(4)技能的結合，諸如對編程與批評分析的同時運用， 這最後一點也許是最重要的，因為這對真正富有革新性的數字人文項目提出了新的技能要求，諸如學習像Python或 R 語言等編程方面的知識，或者對統計學的高階掌握， 技術問題也是核心問題，我們在將來的幾期中也會再多次回到這個問題上來，這一點也說明了數字人文本質上是一項互相協作性質的、跨學科的事業。

今天，大多數數字人文項目在某種程度上可以說是協作完成的，而且其中一些項目甚至是由專家合作的復雜網絡組成的，其中包括了圖書館員、計算機科學家、統計學家、文學和歷史學者，不管多麽準確地界定數字人文，有兩種趨勢正日益明顯， 第一種趨勢是從小型手動輸入的數據庫向真正的“大數據”項目轉化，大數據庫⑤中通常包括了幾十萬———如果不是幾百萬的話———的文本量，而且計算機分析要求超級計算機的能力， 這一類“按比例激增”的數字人文為人文研究帶來了新的挑戰。

諸如一個大型專家團隊中勞動的分工與合作，更不要說所涉及的主要的機構性資源和財政來源問題了，這也為證明這種研究工作的合法性帶來了新的壓力， 第二種趨勢是降低使用電腦分析文本的技術門檻， 之前以電腦分析為基礎的準備工作令人生畏，為了分析文本，需要處理數據庫，然後為其編寫代碼，

在今天，人們可以使用一系列已經發展成熟的分析工具， 一些工具可以從源網站上下載， 諸如 Ｔｅｘｔ Ａｎａｌｙｓｉｓ Ｐｏｒｔａｌ ｆｏｒ Ｒｅｓｅａｒｃｈ(TAPoR) ⑥，或者 Ｓofｔｗａｒｅ Ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｒ ｔｈｅ Ａｄｖａｎｃｅｍｅｎｔ of Ｓｃｈｏｌａｒｌｙ Ｒｅｓｅａｒｃｈ (SEASR)⑦。


還有一些免費但十分強大的應用，諸如Machine Learning for LanguagE Toolkit (Mallet) ①，以及那些神奇的網絡可視化應用，Gephi ②，等等， 這些工具讓人們對數據庫的使用大大超出了基礎的“搜索”功能，它們正日漸成熟並可以植入使用者的界面中去，那麽，數字人文的方法究竟為文學或文化研究帶來了什麽? 馬修·約克斯教授曾經簡潔地勾畫出數字人文為文學研究帶來的可能貢獻或洞見，包括對以下材料的分析能力: