當前，科學資料在科學研究中的作用日益顯著，資料密集型知識發現方法受到科學界的普遍關注：科學家不僅通過對大量資料實時、動態地監測與分析來解決科學問題，更基於資料來思考、設計和實施科學研究。資料不僅是科學研究的結果，且成為科學研究的基礎；人們不僅關心資料建模、描述、組織、儲存、訪問、分析、複用和建立科學資料基礎設施，更關心如何利用泛在網路及其內在的互動性、開放性，利用海量資料的可知識物件化、可計算化，構造基於資料的、開放協同的研究與創新模式。在人文社會科學領域，以“人文計算”、複雜網路分析、大規模資料分析為特徵的研究方法逐漸被採納，人文社會科學的“科學性”顯著增強，而批判性與人文關懷有所弱化，學界對此褒貶不一。
人文社會科學研究的資料挑戰
其一，科研資料總量的快速增加給人文社會科學學者帶來了巨大挑戰。2006年，Gregory Crane提出，當前人文社會科學研究者在自身研究領域都面臨大量文獻資料的處理，這些文獻資料的數量已經大大超越了傳統閱讀能力所能處理的範疇，因而人文社會科學學者也將不得不借助計算機來處理完成相關文獻資料，即“百萬圖書的挑戰（Million Books Challenge）”問題。隨著跨學科研究趨勢的日益增強，傳統人文科學和社會科學領域引入了大量的計算機處理模式和分析方法，各類依託計算機儲存媒介數字學術資源的開發，基於複雜運算和分析的計算機模擬與實證，基於事實與證據的商業預測與案件證據推理等研究議題廣泛興起，從根本上改變了人文知識的獲取、標註、比較、取樣、闡釋與表現方式。尤其在語言學、文學、歷史學、文藝學、民族學等多個人文領域取得了引人注目的效果，並組建了專門的科研機構，形成了國際數字人文機構聯盟和數字人文中心網路兩大數字人文研究聯盟。
資料圖片
其二，資料的數字化改變了傳統人文社會科學的資料型別，數字資源的採集、加工和處理對研究成果的獲得作用日益顯著。目前，海量的圖書、報紙、期刊、照片、繪本、樂曲、視訊等人文資料被數字化，並在網際網路上被提供給研究者存取利用。而以“大資料”為代表的資料資源相對於數字文字、數字文獻等數字資訊資源，來源更加廣泛，資料粒度更小，記錄單元更加碎片化，結構更加多元化，機器生成資料也顯著多於人工生成資料，資訊質量參差不齊，對資料的彙集、儲存和綜合利用更加依賴計算機的輔助，人文社會科學也越來越需要依賴計算機對研究過程的支撐，傳統人文社會科學學者對計算機技術和分析技巧的缺失甚至可能影響人文社會科學研究的最終實現，進而將計算機分析處理能力延伸為人文社會科學研究者科研素養的重要組成部分。
大資料與人文社會科學研究新思維
從當前數字人文和人文大資料研究情況看，人文及社會計算方法與人文社會科學研究的融合出現了三類新的研究思維：
其一，人文社會科學開放與全過程研究思維。以往人文社會科學研究成果的表現形式為最終成果，再利用主要以文獻引用、轉述和評論等為主。而數字人文研究可記錄人文社會科學研究的完整過程，資源化的原始資料、中間成果得以立體化應用，再利用水平顯著提升。目前，國外以線上實驗室、專案網站、開放資料集、專案論壇、專案社會網路為特徵的立體開放研究思維普遍確立，可參與性大大增強。
其二，人文社會科學碎片化重組研究思維。大資料環境下，人文社會科學研究更加註重片段資料、海量資料、非結構化資料的採集、清洗與分析，通過碎片化重組，深度揭示難以處理或無法預知的科學問題。比如通過海量自然語言表達效果觀測公眾的政治參與意識、通過科學家的線上時間與資源下載時間分佈研究科學家的作息時間與工作強度等。
其三，人文社會科學計算分析研究思維。以往人文社會科學研究定性研究居多，定量研究也主張採用是非論斷，採納或拒絕某一特定假設，是採用確定性、因果關係的研究思維。在大資料環境下，人文社會科學研究可採用計算分析思維，對相關命題進行趨勢分析。
此外，在上述研究思維體系下，跨學科協作、跨平臺協作、海量資料加工以及人文社會科學的計算化趨勢日益明顯，並湧現出若干研究取向與熱點問題。
人文社會科學大資料研究的基本特徵
綜合已有的研究，人文社會科學的大資料研究具有如下基本特徵：
一是所涉及資料均大大超過一般的閱讀、分析和理解所能處理的範疇，是以往“不可研究”或“難以研究”的，大資料分析方法的出現提供了人文社會科學研究新的研究空間，提供了新的研究可能。
二是一般引入計算分析方法，其結論並非觀察、思索、領悟等傳統方法獲得，而是通過大量資料的彙集而“自動湧現”，其理論的獲得不同於傳統人文社會科學研究。
三是均構建了可持續完善和豐富的資料集和分析工具，其可用性、共享性、重用性、協作性大大增強，提供了人文社會科學學者大規模協作的可能。
四是均具有跨學科特徵。數字人文研究需要彙集專業領域技能、資料管理技能、資料分析技能和專案協作技能，因而這類專案往往由跨度較大的不同學科的專業學者共同完成。
五是決定研究質量的主要是資料集的質量、數量和利用方式，而研究假設相對容易。在某種程度上，資料科學家將成為人文社會科學大資料研究中的主角。
人文社會科學大資料研究的隱憂
雖然以微軟、谷歌、IBM為代表的主流資料服務商都極力推崇數字化人文社會科學研究的美好前景，但其也存在不足：
首先，非場景化的研究邏輯缺乏適用性與人文關懷。由於完全剝離了資料所處的具體環境，資料可能生澀，並且缺乏可理解性和適用性。比如商業分析中的資料探勘，其可用性僅10%左右，並非“一挖就靈”。2012年，加拿大作家史蒂芬·馬爾什在其文章《文學不是資料：反對數字人文》中也表示，將文學當作資料會失去文學本身豐富的意蘊。
其次，人文社會科學的大資料研究有可能“敏銳地”發現問題，卻無法給問題合理的解釋，也無法給出有針對性的對策，限制了其應用範圍。比如輿情分析、政策計算、情感計算的應用。
再次，資料分析的叢集研究會消滅重要的個體特徵，而個體反而是眾多人文社會科學研究關注的焦點。
最後，人文社會科學大資料研究過分關注技術分析，可能忽視創新思維和思辨分析，不利於大師級人文社會科學學者的培養。
總之，隨著人文社會科學資料的快速增長以及大資料分析技術的日益完善，人文社會科學的大資料研究必然會成為人文社會科學的主流領域，但不會替代現有的人文社會科學研究，而是相互補充，相得益彰。
（孫建軍 作者為國家社科基金重大專案“面向學科領域的網路資訊資源深度聚合與服務研究”首席專家、南京大學教授）