Archiv des Autors: Georg Vogeler

Informationsvisualisierungen

Um einmal einen anderen Blickwinkel zu bekommen, hat Lukas Schweighofer diese Einheit zusammengefasst. In der letzten Einheit der Vorlesung beschäftigten wir uns wieder mit der Visualisierung. Wie kann man Informationen visualisieren?

Mit dieser grundlegenden Frage beschäftigten wir uns am Anfang der Sitzung, bei der es um eines der coolsten Tools aus der digitalen Werkstatt ging – der Visualisierung.

Die erste Möglichkeit, wie dies geht, ist heute durchaus gängig geworden – mittels einer Graphik. Diese kann auf unterschiedliche Weise die darzustellende Information vermitteln (mit Punkten, Linien, Formen oder unterschiedlichen Farben). Solche Graphiken können mehrdimensional sein und Beziehungen abbilden. Dieser Aspekt ist besonders wichtig, weil durch den Aufbau einer Graphik – anders als beim geschriebenen Text – vielfälgite Beziehungen deutlich werden können. Graphiken müssen nicht unbedingt nur numerisch sein, um Aussagekraft zu haben, wie wir noch sehen werden.

Eine zweite Möglichkeit zur Informationsvisualisierung bietet eine Wortwolke. Eine Wortwolke arbeitet direkt mit dem Text und stellt die Beziehung der im Text vorkommenden Wörter zueinander oder zum Text selber visualisiert (meistens nach Worthäufigkeit geordnet) dar. Dabei kann die Anordnung nach Größe oder Farbe geordnet sein. Der ästhetische Effekt wird etwa durch einen angedeuteten Kreis hervorgerufen. Willst du es versuchen? http://www.wordle.net

Eine dritte und bei den „Digital Humanities“ sehr populäre Möglichkeit ist es, ein Netzwerk zu gestalten. Dies passiert z.B. mittels einer Software wie etwa Gephi (https://gephi.org). Bei einem Netzwerk werden die Zahlen in den Hintergrund gerückt und der Fokus wird auf die (sozialen) Beziehungen gelegt. Netzwerke bestehen aus Kanten und Knoten, die auf verschiedene Weisen vernetzt werden können – je nachdem, was hervorgehoben werden soll. Ein wichtiger Begriff lautet Zentralität, bei der in einem Netzwerk jener Akteur eine besonders hohe Zentralität hat, zu dem oder aus dem besonders viele Verbindungen führen. Seine Wichtigkeit im gesamten Netzwerk lässt weitere Kriterien ableiten, etwa seine Rolle als Vermittler, der über die Möglichkeit verfügt, die meisten anderen Akteure direkt oder indirekt durch seine verbreiteten Beziehungen zu erreichen. Um einen Zentralitätsgrad zu erlangen, muss man also nicht notwendig im Zentrum des Netzwerks stehen.

Netzwerke können auch dynamisch sein, in dem man sie in eine Video-Animation verwandelt. Außerdem lässt sich damit eine große Menge an komplexen Datenmengen relativ klar darstellen. Wichtig ist aber immer, dass man ein Netzwerk so übersichtlich wie möglich macht – und das gelingt bei vielen Akteuren nicht immer.

Dann haben wir uns noch über zwei wichtige Unterthemen der Informationsvisualisierung unterhalten: GIS und 3D Rekonstruktion. Geoinformationssysteme ermöglichen, die geographische Verortung von visualisierten Plätzen und dazugehörigen Informationen auf eine Karte dank der Eingabe von geographischen Koordinaten (Georeferenzierung). Ihr Mehrwert für die/den HistorikerIn besteht in der Verbindung von zwei historischen Kategorien: die Zeit und der Raum. Eine Herausforderung besteht bei der Arbeit mit historischen Karten und Orten, die früher einen anderen Namen hatten. Eine Hilfe kann die Webseite http://www.geonames.org sein, auf der sowohl alternative Ortsbezeichnungen als auch ihre Koordinaten stehen.

Heutzutage ist auch eine 3D Rekonstruktion von historischen Gebäuden oder Artefakten möglich. Anhand von Statuen aus der Antike kann etwa gezeigt werden, wie diese in einer römischen Stadt je nach Aufstellung bei wichtigen Gebäuden wahrgenommen werden konnten. Zugleich lässt die Visualisierung in einem Computerprogramm den Spielraum für alternative Lösungen bei der Anordnung der gewählten Objekte im historischen Raum.

Diese Möglichkeiten hätte man mit einer reinen Textform nicht berücksichtigen und realisieren können. Wir lernten, dass das Visualisierungsangebot die Arbeit des Historikers nicht nur attraktiver, sondern auch effektiver machen kann und den Weg zu neuen Erkenntnissen öffnet, die sonst, ohne digitale Tools verborgen bleiben würden.

Lukas Schweighofer

Informationsrückgewinnung

Suchmaschinen arbeiten nach einem ganz logischen Prinzip.

crawling“ ist eine Software, die eine website ausliest und dann mit allen darin vorkommenden Links weitermacht. Wenn eine website also von nirgendwoher verlinkt ist, dann wird diese auch nicht von den Suchmaschinen gefunden.

Indexierung“ hilft dabei, eine Webseite schnell auffindbar zu machen, indem man sie nach Suchkriterien geordnet abspeichert. Dabei gibt es zwei verschiedene Möglichkeiten, einmal durch die Ordnung nach den einzelnen Wörtern des Volltext und einmal durch eine Ordnung von beschreibenden Metadaten. Für die Indexierung muss das Dokument identifizierbar sein, damit die Liste der Erschließungsinformationen auf das Dokument verweisen kann. Als Erschließungsinformationen können im die Metadaten, Wörter im Text und Verlinkung verwendet werden.

Zur Volltextsuche ist es nötig, dass Wörter effizient auffindbar sind. Das Grundkonzept hierbei liegt darin, dass das Auffinden schneller geht, wenn man in der Mitte einer Liste zum Suchen beginnt. Hierfür ist der b-tree (der binäre Baum) ein gutes Beispiel; denn alle Wege sind von der Wurzel aus zu den Blättern gleich lang. Also bei einer Zahlenreihe nimmt man die mittlere Zahl und differenziert dann immer ob die anderen Zahlen größer oder kleiner sind.

Die Gewichtung von Treffern in der Ergebnisliste einer Suche wird auch ranking genannt. Dabei können z.B. untersucht die relative Worthäufigkeit (TF) und die inverse Dokumentenhäufigkeit (IDF) untersucht werden. Bei der Gewichtung von Dokumenten kann die Vertrauenswürdigkeit der Quelle (beispielsweise die/der AutorIn), oder auch automatische Kriterien angewendet werden (wie häufig wird die Quelle verlinkt, Verzeichnistiefe, …).

Suchsyntax kann Boolescher Operatoren zulasen. Dieser verwendet bei der Suche die Worte „UND“, „ODER“ und NICHT und führt somit zu gezielteren Suchergebnissen. Sie sind z.B. bei der Volltextsuche mit Lucene verwendbar. Diese Software hilft zusätzlich dabei, bessere Suchergebnisse zu erzielen, in dem man Anführungszeichen verwenden, wenn Phrasen gesucht werden, oder durch einen Stern (*) kann ein Suchbegriff „trunkierT“ werden kann.

Precision/Recall beschreibt die Trefferquote und die Genauigkeit/Relevanz des gesuchten Ergebnisses im Vergleich mit der Suche. Als zusammengefasstes Genauigkeitsmaß kann man ein gewichtetes harmonisches Mittel von Genauigkeit und Trefferquote (also 2*(precision*recall)/(precision*recall)).

Bei der Bildersuche hilft „content based image retrieval“. Hierbei wird das Bild mithilfe der vorkommenden Farben, der Gleichmäßigkeit der Textur sowie der zuerkennenden Formen untersucht. Dieses tool kommt beispielsweise bei google image oder Bavarikon (http://bavarikon.de/imagesimilarity) zum Einsatz.

Klara Klambauer

Digitalisierung – von der physischen in die digitale Welt

Wenn man digital arbeiten möchte, muß man physische Objekte digitalisieren. Dabei sollte man versuchen, das Original möglichst nicht zu beschädigen, wofür eigene Apparaturen gebaut worden sind.

Bei der Digitalisierung von Quellen mit Bildern sind die Basisparameter zu beachten:

  • „Auflösung“, Punktdichte („dpi“)
  • Farbtiefe
  • Farbräume, z.B.: RGB (Rot, Grün, Blau)

Beim Verhältnis von Bild und Wirklichkeit kommt es auf unterschiedliche Kriterien an. Diese sind zum Beispiel der Weißabgleich, der Farbkeil (es existiert ein normiertes Bild von Farben, um die „Echtfarben“ der Digitalisierungen zu berechnen) und der Maßstab (ebenfalls ein normiertes Lineal, um die Größe des Objektes zu berechnen). Die beiden letztgenannten normierten Hilfsmittel können z.B. von Kodak gekauft werden.

Bilder können in verschiedenen Dateiformaten gespeichert werden, z.B.

  • FITS (Flexible Image Transport System): 1981 entwickelt, Version 3.0 erschien 2008; es ist eine 48bit Farbtiefe möglich; es können auch Koordinaten gespeichert werden
  • JPEG: ganz schlecht geeignet für die Langzeitarchivierung, weil es eine verlustbehaftete Kompression verwendet, die man als Mensch nur sieht, wenn man das Bild vergrößert.

Die Praxisregeln der Digitalisierung erklären, wie man gut digitalisiert. Dabei kann man sich folgende Mindestregeln merken:

  1. Auflösung
    1. Mindestens 300 dpi (bezogen auf das Original, also bei Dias z.b. deutlich mehr)
    2. = Auflösungsvermögen des menschlichen Auges bei deutlicher Sehweite
  2. Farbtiefe
    1. Höchstmögliche Farbdifferenzierung in heute gängigen Anzeigegeräten
    2. = 24bit
  3. Technik
    1. Bildrauschen, Beleuchtung, Hintergrundränder,…
  4. Formate: Für die Vorverarbeitung RAW (Herstellerabhängig), Für die Speicherung TIFF baseline,…
  5. Metadaten: XML (METS, LIDO, EAD),…

Der nächste Schritt ist, Texte zu digitalisieren. Hier gibt es unterschiedliche Vorgangsweisen. Bei einer solchen „OCR“ („Online Character Recognition“) wird das Originalbild in verschiedenen Zwischenschritten vorverarbeitet, bevor die Software überhaupt über den eigentlichen Inhalt des Textes „nachdenkt“. Zunächst misst er die Bilder der Originalbuchstaben aus, dann ordnet diese Messungen als Eigenschaften, um den dazu passenden Buchstaben zu finden. Es passieren aber sehr viele Fehler, deswegen lernt der Computer ein bißchen deutsch. Dann fällt es ihm leichter, die Buchstaben zu erkennen.

Man kann Texte aber auch einfach abschreiben. Dazu gibt es beispielsweise „T-Pen“ (t-pen.org), das ist eine Transkriptionssoftware, die Menschen beim transkribieren helfen kann. „Double Keying“ ist ein Verfahren kommerzieller Transkriptionsdienstleister, welches zweimal unabhängig voneinander transkribiert; und die Abweichungen der beiden Transkriptionen kontrolliert.

Klara Klambauer

Digitale Bibliothek

Jetzt haben wir die Modellierung hinter uns gelassen und widmen uns der digitalen Bibliothek. Vier wichtige Begriffe gleich vorweg:

  1. Forschungsdaten: Dieser Begriff kommt von den Natur- und Sozialwissenschaften. Es sind die Daten die im Forschungsprozess entstehen und systematisch genutzt werden gemeint (z.B.: Befragungsdaten). Diese Daten lassen sich auch von der Quelle trennen, denn der Zustand der Daten ist unabhängig von der Art und dem Ort der Quelle. Primärdaten sind der Zwischenschritt zwischen der Quelle und dem Ergebnis.

Es gibt den „Data Management Plan“, dieser gibt Informationen zum Inhalt, den Formaten und den Metadaten. Auch stellt er die Regeln für den Zugriff, das Teilen und der Nachnutzung auf. Außerdem sorgt er für die Langzeitsicherung und das Budget.

  1. Repositorium: Dieser Begriff meint die Speicherung von Daten. und die Software zur Verwaltung von und den Onlinezugang zu digitalen Produkten wissenschaftlicher Arbeit (z.B.: DSpace, FEDORA Commons). Es existieren auch institutionelle Repositorien wie zum Beispiel Phaidra der Universitätsbibliothek der Uni Wien oder GAMS der Uni Graz.
  2. Digitale Bibliothek: Hier wird ein Zugang zu wissenschaftlicher Produktion ermöglicht. Im Vordergrund steht der Fokus auf Publikationen und deren Erschließung. Es geht hierbei auch um Bibliotheken und ihre digitalen Angebote, sowie Projekte zu den Katalogen in digitalen Ressourcen (www.deutsche-digitale-bibliothek.de).
  3. Digitales Archiv: Im digitalen Archiv werden Primärquellen erschlossen. Der Fokus liegt auf der Erhaltung. Es wird gesammeltes und digitalesPrimärmaterial von ForscherInnen und Institutionen gespeichert.

 

Das soziotechnische System aus Geräten wie Computern und Büchern, Institutionen wie Bibliotheken und Menschen wie ForscherInnen, BibliothekarInnen und InformatikerInnen, beeinflusst die Handlungsweisen durch die „Affordance“ der Technik. Wenn z.B. ist eine schnelle und kostenlose Publikation möglich ist, dann hilft das den ForscherInnen dabei, Forschungsergebnisse anderer zu nutzen. Wenn das sehr bequem ist, dann kann das so selbstverständlich werden, dass der Satz entsteht: „Was nicht im Netz ist, gibt es nicht.“

ForscherInnen verwenden Technologien, um Forschungserkenntnisse zu produzieren. Dazu gehören Messgeräte, Lesehilfsmittel und Notizen, aber auch „Datenbanken“ und Statistiken. ForscherInnen wollen auch untereinander kommunizieren, um neue Erkenntnisse zu gewinnen. Dies kann auf unterschiedlichen Wegen geschehen. Schriftlich (Brief, E-Mail, …), Mündlich (Telefon, Konferenz,…), aber auch durch Intermediäre (DruckerInnen, VerlegerInnen, …). Zentrale Player hierbei sind Bibliotheken, Verbünde wie DARIAH oder CLARIN und die Kulturerbeinstitutionen (z.B. Archive und Museen). Die Aufgaben dieser Player sind u.a. die Legitimierung, also die Kontrolle und die Registrierung, die Verbreitung und die Kuratierung von digitalen Forschungsmaterialien.

Zur Verbreitung tragen z.B. unterschiedliche Portale bei:

  • Europeana (Portal zum europäischen Kulturerbe): wurde 2005 gegründet, Treffer sind nur Verweise auf institutionelle Online-Repositorien, www.europeana.eu
  • WorldCat: wurde 1967 gegründet, verwaltet Daten aus Katalogen von 72000 Bibliotheken, es werden regelmäßig Synchronisierungen durchgeführt
  • Chronicon: Metasuchmaschine für HistorikerInnen, die teilweise auch lizenzpflichtige Datenbanken mit einbezieht, Stichwortsuche, Neuzugangsbenachrichtigung (durch RSS Feed), www.historicum.net/recherche/chronicon

Klara Klambauer

Modellierung

Eine sehr schöne Erklärung, was ein Modell ist, stammt von Herbert Strachowiak, welche er 1973 verfasste: „Ein Modell ist eine verkürzte, zweckorientierte Abbildung von der Wirklichkeit.“ Aber natürlich gibt es noch mehr dazu zu sagen. Diese Einheit der Vorlesung war kompliziert, wenn auch gleich sehr interessant.

Es gibt drei unterschiedliche Funktionen, wofür ein Modell genutzt werden kann:

  • Normativ (aus Annahmen über das Genre)
  • Deskriptiv (an Beispielen entwickelt)
  • Explorativ/epistemologische Aktivität

 

Modellierungen funktionieren auf mehreren Ebenen: als modellierte Instanz, das heißt es ist ein Datenabbild eines Gegenstandes oder Textes (Instanz). Dann gibt es das Datenmodell, welches ein Ausdruck eines Musters ist, das auf mehrere Instanzen anwendbar ist. Andererseits gibt’s es auch das Metamodell, welches ein Ausdruck eines Musters ist, das auf mehrere Datenmodelle anwendbar ist.

Ein Beispiel hierfür ist das Bild von Rene Magritte „Das ist keine Pfeife“. Denn das Bild zeigt das Abbild einer Pfeife. Grundsätzlich ist es eine Pfeife, aber eigentlich ist es nur das Abbild einer Pfeife.

 

Es gibt vier verschiedene Möglichkeiten, Metamodelle zu gestalten:

  • Entity-Relationship-Modell (ER)

Dieses Modell baut auf den drei Begriffe Entität, Attribut und Relationauf. Die Entitäten (alle möglichen Untersuchungsobjekte) haben Eigenschaften (“Attribute“) und stehen zu anderen Entitäten in Beziehung („Relation“) Für die Beziehungen spielen die Kardinalitäten/Multiplizitäten eine wichtige Rolle, das heißt, dass ein Objekt unterschiedlich viele Beziehungen haben kann. Die Umsetzung eines ER erfolgt in der Informatik normalierweise in Tabellen, in denen die Beziehungen durch Verweise ausgedrückt werden, und mehrfach vorkommende Daten verringert werden.

  • Graphenmodell

Das Graphenmodell baut nur auf zwei Begriffen auf, nämlich der Entity und der Property (Eigenschaft) Rollen; die Eigenschaft ist eine Referenz auf eine andere Entität. Also es geht um „Knoten“ und Verbindungen zwischen Knoten („Kanten“). Entitäten können literal (also eine Zahl oder ein Text) oder eine Ressource (abstrakter Bezeichner für eine Entität) sein. Solche „Graphen“ können sowohl gerichtet als auch ungerichtet sein. Ein Beispiel hierfür ist: Tür = Teil vom Haus (nur eine Richtung möglich; weil Haus kein Teil der Tür sein kann) aber Haus = benachbart zu Baum (beide Richtungen möglich; weil der Baum benachbart zum Haus sein kann)

  • Klassenmodell

Klassen abstrahieren Entitäten. Das bedeutet, dass jedes Mitglied einer Klasse mindestens eine gemeinsame Eigenschaft mit den anderen Mitgliedern einer Klasse besitzt. Ohne dieser Eigenschaft ist es kein Mitglied. Um das zu bestimmen, muss die Eigenschaft, welche eine Klasse ausmacht, immer genau definiert werden.

  • Hierarchisches Modell

Man kann seine Objekte aber auch als Hierarchien modellieren, bei denen Objekte und Eigenschaften Teil eines anderen Objektes sind. Wenn man hier etwas löscht, dann werden auch alle Unterelemente gelöscht.

Klara Klambauer

Texttechnologien

Kommen wir nun wieder zu einem etwas weniger technischem Thema, den Texttechnologien. Am ersten Blick klingt das vielleicht auch wieder hochkomplex, aber hier haben wir gelernt, inwiefern Maschinen bei der historischen Arbeit helfen können und uns den textuellen Methoden der Geisteswissenschaften gewidmet.

Entscheidend hierfür ist die Korpuslingustik. Diese ist die empirische Erforschung von linguistischen Problemen. Die Auswertung hierbei kann entweder qualitativ oder statistisch erfolgen. Wenn die Texte digitalisiert sind, lassen sie sich leichter verarbeiten. Beispiele für solche digitalen Textsammlungen sind:

  • „Deutscher Wortschatz“ der Uni Leipzig: wortschatz.uni-leipzig.de àdiese arbeiten ausschließlich mit Onlinemedien
  • „Deutsches Referenzcorpus“ (DeReKo) in Mannheim: ids-mannheim.de/DeReKo àdiese sind Grundlage für den Duden; hier sind 25 Millionen Wörter vorhanden

Die Korpuslinguistik sammelt zunächst nur Zeichenketten, ohne sie sie in der Grammatik zu unterschieden. Bei manchen Textarchiven kann aber man eine „erweiterte Suche“ nutzen. Diese beruht dann auf einer Textanalyse.

In der Korpuslinguistik gibt es drei wichtige Anwendungsbereiche:

  • Lexikographie à deskriptive Lexika (anstelle von präskriptiven)
  • Sprachdidaktik à Fehlerhäufigkeit wird untersucht
  • Worthäufigkeitsstatistiken à beispielsweise „distant reading“: gibt Auskunft über den Inhalt, den Stil und den Autor (voyant-tools.org)

Für letzteres wird häufigder bag of words-Ansatz gewählt. Dabei wird Text einfach als eine ungeordnete Ansammlung von Wörtern verstanden. Man berechnet dann z.b. das Verhältnis von der Häufigkeit von Wörtern im Dokument zur Häufigkeit im Korpus. Oder man untersucht Zeichenketten zwischen den Leerzeichen („Token“) in Relation von Lexem („Type“) (=Type-Token-Relationship). Durch diesen Ansatz fand ein Journalist heraus, dass das Buch „Der Ruf des Kuckucks“ nicht von Robert Galbraith sondern von Joanne K. Rowling geschrieben wurde.

Die Verarbeitung der natürlichen Sprache mithilfe der formalen Sprache des Computers nennt man natural language processing. Diese ordnet z.B. Wörter zu Wortarten und deren grammatikalischen Funktion zu. Da es aber auch Ambiguitäten gibt, muss man hier aufpassen.

Historische Sprachen stellen zusätzliche Probleme wie zum Beispiel durch die orthographischen Varianzen. Sie können mithilfe von guten Textanalyseprogrammen „übersetzt“ werden. Diese Programme können erkennen, dass mit dem Wort „arztney“ das heutige Wort „Arznei“ gemeint ist. Natürlich können auch hier Fehler passieren; man kann sich nicht vollends auf ein Programm verlassen.

Solche Programme werden in der Computerlinguistik entwickelt; sie untersucht, wie die natürliche Sprache mit dem Computer verwendet werden kann.

Klara Klambauer

Textkodierung

Bei der Textkodierung stellt sich zunächst die Frage, wie kodiert werden kann. Hierfür gibt es 4 Varianten:

  • Text als Ton
  • Text als Bild
  • Text als Zeichen
  • Text als Struktur

In der Vorlesung haben wir uns besonders mit der Variante Text als Zeichen befasst. Der Computer kann nur Zahlen verarbeiten und durch Kodierung werden diese Zahlen dann zu Zeichen, also eigentlich zu Buchstaben umgewandelt. Jeder dieser Buchstaben hat einen sogenannten „Codepoint“. Das heißt, ihm wird ein Wert zugeteilt. Diese Kodierung, nennt man „Zeichensatz“. Der älteste Herstellerübergreifende Standard ist „ASCII 7“ (American Standard Code for Information Interchange). Die Zahl 7 steht hierfür für 7bit. Weil der Computer nur die Zahlen 1 und 0 kennt, rechnet man 27 und das ist 128. Das heißt der Computer kann 128 Zeichen wahrnehmen und in Buchstaben umwandeln. Das reicht für das englische Alphabet in Groß- und Kleinbuchstaben, Zahlen, Satzzeichen und ein paar Sonderzeichen. Weil logischerweise der Computer aber auch Sonderzeichen aus anderen Sprachen kennen muss, hat man noch 1bit dazugefügt und aus ASCII 7 ASCII 8 geamcht; das bedeutet im Endeffekt kann der Computer 255 Zeichen „lesen“ und umwandeln. ASCII 7 war der erste „Zeichensatz“.

Wir können von Glück sprechen, dass 1989 eine Gruppe den Unicode-Zeichensatz, welcher der heutige internationale Standard ist, entwickelt hat. Die erste Version dieses „Zeichensatzes“ wurde 1991 abgeschlossen und seitdem hat sie sich die Basisdefinition nicht mehr verändert, auch wenn immer wieder neue Zeichen aufgenommen werden. Unicode kann Zeichen ausdrücken, die bis zu 32bit enthalten, das sind 4 Milliarden Zeichen und davon sind bisher erst 113.021 Plätze belegt.

 

Jetzt kommen wir zur eigentlichen Kodierung, denn es gibt unterschiedliche Möglichkeiten um einen Text zu bearbeiten. Diese sind:

  • Textannotation: Die Textannotation ist wie eine Fußnotenverknüpfung. Allgmeiner ist die Definition: „Annotation ist der Vorgang, bei dem Wissen über ein Objekt explizit mit diesem verbunden wird.“ Dies kann beispielsweise durch Kommentare am Rand des Textes, Bildunterschriften oder Markierungen geschehen.

Von Gérard Genette (1987) stammen die beiden folgenden Begriffe:

  • Paratext: Unter Paratext versteht man Veränderungen am Text, die die Autorin/der Autor selbst vornimmt, um den Leser zu lenken hervorzuheben. Diese können das Titelblatt, fette oder kursive Stellen, eine Widmung oder ein Katalogeintrag sein. Sie ergänzen und begleiten den Basistext.
  • Metatext: Der Metatext wird von anderen Personen hinzugefügt und können Randbemerkungen, Markierungen, Lesezeichen oder Kommentare sein. Sie ergänzen und begleiten den Basistext ebenfalls.

Diese Veränderungen führen dazu, dass der Text anders „gelesen“ und wahrgenommen wird. Solche Strukturen sind wichtig, um Texte wissenschaftlich zu nutzen.

So gibt es natürlich Metadaten zu historischen Texten. Diese sind beispielsweise bei einem Buch der Titel, der Name der Autorin oder des Autors sowie das Erscheinungsjahr. Bei Fotos sind diese Metadaten zum Beispiel die/der FotografIn und die Beschreibung. Um diese Metadaten zu standardisieren, haben sich unterschiedliche Vorschläge herausgebildet. Diese sind unter anderem „Dublin Core“ (dublincore.org) und die „Text Encoding Initiative“ (tei-c.org).

 

Zur Annotation gibt es dann auch die technischen Formen, insbesondere, das „markup“. Mit Markup kann man etwas erreichen, was die Abkürzung WYSIWYM trägt, also „what you see is what you mean“ (Im Gegensatz zum WYSIWYG = What You See Is What You Get“). Markup-Sprachen beschreiben die Struktur von Texten (z.B. in ihrer Darstellungsform fett, kursiv, größer, Überschrift,…), aber sie definieren auch die logischen und inhaltlichen Bausteine.

Die bekannteste Metasprache für Markup ist XML (=extensible markup language). Seit ca. 2008 ist sie auch die Standardsprache für Dokumente. Das entscheidende hierbei ist, dass der Code in einer spitzen Klammer (<…>) steht, und der eigentlich Text außerhalb (>…<. Um einen Textbereich zu kennzeichen müssen immer zwei Codes einander entsprechen: <satz>…</satz> sind z.B. der Anfangs- und Endcode, der einen Satz einschließen könnte.Die Sprache hierarchisch aufgebaut, denn man muss erst die innere Klammer schließen, bevor man die äußere schließen kann. XML ist sowohl von der Maschine, als auch vom Menschen lesbar. Außerdem eignet es sich sehr gut als Archivierungsformat, weil jeder Computer in der Lage ist, diese Sprache zu lesen. Ebenfalls kann jeder Webbrowser XML lesen.

Die Dokumentengrammatik ist das Regelwerk, welches die zulässigen Bezeichner des markup festlegt.

Ein Beispiel hierfür ist das Regelwerk der Webdokumente HTML. Es legt z.B. fest, dass man für eine Webseite ein Wurzelelement <html> verwendet, dass diese Webseite Metadaten in einem Element <head> hat, dass darin bestimmt wird, in welchem Zeichensatz die Webseite geschrieben ist (<meta charset=“UTF-8“/>) und dass die Webseite den Titel <title> „digitale:geschichte | Digital Humanities Universität Wien“ trägt.

<html lang=”de-DE”>
<head>
<meta charset=”UTF-8″ />
<title>digitale:geschichte | Digital Humanities Universität Wien</title>
</head>
</html>
  • http://dguw.hypotheses.org/

Klara Klambauer

Technische Grundlagen

Dieses Thema ist etwas komplexer. Eigentlich ist es sogar sehr komplex, dennoch werde ich versuchen, die Einheit so gut es geht, verständlich wiederzugeben.

Zunächst haben wir über Algorithmen gesprochen. Das sind formalisierte Handlungsabläufe, die eine Lösung zu einem Problem liefern kann. Man kann sie z.b. in einem Ablaufdiagramm darstellen. Die Schritte dabei sind: Start->Operation->Entscheidung->Ausgabe->Stop

Soetwas kann der Computer sehr gut, denn er ist eine universelle „Turingmaschine“, also eine Maschine, die einem Algorithmus folgt, der alle anderen Algorithmen ausführen kann. Diese Maschine muss dabei die Daten und die Algorithmen so verarbeiten, dass sie sich nicht gegenseitig in die Quere kommen. Dafür sind heutzutage die meisten Computer in der „Von-Neumann“-Architektur aufgebaut. Diese Maschine wurde ca. in den 1940ern erfunden.

Wie wurde Geschichtswissenschaft mit dem Computer vor dem Internet verbunden?

Bevor die Computeranwendungen mit dem Internet zu einem Massenmedium wurden wurden z.B. Programme zur Textproduktion entwickelt, wie z.B. „TUSTEP“, das komplexe Layouts erstellen konnte. Dann gab es auch die Möglichkeit mit Hilfe der Korpuslinguistik (wird später noch genauer erläutert) Texte zu durchsuchen. Mithilfe unterschiedlicher Programme wie Kleio, DBase oder MS Access konnte man auch strukturierte Datenbanken erstellen. Außerdem konnte der Computer dabei helfen, Daten statistisch, z.B. mit SPSS, auszuwerten.

Auch „damals“ konnten sich Computer miteinander vernetzen. Denn mithilfe eines Peripheriegerätes kann eine CPU mit anderen Computern kommunizieren. Diese Vernetzung hat dann seit den 1990er Jahren ungeahnte neue Möglichkeiten geschaffen.

Voraussetzung dafür waren gemeinsame Netzwerkprotokolle. Diese regeln den Aufbau, die Synchronisation und den Abbau der Kommunikation, Fehlerkorrekturen, Syntax und Semantik von Signalen. Das klingt jetzt wirklich sehr theoretisch, aber einige der folgenden Begriffe sind auch für „Laien“ bekannt.

HTTP (HyperText Transfer Protocol): Das ist das Übertragungsprotokoll im WWW und wird hauptsächlich zum Übertragen von Dokumenten verwendet.

SMTP (Simple Mail Transfer Protocol): Das ist das Übertragungsprotokoll für Versenden von E-Mails

POP3, IMAP: Das sind Übertragungsprotokolle zum Abrufen von Emails von einem Mailserver.

Netzewerke kann man , LAN und WAN (local area network/wide area network) unterteilen. Im Internet werden beide miteinander verbunden: Computer sind miteinander verbunden und können über die Internetprotokolle TCP/IP (Transmission Control Protocol/Internet Protocol) miteinander kommunizieren können. Ein Router unterscheidet zwischen „interner“ (LAN) und „externer“ Kommunikation (WAN) und leitet, wenn nötig, die Anfragen aus dem LAN an das WAN weiter. Der Weg von einem zum anderen Computer ist nicht fix festgelegt; dadurch ist das Internet flexibel und nicht von einer zentralen Infrastruktur abhängig.

Was kann man damit machen?

Mit so einem Netz kann man verschiedene Dienste ausführen: Mithilfe des Befehls „ping“ kann man z.B. feststellen, ob ein Computer im Netz erreichbar ist. Mit HTTP und EMAIL (wie vorhin schon erklärt) können Befehle auf einem anderen Computer ausgeführt werden. Mithilfe von E-MAIL und WWW können auch Dateien von einem zum anderen Computer übertragen werden. „chat“ („IRC“) hilft dabei z.B., Schrift- und Bildsignale in quasi „Echtzeit“ auszutauschen.

Geschichtswissenschaft und Internet vor dem WWW

Folgende Internetseiten erzählen uns etwas über die Geschichte der Geschichtswissenschaft im Internet vor dem WWW.

Wir besprachen dann noch die unterschiedlichsten Abkürzungen für Techniken, die man kennen sollte, wenn man in der digitalen Welt arbeitet. Diese sind z.B. HTTP (Hypertext Transfer Protocol) – dies ist die Basis für die Webbrowser, ebenso wie HTML (Hyptertext Markup Language) – diese ist eine Programmiersprache, die Markup Code und Text miteinander mischt, und die BenützerInnen einen Text strukturieren und gestalten lässt. Beide sind nötig, damit man auf „Hyperlinks“ klicken kann, die von einem Dokument im WWW zum nächsten leiten.

Geschichtswissenschaft im WWW

Wenn man sich für Geschichtswissenschaft im WWW interessiert können als Beispiel drei Internetseiten genannt werden, die zeigen, dass das Internet wie ein riesiges Archiv arbeiten kann.

  • iue.it/history/index.html (VL-History seit 1993, katalogisiert alle Seiten die mit Geschichte zu tun haben)
  • uni-koeln.de (seit 2001, stellt eine ganze Handschriftenbibliothek online)
  • archive.org (sammelt und archiviert alle Internetseiten)

Seit den 2000ern ist der Begriff des web 2.0 jedem bekannt. Der dafür entscheidende HTML-Code war <form>. Damit kann man ein Formular zur Erfassung von Benutzereingaben in eine Webseite einbauen. Die zweite zentrale Methode ist AJAX, jene Programmiermethode, welche nicht nur synchron zwischen Client und Server kommunziert,. Mit beiden Methoden kann die/der BenutzerIn einer Website ihre Inhalte manipulieren.

Medientheorie/Mediengeschichte

Zunächst ging es um die Medientheorie von Shannon/Weaver. Das ist ein Kommunikationsmodell, welches besagt, dass der Sender durch einen Kanal eine Nachricht als Code dem Empfänger übermittelt. Jedoch können über diese Kanäle Störungen übertragen werden, was das Übermitteln erschwert. Deswegen ist es umso besser, je gleichförmiger eine Nachricht aufgebaut ist; denn dadurch ist auch das Rauschen bei der Übertragung geringer. Das hat zur Folge, dass die Auflösung in binäre „Bits“ die Übertragung wesentlich erleichtert.

Als nächstes wurden die Medientheorie und die Mediengeschichte besprochen. Hier stellt sich zu Beginn die Frage, was denn nun Medien sind. Es gibt unterschiedliche Verwendungen des Wortes „Medien“. Das können Massenmedien und elektronische und digitale Medien (Z.B. der Fernseher), sein, aber auch das Internet und Bücher. In dieser Vorlesung sind Medien „Techniken zum Speichern, Übertragen und Verarbeiten von Informationen“, wie auch Friedrich Kittler das sehr schön formuliert hat.

Marshall McLuhan muss in einer Vorlesung über Medientheorien vorkommen, denn er gilt als DER Medientheoretiker. Er sagt, dass Menschen von Medien beeinflusst werden. Deswegen ist es auch wichtig, wie das Medium erscheint; weniger wichtig ist, was das Medium vermitteln möchte, denn „Das Medium ist die Botschaft“. Er schrieb folgende 3 bedeutende Werke:

  • The Extensions of Man (1961): Hierbei geht es um die Wahrnehmungstheorie, in der McLuhan Medien als Körpererweiterung beschreibt und so skizziert, worauf Medien beim Menschen wirken.
  • The Gutenberg-Galaxy (1962): Hier beschreibt er die Auswirkungen des Buchdrucks auf die Gesellschaft. Es geht ihm z.B. darum, dass das Denken in Teile zerlegt wird, denn aus Type wird Wort wird Seite wird Buch wird Aussage.
  • The Global Village: Hier reflektiert er die Auswirkung von elektronischen Medien auf die Gesellschaft. Er behandelt das Thema als eine Entwicklung von der „Eroberung“ bis zur Vernetzung.

Abschließen lässt sich die Vorlesung mit dem Thema „von der Oralität zur Literalität“. Es sollte immer auch beachtet werden, dass es vor dem gerade benutzen Medium schon ein anderes Medium gegeben hat und dass ein neues Medium sich mit diesem arrangiert. Es existieren auch Leitmedien, diese sind Medien deren „Hauptfunktion in der Konstitution gesellschaftlicher Kommunikation von Öffentlichkeit“ (Uwe Göttlich) beruht. „Je nachdem in welchem „Milieu“ man sich bewegt, werden andere Medien verwendet. Im Freundeskreis zum Beispiel „whatsapp“ oder „facebook“, in der Geschichtswissenschaft das Buch und in den Sozialwissenschaften Zeitschriftenaufsätze. Aber auch die Multimedialität sollte nicht außer Acht gelassen werden!

Klara Klambauer

Einführung in das Fach

Logischerweise wurde uns in der ersten Einheit zunächst deutlich gemacht, dass die digitalen Geisteswissenschaften gleichbedeutend mit dem bekannteren Wort Digital Humanities sind.

Die Digital Humanities gelten als Disziplin, weil sie auch Institutionen (ADHO, DARIAH; CLARIN,…), Zeitschriften (z.B.: Zeitschrift für Digitale Geschichtswissenschaft), Professuren und Studiengänge und Fachkonferenzen besitzen, ja bereits 1969 hat IBM eine Konferenz in diesem Bereich abgehalten, seit 2005 gibt es jährliche Konferenzen unter dem Namen „Digital Humanities“.

Der Begriff „Digitale Geisteswissenschaften“ wird aber immer wieder neu und anders definiert, weil, wie auch diese Zusammenfassung zeigen wird, die Disziplin so vielfältig ist, dass man je nach Fachhintergrund etwas anderes darunter verstehen kann.

Zu den Anwendungsbereichen zählen unter anderem Digitalisierung (siehe Punkt 8.), Digitalen Bibliotheken (siehe Punkt 7.), aber auch projektorientieres Lernen und Informationsvisualisierung (siehe Punkt 10.).

Wichtige allgemeine, eher technische Kenntnisse sind zum Beispiel Programmieren sowie Verarbeitung und Speicherung von Daten in „Datenbanken“.

Hier stellt sich die Frage, was denn nun eigentlich der Unterschied zu InformatikerInnen ist?! Dies lässt sich leicht skizzieren. Wenn InformatikerInnen historisch arbeiten möchten, dann programmieren sie neue Tools für Forschungsprobleme von Historikerinnen: sie betreiben dann angewandte Informatik. HistorikerInnen hingegen verwenden vorhandene Tools und reflektieren über Geschichte und Geschichte in der digitalen Kultur. Digitale GeisteswissenschaftlerInnen sind dann diejenigen die beides tun, denn so kann der meiste Profit daraus gezogen werden.

Klara Klambauer

Vorlesung “Digitale Geisteswissenschaften”

Im Wintersemester 2015/2016 fanden zum Glück wieder zwei Lehrveranstaltungen zum Thema Digitale Geschichte statt. Für PM1 des Masterstudiums Geschichte bedeutete dies, dass sowohl der Lektürekurs als auch die Vorlesung für den Schwerpunkt zur Verfügung standen. Die Gastprofessur in diesem Semester hatte Georg Vogeler; er unterrichtet eigentlich an der Universität in Graz, wo man schon etwas weiter ist mit den Digital Humanities.

Mir wurde die Ehre erteilt, einen Blogbeitrag über die Vorlesung zu verfassen. Da der Inhalt der Vorlesung sehr breit gefächert ist und teilweise schon ein sehr technisches Grundverständnis Voraussetzung ist, werde ich versuchen, die einzelnen Einheiten so gut wie möglich zusammenzufassen. Auch will ich mit diesem Beitrag zeigen, wie groß die Vielfalt in der digitalen Welt ist.

Die einzelnen Themen werden in kurzer Folge publiziert:

  1. Einführung in das Fach
  2. Technische Grundlagen
  3. Medientheorie/Mediengeschichte
  4. Textkodierung
  5. Texttechnologien
  6. Modellierung
  7. Digitale Bibliothek
  8. Digitalisierung – von der physischen in die digitale Welt
  9. Informationsrückgewinnung
  10. Informationsvisualisierungen

Viel Spaß beim Erkunden!

Klara Klambauer

Erster und letzter Kommentar des Dozenten: Die Texte geben das wieder, was den ZuhörerInnen der Vorlesung berichtenswert schien. Ich habe sie mir einmal durchgelesen und darauf geachtet, dass darin keine Fehler stehen – man ist als Dozent doch immer wieder überrascht, wie verwirrend man sich offensichtlich ausdrücken kann. Spannend ist, wie unterschiedlich die vielen Informationen, die man sich für den Vortrag notiert hatte, gefiltert werden. Sind technische Fragen per se „komplex“ (oder hätte ich sie einfach besser erklären können)? Hatte ich nicht auch eine Folie zum „Client-Server“-Modell? Sind die Medienrevolutionen des 15./16. Jahrhunderts und des 20./21. Jahrhunderts wirklich so viel weniger spannend als der Übergang von der Mündlichkeit zur Schriftlichkeit? Waren „Forschungsdaten“ zu Recht auf der gleichen Folie wie die Begriffserläuterungen von „Repositorium“, „Digitale Bibliothek“ und „Digitales Archiv“? Ich freue mich, dass trotz der grundsätzlich schwierigen Situation „Vorlesung“ so viel von dem gesagten und auf Folien gebannten für die ZuhörerInnen erwähnenswert war. Die Digitalen Geisteswissenschaften verdienen so engagierte und interessierte Studierende wie die TeilnehmerInnen meiner Lehrveranstaltungen im Wintersemester 2015/6 in Wien.

Georg Vogeler
Im Zug zwischen Wien und Graz, Februar 2016,