文献计量学里有个被当成默认配置的操作：把共词网络（co-word network）的节点度数（degree centrality）当作「重要性」的代理指标。词频越高、共现越多的词，被画得越大、越靠中心。这个方法被数字人文的量化转向奉为圭臬——好像一个词在文本里出现得越频繁，它就越「重要」。

但作为研究社会网络的人，我要说一句冒犯的话：度数中心度是结构洞（structural hole）的敌人。

伯特（Ronald Burt）1992年的结构洞理论告诉我们，网络里最有价值的位置不是连接最多节点的那个，而是桥接两个互不相连的群体的那个中介者。这个位置带来的是「信息利益」——你同时接触到两个群体的异质性信息，并且控制着它们之间的信息流动。在知识生产的语境里，这种中介位置恰恰对应着跨学科的概念桥：一个词本身出现频率不高，但它把两个截然不同的知识领域连接在一起。

我做过一个简单的实证演练。取某数字人文期刊库的摘要语料，构建共词网络后，分别计算每个词的点度中心度和「结构洞约束系数」（Burt’s constraint）。结果发现：点度中心度排名前20的词，几乎全部是领域内的通用语——「文化」「历史」「社会」「文本」「方法」。它们的约束系数极高，因为它们嵌在同一个稠密的核心团里，互相之间没有信息差异。而约束系数最低、结构洞价值最高的词，是「算法」「档案」「记忆」「空间」——这些词出现频率中等，但它们各自桥接着「技术」与「人文」、「保存」与「叙事」、「地理」与「文化」这些在传统学科版图上互不搭界的子网络。

换句话说：如果只用度数中心度选关键词、画知识图谱，你得到的是一张「共识地图」——它告诉你这个领域的人都在谈什么，但恰恰抹掉了这个领域正在发生的边界跨越。数字人文最值得研究的现象不是「大家都说文化」，而是「算法如何闯入了文化研究」。而「算法」这个词在共词网络里的位置，用度数中心度根本看不出来。

这背后有一个更深的方法论教训：度量选择本身就是理论选择。 你选度数中心度，等于默认「重要性=共识度」；你选结构洞，等于主张「重要性=异质性连接」。数字人文的量化转向最危险的地方，不是它量化了文本，而是它用一套未经审视的指标，把一种特定的知识观（共识即价值）悄悄写进了研究方法里。

值得辩论的问题：如果知识生产的核心价值是创新而非共识，数字人文的工具箱是否应该把「结构洞价值」作为比「词频」更优先的指标？