从本体论和认识论的综合角度来思考，电影是一门灵活的艺术形式，它是跨领域的、开放的、值得探索且可以反复思考的。从方法论的角度来揣摩，我们该用何种渠道和方式来靠近、熟悉和分析电影?这些方法和渠道是否一直有效，是否会随着时间的变化而完成自我更新?新的媒介技术会不会影响电影的本质属性以及研究方法的组合和应用?早期西方主流的电影教学和研究是围绕着作者理论(Auteur Theory)而开展的。①作者理论的核心主张是认为电影导演是电影创作的意识主体，这不仅仅是把导演看作是一部电影的唯一“作者”，同时也是一种主要的电影分析手段。也就是说，人们可以通过电影的风格和主题特征来识别电影的创作者，进而理解和赏析电影本身，形成一种系统化的分析方法。到了20世纪60年代后期以及整个70年代和80年代，女性主义、性别理论、意识形态批评、文化研究、结构主义、精神分析等理论的引入使电影研究的内容变得丰富且繁杂多样。90年代以后，伴随着计算机技术的不断进步和推广，许多西方的人文学者在自己的研究项目中试验了各种与计算机技术相关的研究模式，为电影研究提供了新的思路。这时期的计算机技术在电影研究中所起到的作用主要体现在教学和研究的过程中，将电影编辑或拆解成可分析的、高分辨率的单位(例如CD、DVD、Toolbook、Power point、HTML)，用于课堂的演示以及论文的推演和报告。② 科学技术的迅猛发展持续影响着人文学科的研究边界与方法，数字技术在这一变革中的作用变得尤为突出。数字人文(Digital Humanities)又被称为人文计算(Humanities Computing)正是在这样的背景下产生的。严格来说，数字人文的研究与教学发生在数字技术与人文传统的交叉点，其目的是通过再现(representation)与转化(mediation)的新模式捏合数字技术与人文学科，以期产生新的教学和科研类型。数字人文最主要的研究方法是利用计算机输入机制，将文化对象转化成计算机程序可识别和处理的数字代码，最终的计算结果通常以可视的形式表达出来。③究其本质，与其说数字人文是一套特定的文本分析或技术支持，它更像是一种分析文本的方法论。④数字人文的第一波浪潮发生在20世纪90年代和21世纪初期，这一阶段的重点放在开展大规划的数字化项目和建立技术基础设施。⑤在这期间，人文和社会科学领域的学者开始广泛地采用计算机技术和可视化工具。这些被称作“数字人文”的科研项目重点专注于现有学科内部的文本分析，例如分类系统、数字典藏、文本编辑和编码、数据可视化等。在2010年左右发生的是数字人文的第二波浪潮，又被称作“数字人文2.0”。⑥这一阶段的主要趋势是创建特殊的环境和工具，用于生产、展示，并与天生数字化且浸润在各种数字化环境中的新生知识互动互联。与上一个阶段截然不同，“数字人文2.0”探索了全新的学科范式，即混合的方法论以及与印刷文化大相径庭的出版模式。两次浪潮更替的背后代表着以文本编码和分析为基础的研究开始转向多种媒体的研究，包括声音、电影、动画、流媒体、视觉艺术、设计等。⑦在这样的趋势之下，数字人文的方法论逐渐渗入到电影史的研究，尤其是越来越多的电影和媒体的史学家开始使用定量的研究方法和计算机技术来可视化、分析和比较数字化后的档案资源。定量的研究方法和工具，如Cinemetrics和ImagePlot，在推动电影结构和叙事可视化中的作用变得越来越突出。这一发展更是催生了新的研究方法及新的研究方法间的组合运用。传统的以作者理论为主导的定性研究与以计算机技术为主导的定量研究，以及它们背后所代表的不同学科，如艺术学、电影史、电影档案、计算机科学、信息科学，以前所未有的程度交织在一起。但是数字人文的研究方法尚未广泛应用于对电影视觉语言的教学和分析中。 在今天的大多数电影创作中，导演仍旧是将编剧、摄像师、设计师、作曲家等艺术家的作品捏合在一起，确保电影内容与形式的完整性与个性的灵魂人物。以作者理论为依据的定性分析的确可以使研究者一窥电影艺术的“全貌”，但却无法避免主观上的随意性与过度诠释。但在数字人文时代，跨领域的结合和数字技术的支持可以继续拓展电影艺术的“完整性”，成为电影视觉语言分析的一把利器。在传统的人文学科中，“阅读”和解释文本意味着漫长的学术训练及长时间地沉浸在文本之中；数字人文中的“阅读”指的是一种算法模型，某种程度上该模式避开了人们的主观解释，在几乎没有任何假设的前提下，客观地展示出有趣的或重要的结果。⑧因此，数字技术与人文传统的杂交糅合为开展更广更深的数据分析创造了有利的条件，从而揭示以肉眼无法辨识的现象背后的模式和结构。⑨接下来，通过对全球数字人文领域的前沿学者——列夫·曼诺维奇(Lev Manovich)的研究项目及其他相关研究项目的分析，我们将从三个方面来说明，数字人文的研究方法如何丰富现有的电影分析理论与方法。 一、本体层面——图像即数据 韦氏字典将数据(data)定义为反映现实的信息，通常以数字的形式(测量和统计)储存、处理和传播，是推理、论证和计算的基础。它们经常被用在自然科学、金融商业、医学、人口统计、流行病学、政治学等领域。无论是不可见的现象抑或是可见的事物，都可以被转化成科学实验中常见的数据。尽管数据的主要任务是无限地接近“事实”，但是所有参数化信息的分析都取决于研究者创建的角度。换句话说，如何看待、组织和分析数据是合理地解释研究结果的重要前提。那么图像或图片可以被看作一种常见的数据吗?实际上，在社会学的田野调查中，视觉数据(Visual Data)是一种常见的用于定性分析的数据类型，例如照片、视频、广告等，它们要么被当作研究工具用于记录某种现象，要么本身就是能够代表当地人或者时空环境的文化客体，是被研究的对象。那么它们有必要或者能够像自然现象一样被量化吗? 近些年，曼诺维奇的研究团队开展了大量的数字人文项目，通过可视化技术分析不同的文化数据(Cultural Data)，包括社交媒体Instagram、苏联时期的经典电影、时代杂志的封面、漫画的内页、照片、绘画、游戏、广告等，并于2005年创造了文化分析(Cultural Analytics)一词。曼诺维奇将文化分析定义为使用计算机和可视化技术对大量文化数据集和数据流进行的定量分析。⑩文化分析(Cultural Analysis)是人文学科的传统研究方法，但曼诺维奇口中的分析(Analytics)特指的是使用以计算机技术为基础的研究工具和方法，旨在以一种新颖的方式来诠释文化现象、解决文化问题。在这里我们要着重强调的是，图片或图像被当作视觉数据来编码、分析和展现，它们既是文化的载体，同时也是电脑算法中的数据。正如曼诺维奇在2010年“计算机转向会议(Computational Turn Conference)”中所说的，文化分析能够更好地表现文化客体及其演化过程中的复杂性、多样性和独特性，在收集到特定区域和时间的文化数据后，能够创造一个更具包容性的文化史和文化分析。他指出，文化数据可跨越多个类型和尺度，从一个特定文化架构的细部(例如电影中的一个镜头)到一个庞大的文化数据集(例如20世纪所有的英文电影)。(11)6000幅法国印象派画作、100万幅当代艺术作品、20000张MOMA摄影收藏、100万的漫画书页、1300万张Instagram图片、2.65亿张推特图片、1000部电影、654个镜头、167帧等都被转化成了文化数据，或者我们可以更直截了当地说，图像即数据。与科学实验室或田野调查中的工具不同，数据化后的图像被认为是物体、信息或某种现象的再现，是外部世界的真实反映。此外，它还具有传播功能，将研究结果高效地展示给研究同行和公众。(12)
