事实上，文本分析、数据可视化、社会网络分析、回归分析和因果分析等方法和工具在社会科学，尤其是政治学、社会学、计量史学中已经应用得越来越广泛，而在人文学科，尤其是文学研究中的应用才刚刚起步，还有很大的发展空间和应用潜力。对于大部分文学研究者来说，运用这些跨学科方法的瓶颈更多地停留在技术层面。本书并不是介绍大数据方法的专业书籍。由于篇幅有限，本章不能很详尽地介绍很多技术细节。本章围绕书中的核心议题，展开介绍了能够回答这个理论问题的新的视角：“数字人文”。“数字人文”是一个利用现代统计学、数据科学、计算机等技术进行人文学科研究的跨学科方向。通过一个对文学和社会互动关系研究的具体案例，本章展示了广义的大数据方法在人文学科尤其是文学研究中的应用前景和潜力。广义的大数据方法在文学研究中具体包括了数据搜集、处理和展示这三个方面。具体研究案例的介绍也给了我们关于“数字人文”研究一般性的启发。首先，在研究中需要将一般性的文学理论和本土化的具体问题相结合。其次，要注意到“数字人文”是跨学科的，需要多学科的合作。同时，“数字人文”的研究以文学理论为基础，辅以数据分析的方法加强研究的科学性和提供更严格的证据，不可本末倒置。此外，还值得注意的是，“数字人文”的研究更有利于直接回答“实证性”的问题，但同时也对“规范性”的问题有间接的启发。
希望通过这一章的介绍展示出回答本书核心问题以及其他相关文学问题的新的工具和视角。正如本章反复强调的，未来“数字人文”的研究，不仅仅需要人文领域的学者积极地参与，更需要跨学科的交流与合作。若是一个计算机科学家、统计学家或社会科学家对一个与文学或文论相关的问题感兴趣，他可能需要更多地向文学研究的学者学习相关的理论体系，或者通过寻求合作的办法进行研究。同时，文学研究的学者们也可以适当地主动接触和了解一些新的方法和工具，或是在掌握了新方法之后，通过跨学科的合作，创造性地进行“数字人文”相关的研究，推动文学和人文研究的发展。也正是在这个过程中，如前所述的文论的特殊性和本体性质才能得到最大程度的挖掘。
[1] 孟天广、郭凤林：《大数据政治学：新信息时代的政治现象及其探析路径》，载《国外理论动态》，2015（1）。
[2] 高阳：《中国数据挖掘研究进展》，载《南京大学学报（自然科学版）》，2011（4）。
[3] 具体细节可参见黄宜华：《大数据机器学习系统研究进展》，载《大数据》，2015（1）；陈康、向勇、喻超：《大数据时代机器学习的新趋势》，载《电信科学》，2012（12）；何清、李宁、罗文娟、史忠植：《大数据下的机器学习算法综述》，载《模式识别与人工智能》，2014（4）。
[4] 关于弗朗科·莫瑞狄（FrancoMoretti）的具体学术主张，可参见吴雨平、方汉文：《“新文学进化论”与世界文学史观——评美国“重构派”莫莱蒂教授的学说》，载《文艺理论研究》，2013（5）；陈晓辉：《大数据时代的文学研究方法——基于弗兰克·莫莱蒂文学定量分析法的考察》，载《文艺理论研究》，2016（2）。关于马修·威尔肯斯（MatthewWilkens）的具体学术主张，可参见[美]霍伊特·朗，苏真撰：《文学模式识别：文本细读与机器学习之间的现代主义》，林懿译，载《山东社会科学》，2016（11）。
[5] 参见[美]霍伊特·朗、[英]苏真撰：《文学模式识别：文本细读与机器学习之间的现代主义》，林懿译，载《山东社会科学》，2016（11）。
