一本古籍被扫描成图片，是不是就已经完成了“数字化”？

一批历史文献经过OCR识别，可以全文检索，是不是就已经成为数字人文研究数据？

一个图书馆拥有数百万份数字资源，又该怎样让研究者真正找到、理解并使用这些资料？

这正是数字人文翻译与普通人文学术翻译之间的重要区别。

数字人文把历史、文学、语言、档案和文化遗产研究，与数据库、文本编码、计算分析和数字展示连接起来。

因此，一场数字人文国际会议可能同时跨越：

Humanities
＋ Library Science
＋ Information Science
＋ Data Management
＋ Computer Science
＋ Cultural Heritage

也就是：

人文学科
＋ 图书馆学
＋ 信息科学
＋ 数据管理
＋ 计算机技术
＋ 文化遗产。

心译翻译曾为【内链：2017“图书馆与数字人文”国际研讨会】提供专业语言支持。会议在深圳大学城图书馆举行，围绕数字资源建设、文化资料整理、人文研究方法及图书馆服务创新等议题展开交流。

一、Digital Humanities究竟是什么？

Digital Humanities通常译为：

数字人文。

但如果只是理解成：

“用电脑研究历史和文学”，

仍然过于简单。

数字人文可能包括：

• Digital Archives / 数字档案；

• Digital Libraries / 数字图书馆；

• Text Mining / 文本挖掘；

• Corpus Analysis / 语料库分析；

• Text Encoding / 文本编码；

• Digital Scholarly Editions / 数字学术版本；

• Data Visualization / 数据可视化；

• Geographic Information Systems (GIS) / 地理信息系统；

• Network Analysis / 网络分析；

• Cultural Heritage Digitization / 文化遗产数字化。

例如，一名历史研究者过去可能需要逐本阅读数千份地方档案。

数字人文项目则可能首先将资料：

数字化
↓
OCR识别
↓
标注
↓
建立元数据
↓
建立数据库
↓
搜索与分析
↓
可视化展示。

技术并没有替代人文学术研究。

它改变的是：

研究者能够如何提出问题，以及能够处理多大规模的资料。

二、Digitization和Digitalization为什么不能完全混用？

这是数字领域翻译中非常容易混淆的一组概念。

Digitization

通常强调：

将模拟形式的信息转化为数字形式。

例如：

将古籍扫描成数字图像；

将录音磁带转换为数字音频；

将纸质档案转成电子文件。

Digitalization

往往进一步涉及：

利用数字技术改变工作方式、研究流程或者服务方式。

例如一个图书馆把纸质书扫描成PDF，主要属于：

Digitization。

而如果进一步建立数字资源平台、全文检索系统、知识关联和线上研究工具，则已经进入更深层次的数字化应用。

因此，数字人文会议中不能看到：

digital

就全部简单处理成：

“数字化”。

必须判断它究竟在谈：

信息格式转换，

还是：

整套研究和服务体系的改变。

三、扫描一本书，并不意味着建立了一个真正可研究的数字资源

一份纸质历史资料经过扫描以后，首先得到的往往只是：

Image / 图像。

研究人员如果希望搜索其中的人名、地点、年代和关键词，就需要进一步进行：

Optical Character Recognition（OCR）
光学字符识别。

OCR可以把图片中的文字转换为计算机能够进一步处理的文本。

但问题随之出现。

古籍、旧报纸、手稿和历史档案经常存在：

• 字体复杂；

• 印刷模糊；

• 纸张破损；

• 多栏排版；

• 异体字；

• 手写批注；

• 多语言混排。

因此：

OCR Output / OCR输出结果

并不等于：

Correct Text / 完全准确的文本。

数字人文项目往往还需要：

OCR Correction / OCR校正

Manual Review / 人工审核

Text Normalization / 文本规范化

等后续处理。

这类区别在学术翻译中必须准确保留。

四、Metadata为什么不能简单理解成“资料说明”？

数字图书馆和数字人文项目中，一个极高频词是：

Metadata / 元数据。

简单来说，它可以理解为：

描述数据的数据。

例如一张历史照片本身是数字对象。

但研究者还需要知道：

• 照片拍摄于什么时候？

• 在哪里拍摄？

• 谁拍摄？

• 照片中的人物是谁？

• 原件收藏在哪里？

• 文件是什么格式？

• 谁拥有使用权？

• 是否存在其他版本？

这些信息都可能成为元数据的一部分。

美国国会图书馆也强调，数字资源需要通过适当的元数据体系进行管理，以支持资源描述、发现、访问和长期管理。

所以数字图书馆真正需要保存的不只是：

Digital Object / 数字对象，

还包括：

对这个对象的结构化描述。

五、Descriptive、Structural和Administrative Metadata有什么不同？

元数据也不是一个单一概念。

数字图书馆中可能出现：

Descriptive Metadata

描述性元数据

回答：

这是什么？

可能包括：

标题、作者、主题、时间、地点等。

Structural Metadata

结构性元数据

回答：

这些数字文件之间是什么关系？

例如一本200页的数字古籍由200张图片组成。

系统必须知道：

哪一张是第一页、哪一张是第二页，以及不同章节如何连接。

Administrative Metadata

管理性元数据

可能涉及：

文件格式、技术信息、版权、来源和数字保存过程。

美国国会图书馆的METS体系就用于编码数字对象相关的描述性、管理性和结构性元数据。

因此，如果会议演讲中出现：

metadata architecture

并不能笼统处理成：

“资料管理”。

它讨论的可能是一整套数字资源组织结构。

六、为什么Text Encoding不是普通意义上的“文字编码”？

数字人文领域还有一个极容易误解的词：

Text Encoding。

在普通IT场景中，encoding容易让人想到：

UTF-8、Unicode或者字符编码。

但数字人文里的Text Encoding往往讨论的是：

怎样把文本内部的结构和意义明确标记出来。

例如一本历史文献可能包含：

• 标题；

• 正文；

• 人名；

• 地名；

• 日期；

• 引文；

• 注释；

• 删除内容；

• 手稿修改；

• 不同文本版本。

这些信息如果只是变成一串纯文字，计算机并不知道它们分别代表什么。

因此，需要通过Markup：

标记。

告诉系统：

这是一个人名；

这是一个地点；

这是原作者后来删除的一句话。

七、TEI为什么在数字人文研究中如此重要？

数字人文学术会议中经常出现：

TEI
Text Encoding Initiative。

TEI制定的《电子文本编码与交换指南》是一套广泛应用于人文与社会科学数字文本研究的标准体系。

它可以用XML标记文本中的：

结构、表现形式和概念特征，

尤其适合处理研究中的原始文献和数字文本。TEI目前的P5指南仍持续更新，2026年7月发布的版本为4.12.0。

例如：

一份普通文本只写：

Marco Polo travelled to China.

但数字人文研究者可能希望计算机知道：

Marco Polo是Person；

China是Place；

travelled描述一种Movement。

当成千上万份历史材料按照统一结构进行编码后，研究者就可以进一步分析：

哪些人物频繁出现？

哪些地点之间联系最密切？

某个概念在哪一时期出现最多？

这就是为什么：

Encoding

不仅是一项技术工作。

它本身也包含：

学术判断。

八、Annotation、Tagging和Encoding是不是一回事？

它们彼此相关，但不能完全等同。

Annotation

标注、注释

可能包括：

给人物、地点、事件或者语义类别增加信息。

Tagging

标签化、标记

更多强调：

给对象添加标签。

Encoding

编码

通常进一步涉及：

按照一定结构或标准表示文本信息。

数字人文项目中，一个词究竟应该采用哪一种中文表达，需要结合具体研究方法判断。

如果Speaker讨论：

named entity annotation

更加接近：

命名实体标注。

如果讨论：

TEI encoding

则通常应该理解为：

TEI文本编码。

专业翻译真正需要处理的是：

同一个普通英文词进入不同技术体系以后，专业含义发生了什么变化。

九、为什么数字人文项目如此重视Controlled Vocabulary？

假设不同研究人员描述同一个国家：

有人写：

UK

有人写：

United Kingdom

有人写：

Britain

还有人写：

Great Britain。

人类阅读时通常知道它们之间的关系。

但数据库未必知道。

因此，数字资源项目经常使用：

Controlled Vocabulary
受控词表

以及：

Authority Control
规范控制。

目的就是尽量保持：

人名、地名、机构和主题名称的一致性。

对于国际数字人文项目而言，这个问题会更加复杂。

因为同一个人物可能存在：

中文名；

英文名；

拉丁转写；

历史旧译；

别名；

不同时期的称谓。

因此，多语种数字人文项目实际上也是：

语言标准化工程。

十、数字人文中的“数据”为什么不是传统意义上的数字？

听到：

Data Analysis / 数据分析，

很多人首先想到Excel里的数字。

但在人文学术研究中：

文本本身也可以成为数据。

例如研究者可以统计：

某个词在一万份历史文献中的出现频率；

不同年代文学作品中的情感表达；

历史人物之间的社会关系；

古代商路涉及的地理节点；

新闻报道中特定主题的变化。

于是：

Text

就从阅读对象进一步变成：

Research Data。

这也是数字人文最重要的方法变化之一：

过去研究者可能主要进行：

Close Reading / 细读。

数字技术则增加了：

Distant Reading / 远读

和大规模文本分析的可能性。

两种方法不是简单互相取代，而是可以共同帮助研究者理解材料。

十一、Data Visualization不只是“把数据做成图”

数字人文项目常常包含：

Data Visualization / 数据可视化。

例如：

Timeline

时间轴

展示历史事件随时间的变化。

Geographic Visualization

地理可视化

展示人物迁移、贸易路线或者历史事件的空间分布。

Network Visualization

网络可视化

展示人物、机构或概念之间的关系。

Topic Visualization

主题可视化

帮助研究者观察大量文本中的主题结构和变化。

但是：

Visualization

并不只是为了让研究成果“更好看”。

它本身可能成为研究工具。

研究者通过图形发现异常关系，再回到原始材料进行验证。

因此：

visualization tool

在学术语境中往往更接近：

可视化研究工具，

而不仅仅是：

“展示工具”。

十二、数字资源“可以保存”与“长期可用”是两回事

数字资料看似不会像纸张那样发黄。

但数字内容同样存在长期保存问题。

例如：

• 文件格式淘汰；

• 存储设备损坏；

• 软件停止支持；

• 数据与元数据失去关联；

• 文件损坏；

• 权限信息丢失。

因此，数字图书馆中还有一个重要概念：

Digital Preservation / 数字保存、数字长期保存。

美国国会图书馆将PREMIS列为数字图书馆相关标准之一，用于支持数字材料长期保存所需的核心保存元数据。其数字资源管理体系也强调数字内容需要被持续组织、描述和管理，才能长期支持发现和访问。

所以：

Digitization

只是第一步。

真正完整的数字资源生命周期可能包括：

Digitization
↓
Description
↓
Metadata
↓
Storage
↓
Preservation
↓
Discovery
↓
Access
↓
Research。

十三、数字图书馆为什么越来越像“研究基础设施”？

传统印象里的图书馆主要提供：

收藏＋借阅。

数字时代的研究型图书馆则可能进一步提供：

• Digital Collections / 数字馆藏；

• Research Data Services / 研究数据服务；

• Digital Scholarship / 数字学术支持；

• Institutional Repositories / 机构知识库；

• Digital Exhibitions / 数字展览；

• Data Visualization / 数据可视化；

• Text Mining Tools / 文本挖掘工具。

因此，Library在数字人文会议中的角色已经不只是：

保存研究材料。

它还可能参与：

数据建设、技术平台、研究方法以及学术传播。

美国国会图书馆目前也将数字内容的编目、组织、描述和发现视为数字馆藏管理的重要环节，并使用MARC、METS、ALTO、EAD、MODS等不同标准服务不同资源类型。

这也是：

Digital Library

不能简单理解为：

“可以网上看书的图书馆”。

十四、数字人文为什么与文化遗产数字化越来越接近？

数字人文研究对象并不只有书。

还可能包括：

• Manuscripts / 手稿；

• Historical Maps / 历史地图；

• Photographs / 历史照片；

• Archaeological Records / 考古资料；

• Museum Collections / 博物馆藏品；

• Oral History / 口述史；

• Audio and Video Archives / 音视频档案。

这使数字人文与：

博物馆数字化
档案数字化
文化遗产保护
数字展示

逐渐形成交叉。

【内链：博物馆国际论坛翻译最难的是什么？从数字化展陈、儿童共创到文化教育与可持续发展】

如果博物馆关注的是：

如何展示文化，

数字人文还会进一步追问：

如何把文化资源结构化，使其能够被检索、连接、分析和重新研究。

十五、历史文化研究进入数字时代后，翻译难点也发生了变化

传统历史文化翻译往往重点处理：

历史人物；

地名；

朝代；

文献；

宗教；

制度。

【内链：历史文化学术活动翻译怎么做？从“张骞和他的世界”看丝绸之路与中国历史国际传播】

而数字人文进一步加入：

metadata；

database；

encoding；

annotation；

OCR；

corpus；

algorithm；

visualization。

这意味着译员可能需要同时听懂：

一位历史学家为什么研究这批材料，

以及：

一位信息技术专家如何把这些材料转换成机器可以处理的数据。

真正困难的地方，往往就在两个学科交界处。

十六、数字人文学术会议，会前究竟应该准备什么？

这类会议不适合只准备一张普通术语表。

更合理的准备方式是按照知识体系进行分类。

1. Library & Information Science Glossary

图书馆与信息科学术语

包括：

metadata、cataloguing、authority control、repository等。

2. Digital Humanities Glossary

数字人文术语

包括：

text mining、corpus、annotation、network analysis、digital edition等。

3. Technical Glossary

技术术语

包括：

OCR、XML、TEI、database、API、linked data等。

4. Cultural Heritage Glossary

文化遗产术语

包括：

archive、manuscript、collection、preservation、provenance等。

5. Research Method Glossary

研究方法术语

包括：

close reading、distant reading、quantitative analysis、visualization等。

此外还需要提前确认：

项目名称；

数据库名称；

高校和图书馆名称；

数字平台名称；

国际标准缩写；

历史人物和文献的既有译名。

这才能真正支撑数字人文国际会议中的连续口译。

十七、数字人文翻译，本质上是在连接“人文学术语言”和“机器语言”

数字人文有一个非常特别的地方。

它研究的对象可能是一封几百年前的信、一部古籍、一幅地图或者一张历史照片。

但研究这些对象的方法却可能涉及：

XML；

数据库；

算法；

OCR；

知识图谱；

数据可视化。

所以专业的数字人文翻译真正需要连接的是两个世界：

一个世界关心历史、文学、文化与人的意义；

另一个世界关心数据结构、技术标准和机器如何处理信息。

心译翻译可为高校、图书馆、档案馆、博物馆、科研机构及文化遗产项目提供：

• 数字人文国际会议同声传译；

• 学术会议交替传译；

• 数字图书馆项目翻译；

• 研究报告及论文翻译；

• 博物馆与文化遗产内容翻译；

• 演示文稿本地化；

• 双语会议报道；

• 学术视频字幕及国际传播支持。

数字技术真正改变人文学术的地方，并不是把纸质书变成PDF。

而是让过去分散在：

书籍、档案、地图、照片和不同机构中的知识，

逐渐变成：

可以被连接、检索、分析、验证并重新发现的研究资源。

而数字人文翻译需要完成的，就是让这种新的知识生产方式，也能够跨越语言边界。