資料圖片

　　當前，科學數據在科學研究中的作用日益顯著，數據密集型知識發現方法受到科學界的普遍關注：科學家不僅通過對大量數據實時、動態地監測與分析來解決科學問題，更基于數據來思考、設計和實施科學研究。數據不僅是科學研究的結果，且成為科學研究的基礎；人們不僅關心數據建模、描述、組織、保存、訪問、分析、復用和建立科學數據基礎設施，更關心如何利用泛在網絡及其內在的交互性、開放性，利用海量數據的可知識對象化、可計算化，構造基于數據的、開放協同的研究與創新模式。在人文社會科學領域，以“人文計算”、復雜網絡分析、大規模數據分析為特征的研究方法逐漸被采納，人文社會科學的“科學性”顯著增強，而批判性與人文關懷有所弱化，學界對此褒貶不一。

　　人文社會科學研究的數據挑戰

　　其一，科研資料總量的快速增加給人文社會科學學者帶來了巨大挑戰。2006年，Gregory Crane提出，當前人文社會科學研究者在自身研究領域都面臨大量文獻資料的處理，這些文獻資料的數量已經大大超越了傳統閱讀能力所能處理的范疇，因而人文社會科學學者也將不得不借助計算機來處理完成相關文獻資料，即“百萬圖書的挑戰（Million Books Challenge）”問題。隨著跨學科研究趨勢的日益增強，傳統人文科學和社會科學領域引入了大量的計算機處理模式和分析方法，各類依托計算機存儲媒介數字學術資源的開發，基于復雜運算和分析的計算機模擬與實證，基于事實與證據的商業預測與案件證據推理等研究議題廣泛興起，從根本上改變了人文知識的獲取、標注、比較、取樣、闡釋與表現方式。尤其在語言學、文學、歷史學、文藝學、民族學等多個人文領域取得了引人注目的效果，并組建了專門的科研機構，形成了國際數字人文機構聯盟和數字人文中心網絡兩大數字人文研究聯盟。

　　其二，資料的數字化改變了傳統人文社會科學的資料類型，數字資源的采集、加工和處理對研究成果的獲得作用日益顯著。目前，海量的圖書、報紙、期刊、照片、繪本、樂曲、視頻等人文資料被數字化，并在互聯網上被提供給研究者存取利用。而以“大數據”為代表的數據資源相對于數字文本、數字文獻等數字信息資源，來源更加廣泛，數據粒度更小，記錄單元更加碎片化，結構更加多元化，機器生成數據也顯著多于人工生成數據，信息質量參差不齊，對資料的匯集、保存和綜合利用更加依賴計算機的輔助，人文社會科學也越來越需要依賴計算機對研究過程的支撐，傳統人文社會科學學者對計算機技術和分析技巧的缺失甚至可能影響人文社會科學研究的最終實現，進而將計算機分析處理能力延伸為人文社會科學研究者科研素養的重要組成部分。

　　大數據與人文社會科學研究新思維

　　從當前數字人文和人文大數據研究情況看，人文及社會計算方法與人文社會科學研究的融合出現了三類新的研究思維：

　　其一，人文社會科學開放與全過程研究思維。以往人文社會科學研究成果的表現形式為最終成果，再利用主要以文獻引用、轉述和評論等為主。而數字人文研究可記錄人文社會科學研究的完整過程，資源化的原始數據、中間成果得以立體化應用，再利用水平顯著提升。目前，國外以在線實驗室、項目網站、開放數據集、項目論壇、項目社會網絡為特征的立體開放研究思維普遍確立，可參與性大大增強。

　　其二，人文社會科學碎片化重組研究思維。大數據環境下，人文社會科學研究更加注重片段數據、海量數據、非結構化數據的采集、清洗與分析，通過碎片化重組，深度揭示難以處理或無法預知的科學問題。比如通過海量自然語言表達效果觀測公眾的政治參與意識、通過科學家的在線時間與資源下載時間分布研究科學家的作息時間與工作強度等。

　　其三，人文社會科學計算分析研究思維。以往人文社會科學研究定性研究居多，定量研究也主張采用是非論斷，采納或拒絕某一特定假設，是采用確定性、因果關系的研究思維。在大數據環境下，人文社會科學研究可采用計算分析思維，對相關命題進行趨勢分析。

　　此外，在上述研究思維體系下，跨學科協作、跨平臺協作、海量資料加工以及人文社會科學的計算化趨勢日益明顯，并涌現出若干研究取向與熱點問題。

　　人文社會科學大數據研究的基本特征

　　綜合已有的研究，人文社會科學的大數據研究具有如下基本特征：

　　一是所涉及資料均大大超過一般的閱讀、分析和理解所能處理的范疇，是以往“不可研究”或“難以研究”的，大數據分析方法的出現提供了人文社會科學研究新的研究空間，提供了新的研究可能。

　　二是一般引入計算分析方法，其結論并非觀察、思索、領悟等傳統方法獲得，而是通過大量數據的匯集而“自動涌現”，其理論的獲得不同于傳統人文社會科學研究。

　　三是均構建了可持續完善和豐富的數據集和分析工具，其可用性、共享性、重用性、協作性大大增強，提供了人文社會科學學者大規模協作的可能。

　　四是均具有跨學科特征。數字人文研究需要匯集專業領域技能、數據管理技能、數據分析技能和項目協作技能，因而這類項目往往由跨度較大的不同學科的專業學者共同完成。

　　五是決定研究質量的主要是數據集的質量、數量和利用方式，而研究假設相對容易。在某種程度上，數據科學家將成為人文社會科學大數據研究中的主角。

　　人文社會科學大數據研究的隱憂

　　雖然以微軟、谷歌、IBM為代表的主流數據服務商都極力推崇數字化人文社會科學研究的美好前景，但其也存在不足：

　　首先，非場景化的研究邏輯缺乏適用性與人文關懷。由于完全剝離了數據所處的具體環境，數據可能生澀，并且缺乏可理解性和適用性。比如商業分析中的數據挖掘，其可用性僅10%左右，并非“一挖就靈”。2012年，加拿大作家史蒂芬·馬爾什在其文章《文學不是數據：反對數字人文》中也表示，將文學當作數據會失去文學本身豐富的意蘊。

　　其次，人文社會科學的大數據研究有可能“敏銳地”發現問題，卻無法給問題合理的解釋，也無法給出有針對性的對策，限制了其應用范圍。比如輿情分析、政策計算、情感計算的應用。

　　再次，數據分析的集群研究會消滅重要的個體特征，而個體反而是眾多人文社會科學研究關注的焦點。

　　最后，人文社會科學大數據研究過分關注技術分析，可能忽視創新思維和思辨分析，不利于大師級人文社會科學學者的培養。

　　總之，隨著人文社會科學數據的快速增長以及大數據分析技術的日益完善，人文社會科學的大數據研究必然會成為人文社會科學的主流領域，但不會替代現有的人文社會科學研究，而是相互補充，相得益彰。

　　（作者為國家社科基金重大項目“面向學科領域的網絡信息資源深度聚合與服務研究”首席專家、南京大學教授）