保罗·罗森布鲁姆
南加州大学
编者按:
本文主张有四个“重大科学领域”存在：物理科学、生命科学、社会科学和计算科学。本文将人文科学定位成社会科学的子领域，用社会科学与计算科学领域来定位数字人文。本文认为，这提出了一种关系架构(relational architecture)，能够对领域，学科、议题的叠加进行系统研究，如同能被用以形式化表达此类调查的元科学表达(ME)语言一样。本文和文集中的许多其他文章有两点不同。第一，本文试图不仅从计算科学和/或人文科学的角度﹐而且从关于科学哲学的方法论、知识和结构的其他领域和理解的角度，来对数字人文进行定位﹑情境化和描摹。第二，本文不只提出并利用一个全面的框架来分析什么是数字人文，还提出数字人文可以成为什么。这引导了斯文森(2010)从参与的角度对计算科学做出探讨;但是，作为一个领域的计算科学有更广阔的关注点，包括“信息及其变形的理论结果，信息变形的算法，有关与一个或多个附加领域交互的大量跨学科话题”。本文认为，对计算科学的更广泛机制的认知为数字人文带来了新问题和新机遇，但这些问题和机遇仍未得到解决或探索。
摘要
“重大科学领域”的概念拓展了通常被认为是科学范围内的领域，并确认了四个这样的领域——物理科学﹑生命科学、社会科学和计算科学——并意味着人文科学作为社会科学领域扩展的一部分，自然地融入了科学范围。被开发用以帮助理解跨越这些重大科学领域的学科组合的关系架构，能够引导人们从计算科学和人文科学的关系的空间的角度来探索数字人文的结构和内容。
摘要
在将近十年的时间内(1998——2007)，我在南加州大学信息科学研究所领导了新方向的研究活动，涉及计算科学领域及其与工程学、医学、商学、艺术和科学的互动。对这种扩展的多学科经验的反思带来了新观点的阐述，其中探讨了计算科学作为一门学科的性质与结构(Rosenbloom，2004，2009，2010，2012;Denning and Rosenbloom，2009)。在此过程中我们做了以下事情：定义“重大科学领域”的新概念;意识到计算科学同物理科学、生命科学和社会科学一样，构成第四个重大科学领域；认识到计算科学的许多核心内容和未来走向本质上是多学科的；理解多学科性可被简化为一系列小型的固定的跨领域关系( across - domain-relationships )，定义了所谓的“关系架构”；阐述了关系架构产生了计算科学新的组织框架;以及应用这种框架来说明计算科学和其他学科间的联系。我们还指出了计算科学之外的一些学科中发现的几个初步结论，例如数学和人文科学都可以被视作科学事业的一部分，但它们各自都不能构成重大科学领域。相反，数学能自然融入广义的计算科学领域，人文科学则适合广义的社会科学领域。本文旨在进一步探索“数字人文”这一新兴领域的相关概念，着重计算科学和人文科学间的互动交流。这种探索要求对计算科学、人文科学及科学哲学有一定的理解。我是计算科学领域的专家，但在后两个领域不过是有兴趣的门外汉。所以这种探索存在内在风险，但希望其结果的效用能抵消过程的天真。
作为社会科学的人文科学
由于我长时间思考计算科学，并跟进其导向的结果和影响，我接受了这样一种观念:任何“随着时间推进，增进我们对世界的理解”的事业，都应当被认为本质上是科学的，也因此是科学的一部分。这种观点与其说接近波普尔的“可证伪性”( falsifiability )(Popper，1959)，不如说更接近于拉卡托斯"渐进研究计划”(progressive research programme)(Lakatos，1978)的观念，尽管它并不被拉卡托斯有关正确预测在建立进步性中的必要作用这一观点所束缚。做出正确预测的能力提供了评估世界是否能随时间推移而被更好理解的一种方法，但这并不一定是唯一的方法。比如，一种简单理论的发展，在不产生额外正确预测的情况下，其提供的观察和预测，能与一种更为复杂的现存理论所提供的理解进益不分伯仲。
另一方面，重要的是，科学事业不会随时间推移增加我们的误解。算命和宗教预言也许能导出正确的结果，尤其是当模糊性与大量的事后解释及合理化相互联系时，但两者均没有显示任何比随机猜测更好的预测能力。总体而言，它们更多的是造成人们对世界的误解，增进理解只是偶然。这样的活动显然并不科学。但是，尽管差异明显，仍可能存在灰色地带，导致难以确定某些活动是否能为增进理解助益。规范化“科学方法”的工作是通过先验证的方式来处理这个问题，只要使用了科学方法，结果就是科学的。当然，问题在于很多实际上正确的科学并不以此方式进行，如果被强制要求以此方式进行，将导致贫瘠的结果。此外，很多琐碎的科学严格遵从这种方法。
当我阅读科学文章时，我关心的是学到新颖且重要的、能说服我它具有真实性（或至少是足够合理，值得进一步思考）的东西。至少在原则上，我是不可知论者，只要它们达到了既定目标，我就考虑用什么方法去发明或发现新事物，或用什么方法来说服我自己它们的现实性。伟大的科学需要这三种属性:新颖性、重要性和真实性。好的科学具备妥协性。对很多研究者来说，好的科学最重要的性质是真实性。只要有足够的证据来证明——或用已经建立的方法论来证明——真理，那么即使研究成果具备的其他两种属性很少，也足以发表。反之，我经常从足够新颖和重要的推测中学到更多——甚至在出现对其有利的大量证据或方法论之前——比起传统的小型但验证过的结果，我更喜欢将这些论文标注为好的科学。这是一种增进理解的形式，更接近于库恩(Kuhn，1962)在其有关科学革命的作品中强调的那样，对科学的长期进步至关重要。
这种不同让人想起奥斯汀(Austen，1818)的《劝导》(Persuasiom)中，安妮·埃利奥特(Anne Elliot)和埃利奥特先生(Mr. Elliot)有关优秀伴侣性质的讨论。前者偏爱“聪明、消息灵通的、有很多话题的伴侣”，而后者认为“好的伴侣只需要出生、教育和礼仪，且教育不一定要很好”。埃利奥特先生进一步说明，安妮的观念“不是好的伴侣，是最好的伴侣”。对伴侣或是科学而言，“最好的”都意味着促进理解，无论是建立在小说事实，还是新的思考方式上。形式最多是次重要的。
科学方法提供了一种经过验证的发展见解的方法，但这不是唯一的方法，也并不一定总是最合适的方法。对很多特定领域及那些领域中的任何特定问题，可能不存在、也可能存在一种或多种适用方法。如果我们用保证结果准确性的程度来定义解决某领域或问题方法的强度(strength)，那么通常来讲，好的科学应该通过最强势最实用的方法来实现。在更强势的方法存在时使用更弱的方法，可以视作不好的科学的标志。我们应当谨慎对待两种方法适用于同一问题的含义，以及更强势的方法因此会必然占上风的情况。如果两种方法能产生相同的见解，且其中一种提供更多保证，那么这两种方法均适用于同一问题，且应当选择更强势的方法。但是，如果问题在名义上相同，两种方法提供了不同见解，那么较弱的方法依旧有价值﹐而且它们处理的问题有重要区别。
合适方法的潜在多样性，无论是领域内或跨领域，都提出了方法多元主义(methodo-logical pluralism)的一种形式。对单一领域来说，多种方法也许对增进理解是必要的。那些方法是某一领域内或解决某一问题最强势的方法，但它们对其他领域或问题而言，并不一定是最强势的。然而，这种看法并不需要，也不应该接近费耶阿本德(Feyerabend)的认识论无序(episte-mological anarchy)，即否认任何特定方法的优越性，认为传统科学只是众多意识形态中的一种(Feyerabend，1975)。在条件相当的情况下，应用方法中最强势的那一个，应当总是最适合的。
领域可以通过它们能够有效使用的方法强度来排序。传统而言，物理科学能比生命科学使用更强势的方法，而生命科学的方法比社会科学更强势。但这种排序不应当与另一种主张混淆，那种主张认为领域的等级与该领域的科学质量相关。我们需要理解所有这些领域，建立在领域内最强方法的基础上，好的科学在每个领域都是同等可能的。人文科学领域内的方法，虽然大体来说甚至比社会科学领域的标准方法更弱，也可以被应用来增进我们对领域的理解，而更加强势的方法迄今为止并没有如此成功。它们因此有潜力成为好的科学的基础。不过，值得注意的是，如果最好的方法都不足以增进我们对该领域的理解，好的科学也可能是相对无效的。
“科学”这个专有名词，适用于任何能够随时间推移增进我们对世界理解的人类智力活动。这种观念在某种程度上可被视作对哲学原初概念的回归，或爱智(love of wisdom)，现代科学从中脱离了自然哲学。但无论这种类别被称为哲学，科学，甚至是“Wissenschaft”———德语中的“科学”，不仅包括通常被称为英语科学的学科，还包括诸如人文学科的其他领域(Hansson，2008)——关键都在于，我们的理解是如何在不同的感兴趣的主题中增进，以及增进这种理解的最佳方法。
重大科学领域的观念实际上超越了广义的理解范畴，也包括了塑造(shaping)。理解涉及了从兴趣领域到科学家的一系列影响，这种影响能转变科学家对领域的看法。而塑造与理解相反﹐是一种创造性的活动，涉及从科学家到领域的一系列影响，以领域自身的转变告终。塑造一般被认为如同工程，但传统的工程只倾向于强调对物理科学领域的数学导向的塑造。许多其他的传统专业活动——例如法律﹑商学，教育和医学——也一样是塑造活动，但发生在社会科学或生命科学领域内。在计算科学领域内，区分理解与塑造是非常困难的，因为大部分需要理解的东西，首先要被人塑造，事实上是被人创造的。但是，随着我们越来越能够在最基本的层面创造和修改物理科学﹑生命科学和社会科学的实体，相同种类的问题在未来的其他领域中变得越来越重要。
有趣的是，在这个维度上，人文科学已经与计算科学非常相似，因为它们都研究人造物。按照西蒙(Simon，1969)的说法，计算科学和人文科学都是“人工科学”(science of the artificial) ；尽管自然与人造的区别从任何基本角度来说都不可能保持恒定，因为我们越来越倾向于将人类理解为自然的一部分，而非自然之外的特殊生物，还因为我们不断增强的塑造各种实体的能力，这种能力愈发模糊了有关人为干涉的界限。理解和塑造是一枚硬币的两面，随着它们(越来越)交织于所有的科学领域，我认为科学的顶级架构分解应当注重从学科的分野转向重大科学领域，而不是科学（理解）与工程（塑造）的对立，或是人造与自然的对抗。后者的区别只通过二级领域内的组织原则来显现。
广义而言，重大科学领域关心理解和塑造在一种连贯﹑独特和广泛的主体中的结构和过程中的相互作用。每一个这样的领域以其独特的结构和过程作为特征。结构是一个科学领域内令人感兴趣的东西，过程则随着时间推移积极改变这些结构。物理科学专注于（无生命的）物质、能量及相关的力。生命科学注重生物及其生存、繁殖和死亡的过程。社会科学关注人类，以及人类的认知和行为。计算科学研究信息及其变形。在物理学（属于物理科学）中，我们可能探讨粒子和力；在细胞生物学（属于生命科学）中，重点变成了细胞，以及它们如何产生、运转和死亡；在认知心理学（属于社会科学）中，关注点也许在于人类思维以及它如何产生智慧行为；在编译器（属于计算科学）中，研究兴趣或许是程序以及程序如何被翻译成可操作的形式。
广泛结构和过程中相互作用的动态丰富性与活力指向重大科学领域，也驱动了许多科学实验的需求。科学本身对实验没有需求，但结构与过程间复杂的相互作用会严重制约能在变化较小的领域中发挥作用的分析方法的有效性。例如，数学基本专注于结构（方程、定理、证明等）本身，因此不借助实验也能取得重大进展。但是如此导致的过程及过程与结构相互作用的缺失，使数学自身成为无法达到重大科学领域水平的静态(static)领域。数学结构本质上是信息性的，而非具有物理科学、生命科学或社会科学的性质。因此，将数学视为计算科学这一重大科学领域的一部分是有意义的，计算科学更广泛地关注信息（结构）和变形（过程）。据此，数学是理论计算的一部分。数学使用“证明”这种目前已知的最强方法之一来理解特定的信息结构。作为整体的计算科学领域扩展了适用范围，涵盖了对各种信息结构与变形过程中潜在的动态相互作用的理解和塑造。总之，计算科学领域不仅包含计算机科学与数学，还包括计算机工程、计算科学，信息学和信息理论，科学和技术。
人文科学的故事类似于数学。人文科学充满了结构（书籍、绘画、雕像等）以及对结构的分析，但总体而言缺少与结构的相互作用。也有极少的例外：如历史学，人们对其从属于人文科学还是社会科学有明显的分歧；或语言学，其信息方面与计算领域有所重叠。但是，除了这些多学科的例外，人文科学总体的过程缺失，使其丧失了需要试验，并能够建立重大科学领域的动态丰富性。
学界已经注意到了人文科学的静态本质，例如詹勒特（Janlert，2000），他的作品也探讨了人文科学的人造（被塑造的）性质。此处另外的关键在于，人文科学中存在的过程主要是人类活动。这一点与人文科学研究的文物通常关于人类这一事实相结合，就可以解释为什么可以自然地将人文科学视为社会科学的一部分。此处的社会科学可以广泛解释为研究（非生命科学意义的）人类结构与过程的科学。人文科学成为社会科学领域的静态部分，聚焦有助于揭示人类本质状况的结构，又包括对这种结构及其塑造（比如创造）的理解。人文科学与社会科学的紧密关系已经被大学含蓄地承认。大学将人文科学学院与社会科学学院合并，在诸如历史学等学科的从属关系上含糊不清。这些都暗示了人文科学与社会科学应当至少在概念层面上有更紧密的联系。
当然，这种合并的政治问题在于，相同环境中，更强势的方法趋向于驱逐试图共存的弱势方法。甚至在强势方法并不适用的子领域中，强势方法也会在相同的知识环境里削弱弱势方法的可信度。在许多大学中，计算机科学由数学发展而来。但计算机科学必须至少在部分程度上将自己从数学中剥离，以保证开展实验的自由。实验虽然是弱于证明的方法，但在计算研究中非常必要。人文科学使用的分析与批判方法比传统科学中使用的弱，甚至比其他社会科学中使用的还要弱，但它们也许特别契合社会科学的某些子领域。因此，它们依旧具有价值，它们仍旧是增强对人及其文化的理解的强势方法。但是，即使承认这种政治问题，也不应当阻止我们意识到人文科学与社会科学间的概念联系，或阻止我们意识到在不削弱任何一方的情况下，这种概念联系依旧是可能的。
数字人文的关系分析
关系结构提供了分析科学主题与学科的方法，着眼于和它们相关的重大科学领域以及领域间的相互关系。关系结构也提供了一种研究工具，可供系统地研究领域间的跨学科重叠。本文中，重点在于利用计算领域和人文领域间可能存在的结构重叠来分析数字人文。在计算领域，结构通常产生语言，关系结构也不例外。元科学表达语言的开发是针对复杂的，尤其是多学科性的科学主题与学科的简明扼要且半正式的表达，以从单个的或综合的角度促进理解。本次探讨的其余部分提供了元科学语言的表达方式，并附有英语解释。
关系结构的顶端是四个重大科学领域的首字母表示:P(物理科学)，L(生命科学)，S(社会科学)和C(计算科学)。数字人文学科关注社会科学(S)和计算科学(C)的关系。如果加号(＋)表示两个领域间的某种关系，那数字人文可被表示为S+C。但是，我们也可以引入人文科学(H)，将其理解为社会科学的子域(H∈S)，以此来细化针对数字人文的表达：H十C。
关系结构进一步将跨领域关系（+）的一般概念细分为两种主要类型：实现(implem-entation) (/)和交互( interaction)(↔)。这两种类型足以理解目前已经研究的计算科学的多学科方面，甚至有助于说明计算科学领域中许多传统意义上不被认为是多学科的部分。
实现关系(/)存在于两个领域内，是一个领域的多种结构与过程相结合，成为另一个领域的基本结构与过程。例如，当分子与力组合产生细胞及过程时，物理科学实现生命科学(L/P) 。类似地，当大脑神经元组合产生思想，大脑与人体其他部分组合产生人类行为时，生命科学实现社会科学(S/L)。有时这种关系的基本形式产生了真实完整的“实现”，而有时只产生“模拟(simulation)”，在实现领域起决定性作用的那部分是模拟中缺失的要素。例如，对人的计算模拟——“虚拟人类( virtual human)(S/C)”——也许在外观和行为上与真人极为相似，但不能成为事实人类（至少在生物实现是人类定义的组成部分这一情况下）。在其他情况下，区分某事物是真实的或是模拟的也许会很困难。比如，人工智能可以在没有生物实现的情况下产生真实的智慧吗？抑或是只产生智慧的计算模拟？在这个问题上，人们有持续的分歧。然而，不管是实际产生了现实，或仅仅是产生了模拟，二者都可以被视作实现的例子。
实现关系产生了数字人文的多种风格。当计算科学实现人文科学(H/C) ，就产生数字文化产品，如数字绘画，虚拟环境中的雕塑﹑浸入式体验和数字书籍。念及计算科学的动态特征，可以预估H/C的发展前景很大一部分涉及积极的而非静态的制品，无论它们被视作数字戏剧、电子游戏，还是简单的交互体验。有时H/C制品是现存非数字制品的数字化复制(模拟)，有时它们是独特的制品。但即使是复制品，其本身也是真实的文化制品；例如，一件著名艺术品的复制品，即使并不本真，依旧是文化制品。此外，尽管在制作时并非有意，所有的计算制品都可被视作（实现）文化制品。例如在关键代码研究( critical code studies)领域 ，人们将传统意义上的计算机程序也视为文化制品，并运用人文科学的分析方法来获得更完整的语境理解(Marino，2006)。计算科学对人文科学的实现也能产生计算语言、计算机应用和模拟人类语言处理。
另一方面，人文学科大体的静态本质意味着它不能产生完整的计算实现(C/H)——书籍或绘画不能自行计算——尽管某些特殊的动态艺术制品，如复杂移动设备，能够计算并提供完整的实现。书籍和绘画能提供计算机的表述和表示，产生静态模拟的有限形式。此外，如果将数字人文的概念从计算机（如硬件和软件）与人文科学的重叠，扩展为计算科学(作为重大科学领域)与人文科学的重叠，那么通常用文化制品实现的信息表达，或C/H，可被归入数字人文。但是，对社会科学这一重大科学领域的动态吸引而言——人文科学在此领域中作为静态子领域存在——全面实现计算是必要的。例如，“绿野仙踪”(Wizard of Oz)实验涉及了人充当计算机(C/S)的情况。在这种情况下，计算机也许不可用，或弊大于利。此例中，人模拟了标准电子计算机——以物理科学实现的计算机(C/P)——但同时也用社会科学实现了真实的计算机(C/S)。
交互涉及两个领域间的平等关系。例如人机交互(S↔C)中存在来自社会科学与计算科学领域的双向信息流和相互影响。但是，这种关系既可以像这个例子一样双向，也可以是单向的。例如，计算传感涉及从物理世界向计算机(P→C)的信息流，而机器人制造则体现从计算机向物理世界(P←C)的影响。在数字人文中，从人文科学向计算科学的流动表示了对文化制品的自动计算分析(H→C)；比如根据文学风格确定作者分类(Luyckx，Daelemans and Vanh-outte,2006)。甚至可以包括最近有关机器阅读的工作，如计算机可以自动从文本中提取意义(Etzioni，2007)。反向地，从计算向人文的流动表示计算创作(C→H。这是一个方兴未艾的领域，但已经包括了诸如计算创作的简单诗歌(Manurung，Ritchie and Thompson，2000)、故事( Pérez y Pérez，2007)和绘画作品(McCorduck，1990)；并有可能最终包括小说，戏剧、电影和交互体验作品。
这两种方向的交互可被广义理解为人文科学的计算理解(H→C)和人文科学的计算塑造(C→H)。在这两种情况中，计算科学都必须成为交互的主动者，因为人文科学具有静态本质。但是，消除限制的方法之一是将重点从人文科学的静态本质转移到活跃的学者和科学家。在关系结构中，科学家通常代表社会科学领域的成员（比如人类），他们在内部表达和模拟自身领域的一部分。对人文科学而言，这种实践产生H/S。接着，可以用人文学者来代表对计算制品的分析，比如用C→H/S来进行关键代码研究。但是，如果科学家是人文领域和计算领域专家的结合——用(C↔H)/S表示——那么这些研究就应当用C →(C↔H)/S来表示。无论如何，这是同时涉及实现和交互的复合关系，还包括除了人文与计算之外的用以代表科学家的全部社会科学领域。
也可以用类似的方式来表达数字人文的其他复杂变量。比如，理解人文科学的人机合作可用H→H/(C↔S)来表示，意指具有人文科学知识H/(C→S)的人机实体(C→S)对人文科学(H→)进行分析。类似地，人文科学中更传统的信息学形式，即计算机仅作为工具而非完整科学伙伴的形式，可用H→(C↔H/S)来表示，这种情况下人文科学的专业知识对人类参与者来说是有限的。这些关系也可以反向塑造，或双向表示理解与塑造间的互动。但无论如何，它们都包含计算与人文的两种交互形式：人文研究者内部的计算交互，以及这一对交互与人文科学主体的交互。
语言学提供了有趣的特例。语言学是人文科学的核心话题，也与文学等姐妹学科具有紧密联系。但是，语言本质上是信息性的，其用途主要是社会性的。因此，关于语言学主题的自然表达类似C/S→C/S——表示人与人之间的信息交互。如前述，假设数字人文的范围扩大到包含整个计算科学领域的程度——不光是计算机本身，还包括信息及其变形——那么，语言学整体将成为“数字人文”这一更广泛概念的重要例子，或至少是计算社会科学的重要例子，因为表达中使用了S而不是H。
为了比较和帮助评估理解数字人文的结构和范围的关系方法，将其与斯文森探讨的计算与人文结合的五种模式相结合是恰当的。斯文森论及:“信息技术可作为工具、研究对象、表达媒介、实验室和活动场所。”(Svensson，2010)可以探究这五种模式是否契合关系结构，以及关系结构是否能表明模式的重要领域的缺失（同时承认模式也许并不全面）。
首先，五种模式都被证明能与关系结构契合，虽然有些模式产生了更复杂的表达。人文研究者使用计算工具直指前文的信息学例子:H →(C↔H/S)。在这种模式中，计算机帮助研究者获取﹑管理和分析文化制品数据。作为研究对象的计算隐晦地将其视为(制造)文化制品:H/C。但如果想明确表达这种制品正被人文研究者分析，表达式可扩展为H/C→H/S。作为表达媒介的计算也被表达为H/C，因为文化制品在计算机上被制造，尽管我们试图将这里的表达式扩展为H/C←H/S，以此强调该模式中居于核心的创造性塑造。计算机作为工具和媒介的区别因此落脚到，重点是在理解现存的作为文化制品的东西（即使并非本意），抑或是在有意地创造文化制品。作为实验室的计算又与作为工具的计算有关，也因此拥有信息学表达：H →(C↔H/S)。但是，这种模式支持交互式探索分析，而不是将计算机用作一次性的分析工具。按照我对该模式的理解﹐与活跃领域的传统实验相比，这种模式比实验更具有探索性和分析性。作为活动场所的计算涉及塑造行为，但此处的塑造关乎整个社会，而非仅仅是人文科学领域：S←(C↔H/S)。
基于关系结构，五种模式中最显著的缺失话题对应了两种简单的关系:C/H和C→H。对于前者，上文有关人文科学静态本质的讨论暗示了除了一些动态制品的有限特例，人文科学不能完全实现计算。但是，有关计算的文化制品——书籍、电影，或是其他形式——能够自然契合，如果数字人文扩展至整个计算科学领域，那么所有的文化制品都能表示信息。任意一种可能性都可以产生交互的第六种模式，建立在实现或表示信息及其变形的基础上。斯文森的五种模式中，最接近C→H的是H/C→H/S，人文学者研究作为文化制品的计算片段。更简单的表达可被视作对这种行为更抽象的概括，将重点缩小到两个主要领域间的关系。但是，这种简单表达也可以表示计算主动塑造人文，通过计算机回归自动创作，如写作、绘画等。如上文探讨的，这是一个方兴未艾的领域，但也是能发展为数字人文主要组成部分的领域。
作为对数字人文的最终评价，有一点值得注意。虽然斯文森的模式主要关于信息技术，比如更偏向计算的应用工具构建方面，但计算科学作为重大科学领域，作用远超工具。计算科学也是信息及其变形的理论成果，是信息变形的算法，还是涉及一个或多个附加领域的大量跨学科主题，包括人工智能(S/C)、机器人(L/(P↔C))、自动构建(C→P)，人脑计算机交汇(L↔C)、量子与生物计算机(C/P and C/L)、在线社交网络(S↔C)*等——其中星号(*)表示任意数量人机组合中的交互——以及对一切的模拟，甚至可能是实现（△/C，其中△表示所有领域）。计算的广阔视角为数字人文打开更多可能，尤其在超越H和C组合的，与更多附加领域产生更复杂关系的领域组合中，还有尚未挖掘的可能。我们已经发现了能够成功引入整个社会科学领域(S)的实例，但不难推测类似的更为深远的话题，如人机协作：(S↔C)→H。与物理科学领域的结合则导问了更多的可能性，比如对内容和物理实现的计算分析——例如物理领域的实现——有关诸如书籍、绘画和雕塑等文化制品。如果通过人工智能分析，可以产生H/P→C或是H/P→S/C这样的表达。关系结构本身不能识别兴趣点在大型空间的位置，但它能提供有关该空间的系统结构，也引导我们探究该结构的原始构成。
结论
本文的重点在于：首先，用“重大科学领域”的概念来理解作为社会科学子领域的人文科学，同时在过程中不削弱任何一方。然后，用人文科学和计算科学间的关系结构提供的潜在多学科关系空间来探究数字人文的本质和结构。希望结果是对人文科学和计算科学，尤其是两个领域在数字人文语境下重叠的部分有更深入的理解。
注释
保罗·罗森布鲁姆(2012).原文最早刊载于《数字人文季刊》6(2) , http://www.digitalhumanities. org/dhq/vol/6/2/000127/000127.html.
参考文献
Austen，J. (1818).Persuasion，London:John Murray.
Denning，P. J. and Rosenbloom，P. S. ( 2009).“Computing:Thefourth great domain of science”，Commumicat ions of the ACM，52，PpP.27-9.
Etzioni，O.，Banko，M. and Cafarella，M.J.(2007).“Machine read-ing”，in Proceedings of the AAAI Spring Symposium on Machine Reading.Feyerabend，P. (1975). Against Method : Out-line of an Anarchistic Theory of Knoreledge ，London:New Left Books.
Hansson，S. O.(2008).“Science and Pseudo-science”，in E. N. Zalta( ed.) The Stanford Enc yclopedia of Philosophy，Stanford，CA:The Met-aphysics Research Lab，Center for the Study of Language and Information atStanford University，http:// plato. stanford. edu/ archives/ fall2008 /entries/pscudo-science.
Kuhn，T. S. ( 1962).The Structure of Scientific Revolut ions，Chica-go:University of Chicago Press.
Lakatos，1. (1978).“Science and Pscudoscience”，in J. Worrall and G.Currie ( eds）The Methodology of Scient ific Research Programmes :Philo-sophical Pa pers Volume 1，Cambridge :Cambridge university press.
Luyckx，K.，Daclemans，W. and Vanhouttc，E. (2006).“Stylogenct-ics:Clustering-based stylistic analysis of literary corpora”，in Proceedings ofLREC - 2006:The 5th International Language Resources and EvaluationConferencc，Workshop Towards Computational Models of Litcrary Analysis.
Manurung，H.，Ritchie，G. and Thompson，H. (2000 ).“Towards aComputational Model of Poetry Generation”，in Proccedings of AISB Sympo-sium on Creative and Cultural Aspects and Applications of Al and Cognitivescience，Birmingham，April，pp. 79-86.
Marino，m.(2006).“Critical Code Studies”，electronic book revierwo，4December，htp:// www. electronicbookreview. com/thread/ electro poctics/codology.(链接失效—译者注)
McCorduck，P. ( 1990)Aaron's Code :MetaeArt，Arti ficial Intelli-gence and the Work of Harold Cohen ，New York: W.H. Freeman and Co.
Perez y Perez，R. (2007).“Employing Emotions to Drive Plot Genera-tion in a Computer-Based Storyteller”，Cognitive Systems Research ,8 (2),pp.89 -109.
Popper，K. (1959).The Logic of Scienut i fic Discovery，London:Rout-ledge. Rosenbloom，P. S. (2004).“A New Framework for Computer Scienceand Engineering”，Com puter，37 (11)，pp 31 - 6.
Roscnbloom，P. S. (2009).“The Great Scientific Domains and Socicty :A Metascience Perspective from the Domain of Computing”，The Internation-al J ournal of Science in Societ y，1 (1)，pp.133-44.
Rosenbloom，P. S. (2010).“Computing and Computation”，ACMUbiquity.
Rosenbloom，P.S. (2012).On Com puting : The Fourth Great Scienti f-ic Domain.Cambridgc，MA:MIT Press.
Simon，H. (1969). The Sciences of the Arti ficial，Cambridge，MA:MIT Press.
Svensson，P. ( 2010).“The Landscape of Digital Humanitics”，DigitalHumanities Quarterly ,4(1).