Workshop: Digitale Daten

Digitale Daten in den Geisteswissenschaften

Interdisziplinäre Perspektiven für semantische und strukturelle Analysen

Der workshop fand am 28./29. Januar 2016, in der Bayerischen Akademie der Wissenschaften in München statt.

Tagungsbericht auf HSozKult (von Peter Fleer)

Organisatoren

Programm

Donnerstag, der 28. Januar 2016

13:30 Einführung / Vorstellung
Eckhart Arnold, Mark Hengerer, Noah Bubenhofer, Christian Riepl
Korpora
Moderation: Christian Riepl
14:00
14:30 Daniel Knuchel (Deutsches Seminar UZH):„HIV/AIDS diskurslinguistisch – ein multimediales Korpus
15:00 Max Hadersbeck (Centrum für Informations- und Sprachverarbeitung): WittFind
15:30 Susanne Grandmontagne (ITG / Anglistik):NeoCrawler
16:00 Mark Hengerer, Gerhard Schön (Geschichte / ITG): Kaiserhof
16:30 — Kaffeepause —
Natural Language Processing / Suche
Moderation: Guido Drexel
 17:00  Natalia Korchagina (Universität Zürich): Natural language processing for historical documents
17:30
18:30 — gemeinsames Abendessen —

Freitag, der 29. Januar 2016

Visualisierung
Moderation: Harald Klinke
9:30
Noah Bubenhofer, Klaus Rothenhäusler, Danica Pajovic (Universität Zürich): Visualisierungen in den Digital Humanities
10.15
10:45
Tobias Englmeier (ITG / Theaterwissenschaften): Theatrescapes
11:15 Emma Mages (ITG / Romanistik): Audioatlas Siebenbürgisch-Sächsischer Dialekte
11:45 Stephan Lücke (ITG / Romanistik): VerbaAlpina
12:15 — Imbiss an der Akademie —
Crowd
Moderation: Eckhart Arnold
13:00
13:30
Gerhard Schön (ITG / Kunstwissenschaft): Play4Science und Artigo
Schlussdiskussion
14:00
Schlussdiskussion und Verabschiedung
15:00
Ende

-> zurück nach oben

Panelbeschreibungen

Korpora         

Peter Makarov (CL UZH): Towards automated content event analysis: Mining for protest events

(PhD candidate in the POLCON project by Professor Hanspeter Kriesi)

Social scientists often work with structured event data that they extract from news documents. Data are collected manually or with the help of traditional NLP technology (e.g. pattern matching with hand-crafted patterns, statistical classification over bag-of-words document models). As part of a project between political scientists and computational linguists, I aim to learn to which extent state-of-the-art NLP technology can facilitate event data extraction. My work focuses on events from the public protest domain such as strikes, demonstrations, riots, terrorist attacks, on-line campaigns.


Daniel Knuchel (Deutsches Seminar UZH): HIV/AIDS diskurslinguistisch – ein multimediales Korpus

HIV/AIDS war ein zentrales Thema der 80er und frühen 90er Jahre. Doch wie sieht das heute aus, welches Wissen zu HIV/AIDS zirkuliert aktuell in der Öffentlichkeit? Diese Frage stellt den Ausgangspunkt meines diskurslinguistischen Promotionsprojektes dar. Datengrundlage meiner Untersuchung ist hierbei ein selbsterstelltes thematisches Korpus, das drei verschiedene Arten von Daten berücksichtigt: massenmediale Texte (mediale Öffentlichkeit), Texte im Präventionszusammenhang (politische Öffentlichkeit) und individuell-interaktive Texte im Web (individuelle Öffentlichkeit). Fragen, die sich bei der Korpuserstellung stellen, betreffen dabei einerseits die Aussagekraft und Vergleichbarkeit der Daten. Andererseits müssen auch Überlegungen zur Aufbereitung gemacht werden.

Max Hadersbeck (CIS): WittFind

Im Vortrag berichte ich über Erfahrungen und Erkenntnisse der schon seit 4 Jahren im Einsatz befindlichen FinderApp WiTTFind, die mit Hilfe von computerlinguistischen Verfahren den Open Access zugänglichen Teil des Nachlasses von Ludwig Wittgenstein nach Wörtern, Phrasen, Sätzen und semantischen Begriffen im „Zusammenhang des Satzes“ durchsucht. Über eine Weboberfläche können die Nachlassdokumente durchsucht werden und es werden die Suchtreffer zusammen mit dem zugehörigen Faksimileextrakt des Originals im Browser dargestellt. Die Suchmaschineneingabe wird von einer lemmatisierten symmetrischen Vorschlagssuche unterstützt und die Treffer können auch in einem doppelseitigen Faksimile E-Reader, der Edition durchblättert und gefundene Textstellen automatisch visuell hervorhebt, betrachtet werden.

Susanne Grandmontagne (ITG / Anglistik): NeoCrawler

Das System NeoCrawler wurde von 2009 bis 2012 von Susanne Grandmontagne in Kooperation mit der „English Neologisms Research Group – EnerG“, geleitet von Prof. H.-J. Schmid, entwickelt. NeoCrawler entdeckt und überwacht die Verbreitung und Entwicklung von Neologismen im Internet über einen bestimmten Zeitraum hinweg, indem automatisch regelmäßige Suchdurchgänge in wöchentlichen Zeitabständen durchgeführt werden. Alle Ergebnisse werden direkt strukturiert in einer Datenbank abgelegt und für weitere linguistische Analysen vorbereitet. NeoCrawler stellt auch Zeitreihenverlaufsanalysen und eine
Benutzeroberfläche für die manuelle Kategorisierung der erhobenen Daten zur Verfügung.

Mark Hengerer, Gerhard Schön (Geschichte / ITG): Kaiserhof

Eine Prosopographie der Herrschaftselite der Habsburgermonarchie gilt noch immer als Forschungsdesiderat. Die entstehende Datenbank erfasst Erwähnungen von Höflingen aus Hofstaatsverzeichnissen und anderen Quellen, identifiziert diese Personen, unter anderem mit Methoden der Duplikaterkennung (Record Linkage), bietet Verknüpfungen zu Normdateien, weiterführender Literatur und Internetangeboten, so dass die Verwandtschaftsbeziehungen und Wirkungsorte visualisiert und die Lebensläufe quellenübergreifend dargestellt werden können. Ungeachtet dieser Aggregation von Daten soll die innere Ordnung der Quellen im Sinne einer Edition darstellbar bleiben.

Natural Language Processing / Suche

Natalia Korchagina (CL UZH): Natural language processing for historical documents

Time is a crucial dimension in humanities. Historical texts may be rich in temporal expressions. More and more manuscripts are being digitized nowadays, making available a lot of historical data for research. Manual processing is time consuming, thus many temporal facts can be left undiscovered. The goal of my research is to develop a tool for automated extraction of temporal information for historical texts. At the first stage of the project, a manually annotated Gold Standard corpus was created. Based on this corpus, I am training a machine learning system, aiming to overcome difficulties typical for historical texts: high spelling and linguistic variation.

Kyoko Sugisaki (CL UZH): Natural language processing in speziellen Textsorten, z.B. legislative Texte

I will present my PhD work and an on-going project. They are aimed at building automatically annotated high-quality corpora of domain-specific texts, i.e. law texts and treaties. In my talk, I will focus on NLP challenges, in particular, how to overcome sparse in-domain language resources.

Visualisierung

Noah Bubenhofer, Klaus Rothenhäusler, Danica Pajovic (CL UZH): Visualisierungen in den Digital Humanities

Visualisierungen spielen bei der Analyse von Daten nicht nur in den Digital Humanities eine bedeutende Rolle. Sie stellen nicht nur Analyseergebnisse dar, sondern helfen, Daten zu explorieren. Dies wollen wir in unserer Präsentation zeigen – aber auch gängige Visualisierungspraktiken in den Digital Humanities kritisch reflektieren.

Maximilian Schrott, Matthias Reinert (Historische Kommission bei der BAdW): deutsche-biographie.de – ein historisch biografisches Informationssystem. Computerlinguistischer Ansatz und Visualisierung

Das Internetangebot www.deutsche-biographie.de versteht sich als historisch biografisches Informationssystem. Es hat sich seit 2001 beginnend mit der Digitalisierung der gedruckten Bände von Allgemeiner und Neuer Deutsche Biographie (ADB und NDB) und des Registers über die Volltexterfassung und -kodierung sodann den Normdatenabgleich der Personen und Orte sowie zuletzt die Aggregation weiterer zentraler personenbezogener Ressourcen entwickelt.
Es bietet rund 48.000 Lexikonartikel und Informationen zu rund 540.000 Personen mit facettierten und geografischen Sucheinstiegen an. Seit 2012 wurden computerlinguistische Verfahren eingesetzt (Modellierung lokaler Grammatiken), um interpersonale Relationen zu erkennen und zu kodieren.
Mit Heuristiken wurde begonnen, die Personennamen zu disambiguieren. Die identifizierten Relationen werden mittels D3.js egobasiert visualisiert, sind expandier- und filterbar.

Tobias Englmeier (ITG / Theaterwissenschaften): Theatrescapes

Die immer größer werdenden Datenbestände, die auch im Feld der DH zunehmend im Begriff sind zu entstehen, können oft nur mit Techniken der Informationsvisualisierung erfasst und für ihre Nutzer interpretierbar gemacht werden. In meiner Präsentation möchte ich anhand interaktiver Kartendarstellungen aus dem Projekt Theatrescapes. Mapping Global Theatre Histories aufzeigen, wie technische Hürden bei der Georeferenzierung von großen Datenbeständen unter Verwendung von WebGL und der Google Maps Api bewältigt werden können.

Emma Mages (ITG / Romanistik): Audioatlas Siebenbürgisch-Sächsischer Dialekte

Der ASD ist ein interaktiver Online-Atlas mit Anbindung an eine relationale Datenbank. Er erschließt umfangreiche Audiodokumentationen deutscher Ortsdialekte Siebenbürgens und der Marmarosch in Transkription und Audioaufnahmen. Vorgestellt werden die Visualisierungstools des ASD, die verschiedene Kartierungen, Diagramme und eine Matrix umfassen.

Stephan Lücke (ITG / Romanistik): VerbaAlpina

Das seit 2014 DFG-geförderte Langfristvorhaben VerbaAlpina (http://www.verba-alpina.gwi.uni-muenchen.de/; http://gepris.dfg.de/gepris/projekt/253900505) befasst sich mit den im Alpenraum gesprochenen Sprachen vor dem Hintergrund weitgehender naturräumlicher und – bis zu einem gewissen Grad auch – kultureller Homogenität. VerbaAlpina ist im Wesentlichen lexikalisch ausgerichtet und fokussiert auf der Wechselbeziehung zwischen Wörtern und den von ihnen bezeichneten Konzepten in reziproker (onomasiologischer und semasiologischer) Perspektive. Durch den Sprach- und politische Grenzen überschreitenden Ansatz einerseits, sowie durch die Einbindung außersprachlicher Daten andererseits werden erstmals nicht nur sprachliche, sondern auch ethnographische, historische und politische Zusammenhänge sowie entsprechende Wechselwirkungen in synoptischer Darstellung sichtbar und verständlich. Als zentrales Visualisierungsinstrument dient eine interaktive Online-Karte, die die weitgehend beliebige Kombination von den in einer MySQL-Datenbank gespeicherten Projektdaten erlaubt. Diese Karte fungiert gleichermaßen als Analyse- und Publikationswerkzeug. Neben der Retrodigitalisierung bereits publizierter Daten enthält VerbaAlpina auch eine Crowd-Sourcing-Komponente, mit Hilfe derer Dateninkonsistenzen ausgeglichen bzw. korrigiert werden können.

Crowd

Simon Clematide (CL UZH): Text+Berg – 150 Jahre alpinistische Texte: OCR-Fehler, Crowd Correction

Crowdsourcing approaches for post-correction of OCR output (Optical Character Recognition) have been successfully applied to several historic text collections. We report on our crowd-correction platform Kokos, which we built to improve the OCR quality of the digitized yearbooks of the Swiss Alpine Club (SAC) from the 19th century. This multilingual heritage corpus consists of Alpine texts mainly written in German and French, all typeset in Antiqua font. Finding and engaging volunteers for correcting large amounts of pages into high quality text requires a carefully designed user interface, an easytouse workflow, and continuous efforts for keeping the participants motivated.

Gerhard Schön (ITG / Kunstwissenschaft): Play4Science und Artigo

Die Verschlagwortung von Bilddatenbanken stellt eine der klassischen Anwendungen von Crowdsourcing dar. Während sich die Mitspieler durch Punktevergabe und Ranglisten motivieren lassen und die Richtigkeit der Eingaben an übereinstimmenden Mehrfachnennungen erkennbar ist, zeigt sich doch eine Tendenz zur Vergabe von Trivialbegriffen. Als eine der Erweiterungen von Artigo entstand daher in der Förderphase des DFG Projektes »Play for Science« das Modul Karido zur Erhebung von Alleinstellungsmerkmalen, die inmitten eines Feldes gleichlautend verschlagworteter Referenzbilder jedes ausgewählte Einzelbild treffend beschreiben.

-> zurück nach oben

Anmeldung

Um die Anzahl der Teilnehmer abzuschätzen, bitten wir darum, sich mit einer kurzen Email (z.B. einfach „Ich nehme Teil“ im Header) an: digitalisierung@badw.de anzumelden.

-> zurück nach oben

Anfahrt

Bayerische Akademie der Wissenschaften
Alfons-Gopple-Str. 11
80539 München

Die Bayerische Akademie der Wissenschaften lässt sich am besten von der U-Bahn-Station „Odeonsplatz“ (U3, U4, U5 und U6) erreichen.

Wegskizze: Vom Odeonsplatz zum Eingang der Bayerischen Akademie der Wissenschaften

-> zurück nach oben

4 Gedanken zu „Workshop: Digitale Daten

  1. Pingback: Tagungsbericht zum Workshop „Digitale Daten“ |

Schreibe einen Kommentar zu Amsalu T. ALEMU Antworten abbrechen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.