讲座回顾 | AI时代的数字人文与文学计算批评

赵薇老师首先界定数字人文的学科属性，指出它是技术驱动下的学科交叉领域，以量化建模和借助模型来推理、论证为核心研究方式，并对远读（distant reading）的学术发展历程进行介绍。赵老师指出，国内数字人文经过长期积累，在AI浪潮中迎来快速发展，但也存在现实瓶颈：量化研究成果认可度不足，很难和传统文学细读体系相融，如何让数字方法真正服务文学研究是当下核心课题。

接着她梳理研究方法的演变，对比远读与文学计算批评。远读依靠大数据统计长时段把握文学史宏观走向，解决了人力无法阅藏海量文献的难题，不过只能做浅层数据描述，甄别特殊文本的能力薄弱。文学计算批评实现迭代升级，构建“数据—模型—细读—理论”循环：依靠模型筛选特殊文本，再以传统细读校准修正模型，让技术量化和人文思辨彼此支撑、互补增效。

面对AI带来的新挑战，赵薇老师剖析两大核心难题：深度学习算法存在黑箱特性，无法溯源至具体特征层面，降低了人文研究的可解释性；不少研究者过度依赖工具，丧失学术主体性，变成算法的辅助者。对此她提出解决方案：人文学者要学习基础统计、简易建模知识，读懂算法逻辑；采用“可变焦阅读”，兼顾宏观量化全景与微观文本精读；坚守文学本位，将个人审美感悟、反思意识贯穿建模、分析、阐释全过程，实现人和算法良性协同。

讲座搭配两组团队实践案例具象讲解如何从建模走向推进文学理论研究。第一个案例介绍研究团队有关美国20世纪生态批评话语与生态小说写作之关系的研究。此研究在生态批评文集中找到489个高频关键词，计算这些关键词的词频序列在哥特小说、科幻小说、战争小说等对照组之间的相关性；之后对相关性的效度进行检验，再去细读几类极值文本，展现作为泛生态性之表征的生态话语跨越多种亚文类边界的历史趋势，并重提“作为生态批评的科幻文类”这一概念。

第二个案例涉及中国文学研究领域，赵薇老师展示了如何通过训练可解释的机器学习分类器，完成对现代汉诗节奏问题的研究。研究首先对三千余个新诗和散文诗样本进行音组标注，得到35万个音组。之后设计“句间组合”与“句内组合”（JN）这两种音组组合的表示法分别统计每个文本的顿组合特征，再让分类算法分别学习这些特征在两类文本中的分布，进而发现对于分别区分两类文本最高的特征，经过多次模型检验，在观念的层面重构了现代汉诗节奏层级的可能分布情况。研究最终的重心落在了如何借助这些高贡献度特征返回历史脉络中，对典型诗行与新诗格律、二十世纪的新诗散文化、新民歌的民族形式基因，以及什么是散文诗等诗学遗留问题展开思考。

讲座结尾，赵薇老师总结数字人文的立足根本：文本细读永远不能舍弃，唯有坚守文学本位，才能搭建稳定完整的“数据→模型→细读→理论→数据……”的阐释闭环，未来发展的关键在于打通技术、数据与学者自身文学经验，推动数字技术和传统文学研究深度融合共生。

“之和知”是指智慧之和凝聚成新知。海报上“之”的点突显出来，象征着午间学术沙龙主讲嘉宾都是在学术领域做出杰出贡献的大家，也象征着听讲者通过聆听学术大家的分享必定会有所收获。“之和”是指同学们能够集学术大家的知识和智慧，汇聚成提升自我学术素养的智慧，智慧之和即“新知”，也就是“之和知”的“知”。