轉型與破局：建設面向哲學社會科學的數智學術基礎設施

編者按：隨著大數據與人工智能（AI）技術的飛速發展，人類正迎來新一輪科技革命與產業變革。深度學習等技術近年來的突破和應用，也使“人工智能驅動的科學\"（AIfor Science，AI4S）在自然科學領域展現出強大的變革力量后，向人文社會科學領域快速滲透與融合。被稱為第五科研范式的AI4S不僅為傳統的人文社會科學研究提供了前所未有的分析工具和洞察視角，展現出了超越人類解決復雜問題的能力，也在深層次上革新著人文社會科學的研究理念、方法論和知識生產模式。面對這一歷史性機遇，人文社會科學研究亟待探索適應數智時代的新范式，實現研究效能的躍升與知識邊界的拓展。

可以看到，隨著智能時代的到來，如何把握科研范式與形態的變革，學術共同體正在展開從工具更新到范式升維的實踐與探究，本刊編輯部為此組織了“人文社會科學研究新范式\"特別策劃，以兩篇互為經緯的文章回應這一時代命題。兩篇文章從“基礎設施”到“范式升維”，共同勾勒了一幅AI時代人文社會科學的新圖景。我們相信，本策劃能激發學界對人文社會科學研究范式變革地深入討論與實踐探索，進而推動學術共同體以積極姿態擁抱人文社會科學研究的智能發展。

Building the Intellectual Scholarship Infrastructures for Philosophy and Social Science Research in the Age of Al

AbstractTherapidadvancementof intelligentanddigital technologies fundamentally transformsknowledge production anddrives paradigmandmethodological innovations inthephilosophicaland social sciences.Academicresearch infrastructureisshifting from traditionalliterature-based models toward inteligentcomputing-orientedsystems，bringing increased demands forsmartdataresources，computational toolsand methods，and theadoptionof openscience principles.Data-andAI-drivendigitalhumanitieslaboratoriesareemergingaskeyvenuesforinterdisciplinarycollaboration betweenthe socialsciences andadvanced technologies.Buildingnew paradigms forintellgentand digital experimentationrequires innovativemethodologies，scientificinstruments，anddigitalplatforms，whosecontinueddevelopment wil enhance the scopeand depth of research in the social sciencesand humanities in the digital-inteligence era.

Keywordsdigitaland inteligent infrastructure;philosophyand social sciences；digital humanities；philosophyand social science laboratories

大數據、機器學習和生成式人工智能的迅猛發展，正在重塑當代社會結構、人際互動模式與信息實踐過程，促成數智技術普惠和學科范式轉型的歷史性交匯。在此背景下，美國已將人工智能（ArtificialIntelligence，AI）確立為關鍵基礎設施，主張推動其在社會各個領域的深度嵌入與系統性應用。黨的十八大以來，以習近平同志為核心的黨中央高度重視新一代人工智能發展，強調應積極推動互聯網、大數據、人工智能和實體經濟的深度融合，為高質量發展提供新動能[2]。2024年5月，英國皇家科學院（TheRoy-alSociety）發布了由牛津大學、劍橋大學等研究機構與DeepMind等人工智能企業的百余位專家聯合撰寫的報告《人工智能時代的科學：人工智能如何改變科學研究的性質和方法》，深人剖析了AI在科研領域中的角色、潛力與挑戰，并強調了全球科學共同體在應對變革中的協同機制與共識構建的重要性[3]。

在數智技術廣泛應用的背景下，哲學社會科學作為理解文化與社會變革的重要路徑，有助于深化人類對人智共生社會圖景的認知，具有不可替代的理論與實踐意義。然而，隨著數智技術在研究過程中的持續滲透，大型語言模型（LargeLanguageMod-els，LLMs）正逐漸成為知識組織方式變革中的最新一環，其在顯著提升知識發現范圍和速率的同時，也不斷加劇著大量支持性事實所引發的“可得性偏差”（AvailabilityBias）等問題[4，使哲學社會科學領域傳統的研究內容、研究方法與研究主線面臨前所未有的挑戰5。因此，重塑哲學社會科學研究范式已成為當前學界亟須應對的重要議題，而構建新一代數智學術基礎設施被確立為優先戰略。2019年4月，教育部、科技部等13個部門聯合啟動\"六卓越一拔尖\"計劃2.0，要求全面推進新工科、新醫科、新農科、新文科建設。2020年11月，教育部發布《新文科建設宣言》，構建了以“新理論、新專業、新模式、新課程\"為核心的“四位一體\"建設模式，標志著新文科建設的全面啟動。宣言總體目標是全面推動高等文科教育的創新發展和質量提升，其關鍵著力點在于促進現代信息技術與文科專業的深度融合以及文科與理工農醫學科的深度交叉融合。2021年12月，教育部公布首批哲學社會科學實驗室名單，涵蓋9個試點實驗室、21個培育實驗室，意味著文科實驗室作為典型的數智學術基礎設施，推動哲學社會科學研究進入全新階段。作為新文科建設的重要抓手，哲學社會科學實驗室發展與新文科建設有著高度一致的目標和愿景，都旨在充分實現新興數智技術對哲學社會科學研究的賦能價值。在深入實施國家教育數字化戰略、加快建設教育強國的背景下，完善以文科實驗室為代表的新一代數智學術基礎設施，將有助于哲學社會科學研究從人本視角出發，更加緊密地對接社會現實、數據實踐與歷史語境，揭示數智社會各個領域間的隱性關聯，從而拓展對當代文化環境的理解維度。由此，哲學社會科學研究在數智時代背景下獨特的本源價值將得以凸顯，學科思維邊界將得以拓寬，學科持久的生命力也得以維續。

1數智技術在科學研究中的賦能價值與方法論挑戰

1.1數智技術帶來新的科研范式變革機遇

從歷史發展的視角來看，數智技術已然在多個領域產生了深遠影響。早在2005年，美國就已認識到計算科學在提升國家競爭力方面的關鍵作用。盡管彼時計算機科學仍處于快速發展階段，人工智能尚未大規模普及，但已有觀點指出，掌握并運用先進計算技術將有助于解決21世紀科學與經濟領域中最重要、最具潛力的研究課題[8。隨著電子計算機、數據庫、互聯網、物聯網、云計算、大數據和人工智能等技術的持續演進，計算技術不僅在功能層面取得顯著突破，也引發了計算思維、知識共享、開源文化、人機協同等一系列理念的創新。上述理念逐步影響科研范式，推動了自然科學與哲學社會科學的結構性變革，并促成了電子科學（e-Science）、計算社會科學（Social Computing）數字人文（DigitalHumanities）等新興交叉學科的發展。在自然科學領域，人工智能已顯著提升科研效率與準確性，如促進罕見疾病診斷、加速新材料發現及蛋白質結構預測等[2；而在哲學社會科學領域，已有研究通過歷史語料訓練大型語言模型來模擬作者與讀者，以期更靈活、語境化地呈現文化意涵。這種跨學科的深度融合不僅催生了“具身化\"（Embodiment）的數字人文實踐，而且深刻塑造著以人工智能為代表的數智技術在科研活動中的核心應用方向，使其更具文化適應性與情境感知力[10]。

在技術演進與理念更新的雙重作用下，科研活動的基本邏輯也正在經歷根本性轉變。科學研究中的知識生產模式、問題提出機制與證據驗證路徑，正在被數智技術深度重塑，各領域的研究范式、研究方法與研究性質也呈現出新的發展趨勢。

第一，數智技術為各領域的科研范式帶來了前所未有的革新。深度學習與科學研究的加速融合，促成了人工智能驅動的科研范式（AIfor Sciences，AI4S），這也被界定為繼實驗范式、理論范式、仿真范式、數據密集型科學發現范式之后的\"第五范式”]。在該類研究范式中，各領域科研活動依賴高性能計算與大規模異構數據，推動科學研究由傳統的“理論驅動\"向“數據驅動”與“人智協同驅動\"轉型。伴隨著科研范式的革新，數據日益成為科學研究的核心要素。與算法的快速迭代相比，數據通常具有更長的使用價值周期。然而，隨著信息系統復雜性的上升，科學研究中所涉及的數據規模和變量數量不斷增長，催生了“維數災難\"（CurseofDimensionality）等高復雜度問題。AI4S科研范式提供了多樣化的計算工具與建模方法，在高維數據處理和研究流程自動化方面展現出強大能力，充分提升了知識發現的效率與研究系統的整體性能。

第二，數智技術深刻影響著科學研究的方法。在自然科學研究領域，人工智能能夠自主執行大量重復性科研任務，從而提升研究者在理論建構、模型驗證和結果預測中的效率與創造力[12]。如在分子層級的研究中，借助合成數據與數字孿生技術，人工智能可精準模擬原子間作用過程，提升實驗效率并拓展可檢驗假設的邊界。在哲學社會科學研究領域，其核心是對個體、群體和文化特征進行概括性建模[13]，傳統做法是依賴問卷、訪談與情境實驗等定性和定量手段。然而，隨著數智技術的介入，具備上下文語義理解能力的大型語言模型能夠對語言中的復雜結構與多樣化人類經驗進行自由響應，已逐漸成為輔助哲學社會科學開展樣本數據深度分析的有效工具。已有研究表明，利用大型語言模型生成模擬樣本進行推演，并通過實證方法加以驗證，在多類問題的解決中均展現出積極前景[14]

第三，數智技術從研究資源、認知機制與勞動力結構等多個維度重塑科學事業的本質。一方面，數智技術使得數據和計算能力成為科學研究的核心基礎資源。科研范式正加速轉向大數據驅動，機器學習能夠從龐大異構數據集中識別復雜模式和新關系，通過對海量文本或視覺數據進行量化計算分析以揭示深層模式與意義，實現了傳統方法難以企及的高效洞察。同時，人工智能強大的預測性和生成能力也促進了大規模、多維度模擬及合成數據的創建，拓寬了科學實驗與探索的邊界。另一方面，機器學習能夠在非結構化數據環境中捕捉復雜的非線性因果鏈條，豐富了科學研究的認知譜系，促進更具韌性的人機協同系統的構建[15]。在科學研究活動中，數智技術往往扮演著\"靈感來源\"（Resource of Inspi-ration）與“理解代理\"（AgentofUnderstanding）的角色，其既可作為實驗助手，又可作為人類行為的可信代理并成為實驗對象，重新定義了情境實驗的路徑與維度[6]。更具變革意義的是，科研勞動力結構正經歷深層轉型。AI工具正將科研工作者從數據處理、文獻綜述、代碼生成等重復性任務中解放出來，顯著提升科研效率與規模，實現人機協作的增強型范式。經過定向訓練的大型語言模型已能夠模擬被試者、整合多元視角并綜合沖突觀點，在預測性分析和決策支持等任務中呈現出超越人類的潛力[17]。這些變化不僅重組了傳統的科研議程，還推動研究者從單一學科專家向跨域協作者的角色轉變，并進一步催生了對算法公平性（Fairness）、問責性（Accountability）、透明性（Transparency）、可解釋性（Explainability）與倫理性（Ethics）的規范訴求。

1.2數智技術引發新的研究方法論挑戰

在認識和激活數智技術賦能價值的同時，各領域科研工作者也應正視數智技術在科研實踐中所引發的方法論挑戰。

首先，新的科研范式促使研究者需要應對體量龐大、結構復雜、敏感性高且潛藏偏見的數據生態，顯著提升了研究過程對研究者數據處理能力與計算素養的要求。對于哲學社會科學研究者而言，尤其是在面對多源異構數據與復雜算法環境時，往往面臨技能缺口與認知門檻并存的局面。盡管大型語言模型與自然語言處理工具已廣泛嵌人哲學社會科學領域的多個研究環節，在文獻綜述、假設提出與理論建模等方面均展現出強大效能，但其有效性高度依賴使用者的技術理解能力與方法論判斷力。加之AI工具高復雜度、低透明度的特征，使非技術背景的哲學社會科學研究者在算法選擇、模型調參與結果解釋等環節中面臨顯著挑戰[18]。需要特別關注的是，僅憑工具本身的可用性也無法保障其使用過程的科學性與倫理性，反而可能因誤用或濫用工具而降低研究質量，甚至放大技術偏誤。尤其是在缺乏跨學科合作機制與標準訓練流程的背景下，AI工具的非線性邏輯與語境感知特征，容易與傳統哲學社會科學研究中的因果推理、價值判斷和批判性分析等環節脫節，從而削弱研究的解釋力與規范性。此外，哲學社會科學領域的科研者還需持續應對工具更新速度加快所帶來的技能更新壓力與信息過載挑戰。隨著數智技術的不斷涌現與嵌入，研究者需要在短時間內理解并掌握不同平臺、算法與接口，進而形成對研究流程的整合和再建構。這一過程中引發的認知負荷，不僅增加了實驗設計與結果評估的復雜性，也對文科研究者的時間管理與心理韌性提出了更高要求，成為制約哲學社會科學數智化轉型的隱性瓶頸，亟須通過結構化培訓、工具可解釋性改進與跨學科支持系統的建設予以紓解[19]。

其次，智能算法的黑箱性質與潛在幻覺等問題，嚴重制約了其在科學研究中的可用性與解釋力。一方面，當前大多數深度學習模型缺乏可解釋性，其決策邏輯對研究者而言高度不透明，難以滿足科學共同體對因果解釋鏈條的可驗證性與可靠性的要求[20-21]。另一方面，由于算法訓練流程、代碼版本與數據源常常未能公開，基于AI模擬生成的研究結果普遍缺乏清晰的操作路徑、驗證機制與標準，從而引發可復現性危機。與此同時，當前大量AI模型部署于商業平臺，其模型架構與訓練數據往往受到知識產權或商業保密條款限制，透明性的不足不僅阻礙了跨機構的協同驗證，也削弱了開放數據與開源模型所倡導的共享精神[22]。此外，智能算法在處理哲學社會科學問題時高度依賴于多源數據，這些數據在采集過程中可能就已內嵌性別、地理、語言等維度偏差，所產生的歧視與偏見后果在模型應用中被進一步放大。此類系統性偏差不僅影響研究結論的有效性與公平性，也凸顯出加強AI輔助研究中倫理機制、監督流程與治理規范持續完善的重要性[23]。

最后，數智技術所引發的研究問題復雜性與高度跨學科性，對既有科研范式構成持續挑戰。在數據驅動、實時計算和跨平臺協作日益普及的科研生態下， ^*AI+ ”研究成為政策導向和資助機制的焦點，驅動各學科加速擁抱技術手段。然而，這一趨勢亦引發研究目標短期化、實踐導向功利化的隱憂，部分研究過度聚焦技術實現與指標達成，而忽視對問題本質的哲學探討與創新思考。同時，面向新型科研范式的基礎支撐系統，尤其是高性能計算平臺與智能算法環境，呈現出顯著的資源分配不均特征。當前，全球先進算力資源與算法工具大多掌握在少數科技巨頭手中，私人資本在算力基礎設施與技術開發中的主導地位不僅吸引了數智領域最具競爭力的人才，也在潛移默化中重構學術議程的優先級與價值取向。尤其對于哲學社會科學而言，這種基礎設施與研究能力之間的結構性鴻溝，易加劇信息不對稱風險，制約數智研究范式的廣泛普適性與公平性發展。此外，現有的科研評價體系傾向于技術指標與成果轉化效率的量化考核，進一步加劇了研究者對智能工具的依賴，忽視對問題意識與批判性思維的系統訓練。尤其在哲學社會科學領域，研究人員在面對復雜模型與自動化分析工具時，“認知卸載”（CognitiveOffloading）現象日益普遍，研究者將認知任務過度移交給技術系統，弱化了傳統人才培養機制中針對假設建構、實驗設計與結果闡釋等核心環節的基礎能力訓練。這一趨勢如不及時得到干預，將可能對研究的獨立性、深刻性與批判性構成潛在威脅，進而影響整個學術體系的可持續發展[24-25]。

2發展哲學社會科學數智研究范式的系統框架

數智技術的發展為哲學社會科學研究帶來了新的機遇與挑戰，推動其向智能化、數據化方向轉型已成為當代研究范式變革的重要方向。這一過程強調技術、理論與認知方式的多重演進，要求以數據、算法與開放理念為核心，構建系統化、結構化的學術基礎設施以支持新一代哲學社會科學研究范式的形成。

2.1研究基礎設施從文獻保障型到智能計算型的更迭

研究基礎設施是知識生產與學術創新的重要支撐系統，涵蓋學術資源的獲取、處理、組織與傳播所需的工具、平臺與制度環境2。研究基礎設施不僅決定了學術活動的效率與規范性，更深刻影響著知識建構的范式與邊界，構成學術共同體之間協同、共享與創新的基礎。

在哲學社會科學早期發展階段，研究基礎設施以文獻保障型為主，側重于提供權威、系統、可持續的文獻資源服務。通過標準化的編目體系、統一的元數據結構與跨機構協作機制，文獻保障型研究基礎設施構建了完整的文獻支持體系，為基于文本細讀與文獻考證的研究模式提供了堅實基礎[27]。如美國的HathiTrust①提供了數百萬份圖書、期刊的數字化副本，支持研究者在大規模文本資源中開展比對、溯源與版本研究；歐洲的Europeana②聚合了來自各國博物館、圖書館和檔案館的文化遺產資源，強調多語種、多來源、多格式的語義整合與標準接口建設；而中國的高等教育文獻保障系統（CALIS）和高校人文社會科學文獻中心（CASHL）則分別為高校圖書館與人文社科領域學者提供資源共享、館際互借與專題服務，強化了學術資源在不同機構與區域間的可及性。整體而言，文獻保障型研究基礎設施為哲學社會科學研究提供了以文獻資源為中心的知識支撐環境，確保了系統、穩定的資源服務，奠定了科研實踐規范化、體系化發展的基礎。

然而，隨著哲學社會科學的研究活動日益呈現出數據密集、實時交互與跨學科融合的新趨勢，傳統的文獻保障型研究基礎設施在處理非結構化信息、海量多模態數據與復雜統計分析模型等方面逐漸顯示出局限性[28]。在這一背景下，智能計算型研究基礎設施應運而生，其功能不再局限于單純的文獻資源服務，而是以數據融匯體系、數據倉儲體系與數據加工體系為核心，集成了數據采集、分析、建模、可視化與知識重構等一體化功能[29]。這類基礎設施以高性能計算能力與智能化處理工具為核心，強調對數據生命周期的全流程管理與智能協同，為哲學社會科學對接跨模態知識生成、復雜系統建模等創新實踐提供了結構性工作流支持。如歐盟的DARIAH提供能夠跨國協作的工具庫、教學資源與工作流模板，強調語義互操作性與研究數據管理標準的共同制定；澳大利亞的NCRIS支持跨學科數據分析與建模平臺的共創，推動社會科學與工程、生命科學等領域的數智協同；美國的Cyberinfrastructure強化了高性能計算、大規模數據存儲與開放研究環境之間的深度整合；英國的UKNIBC則提供面向材料、醫學與行為研究等方向的集成實驗計算環境。

研究基礎設施從文獻保障型向智能計算型的變革，體現出哲學社會科學數智研究范式的發展，不僅是技術堆疊的過程，更是計算邏輯與人文精神交融的過程。相較于文獻保障型基礎設施注重知識存量的聚合與傳播，智能計算型基礎設施更強調知識增量的生成與擴展，已成為支撐新型數智研究范式的重要驅動力。

2.2智能計算型研究基礎設施的核心構成

隨著哲學社會科學研究基礎設施從文獻保障型向智能計算型演進，其核心功能不再局限于文獻資源獲取，而逐步擴展為涵蓋高質量數據、先進計算方法以及軟硬件一體化的復合系統。Berry與Fagerjord所提出的“數字人文堆棧\"（theDigitalHumanitiesStack）旨在揭示數字人文研究中技術、制度與認知實踐的多層嵌套結構，強調從底層算力與數據，到中層方法與平臺，再到上層語義建構與公共參與之間的邏輯關聯與協同機制，為數智基礎設施的系統建構提供了清晰的藍圖。在該理論模型中，數字人文領域的研究生態被劃分為編碼與教育、機構、代碼/數據、公共結構、系統、界面六大層級[3%，展示了數智研究范式所需的底層能力與上層實踐之間的有機構成。在這一架構指導下，本研究將智能計算型研究基礎設施的核心構成概括為三個維度：智慧數據資源、智能計算方法與工具以及開放理念。這三個維度共同構成了哲學社會科學邁向數智化研究的新型基礎設施生態系統，體現了從資源聚合到智能服務、從封閉系統到開放協同的整體性轉型路徑。

（1）智慧數據資源：構建可計算語義的基礎資源

智慧數據資源是智能計算型基礎設施的關鍵組成，直接影響到知識生成、問題建模與洞察提取的全過程。相較于傳統的數據資源，智慧數據具有更高的結構化水平、語義表達能力與可計算性，呈現出多模態、富語義、可追蹤、可溯源與可信任等綜合特征[31-32]。這類數據資源不僅包括文本、圖像與音視頻等常規數字材料，還涵蓋了數字化古籍、社交媒體數據、物聯網感知數據、文化遺產本體、知識圖譜及開放關聯數據等多種復雜數據類型，形成了跨領域研究的語義支持基礎。在數智轉型背景下，哲學社會科學研究所面向的研究對象與數據來源愈發多樣，既包含語言、符號等非結構化內容，也涉及空間、時間與情感等復雜元素。在構建智慧數據資源時，也需要基于具體研究任務，開展原始數據的語義編碼與情境重構，提取具有關聯性、解釋力與文化價值的數據子集，實現從數據到信息再到知識的聚合轉換[33]。通過多源異構數據的結構化處理、本體驅動的語義組織與AI模型的耦合學習所共同構成的支撐路徑，智慧數據資源不僅可被訪問，更具備被理解和解釋的能力，從而成為嵌入哲學社會科學理論建構與因果解釋過程的新型基礎資料形態。

（2）智能計算方法與工具：作為理論生產的新功能中樞

智能計算方法與工具作為數智研究范式的功能中樞，深刻影響著哲學社會科學理論解釋的能力邊界。文本挖掘、時空分析、因果推斷、知識圖譜構建與可視化分析等方法，構成了面向社會復雜系統的知識生成路徑[13.34]。從算力需求形態來看，哲學社會科學的研究過程已不再局限于靜態數據分析，而轉向對高并發、實時性與分布式處理能力的依賴。為適應這一范式演進，研究基礎設施亟須實現算法生態、軟硬件環境與計算平臺之間的深度融合，構建具備靈活調度、資源可擴展性與方法適配性的智能計算體系[35]。在這一背景下，智能計算方法與工具正快速介人哲學社會科學的知識生產流程，與傳統工作流相互嵌套、協同演化。如今，已有越來越多的哲學社會科學研究者將各類智能計算方法與工具融入到科研活動中。如Python、R語言提供了靈活的數據統計與推斷能力，ArcGIS與Gephi支持地理空間分析與復雜網絡建模，Voyant、Omeka等平臺廣泛應用于文本語料與數字材料的可視化處理，多智能體系統（Multi-AgentSystem）與大型語言模型則逐漸成為理解社會行為機理的關鍵裝置。這些智能計算方法與工具不僅提升了數據分析的深度與精度，更重構了假設驗證與理論建模的過程，共同推動著哲學社會科學研究從靜態歸納向動態演繹的躍遷[36]。

（3）開放科學理念：保障可持續與可重用的制度環境

開放科學通常被界定為通過促進知識生產過程的透明性、可重復性與協同性，實現科研資源、數據與成果面向社會各界開放共享的制度體系[37]。作為資源配置與協作機制的復合體，開放科學不僅是一種組織形態變革，更是支撐數智研究范式演化的關鍵制度性要素。在哲學社會科學領域，知識生產往往具有高度語境化、非結構化與多元解釋等特征，因而更需要通過開放機制保障數據的可獲取性、過程的可追蹤性與方法的可驗證性。具體而言，開放數據、開源軟件、標準化元數據與跨平臺接口共同構成了開放科學理念的實現路徑。這些資源與工具不僅提升了哲學社會科學數據的可訪問性、可溯源性與互操作性，也為持續深化的高性能計算平臺、可視化工具鏈與語義建模服務提供了基礎條件[38]。此外，開放科學所倡導的共建共享文化也給予了哲學社會科學研究者更充分的激勵與認同機制，有利于構建研究者合作網絡，助推哲學社會科學研究更充分地適應高頻更新與語義密集的研究情境。

3數字人文類實驗室及其時代任務

在新一代哲學社會科學數智學術基礎設施的設計和應用過程中，文科實驗室作為一類重要的落地形態，被視作推進學科交叉與縱深發展的重要載體[39]。其建設目標在于整合智能計算平臺、分析工具與社會科學問題，構建跨學科知識生成機制，推動哲學社會科學研究范式從可描述邁向可計算、可模擬，并充分提升人文社科數據資源的可復用性與建模能力。近年來，國內外一批聚焦數字人文領域的文科實驗室成為典型代表，其以集成數據資源、智能工具和跨學科研究方法的多功能空間形式呈現[40]，為哲學社會科學研究提供了資源、場景、人員和技術支持。數字人文類實驗室的蓬勃發展不僅重構了文科研究的組織形態，也回應了知識生產、展示與傳播方式變革的時代需求，反映出從問題概念化、概念操作化到協同網絡化的階段性研究演化趨勢。

3.1數字人文類實驗室回應的時代挑戰

數字人文類實驗室的形成與發展是歷史演化的結果，其主要探索并解決以下三個方面的時代挑戰。

一是研究空間、數字資源和智能計算技術的發展所引發的研究基礎設施轉型挑戰。隨著數智技術的快速發展，傳統依賴于圖書館、檔案館、博物館等靜態知識空間的文獻保障型研究基礎設施已難以滿足當代研究對動態數據處理、多模態信息融合與智能模型演算的高階需求。數字人文類實驗室的興起正是在這一基礎設施轉型背景下所做出的制度性探索，其不僅能夠提供硬件與軟件的支撐平臺，而且建構了涵蓋數據采集、語義組織、知識推理和智能分析的整體生態系統，為哲學社會科學走向“高質量數據采集-復雜數據建模-多維理論演繹-科學因果解釋\"的數智研究新范式奠定了基礎[34]。

二是跨學科、跨領域的實踐和社會公眾參與引發的學術研究范式轉變挑戰。當代社會問題日益體現出高度的系統性、復雜性與非線性特征，單一學科范式難以有效回應其背后多維度的結構性成因與動態性機制。數字人文類實驗室因此承擔起構建跨學科知識合作體系的關鍵任務。已有研究表明，世界一流高校的文科實驗室多采用深耕整合型、矩陣協同型和開放網絡型的跨學科機制4，豐富了哲學社會科學研究的協作范式，也使實驗室從研究空間轉型為知識匯聚場域。此外，數字人文類實驗室也日益重視公眾參與和社會服務，將協作眾包、數據可視化、模擬仿真等數智工具應用于政策研制、社會共治等場景中，保障研究成果的社會化再造效益[29]。

三是創新、實驗、實踐和合作學術特征引發的學術知識展示傳播方式創新挑戰。數字人文類實驗室通過集成多模態展示手段、設計交互性敘事界面、構建沉浸式學習環境，為哲學社會科學研究成果的可視化呈現和社會傳播提供了全新路徑。利用虛擬現實（VR）與增強現實（AR）等技術，數字人文類實驗室也將抽象理論轉譯為具象場景，使得歷史進程與文化意涵得以被情境化編碼與解碼。通過“擴展現實（XR） + 文化遺產”的融合應用，研究者得以構建可交互的歷史街區模擬、可體驗的考古現場或支持多感官參與的具身敘事，不僅拓展了知識傳播的媒介邊界，也促進了文化認知、社會記憶與價值的數字化活化。此外，通過與社區、政府、媒體等外部主體構建合作傳播網絡，數字人文類實驗室也能夠推動知識成果在更廣泛社會語境中的流通，成為哲學社會科學數智化轉型的重要媒介與公共接口[42]。

3.2數字人文類實驗室的三大關鍵任務

圍繞重塑研究范式與提升知識價值的雙重目標，數字人文類實驗室的發展路徑逐步聚焦于知識的生產、轉譯與體驗這三個關鍵任務維度。

（1）知識生產：以演繹、歸納、計算、模擬等思維支持知識生產需求

在數智基礎設施逐步成形的背景下，數字人文類實驗室所依托的演繹、歸納、計算與模擬能力構成了新的知識生產路徑。除了傳統文本分析與經驗歸納方法外，實驗室引入了社會網絡分析、時空建模與多智能體模擬等方法，增強了對復雜社會文化現象的系統解釋能力。如哈佛大學的中國藝術實驗室（CAMLab）運用數字圖像分析與機器學習技術，對

19世紀以來的視覺文化展開大規模統計建模，打破了以往人文學科依賴個案解讀的瓶頸，拓展了面向整體性模式識別的分析視野43]；麥吉爾大學的文化分析實驗室（.txtLab）使用人工智能和自然語言處理技術以闡釋人類思想、描述歷史故事，構建了當代文學數據集、HathiTrust數字圖書館多語言散文小說全集等研究數據集，提供了支持文本計算分析的元數據基礎。此類實踐不僅提升了哲學社會科學中問題建構的能力，也推動了研究范式從描述性解釋向機制性建模的轉變[44]

（2）知識轉譯：以智能計算實現多模態知識之間的轉化與活化表示

知識轉譯是連接信息編碼與解碼環節的橋梁，也是數智基礎設施建設中最具挑戰性的環節之一。面對來自古籍、口述史、音頻影像等多模態文化數據的急劇增長，數字人文類實驗室亟須構建跨模態、跨語境的信息表示系統，以支持語義對齊、結構建模與計算推理的融合應用。面向這一任務，武漢大學文化遺產智能計算實驗室開發了“基于AI的注疏文獻智能化整理與結構化再造系統”與“AI驅動的古籍內容數智活化工作流”。前者結合LLMs與本體工程，實現注疏文本內部知識層級的自動解構與邏輯復原；后者則借助圖像識別與生成算法，對青銅器紋飾、銘文等進行語義編碼與圖譜重建，從而達成文物信息在視覺形態與知識結構之間的可控轉譯。香港中文大學的RadicalIntangibles項目結合具身認知與數字建模的知識轉譯方法，以古代禮儀與傳統武術為研究對象，通過動作捕捉、身體掃描與沉浸式重建，并引入語義標簽機制，探索如何將身體知識這一高度依賴實踐經驗的非語言文化形態轉化為計算可處理的編碼表達[45]。這類知識轉譯研究不僅推動了原始資料的語義活化，也賦予哲學社會科學數據以計算可用性，使\"消逝性知識\"（EphemeralKnowledge）獲得數據形態的再生產與再傳播，為多學科協同研究提供了語義支點。

（3）知識體驗：以數字媒介和體驗劇場滿足用戶的文化知識學習需求

隨著文化消費數字化、沉浸化趨勢日益增強，數字人文類實驗室的知識體驗功能愈發突出，在知識體驗層面承擔起面向公眾的知識交互任務。當前，全球多個實驗室正在構建以沉浸式敘事、交互式可視化和動態模擬推演為特征的知識體驗場景。“數字演繹劇場\"（DigitalDeductionTheatre，DDT）作為一種兼具創造性、專業性和表現力的綜合藝術形式被引人數字人文類實驗室，促進了科學、智能和思維在文化遺產數字智能化復興實驗中的積極應用[4。如加州大學洛杉磯分校的體驗式技術研究中心（ETRC，UCLA）通過3D建模復原古希臘劇場，并借助VR實現虛擬演出，使用戶能夠從視覺、空間與聲音等多通道感知文化敘事場景。這種知識體驗機制作為數智基礎設施中的文化感知接口，突破了文本知識傳播的單一被動路徑，使受眾能夠主動體驗并參與文化敘事，促使哲學社會科學研究成果在教育、展陳、公共文化服務等場景中展現出更強的適應性與感召力。

3.3數字人文類實驗室的四類實驗取向

20世紀下半葉，法國思想家讓·鮑德里亞提出影響深遠的擬真理論（SimulacraTheory），認為現實已逐漸被由圖像、符號和媒介所構成的“擬像”（Simulation）所取代，人類所感知與理解的世界不再基于客觀的真實，而是處于一種看似真實卻實際上虛構的現實，即“超真實”（Hyperreality）環境中[47]。隨著大型語言模型由單模態向多模態的趨勢演進，“真實\"得以被生成、重構，甚至模糊、消解，擬真內容在哲學社會科學研究范式中的嵌入也日益加深。這些現象進一步印證了鮑德里亞的批判，也折射出人機融合的合成社會所引發的深層文化危機[48-49]當真實不再忠于現實，而成為一種從消費和傳播視角對現實所進行的再造時，文科學者該如何定義由媒介、圖像和符號主導的超真實空間以及其所導致的圖像泛濫、媒介操控和消費文化等爭議，都已成為需要納入數智實驗取向考量的關鍵問題。由此，哲學社會科學研究者需要充分剖析和合理運用擬真理論，借助數智技術將思考融人學術基礎設施的建設過程中。以逐步在未來實現“擬真研究環境”為核心愿景，搭建新型組織體系和聚合性承載空間，廣泛開展融合主觀經驗、文獻記錄、普遍理論、實驗數據和智能計算的“擬真實驗”，從而為理解受眾參與擬真世界所產生的認知與行為變化原理提供實證支撐。數字人文類實驗室作為達成擬真實驗的現實空間，也正在積極探索以求真性、可驗證性、可重復性為導向的實驗范式，其總體實驗取向可歸納為以下四類。

一是歷史模擬實驗。此類實驗強調以模型驅動的方式對歷史過程進行再構與推演，其核心在于將傳統歷史敘述轉化為參數化、可交互且可驗證的系統模型。借助時空建模（SpatiotemporalModeling）基于代理的模擬（Agent-BasedModeling，ABM）與事件鏈分析（EventChainAnalysis）等技術手段，歷史模擬實驗支持對歷史事件的多情境復現與機制建構，提升歷史研究的系統性、可證偽性與假設驗證能力，為探討社會歷史規律提供量化支持。

二是文化計算實驗。此類實驗旨在通過語義挖掘、復雜網絡分析等方法，從大規模文化資源中提取文化基因進行特征聚類、相似性計算與演化軌跡建模，并結合可視化手段展現文化元素在傳播過程中的形態變異與語義遷移[32]。文化計算實驗不僅突破了定性方法中主觀解釋的單向性，也為多語種、多符號系統下的文化比較研究提供了技術支撐，是實現數智時代跨文化理解的重要方式。

三是鑒定推理實驗。這類實驗的任務是通過特征提取與歸因推理，解決人文研究中諸如文本作者歸屬、風格演化辨識、文物來源判定等長期依賴專家經驗的復雜問題。哲學社會科學領域的待識別對象往往具有語義歧義、風格混融等特征，鑒定推理實驗構建了具備上下文敏感性與語義可解釋性的模型框架，實現了方法邏輯與學科邏輯的深度融合，推動文科研究在自動化分析與文化深度之間的協同發展，已成為提升解釋力與可信度的重要研究策略。

四是心理行為實驗。這類實驗通過整合腦神經技術、行為追蹤與沉浸式交互系統，探究文化信息與文化意義在用戶感知過程中的認知響應機制，如視覺注意、情緒喚起與記憶加工等。常用觀測維度包括心理測量、行為測量、生理測量等，方法上結合擴展現實技術并嵌人眼動追蹤、腦電圖檢測等設備，以度量用戶在特定文化情境中的交互行為。心理行為實驗賦予了數智學術基礎設施以新的意涵，使其不僅是數據處理裝置，更成為人機交互的新型信息空間，進而回應技術變革下文化認同、審美感知與行為決策等方面的變化。

總體而言，歷史模擬實驗強調基于模型構建的歷史過程再現與機制分析，文化計算實驗聚焦跨模態文化信息的編碼轉譯與算法生成，鑒定推理實驗關注文本溯源與邏輯復原，心理行為實驗則引入認知建模與感知模擬方法，以理解文化情境下的個體與群體行為機制。這四類實驗取向共同構成了哲學社會科學在數智時代從問題提出到過程建模再到結果驗證的實證研究體系，為明晰“超真實”世界的信息生產與再生產機制以及新型社會中的人機交互模式提供了實驗基礎，推動傳統文科研究從經驗闡釋向系統建構的演進。

4加快建設新一代哲學社會科學數智學術基礎設施的倡議

面對數智技術重塑知識形態與學術邏輯的時代浪潮，哲學社會科學如何主動適應并實現轉型，已成為關系學科生命力的重要議題。正如美國學術協會網絡基礎設施委員會早在2006年所指出的那樣，數字時代“絕大多數人類創造性的表達將基于數字而誕生\"[50]。面向人工智能、大數據等技術主導的新時代科研語境，哲學社會科學亟須構建具備自主性與適應性的基礎平臺，以支持其研究范式的系統轉型。為此，本文從以下四個方面提出加快建設新一代哲學社會科學數智基礎設施的倡議。

（1）頂層規劃：推進戰略引領與制度統籌

新一代哲學社會科學數智學術基礎設施的建設，首要任務是強化戰略層面的頂層設計，確立統籌部署路徑。在國家數智技術發展戰略及新文科建設總體布局框架下，應制定涵蓋數智平臺、數據規范與人才培養等內容的系統性政策文件，明確哲學社會科學學術基礎設施建設的任務定位與優先級。同時，構建以教育管理部門、高水平高校與科研機構為核心的多主體協同機制，形成中央統籌、高校牽頭、地方配合、學科聯動的建設格局[34]。此外，建議將文科實驗室搭建納入科研績效評估與學科評價體系，強化基礎設施與科研績效之間的制度耦合效應，為文科研究范式躍遷提供政策支撐和組織保障[42]。

（2）學科、團隊：構建跨域協同的組織形態

數智學術基礎設施的有效運行依賴于跨學科的組織形態與合作機制。應圍繞文科實驗室平臺，打破傳統學科壁壘，圍繞新興議題展開跨學科知識生產，推動社會科學、人文學科與計算科學、數據科學等領域之間的深度協作[2。建設策略上，可區分研究導向型與實驗導向型平臺，基于文化遺產智能計算、社會情境認知模擬等典型領域，構筑具備可持續能力的配套研究系統。同時，建立多學科專家參與的項目評估體系與資源調配機制，確保研究活動與基礎設施之間的功能貫通。在數智基礎設施集群的建設過程中，產學研各界也可以通過隱私增強計算、可信數據空間等技術來實現敏感數據的限定訪問，提升數據資源的合規性與可重用性。

（3）平臺、技術、能力：推進系統開放與方法重塑

哲學社會科學數智學術基礎設施的核心支點是開放的平臺體系與先進的計算能力，二者共同構成支撐新型科研范式的技術中臺。在平臺建設層面，應推動全國范圍內數據存儲中心、智能計算平臺與開放服務平臺的資源共建與算力互聯，提升跨機構、跨地域的信息互操作能力[51]。在技術整合方面，注重擬真思維、量化思維與協同思維在技術嵌入過程中的體現，圍繞哲學社會科學研究活動的通用性工作流，設計滿足研究者在數據采集、存儲、分析、可視化、發布與長期保存等環節需求的技術工具。在能力培養層面，應推動將因果推斷、語義建模、可解釋人工智能與情境仿真等方法體系納人標準實驗流程，通過系統化培訓提高哲學社會科學研究人員的數智素養。

（4）公眾、資源、算力：構建共享互信的知識生態

哲學社會科學的公共屬性決定了其數智學術基礎設施的建設需兼顧專業研究和公眾參與雙重維度。一方面，應以智慧數據資源為抓手，構建具備高語義層級與強互操作能力的研究數據池，滿足研究對結構化、多模態、情境化數據的需求。同時，加強對數據治理的關注，推動實施FAIR、CARE等國際通用的數據治理原則，建立具備語義注釋、版本追溯與隱私防護功能的智慧數據鏈條，以保障基礎設施的可持續運行與可信使用。另一方面，應打造面向多元用戶的開放協作社區、公共知識圖譜平臺、創意工作空間、沉浸式敘事系統與文化演繹劇場，助力產學研各界以及社會公眾參與知識共創與成果傳播。同時，通過搭建文科實驗室與其他科研及社會主體之間共建、共享、互信的知識生態，增強哲學社會科學在公共文化服務、教育傳播與政策支持等領域的制度功能與社會影響力。

5結語

建設面向哲學社會科學的新一代數智學術基礎設施，是當代學術體系變革的關鍵支點，回應了技術演進所帶來的知識生產方式重構挑戰，也體現了哲學社會科學在人工智能時代引領社會認知與價值對齊責任的主動擔當。作為國家教育數字化戰略與學科體系重構的重要組成部分，數智學術基礎設施在推動科研范式變革、服務社會治理創新等方面，既發揮著實證支撐的基礎作用，也體現出學科體系轉型的戰略引導功能。其系統化建設將有助于夯實中國式現代化進程中的哲學社會科學研究根基，并為我國在全球數智化知識譜系建設中提供理論支持與平臺保障。

展望未來，建設數智基礎設施應被視為一項支持長時期、跨機構、多主體參與的系統性工程，而不應局限于單個實驗室的分散探索。在此過程中，需加強基礎平臺之間的數據交換、模型互操作與服務協同，構建聯通性強、可持續演進的整體性研究環境。哲學社會科學研究的發展依賴于數智基礎設施的技術支撐，而數智技術的價值實現亦有賴于人文視角的介入與批判性引導。兩者協同發展，將有望共同拓展知識邊界、深化社會理解，從而促進面向未來的復合型智慧社會知識體系的持續演進。

參考文獻：

[1]OpenAOpenAI'sEconomicBlueprintEB/L].20-05-12].hps：//penaicom/global-fairs/opeaisconomicblu print/.

」明，看力雅動戈凹新 上日能健康及 37908762.htm.

[3]LEONTIDISG.ScienceintheageofAI：Howartificialinteligenceischangingthenatureandmethodofscientificresearch[J].2024.

[4]王曉光，劉越男，張洋.信息資源管理學科專家談《教育強國建設規劃綱要（2024—2035）》（二）：學科機遇與挑戰[J].信 息資源管理學報，2025，15（3）：4-10.

[5]TheNewYorkTmes.AIisPoisedtoRewriteHstoryEB/OL]]25-05-22].htps：//ww.nytimes.com/2025/06/16/againe/ ai-history-historians-scholarship.html.

[6]馬文，陳云松.數智想象力：后米爾斯時代的研究破維[J].探索與爭鳴，2025（3）：130-142，179，2.

[7］陳先才，胡雪兒.整合重構：新文科背景下的社會科學實驗室建設路徑探析[J].山東大學學報（哲學社會科學版）， 2023（2）：185-192.

[8]COMMITTEEUSPSITA.Computational Science：EnsuringAmerica'sCompetitiveness[M].National CoordinationOficefor Information Technology Researchamp;Development，2005.

[9]UnderwodT.Theimpactoflanguage modelsonthehumanitiesandviceversa[J].NatureComputationalScience，225：1-3.

[10]Zhang Z，SongW，LiuP.Makingandinterpreting：digitalhumanitiesasembodiedactionJ].HumanitiesandSocialSciences Communications，2024，11（1）：1-13.

[11]VAN NOORDENR，PERKELJM.AIandscience：what1，60researchers think[J].Nature，2023，621（7980）：672-675.

[12]NOLANA.Artificial intelligence inscience：challenges，opportunitiesand the future of research[J].2024.

[13]GROSSMANI，FEIBERGM，PARKERDC，etal.AIandthe ransformatioofsocialsienceresearchJ].Siene，2， 380（6650）：1108-1109.

[14]PARKJS，BRIENJ，CAICJ，etalGenerativeagents：InteractivesimulacraofhumanbehaviorC/Proceedingsofthe6th annual acm symposium on user interface software and technology.2O23：1-22.

[15]TSVETKOVAM，YASSERIT，PESCETELLIN，etal.AnewsociologyofhumansandmachinesJ].Nature HumanBehaviour， 2024，8（10）：1864-1876.

[16]XuR，SunYRenM，etal.AforsocialsenceandsocialsiencefA：AsrveyJ].IformatioProcessingamp;Maget， 2024，61（3）：103665.

[17]ARGYLELP，BUSBYEC，FULDAN，etal.Outofone，many：Usinglanguage models tosimulate humansamples[J].Political Analysis，2023，31（3）：337-351.

[18]XUR，SUNY，RENM，etal.AIforsocialscienceandsocialscienceofAI：AsurveyJ].InformationProcessingamp;Management，2024，61（3）：103665.

[19]ZHANGYGenerativeAIhasloweredthebiers tocomputationalsocialsienesJ].arXivpreprintarXiv：231083，023.

[20]HAIBE-KISB，ADAMGA，HONYA，talTransparencyandreproducibilityiartificial intellgenceJ]ature，， 586（7829）：E14-E16.

[21]KAPOORS，NARAYANANA.Leakageandthereproducibilitycrisis inmachine-learning-basedscience[J].Paters，023， 4（9）.

[22]RESNIKDB，SHAMOOAE.Reproducibilityndresearch integrityJ].Accountabilityinresearch，017，24（2）：1623.

[23]SAMBAIVANN，KAPANIA S，HGHFILLH，etal.\"Everyonewants todothemodel work，notthedata work\"：Data Cascades in High-Stakes AI[C]/proceedings of the2O21CHIConferenceon Human Factors in Computing Systems.2021：1-15.

[24]GERLICHM.AITolsinSocietyImpactsonCognitiveOfloadingandtheFutureofCriticalTinkingJ].Societies，025，15 （1）：6.

[25]LIN Z.Whyand howtoembraceAIsuch asChatGPTinyouracademiclife[J].Royal SocietyOpen Science，2023，0（8）： 230658.

[26]EDWARPN，JACKSONSJ，OWKERGC，etalUnderstanding infrastructure：Dyamics，tensions，anddesign.7.

[27]高冰潔，姚曉霞.論新時代中國高等教育文獻保障的發展方向[J].大學圖書館學報，2022，40（4）：33-40.

[28]Borgman CL.Big data，litle data，no data：Scholarship in the networked world[M].MITpress，2017.

[29]PARASHAR M，FRIEDLANDER A，GIANCHANDANIE，etal.Transforming science through cyberinfrastructure[J].Communications of the ACM，2022，65（8）：30-32.

[30]BERRYDM，FAGERJORDA.Digitalhumanities：Knowledgeandcritiqueinadigitalage[M].John Wileyamp;Sons，2017.

[31］范煒，曾蕾.AI新時代面向文化遺產活化利用的智慧數據生成路徑探析[J].中國圖書館學報，2024，50（2）：4-29.

[32]王曉光，侯西龍.面向活化利用的文化遺產智慧數據建設論綱[J].信息資源管理學報，2023，13（5）：4-14，43.

[33]王志紅，曹樹金，王連喜，等.萬物互聯時代面向智慧數據的聚合型研究：內涵、途徑及啟示[J].情報科學，2022，40 （12）：28-35.

[34]孟天廣，嚴宇.文科實驗室：數字時代社會科學研究的\"基礎設施\"[J].中國社會科學評價，2024（2）：21-30，157.

[35]于文軒，吳泳釗.文科實驗室建設與公共管理學科發展[J].中國社會科學評價，2024（2）：40-44，158.

[36]ZIEMS C，HELDW，SHAIKHO，etal.Canlargelanguage models transformcomputationalsocial sience？[J].Computational Linguistics，2024，50（1）：237-291.

[37]Das AK.UNESCO recommendationonopenscience：anupcomingmilestone inglobalsciene［J].Science Diplomacy，021， 39.

[38]黨洪莉.社會科學數據的開放與共享：發展現狀、障礙與出路[J].圖書館理論與實踐，2018（5）：70-74.

[39]SIDLOKF，BBERP.ergazatioofinterdisciplnaryesearch：modesriversndariersJInteratioalJoual of Management Reviews，2014，16（2）：194-210.

[40]PAWLICKA-DEGERU.Thelaboratoryturn：exploringdiscourses，landscapes，ndmodelsofhumanitieslabsJ].DigitHumanities Q，2020，14（3）.

[41]程飛亞，趙祥輝.世界一流大學文科實驗室跨學科合作機制的多案例考察[J].高等教育研究，2024，45（11）：97-106.

[42]何宛玲，郭琳.新時代高校文科實驗室的\"三位一體\"建設機制與發展模式思考［J].實驗室研究與探索，2024，43（10）： 234-239.

[43]FYFEP，GEQImage analyticsandthenineteenth-centuryilustratednewspaperJ].JourmalofCulturalAnalytics，018， 3（1）.

[44]張志學，李涵，王聰.數字人文的交叉學科建設之路[J].大學與學科，2022，3（4）：27-39.

[45]Kenderdine，brdLhawJRadicalintangbles：materialzingtehemeralJ]useamp;ociety1，9（2） 272.

[46]WANGX，ZHAOK，ZHANGQ，etalDigitaldeductiontheatre：Anexperimentalmethodologicalframeworkforthedgitalintelligencerevitalisationofcultural heritage[M].Intellgent Computing for Cultural Heritage.Routledge.2O24：203-220.

[47]Baudrillrd J.Simulacres and simulation.Collection Debats[J].Paris：Galilee，1981.

[48]方興東，鐘祥銘.谷登堡時刻：Sora背后信息傳播的范式轉變與變革邏輯[J].現代出版，2024（3）：1-15.

[49]徐帥，陳昌鳳.生成的真實感;Sora的擬真特征與視聽邏輯轉向[J].現代傳播（中國傳媒大學學報），2024，46（12）：76- 86，96.

[50]AMERICAN COUNCIL OF LEARNED SOCIETIES.Our Cultural Commonwealth：the report of the American Council of learnedsocietiescommisiononcyberinfrastructureforthehumanitiesand socialsciences[R].NewYork：American Council of Learned Societies，2006.

[51]MAR.Towardanoenumanitiesdata：Currnttates，hallngesndassM]IntelligentCompuingforulturalHritage. Routledge.2024：3-24.

作者簡介：王曉光，武漢大學信息管理學院、武漢大學文化遺產智能計算實驗室教授，研究方向：數字資產管理、知識組織、智慧數據與數字人文;付靖宜，武漢大學信息管理學院博士研究生，研究方向：數據資源管理、數字人文。