基于作者履歷信息挖掘的國內(nèi)外數(shù)字人文研究對比*

徐孝婷，朱慶華，何晨晨

0 引言

最早提出以履歷作為研究科技人才政策方法的是美國Georgia 理工大學(xué)開展的“研究價值描繪(Research Value Mapping，RVM)”項目[1]，取得了眾多科研成果，一時間有關(guān)履歷數(shù)據(jù)信息的挖掘引起學(xué)者們的關(guān)注[2]。履歷(Curriculum Vitae，CV)作為研究人才的一種新視角，通過探尋人才的相關(guān)條件，分析其成長模式，對創(chuàng)新人才的培養(yǎng)具有重要意義。特別是在人才職業(yè)發(fā)展、人才流動、科研合作以及科研體制評估等研究中，履歷分析起到至關(guān)重要的作用。一般數(shù)據(jù)庫僅包含學(xué)歷、職稱以及代表著作、文獻等信息，并不能準(zhǔn)確反映出人才的成長軌跡以及重要特征。一份完整的履歷不僅包含上述信息，還囊括個人基本信息、教育經(jīng)歷、工作經(jīng)歷、科研情況、研究方向、技能認可、職業(yè)認可、掌握語言、參加社會活動，等等。這些信息映射了個人職業(yè)生涯的整個軌跡[3]，且按照一定的時間有序排布，能多方位地反映學(xué)者們多元性背景經(jīng)歷，可見履歷數(shù)據(jù)可應(yīng)用于探索人才成長、流動、合作、變遷等方方面面。然而，履歷研究也存在諸多不足，如信息量龐大、履歷信息編碼主要依賴人工、編碼工作繁雜、編碼不規(guī)范[4]等。同時，多數(shù)學(xué)者反映在收集履歷信息時存在缺失斷層數(shù)據(jù)，學(xué)者個人主頁或者單位介紹只是部分羅列，信息并不在完整[5]。目前雖然部分國家已經(jīng)建立了履歷數(shù)據(jù)庫，如西班牙、荷蘭建立國家范圍的科研人員履歷數(shù)據(jù)庫[6]，但這些數(shù)據(jù)庫多側(cè)重對公開成果的揭露，對于教育、工作、技能等信息的收集還不夠完整[7]。可見，如何實現(xiàn)自動化編碼、規(guī)范信息收集、健全履歷庫信息是履歷研究需要關(guān)注的重點。

數(shù)字人文作為一門新興的跨學(xué)科研究，側(cè)重將數(shù)字化方法應(yīng)用于人文社會領(lǐng)域，引起了國內(nèi)外學(xué)者的廣泛關(guān)注。作為新的研究范式，在實踐中出現(xiàn)了一批以高校為依托的數(shù)字人文研究機構(gòu)，國外一些高校還開設(shè)了相關(guān)專業(yè)。然而，通過文獻分析發(fā)現(xiàn)，部分學(xué)者主要以文獻綜述探索研究內(nèi)容的不同，較少有研究從作者履歷信息的視角分析國內(nèi)外數(shù)字人文研究的共性與差異。同時，國內(nèi)因在學(xué)科培養(yǎng)上缺乏成熟的理論和實踐指導(dǎo)，目前在相關(guān)專業(yè)建設(shè)上還處于空缺狀態(tài)?；诖?，本文通過挖掘作者履歷信息，分析作者所在機構(gòu)和國家分布特征，借助Nvivo11 從作者學(xué)科背景、研究技術(shù)手段、研究方向三個角度進行編碼，探究國內(nèi)外數(shù)字人文研究的相似與差異。

1 文獻回顧

近年履歷研究對象較集中于高層次人才履歷文本的挖掘分析，如院士、科學(xué)家，以及百人計劃、長江學(xué)者、杰出青年、諾貝爾獎獲得者等，求職者、高被引學(xué)者、有留學(xué)經(jīng)歷的學(xué)生的研究也逐漸被引入研究范疇。學(xué)界對履歷中涉及的國籍、年齡和性別、出生地、是否就讀重點大學(xué)、師從名師、父母的教育程度、收入，以及學(xué)歷結(jié)構(gòu)、留學(xué)狀況、職業(yè)變遷、科技產(chǎn)出與合作等信息各抒己見，認同其與人才成長[8]、人才流動與合作[9]、職業(yè)趨勢發(fā)展[10]、資助效果[11]等具有密不可分的聯(lián)系，履歷信息的挖掘還可以應(yīng)用于研究群體特征、科研項目政策和建制的評估[12]、預(yù)測求職效度[13]。履歷作為研究評價人才的一種新視角，越來越被各國研究者所認可，為進一步剖析科學(xué)家的行為特點提供了可能[3]。Lepori 等Web of Science(WOS)無法獲取非英文的科研產(chǎn)出，借助履歷數(shù)據(jù)對瑞士傳播學(xué)的領(lǐng)域地圖進行分析，發(fā)現(xiàn)研究結(jié)果更為全面[9]；Corley 等利用履歷分析方法探索不同性別科學(xué)家職業(yè)道路的差異[14]；李曉軒等發(fā)現(xiàn)拔尖人才的成才與師從名師、學(xué)歷、是否出身于高級知識分子家庭、是否在著名研究機構(gòu)從事工作等有較為密切的關(guān)系[15]；牛珩等以三大高層次科技人才計劃入選者為研究對象，發(fā)現(xiàn)我國高層次科技人才計劃的入選者中女性偏少，入選年齡偏高，出生地以江浙為主，留學(xué)國家以美、日、德、英為主，不同人才之間的關(guān)聯(lián)程度較高[16]等。

履歷研究超越了引文分析的范疇，豐富了科學(xué)計量分析的視角。數(shù)字人文改變?nèi)宋闹R的發(fā)現(xiàn) (Discovering)、標(biāo)注(Annotating)、比較(Comparing)、引用(Referring)、取樣(Sampling)、闡釋(Illustrating)與呈現(xiàn)(Representing)，實現(xiàn)了人文研究與教學(xué)的升級和創(chuàng)新發(fā)展[17]，并將數(shù)字技術(shù)融入人文學(xué)科中，包括數(shù)字化、數(shù)字分析管理、VR/AR、機器學(xué)習(xí)等[18]，其意義在于通過更智能的工具幫助人文學(xué)者提出、重新界定和回答人文領(lǐng)域的問題[19-20]，由此引起學(xué)者們廣泛關(guān)注。然而，縱觀國內(nèi)外文獻發(fā)現(xiàn)，針對數(shù)字人文作者履歷信息的研究鮮有發(fā)現(xiàn)。本研究以數(shù)字人文研究方向的核心作者為研究對象，通過履歷信息挖掘解構(gòu)學(xué)者在成長中的軌跡特征，希望探索出有價值的元素。

2 研究過程

2.1 研究對象

核心作者是貢獻最大的骨干力量，通過對這一科研群體學(xué)術(shù)活動、履歷背景的挖掘和分析，可以有效識別不同學(xué)科所屬學(xué)校(機構(gòu))、課程設(shè)置等現(xiàn)狀與發(fā)展脈絡(luò)[21]。核心作者最低發(fā)文數(shù)Mc的值為：

NCmax是指發(fā)文最高的著者所發(fā)表的論文數(shù)。由此對于國外作者，本研究在WoS 中以“digital humanities”“humanities computing”作為檢索詞，對主題及標(biāo)題進行搜索，經(jīng)過人工篩選和去重，共獲取682篇與數(shù)字人文相關(guān)文獻。本研究中發(fā)文最高的著者所發(fā)表的論文數(shù)為15，由公式求得MC約為3。鑒于此，從682篇文獻中篩選出最低發(fā)文量為3篇的核心作者，統(tǒng)計有67人共發(fā)表文獻265篇，具體信息見表1。

對于國內(nèi)學(xué)者以“數(shù)字人文”或“人文計算”在CNKI 進行全文檢索，經(jīng)過人工篩選和去重，共獲取442篇與數(shù)字人文相關(guān)的文獻。其中，最高發(fā)文量為7篇，計算可得國內(nèi)核心作者的發(fā)文量至少為2篇，進一步統(tǒng)計有45人共發(fā)表文獻153篇，具體見表2。

(1)作者機構(gòu)性質(zhì)。國外：58人來自高校、7人來自公司、2人來自研究所；國內(nèi)：39人來自高校、4人來自公共圖書館、2人來自研究所(以發(fā)文時第一隸屬機構(gòu)為統(tǒng)計標(biāo)準(zhǔn))?？梢姡瑪?shù)字人文研究的作者主要來自高校，同時也受到其他社會機構(gòu)的關(guān)注。

(2)所處機構(gòu)的發(fā)文量。國外發(fā)文量較突出的機構(gòu)分別是英國的倫敦大學(xué)學(xué)院(UCL，30篇)、倫敦國王學(xué)院(KCL，28篇)；表現(xiàn)較好的還有美國德克薩斯大學(xué)(UTD，17篇)、日本立命館大學(xué)(UR，10篇)，意大利巴勒莫大學(xué)(UP，9篇)等；國內(nèi)發(fā)文量較突出的機構(gòu)分別是上海圖書館(17篇)、南京大學(xué)(11篇)、華東師范大學(xué)(11篇)、北京大學(xué)(10篇)、武漢大學(xué)(10篇)、浙江大學(xué)(9篇)、中國科學(xué)院(9篇)、中山大學(xué)(7篇)、南京農(nóng)業(yè)大學(xué)(7篇)、南京理工大學(xué)(6篇)等。這些機構(gòu)大多屬于文理科綜合性大學(xué)，比較符合數(shù)字人文跨學(xué)科研究的背景。

(3)所在國家的研究重點。國外數(shù)字人文學(xué)者發(fā)文量貢獻最大的國家是英國(95篇)，其次是美國(64篇)、德國(18篇)，再次為日本、加拿大、意大利和荷蘭等，并形成了以英國和美國為中心的兩大研究陣營。以英國為中心的陣營偏向于將數(shù)字化的科學(xué)技術(shù)應(yīng)用到人文領(lǐng)域的方法或工具，如數(shù)字化、可視化以及機器學(xué)習(xí)，并探尋兩者之間相關(guān)制度及框架構(gòu)建。以美國為中心的陣營偏向于數(shù)字技術(shù)在歷史、地理等具體人文學(xué)科的應(yīng)用[7]，如文本分析、數(shù)據(jù)挖掘、網(wǎng)絡(luò)科學(xué)等，以及公眾對數(shù)字人文研究活動參與情況的研究[22]。德國科隆大學(xué)(Univ zu Koln)重點研究文化遺產(chǎn)和人機交互；荷蘭的幾所高校則側(cè)重對本國文化以及跨學(xué)科的研究。對于國內(nèi)，上海圖書館側(cè)重數(shù)字人文技術(shù)的研究；南京大學(xué)、北京大學(xué)、武漢大學(xué)側(cè)重數(shù)字人文與圖書館以及多學(xué)科的結(jié)合；浙江大學(xué)、中山大學(xué)則重點關(guān)注數(shù)字人文平臺的建設(shè)等。

表1 國外數(shù)字人文核心作者基本信息

2.2 數(shù)據(jù)獲取

本研究中的數(shù)字人文國外核心作者履歷包含其在工作單位網(wǎng)站展示的個人主頁信息、部分Linkedin.com(領(lǐng)英)網(wǎng)站的職業(yè)檔案、Google 等上的公開信息，少部分信息通過電子郵件獲?。粐鴥?nèi)作者履歷主要是從其在工作單位網(wǎng)站展示的個人主頁信息、部分信息網(wǎng)頁中獲取。需要說明的是，因多數(shù)網(wǎng)頁對學(xué)者科研成果信息的公布集中于突出成果，相關(guān)履歷信息并不完全完整。為了更好地進行分析，本研究還參考了核心作者發(fā)表的有關(guān)數(shù)字人文研究的文章。此外，國外對用戶的隱私較為關(guān)注，其公布的履歷中很少涉及年齡、性別、出生地等信息，對此本研究不作考慮。通過為期34 天的收集，獲取了國外49個學(xué)校網(wǎng)頁上的學(xué)者簡介、52份Linkedin 職業(yè)檔案、3份郵件自述以及265篇文獻；獲取了國內(nèi)45個學(xué)校網(wǎng)頁上的學(xué)者簡介、31份網(wǎng)頁介紹以及153篇文獻。本文除了上述對所在機構(gòu)和國家信息進行挖掘外，還進一步從學(xué)科背景、研究技術(shù)手段和研究方向等三方面深入探究。

表2 國內(nèi)數(shù)字人文核心作者基本信息

3 數(shù)據(jù)處理

將獲取的國內(nèi)外核心作者的履歷共112份進行標(biāo)記，將國外作者49個學(xué)校網(wǎng)頁標(biāo)記為A1-A49，52份履歷標(biāo)記為B1-B52，3份郵件轉(zhuǎn)化為文本后標(biāo)記為C1-C3，265篇文獻標(biāo)記為D1-D265；國內(nèi)45個學(xué)校網(wǎng)頁的學(xué)者簡介標(biāo)記為E1-E45，31份網(wǎng)頁介紹標(biāo)記為F1-F31，153篇文獻標(biāo)記為G1-G153。采用人工編碼方式，分兩組分別對國內(nèi)外核心作者的履歷進行編碼。為了盡可能避免出錯，選取2 位研究者負責(zé)編碼工作，2 位研究者負責(zé)檢查糾錯。

(1)開放式編碼。將所有有關(guān)的履歷信息文本導(dǎo)入Nvivo11 中，圍繞學(xué)科背景、研究技術(shù)手段、研究方向三個角度，采取一邊瀏覽一邊編碼的方式，從國外作者履歷中初步挖掘出分散的自由節(jié)點共116個，合并其中相近以及重復(fù)的概念最后選取自由節(jié)點47個，編碼一致性達91%；對于國內(nèi)作者初步挖掘出分散的自由節(jié)點共86個，合并其中相近以及重復(fù)的概念，最后選取自由節(jié)點46個，編碼一致性達89%；

(2)主軸編碼。進一步將所有自由節(jié)點進行歸類分析，劃分為更好層次的樹節(jié)點。其中，國外數(shù)字人文作者履歷被劃分為3個樹節(jié)點，研究方向被劃分為3個樹節(jié)點，研究技術(shù)手段被劃分為3個樹節(jié)點，樹節(jié)點共有10個；國內(nèi)數(shù)字人文作者履歷被劃分為3個樹節(jié)點，研究方向被劃分為5個樹節(jié)點，研究技術(shù)手段被劃分為3個樹節(jié)點，樹節(jié)點共有12個。具體如圖1、圖2。

圖1 國外數(shù)字人文核心作者履歷節(jié)點

圖2 國內(nèi)數(shù)字人文核心作者履歷節(jié)點

(3)選擇性編碼。對編碼形成的自由節(jié)點和樹節(jié)點進行歸納，整合研究重心，將節(jié)點梳理為不同層次，最終形成理論模型。

4 結(jié)果分析

4.1 學(xué)科背景

學(xué)科背景統(tǒng)計的是學(xué)士到博士三個時間段，根據(jù)國家2011年頒布的《授予博士、碩士學(xué)位和培養(yǎng)研究生的學(xué)科、專業(yè)目錄》，分為哲學(xué)、經(jīng)濟學(xué)、法學(xué)、教育學(xué)、文學(xué)、歷史學(xué)、理學(xué)、工學(xué)、農(nóng)學(xué)、醫(yī)學(xué)、軍事學(xué)、管理學(xué)和藝術(shù)學(xué)13 大門類。對于學(xué)科劃分，如履歷A12，本科專業(yè)是應(yīng)用數(shù)學(xué)則歸為理學(xué)，碩士是金融學(xué)則歸為經(jīng)濟學(xué)，博士是應(yīng)用經(jīng)濟學(xué)歸為經(jīng)濟學(xué)。對于統(tǒng)計頻次，如本科為心理學(xué)則文學(xué)計次為1，無碩士學(xué)歷不記錄，以此累加。在編碼時發(fā)現(xiàn)部分學(xué)者存在跨學(xué)科的教育經(jīng)歷，如履歷A1(藝術(shù)學(xué)-藝術(shù)學(xué)-文學(xué))、A2(理學(xué)-文學(xué)-管理學(xué))……A49(理學(xué)-文學(xué)-文學(xué))，具體見圖4。統(tǒng)計發(fā)現(xiàn)，25 位學(xué)者信息存在缺失(有的沒有讀碩博經(jīng)歷，有的學(xué)習(xí)經(jīng)歷無法獲取)，此時跨學(xué)科頻次記為0；共有53 位核心作者沒有跨學(xué)科經(jīng)歷，46位學(xué)者具有跨兩種學(xué)科的經(jīng)歷，13 位學(xué)者跨三種學(xué)科的經(jīng)歷。具體見圖3、圖4。

圖3 國內(nèi)外數(shù)字人文核心作者學(xué)科背景分布(部分)

圖4 國內(nèi)外數(shù)字人文核心作者跨學(xué)科背景分布(部分)

由圖3可見，國內(nèi)數(shù)字人文核心作者多來自文學(xué)、歷史學(xué)、管理學(xué)、藝術(shù)學(xué)等學(xué)科，國外多來自文學(xué)、工學(xué)、管理學(xué)、理學(xué)等學(xué)科。在數(shù)字人文核心作者所屬學(xué)科中，國外無涉及經(jīng)濟學(xué)和教育學(xué)背景的學(xué)者，國內(nèi)數(shù)字人文核心作者跨學(xué)科較單一，主要是文學(xué)-歷史學(xué)、理學(xué)-管理學(xué)、藝術(shù)學(xué)-文學(xué)以及文學(xué)-管理學(xué)4 大類。國外作者跨學(xué)科較為豐富，主要有理學(xué)-工學(xué)、文學(xué)-歷史學(xué)、文學(xué)-工學(xué)、文學(xué)-管理學(xué)、理學(xué)-管理學(xué)等。無論在學(xué)科分布還是跨學(xué)科上，國外數(shù)字人文核心作者都體現(xiàn)出較為豐富、多元化的分布，可見數(shù)字人文專業(yè)發(fā)展以及人才培養(yǎng)需要重視跨學(xué)科交融。從上述學(xué)科背景看出，數(shù)字人文作者來自多個學(xué)科，部分作者自身已存在跨學(xué)科經(jīng)歷。不同學(xué)科存在差異且研究范式也不同，跨學(xué)科的數(shù)字人文教育存在難以逾越的鴻溝。數(shù)字人文人才的培養(yǎng)前期必須基于跨學(xué)科，打造全面應(yīng)用型人才，最終實現(xiàn)數(shù)字人文教育從“跨學(xué)科”到“去學(xué)科”轉(zhuǎn)移，培養(yǎng)一批專屬于數(shù)字人文研究的人才，因此針對我國數(shù)字人文課程的開設(shè)需重點關(guān)注跨學(xué)科特性[23]。

4.2 研究技術(shù)手段

將研究技術(shù)手段分為研究方法、工具和編程語言三個父節(jié)點，如履歷B3 中歸納的技能知識包括調(diào)查法、案例研究、Spss、Python，其對應(yīng)的文獻D23-D26 中應(yīng)用了文獻計量、訪談和AMOS 的方法，在編碼時將調(diào)查法、案例研究、文獻計量、訪談歸于父節(jié)點“研究方法”將Spss、AMOS 歸于父節(jié)點“工具”，將Python 歸于父節(jié)點編程語言。具體見表3。

表3 研究技術(shù)手段

國內(nèi)外方法使用較多的依次是問卷調(diào)查、數(shù)據(jù)挖掘、實驗、文獻計量、案例、訪談等，工具使用較多的依次是Excel、Spss、Ucinet、Matlab、Citespace、Netdraw 等，語言使用較多的依次是Python、R 語言、C 語言、Java、RDF、XML 等，國內(nèi)外數(shù)字人文核心作者在此部分上的差異較小?？v觀國外已開設(shè)數(shù)字人文課程的高校，對編程語言、研究方法以及工具的學(xué)習(xí)體現(xiàn)較為深刻。愛爾蘭科克大學(xué)在本碩博三個階段都設(shè)置數(shù)字人文專業(yè)，專業(yè)名稱為數(shù)字人文與信息技術(shù)(BA)、數(shù)字藝術(shù)與人文(MA/PHD)；其專業(yè)要求學(xué)生在本科階段學(xué)會使用數(shù)字工具，掌握計算技術(shù)和編程語言，碩士階段學(xué)習(xí)信息和通信技術(shù)(ICT)工具，熟悉如何借助數(shù)字形式捕獲人文數(shù)據(jù)；博士階段進一步學(xué)習(xí)高級計算和信息管理等技能，為人文學(xué)科深入研究鑒定基礎(chǔ)[24]。倫敦國王學(xué)院在碩士階段以數(shù)字技術(shù)為媒介并重視數(shù)學(xué)方法的學(xué)習(xí)，博士階段引導(dǎo)學(xué)生探索數(shù)字信息、數(shù)字技術(shù)在人文、藝術(shù)、文化和社會等方面的轉(zhuǎn)化效應(yīng)[25]。加州大學(xué)洛杉磯分校要求學(xué)生除了熟悉歷史文獻和有關(guān)數(shù)據(jù)庫以外，必須對編程語言、數(shù)學(xué)建模以及歷史學(xué)研究方法進行深入學(xué)習(xí)?？梢?，加強基礎(chǔ)研究方法、編程語言以及工具的學(xué)習(xí)與培訓(xùn)是數(shù)字人文專業(yè)發(fā)展以及人才培養(yǎng)之必要。我國學(xué)者王曉光指出，要“通過聯(lián)合培訓(xùn)、短期培訓(xùn)班和暑期學(xué)校提高人文社會學(xué)者的信息素養(yǎng)和計算機應(yīng)用水平，修訂人文類學(xué)科的學(xué)生培養(yǎng)方案，增加計算機通識教育，使學(xué)生了解更多的信息技術(shù)，知曉如何進行數(shù)字文化資產(chǎn)的生產(chǎn)、存檔、管理、交付和長期保存”[26]。

4.3 研究方向

國內(nèi)外核心作者的研究方向在數(shù)字人文技術(shù)、數(shù)字人文與圖博檔、數(shù)字人文與多學(xué)科應(yīng)用3 大類上存在交集，具體見圖5。此外，國內(nèi)的數(shù)字人文研究較國外起步晚，研究重點包括數(shù)字人文基礎(chǔ)設(shè)施建設(shè)以及數(shù)字人文有關(guān)的高等教育。

圖5 國內(nèi)外核心作者研究方向

由圖5可見，在數(shù)字人文與圖博檔研究中，國內(nèi)外都較為關(guān)注特殊館藏、文化遺產(chǎn)、數(shù)字人文項目，而國外還較關(guān)注數(shù)字出版；在數(shù)字人文技術(shù)研究中，國內(nèi)外均側(cè)重可視化、數(shù)字化、自動分類以及文本識別等技術(shù)，國外還注重機器學(xué)習(xí)、關(guān)聯(lián)規(guī)則挖掘等技術(shù)；在數(shù)字人文與多學(xué)科應(yīng)用研究中，國內(nèi)外存在共性，都重點關(guān)注數(shù)字人文在不同學(xué)科中的應(yīng)用現(xiàn)狀與發(fā)展。此外，國內(nèi)學(xué)者在數(shù)字人文基礎(chǔ)設(shè)施建設(shè)中多關(guān)注數(shù)據(jù)、資源、網(wǎng)絡(luò)和平臺的建設(shè)，而與數(shù)字人文有關(guān)的高等教育則較關(guān)注機構(gòu)能力、學(xué)科建設(shè)以及數(shù)字學(xué)術(shù)等領(lǐng)域。在數(shù)字人文與圖博檔的研究中，圖博檔發(fā)揮至關(guān)重要的作用[26]，數(shù)字圖博檔平臺建設(shè)改變了用戶視覺交互體驗[27]，尤其是特色館藏資源的呈現(xiàn)以及由此引發(fā)的一系列數(shù)字人文項目[28]。數(shù)字人文與多學(xué)科應(yīng)用中，歷史學(xué)和地理學(xué)起步較早，地理信息系統(tǒng)(GIS)、數(shù)字史學(xué)、史料采集等可實現(xiàn)數(shù)字文史資源整合、挖掘氣候變化關(guān)系以及歷史地名定位與分析。對于數(shù)字人文技術(shù)的研究，國內(nèi)以上海圖書館為代表，內(nèi)容涉及書目編碼、關(guān)聯(lián)數(shù)據(jù)、社會化網(wǎng)絡(luò)(SNS)、可視化以及編碼獲取的自動化、分類等；國外則以倫敦大學(xué)學(xué)院和倫敦國王學(xué)院為代表，內(nèi)容涉及數(shù)字化、語義、文本挖掘等。國內(nèi)數(shù)字人文基礎(chǔ)設(shè)施建設(shè)，主要關(guān)注數(shù)字人文資源、數(shù)據(jù)以及平臺的構(gòu)建；數(shù)字人文與多學(xué)科應(yīng)用，主要涉及數(shù)字人文技術(shù)在人文學(xué)科的應(yīng)用、融合以及發(fā)展?？梢?，把握熱點和前沿、緊跟時代發(fā)展尤為重要。伴隨數(shù)字化技術(shù)的快速發(fā)展，人文社會科學(xué)需要借助計算機、數(shù)字化技術(shù)改變知識的獲取、標(biāo)注、比較、取樣、闡釋及表現(xiàn)方式[29]，數(shù)字人文是時代發(fā)展的產(chǎn)物。對比國內(nèi)外作者研究方向存在相似和差異，需結(jié)合我國實際，“取其精華、去其糟粕”。尤其在數(shù)字人文專業(yè)和人才培養(yǎng)方面，國外相對成熟，具有借鑒意義，對熱點和前沿問題的把握能幫助了解現(xiàn)狀以及未來發(fā)展。

5 結(jié)語

本文通過確定數(shù)字人文研究的核心作者進而分析其履歷112份(國內(nèi)45份，國外67份)。首先剖析作者所在機構(gòu)和國家的分布特征，其次借助Nvivo11 從作者學(xué)科背景、研究技術(shù)手段、研究方向三個角度進行編碼，分析國內(nèi)外數(shù)字人文作者的共性與差異。結(jié)果顯示，在學(xué)科分布和跨學(xué)科上，國內(nèi)數(shù)字人文作者相對集中而國外作者表現(xiàn)較為豐富、多元化；研究技術(shù)手段上，國內(nèi)外作者差異較小，多關(guān)注編程語言、基本研究方法以及工具的使用；研究方向上，除了數(shù)字人文技術(shù)、數(shù)字人文與多學(xué)科應(yīng)用以及數(shù)字人文與圖博檔的研究外，國內(nèi)還較多關(guān)注數(shù)字人文基礎(chǔ)設(shè)施建設(shè)以及數(shù)字人文有關(guān)的高等教育。通過分析，本研究提出數(shù)字人文專業(yè)發(fā)展以及人才培養(yǎng)需要重視跨學(xué)科交融、加強基礎(chǔ)研究方法、編程語言以及工具的學(xué)習(xí)與培訓(xùn)，并把握熱點和前沿、緊跟時代發(fā)展。同時，數(shù)字人文作為一門跨學(xué)科研究領(lǐng)域，滲透文學(xué)、哲學(xué)、歷史學(xué)、藝術(shù)學(xué)、語言學(xué)、管理學(xué)等多個學(xué)科，除了需要重視上述三個部分，本研究認為依托圖情學(xué)科、參考圖書館數(shù)字人文項目實踐是未來我們需要關(guān)注的。在收集作者履歷信息時發(fā)現(xiàn)，學(xué)者除了掌握本土語言外，基本都精通英語，且具有豐富的實習(xí)工作經(jīng)歷。由此可見，語言學(xué)習(xí)以及實習(xí)的經(jīng)驗獲取也是未來數(shù)字人文專業(yè)發(fā)展和人才培養(yǎng)不可或缺的。本研究主要從高校的角度探索數(shù)字人文專業(yè)發(fā)展和人才培養(yǎng)的方式，建議未來可在有基礎(chǔ)的一流大學(xué)結(jié)合教學(xué)與科研創(chuàng)建人才培養(yǎng)項目，必要時設(shè)立數(shù)字人文碩士點甚或博士點，構(gòu)建一套完整系統(tǒng)的教學(xué)體系，培養(yǎng)專屬的數(shù)字人文人才。同時，數(shù)字人文的發(fā)展還需來自國家、社會等更高層次支持。