Archiv für den Monat: März 2016

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