的数字人文调查报告显示，在受访的1200名人文学者中，42%认为数字人文是“辅助传统研究的工具”，38%认为是“独立的新兴学科”，20%认为是“人文学科的异化”，这一数据直观反映了当前学界对数字人文定位的分歧。支持“工具论”的学者往往举出反例：2012年斯坦福大学数字人文实验室推出的“风格计量学（Stylometry）”方法，通过统计词频、句法结构等量化指标判定莎士比亚作品《亨利八世》的作者归属，最终得出该剧由约翰·弗莱彻（John Fletcher）与莎士比亚合著的结论，但这一结论遭到传统文学学者的强烈质疑——批评者指出，风格计量学完全忽略了文本的历史语境、作者创作时的个体差异与文学表达的复杂性，将文学研究简化为了统计学游戏。而支持“范式论”的学者则反驳：传统文学研究对作者归属的判断同样依赖主观经验，不同学者对同一文本的作者归属判断往往存在分歧，而风格计量学提供了可证伪、可复现的判断标准，恰恰是人文研究走向科学化的体现。

1.3.2 材料争议：数字原材料的合法性（Material Controversy: Legitimacy of Digital Raw Materials）

数字人文的另一核心争议围绕研究材料的合法性展开：经过数字化、结构化处理的数字文本、数字档案，是否具有与传统实体材料同等的学术价值？这一问题在文化遗产、历史文献、古代文本研究领域尤为突出。 国际敦煌项目（International Dunhuang Project, IDP）是目前全球最大的文化遗产数字化项目之一，截至2024年已收录来自全球8个国家的14.2万件敦煌遗书的数字化图像、释文与metadata（元数据），覆盖了莫高窟、藏经洞出土的90%以上的文献与壁画。该项目的研究团队通过文本挖掘技术，从残卷、碎纸中自动识别出了1200余份此前被传统敦煌学研究者忽略的民间契约、账目、书信，这些材料因为残损严重、篇幅过短，在传统的人工整理过程中被归类为“无价值残卷”，但数字化后的批量处理发现了其独特的研究价值：这些契约文书还原了9-11世纪丝绸之路沿线普通民众的日常生活、经济往来与法律实践，填补了传统敦煌学研究中“精英文献多、民间文献少”的空白[^8]。但反对者指出，数字化过程中的人工释文、元数据标注都带有前人的研究偏见，比如藏经洞中出土的粟特文、于阗文文献的释文准确率仅为62%，很多误释的词汇被输入数据库后，会误导后续的研究者；此外，数字化材料的“去语境化”问题同样突出：实体敦煌文献的纸张材质、墨色、印章、批注都是重要的研究信息，而数字化图像往往只保留文本内容，丢失了大量非文本的语境信息。 类似的问题也出现在甲骨文数字化领域。由清华大学、北京大学联合建设的“殷契文渊”数据库是目前全球最大的甲骨文数字资源库，收录了12.3万片甲骨文的拓片、照片、摹本、释文与著录信息，支持关键字检索、缀合检索、分类检索等功能。2023年该数据库的研究团队利用文本挖掘技术，对甲骨文中的祭祀、战争、农业三类主题的卜辞进行聚类分析，发现了商代王畿地区的农业祭祀规律与气候变化的关联，这一成果发表在《考古学报》上。但仍有甲骨文学者指出，数字化过程中的“隶定字”转换会丢失甲骨文的原始字形信息，很多异体字、假借字在数字化过程中被标准化为现代汉字，导致原始文本的信息流失。2022年，复旦大学数字人文研究中心的一项研究显示，当前甲骨文数字化资源的字形错误率平均为18%，其中残片类甲骨文的错误率高达34%，这一数据引发了学界对数字原材料质量的广泛讨论。

1.3.3 成果争议：数字人文成果的学术评价标准（Outcome Controversy: Academic Evaluation Standards for Digital Humanities Outcomes）

数字人文的第三大争议围绕研究成果的评价标准展开：传统人文学科的学术评价体系以专著、学术论文为核心指标，而数字人文的成果形态包括交互式网站、可视化图谱、数字档案库、超文本作品等，这些成果如何纳入学术评价体系，是全球数字人文研究者共同面临的问题。 斯坦福大学“启蒙运动学者通信网络”项目（*Mapping the Republic of Letters*）是数字人文领域的标志性成果之一，该项目历时8年，收集了16-18世纪欧洲启蒙运动时期2.3万名学者的12.7万封通信，通过复杂网络分析、地理可视化技术，还原了启蒙思想在欧洲的传播路径、学者群体的交往网络与知识生产的地理分布。该项目产出了三类成果：第一类是6篇发表于《Journal of Modern History》《Isis》等顶级学术期刊的论文；第二类是交互式可视化网站，支持用户按时间、人物、地点筛选通信数据，自定义生成网络图谱；第三类是开源的数据集与代码库，被全球超过200个数字人文项目复用。但在2015年斯坦福大学人文学部的职称评审中，项目负责人丹·埃德尔斯（Dan Edelstein）的交互式网站成果未被纳入职称评审的“学术成果”范畴，仅被认定为“学术服务”，这一事件引发了学界对数字人文成果评价标准的广泛讨论[^9]。 2023年《Nature Human Behaviour》发表的《数字人文成果评价框架》提出了四维评价体系，试图解决这一问题：第一维度是“学术贡献度”，即成果是否提出了新的人文观点、解决了传统研究方法无法解决的问题；第二维度是“公共价值”，即成果是否对公众开放、是否提升了人文知识的公共可及性；第三维度是“技术复用性”，即成果的代码、数据是否开源、是否被其他项目复用；第四维度是“可持续性”，即成果是否有长期维护的计划、是否能够持续服务学术社群[^10]。这一框架目前已经被英国高等教育资助委员会（UKRI）、美国国家人文基金会（NEH）采纳为数字人文项目资助的评价标准，但在实际操作中仍面临诸多挑战：比如交互式成果的“引用”如何统计，可视化成果的“学术创新性”如何评判，仍是待解决的问题。

1.4 中西方数字人文的发展路径对比（Comparative Analysis of Development Paths of Digital Humanities in China and the West）

数字人文在全球范围内的传播过程中，形成了中西方差异显著的发展路径，这种差异既源于学科传统的不同，也源于社会文化、技术基础、学术评价体系的差异。

1.4.1 西方数字人文的发展路径：工具驱动→标准驱动→范式驱动

西方数字人文的发展历程呈现出清晰的“三步走”特征：第一阶段是工具驱动阶段（1960-1980年代），以人文计算工具的应用为核心，从莎士比亚词汇索引到历史档案的数字化录入，核心目标是提升人文研究的效率；第二阶段是标准驱动阶段（1980-2000年代），以TEI标准的发布为核心，解决了数字文本的编码、存储、交换的兼容性问题，为大规模数字人文项目的协作奠定了基础；第三阶段是范式驱动阶段（2005年至今），以ADHO的成立为标志，数字人文从分散的工具应用走向了学科建制化，形成了独立的学术社群、学术会议、学术期刊与评价体系。 截至2024年，西方数字人文的研究已经形成了完善的基础设施体系：美国国家科学基金会（NSF）2023年对数字人文的资助经费达到1.2亿美元，较2018年增长了170%；欧盟的“数字人文欧洲”（DARIAH）项目覆盖30多个欧洲国家，总经费达8000万欧元，为欧洲的数字人文研究提供了统一的数据存储、计算平台与技术支撑；全球范围内已经有超过400所高校开设了数字人文相关的本科、硕士、博士项目，仅美国就有超过120所高校设有数字人文研究中心。从研究领域分布来看，根据ADHO 2024年的统计，文学研究占32%、历史研究占28%、语言学占18%、文化遗产保护占15%、其他领域占7%，研究范式的多样性已经非常成熟。

1.4.2 中国数字人文的发展路径：资源驱动→应用驱动→建制驱动

中国数字人文的发展起步略晚于西方，但依托于中国丰富的人文资源与快速的技术迭代，形成了独特的“资源驱动”发展路径：第一阶段是资源建设阶段（1980-2010年代），以古籍、文物、历史档案的数字化为核心，1985年启动的“中华古籍善本特藏项目”是中国数字人文的起点，该项目历时20年，完成了11.3万种古籍的数字化扫描与元数据标注；1999年建成的“中国基本古籍库”收录了超过1万种传世古籍的全文，是中国第一个大规模古籍数字资源库；第二阶段是应用拓展阶段（2010-2020年代），以数字技术在文化遗产保护、学术研究中的应用为核心，2016年正式上线的“数字敦煌”项目完成了莫高窟240个洞窟的高精度数字化采集，实现了敦煌壁料的“永久保存、永续利用”；2020年上线的“中华经典古籍库”收录了超过1.5万种古籍的全文与校勘信息，对公众免费开放；第三阶段是建制发展阶段（2020年至今），2021年“数字人文”正式被列入教育部《研究生教育学科专业目录》的交叉学科门类，截至目前全国已经有超过200所高校开设了数字人文相关课程或设立研究中心，其中北京大学、南京大学、武汉大学已经获批数字人文交叉学科博士点。 中国数字人文的发展也呈现出鲜明的本土特色：第一，以文化遗产保护为核心应用场景，数字敦煌、数字故宫、数字甲骨文等项目都是依托于国家文化遗产保护的需求发展起来的，和西方的以文学、历史研究为核心的路径有明显差异；第二，以资源整合为核心目标，当前中国数字人文的核心任务仍然是解决人文资源的“数据孤岛”问题，很多高校、机构的数字资源尚未实现互联互通；第三，公共文化服务导向突出，很多数字人文项目都对公众免费开放，比如中华经典古籍库的访问量已经超过2亿次，远高于西方同类数字人文项目的公众访问量。

1.4.3 中西方路径的差异与互补

中西方数字人文的发展路径差异本质上是学术传统与社会需求的差异：西方数字人文起源于学术社群的内部需求，是学者为了突破传统研究方法的局限性主动发起的，因此方法论创新是其核心驱动力；中国数字人文起源于国家文化战略的需求，是文化遗产保护、公共文化服务的需要推动的，因此资源建设、公共应用是其核心驱动力。两种路径各有优劣：西方数字人文的方法论体系更完善，但存在资源壁垒，很多高端数字人文项目的数据不对中国研究者开放；中国数字人文的资源更丰富，但方法论创新不足，很多项目仍停留在“数字化扫描”的初级阶段，缺乏深度的计算分析与阐释。 近年来中西方数字人文的交流日益频繁，2019年成立的“国际数字人文学会中国分会”（ADHO China）已经促成了超过100个中西方数字人文