生成式AI介入史料释读的“语义漂移”风险与历史语文学的回击方案.docxVIP

PAGE2

生成式AI介入史料释读的“语义漂移”风险与历史语文学的回击方案

摘要

随着生成式人工智能技术的迅猛发展，大语言模型在古文字识别与近代报刊史料释读中的应用日益广泛，推动了数字人文研究的范式转型。然而，这一技术介入并非全然客观，其基于现代语料训练的模型架构在处理历史文本时，极易产生“语义漂移”现象，即以当代语义强行覆盖历史语境，导致史料解读的时代错置。本文聚焦于生成式AI介入史料释读过程中的语义误读机制，深入剖析其背后的技术逻辑与史学认识论矛盾。

研究首先梳理了数字史学中技术应用的理论脉络，指出当前研究多侧重于工具效率而忽视解释学风险。继而，本文以古文OCR识别与近代报刊语义分析为例，揭示了AI模型在处理“经济”、“民主”等历时性概念时的语义置换机制。在此基础上，本文构建了包含“对齐校验”、“术语历时标注”与“抽样细读”的三维纠偏框架。通过对语义漂移现象的理论解析与机制阐释，本文提出了一种融合历史语文学严谨性与AI算力的混合研究路径。研究结论表明，唯有在技术流程中嵌入历史语言学的深度审视，方能有效规避“现代性预设”的陷阱，实现数字人文语境下史料释读的客观性与准确性。

第一章绪论

1.1研究背景

在数字化浪潮的推动下，历史学研究正经历着从传统文献整理向数字人文研究的深刻转型。浩如烟海的古籍与近代报刊通过OCR（光学字符识别）技术被转化为机器可读文本，极大地拓展了史料