Categories
CLARIAH-DE Pitch vDHd2021

WirLernenOnline, Crawling und das Semantic Web

Steffen Rörtgen
Gesellschaft für wissenschaftliche Datenverarbeitung mbH, Göttingen


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 6 der Serie. Heute stellt Steffen Rörtgen seinen Beitrag zum Thema “WirLernenOnline, Crawling und das Semantic Web” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


Viele hochqualitative freie und offene Bildungsmaterialien (Open Educational Resources) liegen verstreut auf verschiedenen Plattformen im Netz. Teilweise haben sich ehrenamtliche Initiativen gegründet, die gemeinsam Bildungsinhalte sammeln und kuratieren, teilweise existieren Projektseiten laufender oder auch schon ausgelaufener Projekte, die Bildungsmaterial bereitstellen. Das Ergebnis ist eine heterogene und bunte Landschaft an Plattformen, die Daten unterschiedlichster Art bereitstellen.

So schön diese Vielfalt auch ist, stellt sie für Lehrende und Lernende ein Problem dar: Sie müssen viele verschiedene Plattformen ansteuern, wenn sie auf der Suche nach Bildungsmaterial sind! In Zeiten von Google als Default-Suchmaschine sind es Nutzer:innen gewohnt, an einer Stelle zu suchen und jedes relevante Material auf diese Weise zu finden.

Also war die Aufgabe klar: Wir brauchen ein Google für freie Bildungsmaterialien.

Auch das BMBF hat diese Notwendigkeit am Beginn der Corona-Pandemie erkannt und das Projekt “WirLernenOnline” (https://wirlernenonline.de) gefördert. Um allerdings eine Suchmaschine für Bildungsmaterialien anbieten zu können, ist es zuerst nötig, die Informationen über die Materialien überhaupt einzusammeln.

Wie unstrukturierte Metadaten einsammeln?

Hier zeigte sich die erste große Herausforderung: Wie die Metadaten zu den Materialien einsammeln?

Bisweilen hatten wir Glück und bekamen ein API, die wir ansteuern konnten. Oft blieb uns aber auch keine andere Möglichkeit, als uns mit Crawlern durch das rohe HTML zu graben und zu hoffen, dass unsere Quellen, nicht wöchentlich das Design ändern.

Während der ersten Datensichtung trat gleich die nächste Herausforderung auf, die sich beim Sammeln großer Mengen unstrukturierter Daten oft zeigt: Es werden unterschiedliche Bezeichnungen für dieselben Eigenschaften verwendet, beispielsweise:

  • „Mathematik“
  • „Mathe“
  • „Matematik“

Wie sollen wir damit umgehen? Alle drei Bezeichnungen beziehen sich wohl auf das Schulfach “Mathematik”, aber die unterschiedlichen Schreibweisen würden dazu führen, dass wir ohne weitere Kuratierung drei Schulfächer in unserer Suche und den Filtern ausprägen würden.

Unsere Lösung für dieses Problem, werde ich kommenden Mittwoch, dem 24.03.2021 von 15-17h hier vorstellen.
Aber so viel sei schonmal verraten:

Erhöhung der Metadatenqualität

Da knapp 75% der gecrawlten Materialien keine Fachzuweisung besitzen, beschäftigen wir uns außerdem mit Prozessen zur Erhöhung der Metadatenqualität. Um diese weiter zu erhöhen, wurden mit Lehrer:innen gemeinsam Taxonomien für ihre jeweiligen Schulfächer entwickelt:

Dabei wird ihnen die Möglichkeit gegeben, Lernmaterialien innerhalb dieser Taxonomien einzuordnen und dies mit Kolleg:innen und Schüler:innen für den Unterricht zu nutzen. In unserer Infrastruktur werden nun Prozesse implementiert, die das durch die Lehrer:innen einsortierte Material wieder exportieren und es so vorbereiten, dass es für das Training von Machine Learning Prozessen verwendet werden kann. Beim Crawling von Inhalten oder in Metadatendialogen des Backends wird das trainierte Modell dann verwendet, um das Fach zu schließen oder vorzuschlagen, wenn keines angegeben wurde. Dabei setzen wir in unserer Infrastruktur auf W3C-Standards zur Kommunikation zwischen den einzelnen Komponenten, um einerseits hohe Interoperabilität und andererseits gute Nachnutzbarkeit von Folgeprojekten zu gewährleisten.

Ausgabe der Daten

Im Rahmen des Projektes werden alle gesammelten Daten über Lerninhalte auch wieder an andere Plattformen ausgegeben. Dabei soll unter anderem das in der OER-Metadatengruppe grade in Entwicklung befindliche LRMI-Profil genutzt werden. LRMI (Learning Resource Metadata Initiative) ist dabei ein auf RDF aufbauendes Modell, womit es sich besonders gut für den Austausch von Daten über das Web eignet und den FAIR-Prinzipien folgt.


Weitere Informationen und Links:
Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE Pitch vDHd2021

Ludwig Baumann – Leben, Werk und Wirken. Eine Fallstudie zur Grundlagenforschung in der digitalen Musikwissenschaft


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 5 der Serie. Heute stellt Dennis Ried seinen Beitrag zum Thema “Ludwig Baumann – Leben, Werk und Wirken. Eine Fallstudie zur Grundlagenforschung in der digitalen Musikwissenschaft” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


Zu Lebzeiten hoch geschätzt und sehr gefragt ist der Musiker, Dirigent und Männerchor-Komponist Ludwig Baumann heute gänzlich in Vergessenheit geraten. Daher verwundert es auch nicht, dass zu Leben, Werk und Wirken Ludwig Baumanns nahezu keine Forschungsdaten verfügbar sind, auf denen meine Arbeit aufbauen kann. Eine hervorragende Möglichkeit unterschiedliche Erfassungs- und Verarbeitungstechniken aus den Digital Humanities auf die gesamte Vielfalt an Quellenarten anzuwenden.

Mein Ursprungsvorhaben, alle relevanten Quellen mit TEI bzw. MEI zu codieren, war extrem hochgesteckt, weshalb ich relativ zügig einen Schwerpunkt auf die Erfassung von Metadaten setzte. Zur schnelleren Erfassung vor Ort (bspw. in Archiven mit beschränkten Öffnungszeiten) verwendete ich mit unter Tabellendokumente (.csv). Die Erfassung der Daten in möglichst kleinen Bausteinen – Zergliederung in mehrere Tabellen-Zellen – hatte den Vorteil, dass ich bei der Transformation in TEI-/MEI-konforme XML-Dateien die Datenbausteine passgenau in die neue Datenstruktur einsetzen konnte. Als reproduzierbarer Workflow, der bspw. auch die nachträgliche Verknüpfung von Faksimile-Daten massiv erleichtert, hat sich in meinem Projekt die Erfassungstechnik über Tabellen hinsichtlich der Effizienz überaus bewährt.

Um die erfassten Daten überblicken, Korrekturlesen, analysieren und anderen vermitteln zu können, habe ich eine App für eXist-DB aufgesetzt, die die Daten visuell aufbereitet und miteinander verknüpft, sodass diese interaktiv nutzbar werden.

Für mich attraktive Hilfswerkzeuge (aus Infrastrukturprojekten) waren bei Projektbeginn zu komplex in Installation und Einrichtung oder zu aufwendig in der Anpassung – gemessen an meinen damaligen technischen Kenntnissen.

Wie das Datenpanorama organisiert ist und mit welchem Workflow die Daten in das Portal gelangen, werde ich im Pitch am 24. März 2021 vorstellen.


Weitere Informationen und Links:
Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE Pitch vDHd2021

Phonetisch-phonologische Metadaten in der Forschung: Eine kritische Auseinandersetzung mit dem Angebot der Datenbank für Gesprochenes Deutsch (DGD)

Kristina Becker

(Institut für Sprach- und Literaturwissenschaft, TU Darmstadt)


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 4 der Serie. Heute stellt Kristina Becker ihren Beitrag zum Thema “Phonetisch-phonologische Metadaten in der Forschung: Eine kritische Auseinandersetzung mit dem Angebot der Datenbank für Gesprochenes Deutsch (DGD)” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


Unter Betrachtung der FAIR-Prinzipien und vor dem Hintergrund, dass gesprochene Sprache sich in vielerlei Aspekten von der geschriebenen Sprache unterscheidet, wird beleuchtet, inwieweit Dokumentationsrichtlinien spezifisch für Korpora der gesprochenen Sprache geeignet sind. So wird die Datenbank für Gesprochenes Deutsch (DGD) des Leibniz-Instituts für Deutsche Sprache auf die Zugänglichkeit und Archivierung des Audio- und Transkriptionsmaterials sowie dessen Metadaten untersucht. Dabei stellt sich die Frage, nach welcher Auswahl von Metainformationen ein eigenes Korpus erzeugt werden kann, das aus Forschungsdaten anderer Korpora besteht. Stets soll hier auf eine transparente Forschungsdateninfrastruktur geachtet werden, für die ebenfalls gilt, sie den Besonderheiten der gesprochenen Sprache und dem jeweiligen phonetisch-phonologischen Forschungsvorhaben anzupassen. Durch eine anschließende kritische Auseinandersetzung wird aufgezeigt, dass eine Erweiterung der Dokumentationsrichtlinien für die gesprochene Sprache – insbesondere zwecks Archivierbarkeit und Nachnutzung – von hoher Notwendigkeit ist.

„Was steht denn hier? So habe ich es doch gar nicht gesagt!“ – „Dann sollten wir den Algorithmus mit anderen Daten füttern.“

Innerhalb der Phonetik und Phonologie existieren zahlreiche Forschungsfragen (z. B. Phoneminventar einer Sprache, Dialekte, Sprechstörungen, Bi-/Multilingualität), die ausreichend Material benötigen. Hierfür sind unterschiedliche Metadaten von Bedeutung, ohne deren Hinzuziehung keine hochwertige Auswahl an Forschungsmaterial erfolgen kann.


Sprachlandschaftskarte zu <Chemie> im deutschsprachigen Raum. [FN 1]

Folgen Sie dem Link und hören Sie, wie unterschiedlich regional bedingte
Realisierungen sein können: http://prowiki.ids-mannheim.de/bin/view/AADG/ChemieCh

Angenommen, es wird Sprachmaterial benötigt, um Sprache in einen Text zu verwandeln, d. h. einen Algorithmus beispielsweise auf einen Dialekt zu trainieren, den er noch nicht kennt und dementsprechend schlechte Transkriptionen erzeugt: Keine bzw. nicht ausreichende Personenangaben führen zu einer hohen Variabilität der phonetischen Eigenschaften (Grundfrequenz, Formanten etc.) zwischen den aufgenommenen Personen. Zudem verfälschen Störgeräusche wie beispielsweise permanente Hintergrundgeräusche die akustischen Korrelate der jeweiligen Aussprache. Diese und weitere Faktoren führen letzten Endes zu mangelhafter Transkription und einem nicht zufriedenstellenden Ergebnis.

„Welche Forschungsdaten sind ‚gut genug‘ für mein Vorhaben? Und wie erhalte ich Zugang zu ihnen?“

Bei der unendlich großen Auswahl an Sprachmaterial stellt sich zunächst die Frage, wie Forschungsdaten definiert und archiviert werden sowie für die weitere Nutzung zur Verfügung stehen können. Hier unterscheidet sich gesprochenes vom geschriebenen Deutsch dadurch, dass Audiomaterial gespeichert und diesem normalisiertes oder auf Lautebene transkribiertes Textmaterial beigefügt werden muss, um den Inhalt zugänglich zu machen. Dennoch können in den Verschriftlichungen wichtige Informationen fehlen. Um nun die zeitaufwendige Arbeit zu minimieren, jede einzelne Datei anhören zu müssen – bei sehr großen Datenmengen wäre dies für Einzelforschende kaum zu bewältigen – kann eine Vorauswahl mithilfe von Metadatenabfragen in Datenbanken getroffen werden. Anschließend kann das ausgewählte Material zum Trainieren von Algorithmen zur Automatischen Spracherkennung verwendet werden.

Interface der DGD: Ergebnisse einer Abfrage zu <Chemie> und dem Metadatum Aufnahmeort (Dialektregion) im FOLK. [FN 2]

In der DGD, einem webbasierten Korpusmanagementsystem, kann auf über 30 Korpora zugegriffen werden. Sie wird als objektrelationale XML-Datenbank verstanden, welche Metadaten und Transkriptionen schemabasiert speichert. Inwiefern alle für phonetisch-phonologische Untersuchungen relevanten Metadaten in den ausgewählten Korpora vorhanden sind, welche Überlegungen für den Aufbau einer eigenen Datenbank unter Berücksichtigung der FAIR-Prinzipien bisher stattgefunden haben und welche Zusatzpunkte die Dokumentationsrichtlinien beinhalten könnten, wird auf dem Infrastruktur-Pitch am 24. März 2021 zu sehen sein.

Nachweise

1 Kleiner, Stefan (2011ff.): Atlas zur Aussprache des deutschen Gebrauchsstandards (AADG). Unter Mitarbeit von Ralf Knöbl [http://prowiki.ids-mannheim.de/bin/view/AADG/, letzter Zugriff: 19.03.2021]

2 Datenbank für Gesprochenes Deutsch, FOLK Korpus: IDS, Datenbank für Gesprochenes Deutsch (DGD), FOLK [http://dgd.ids-mannheim.de, letzter Zugriff: 19.03.2021]


Weitere Informationen und Links:
Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE Pitch vDHd2021

Der Schwarzmarkt des Datenhandels

Peggy Bockwinkel (Universität Stuttgart)

Spoiler für den Pitch am 24.03.2021: Erfahren Sie in 5 Minuten wie ein Weg in den Schwarzmarkt aussehen kann, und welche Auswege es gibt.


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 3 der Serie. Heute stellt Peggy Bockwinkel ihren Beitrag zum Thema “Der Schwarzmarkt des Datenhandels” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


„Nein, das Korpus ist noch nicht zugänglich oder verfügbar, schreiben Sie mir aber eine Mail, und wir können uns dazu austauschen.“ So oder so ähnlich lauten die wohl am häufigsten auftretenden Sätze im Zusammenhang mit Forschungsdaten. Ich höre diese Sätze in allen möglichen Konstellationen in meinem Bereich, der digitalen Literaturwissenschaft, und darüber hinaus. Der Schwarzmarkt des Datenhandels blüht. Inwiefern dieser Schwarzmarkt ein Problem darstellt, der die Digital Humanities-Forschung ausbremst, zeige ich am Beispiel meines eigenen Projekts.

In meinem Projekt untersuche ich deiktische Ausdrücke in deutschsprachigen literarischen Texten der letzten 260 Jahre. Ich bin ausgebildet in Linguistik und Germanistik und arbeite im Rahmen einer Doktorarbeit an diesem Projekt. Mein Wunschkorpus habe ich nach literaturwissenschaftlichen Kriterien ausgewählt. Es handelt sich um einen Kanon der deutschsprachigen Literatur und gehört damit zum Standard.

Startseite des Kindlers Literatur Lexikon, auf das mein Wunschkorpus basiert (siehe http://www.kll-online.de/)

Ziemlich schnell stellte sich heraus, dass die Texte in meinem Wunschkorpus nur zum Teil in digitalisierter, maschinenlesbarer Form vorhanden und vor allem zugänglich sind [Stichwort: Accessible]. Ein erster Test war ernüchternd: Von den mehr als 2000 Texten in meinem Wunschkorpus konnte ich in den gängigen und literaturwissenschaftlich akzeptierten Repositorien nur knapp 600 Texte finden [Stichwort: Findable]. Um diese Repositorien nicht händisch durchsuchen zu müssen und mit copy/paste mein Korpus zusammenzustellen, hatte ich ein Skript geschrieben, das automatisiert Texttitel erkennt und in einen Zielkorpusordner kopiert [Stichwort: Accessible]. Selbst wenn es auf irgendeiner Festplatte bereits ein Korpus wie mein Wunschkorpus gibt: Ein wünschenswert unkomplizierter Zugang zu einem digitalen und maschinenlesbaren Kanon der deutschsprachigen Literatur, der auch literaturwissenschaftlichen Kriterien standhält, gehört bislang nicht zum Standard.

Die Startseiten der verwendeten Repositorien als Screenshot: TextGrid, DTA und Corpus of German-Language Fiction.

Es tauchte außerdem ein weiteres, recht unerwartetes Problem auf: Meine Analysen basieren auf Dateien im txt-Format. Es ist jedoch nicht selbstverständlich, dass Texte als txt-Dateien in den Repositorien verfügbar sind [Stichwort: Interoperable]. Das Problem bleibt zwar überschaubar, wenn man des Programmierens mächtig ist und mittels Code die xml-Dateien von TEI-Tags befreit. Doch auch dabei handelt es sich um eine weitere forschungsferne Aufgabe.

Dateien im txt-Format sind nicht Standard in allen Repositorien. Bildquelle: https://deutschestextarchiv.de/book/show/kleist_amphytrion_1807

Eine weitere unerwartete Frage tauchte auf: Mit wievielen Dateien ist mein Zielkorpus so umfangreich, dass es noch dem Kanon deutschsprachiger Literatur entspricht? Mit knapp 600 Dateien sicher nicht, d.h. ich musste nachbessern. Mein Weg auf den Schwarzmarkt literaturwissenschaftlicher Daten war unumgänglich. Dieser Weg kostet vor allen Dingen eines: noch mehr Zeit – und damit vor allem Ressourcen, die zwar der Vernetzung im weitesten Sinne, jedoch nicht der Forschung im engeren Sinn zugute kommen.

Das Bild des Schwarzmarktes in Zusammenhang mit den Digital Humanities ist nicht neu.

Daten sind das Gold des Digital Humanists

Um die Tragweite des Problems zu verstehen, soll der Begriff ‚Forschungsdaten‘ kurz umrissen werden: Unter Forschungsdaten verstehe ich diejenigen Daten, mit denen ein Digital Humanist geisteswissenschaftliche Fragestellungen computationell beantwortet oder Methoden zur computationellen Beantwortung dieser Fragen vorantreibt. Das heißt, es sind die Daten, auf die ihre Forschung aufbaut. Es sind aber auch die Daten, die aus der Forschung hervorgehen: Code, Ergebnisse aus Analysen, etc. Mit anderen Worten: Forschungsdaten sind das Gold eines Digital Humanists.

Ein Blick auf das Datengold meines Projekts.

Der FAIRe Weg

Das Bewußtsein im Umgang mit Daten hat sich im Wesentlichen mit dem Besuch eines FAIR-Workshops geändert (https://events.tib.eu/fair-data-software/2018/). Hier stellte sich außerdem heraus, dass meine Schwierigkeiten nicht nur die Schwierigkeiten meines Fachs widerspiegelten, sondern die MINT-Fächer ebenso betrafen. Zudem konnte ich im Laufe der Zeit in den Digital Humanities beobachten, dass Synergien nach wie vor zu wenig genutzt werden. Das fängt bei kleinen Themen wie der Wiederverwendung eines Skripts an, mit dem man aus einem TEI-Text einen Plain-Text generieren kann. Wie anhand meines Projekts angedeutet, sind es auch nicht die einzelnen Themen, die Schwierigkeiten bereiten. Es ist die Summe an Themen, die zu übermäßig forschungsfernen Tätigkeiten führt. Wie mit Themen dieser Art umgegangen wird, muss auf verschiedenen Ebenen verhandelt werden. Je bewusster das geschieht, desto begrüßenswerter.

Der FAIRe Abschluss

Für mein eigenes Projekt ist geplant, alle im Rahmen des Projekts generierten Forschungsdaten nach den FAIR-Prinzipien zugänglich zu machen. Das bedeutet, dass damit auch ein (wenngleich noch unvollständiges) Korpus kanonischer deutschsprachiger Texte vorliegt, das literaturwissenschaftlichen Kriterien genügt. Ein Teil der Texte meines Korpus ist urheberrechtlich geschützt. Wünschenswert wäre deshalb eine Plattform, bei der die Zugänge – angepasst an das Urheberrecht – beschränkt werden können. Damit auch die neu generierten Daten nachvollziehbar und somit nachnutzbar sind, wurden alle Skripte ausführlich kommentiert, und es wurde auf eine dokumentierte Versionierung für die einzelnen Stufen der Forschungsdatengenerierung geachtet. Die Skripte sind modular aufgebaut, sodass die Skripte wie Werkzeuge einzeln oder zusammen oder nur Skriptteile genutzt werden können [Stichwort: Reusable].


Weitere Informationen und Links:
Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE Pitch vDHd2021

Ein König*innenreich für ein Beispiel! Wie ein Dienst von CLARIAH-DE die Vermittlung von Forschungsdatenmanagement fördern könnte

Katharina Leyrer

FAU Erlangen-Nürnberg


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 2 der Serie. Heute stellt Katharina Leyrer ihren Beitrag zum Thema “Ein CLARIAH-DE Connector für die Vernetzung von Forschenden, Lehrenden, Studierenden und Vermittler*innen von Forschungsdatenmanagement” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


Am besten lernen wir, indem wir etwas selbst ausprobieren. Dieser Grundsatz, der in der Hochschuldidaktik und der Kita-Pädagogik gleichermaßen Anwendung findet, gilt auch für die Vermittlung von Forschungsdatenmanagement. Lehrende und Vermittler*innen stehen dabei allerdings vor einer Herausforderung: Wie finden sie Forschungsprojekte, an denen Lernende verschiedene Aspekte des Forschungsdatenmanagements beispielhaft erproben können?

Eine Lösung könnte eine Plattform sein, auf der Forschende im Bereich der Geisteswissenschaften und benachbarter Disziplinen nicht nur ihre Projekte, sondern auch den aktuellen Stand der Planung und Umsetzung ihres Forschungsdatenmanagements kurz skizzieren. CLARIAH-DE wäre die ideale Infrastruktur, um eine solche Plattform bereitzustellen: Auf einer Unterseite – dem CLARIAH-DEConnector – könnten die verschiedenen Projekte präsentiert und nach Kategorien wie Fachgebiet, Arten von Daten oder Projektzeitraum durchsuchbar gemacht werden. Eigene Projekte könnten Forschende niedrigschwellig beschreiben und hochladen, indem sie eine kurze Skizze ihres Projekts, verschiedene Aspekte des damit verbundenen Forschungsdatenmanagements und ihre Kontaktdaten in eine Maske eingeben.

Der CLARIAH-DE Connector könnte Forschende, Vermittler*innen von Forschungsdatenmanagement und Studierende vernetzen (eigene Darstellung)

Wer hat was davon? Funktionen und Anreize für unterschiedliche Zielgruppen

Sowohl Forschende, als auch Studierende, Lehrende und Vermittler*innen von Forschungsdatenmanagement könnten stark von einer solchen Plattform profitieren:

  • Forschende könnten Anregungen für eigene Forschungsdatenmangement-Lösungen erhalten und sich untereinander über verschiedene Aspekte ihrer Forschungsdatenmanagement-Vorhaben austauschen – beispielsweise über eine Kommentarfunktion, die unter jeder Projektvorstellung zur Verfügung steht.
  • Vermittler*innen von Forschungsdatenmanagement und Lehrende würden im CLARIAH-DE Connector für jede Schulung bzw. jedes Seminar passende Praxis-Beispiele finden und könnten diese je nach Zielgruppe auswählen. Auf Basis der vorgestellten Forschungsprojekte könnten sie zudem realitätsnahe Übungsaufgaben zu verschiedenen Aspekten des Forschungsdatenmanagements erstellen.
  • Studierenden und Teilnehmer*innen von Forschungsdatenmanagement-Schulungen böte der CLARIAH-DE Connector nicht nur einen Einblick, wie Forschungsdatenmanagement in den Geisteswissenschaften aktuell umgesetzt wird, sondern auch die Möglichkeit, verschiedene Aspekte des Forschungsdatenmanagements praktisch auszuprobieren.

Welche weiteren Features und Anreize der CLARIAH-DE Connector für unterschiedliche Akteur*innen bieten könnte, wird beim CLARIAH-DE Infrastruktur Pitch auf der vDHd2021 vorgestellt. Neugierig? Hier geht’s zur Anmeldung!

Was bringt das? Forschungsdatenmanagement nachhaltig fördern und vermitteln

Ein CLARIAH-DE Connector könnte also zur Vermittlung und Förderung von Forschungsdatenmanagement in den Geisteswissenschaften und angrenzenden Disziplinen beitragen: Der Dienst würde Lernenden die Möglichkeit geben, verschiedene Aspekte und Prinzipien des Forschungsdatenmanagements nicht nur abstrakt kennenzulernen, sondern diese auch selbst aktiv anzuwenden – und dadurch langfristig zu behalten.


Weitere Informationen und Links:

Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE Pitch vDHd2021

Datenbank deutschsprachiger Einakter (1740er–1850er)

Text von Dîlan Canan Çakir, Uni Stuttgart
(Projekt in Kooperation mit Frank Fischer, HSE Moskau)


Herzlich Willkommen zur Blogpostserie zum vDHd-Event “CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award”. Die Blogpostserie will in kurzen Beiträgen die erfolgreichen Einreichungen vorstellen und das Warten auf die Veranstaltung verkürzen.

Dies ist Teil 1 der Serie. Heute stellt Dîlan Canan Çakir ihren Beitrag zum Thema “Datenbank deutschsprachiger Einakter (1740er-1850er)” vor. Die Anmeldung zum Event ist hier möglich: https://s.gwdg.de/boOwFf; weitere Informationen finden Sie am Ende des Beitrags.


Worum es geht

Die Idee hinter unserer Datenbank deutschsprachiger Einakter (1740er–1850er) ist schnell erklärt: Es ist ein digitales Lexikon zu einem nicht-kanonischen Dramenkorpus.

Dramentitel aus unserem Korpus. Das wichtigste Kriterium für die Aufnahme in unser Korpus ist die explizite Einaktermarkierung (z.B. im Untertitel)
Aktuelles Frontend unserer Website (Stand 03/2021).

Über das unerschlossene Einakter-Korpus

Ich bin zwar nicht die erste, die diese nicht-kanonischen Dramen untersucht, allerdings bibliografierte niemand zuvor sämtliche Einakter aus diesem Zeitraum an einem Ort. Damit sind Einschätzungen zur Verbreitung oder Beliebtheit der Stücke in der Forschung eher spekulativ geblieben.

Wer wir sind

Den Vorschlag zur digitalen Einakter-Datenbank machte Frank Fischer (Moskau), ein Digital Humanist, der sowohl Literaturwissenschaft als auch Informatik studiert hat und sich aktuell unter anderem mit der digitalen Analyse von Dramen beschäftigt (etwa im Projekt DraCor). Ich selbst bin eine classically trained Germanistin, die über Einakter promoviert. Damit war die Aufgabenverteilung für unsere Kooperation schnell geklärt. Seit bald einem Jahr arbeiten wir an der Datenbank.

Die Metadaten und unsere YAML-Datei

Die Auswahl der Titel orientiert sich an den Kriterien, die ich in meiner (noch nicht fertiggestellten) Dissertation festgelegt habe. Zusammen überlegten wir, was wir von einer Datenbank erwarten, wie wir die Titel einpflegen und welche Metadaten wir sammeln.

Die Liste mit den gewünschten Metadaten war relativ schnell fertiggestellt. Jetzt ging es darum, dass auch ich (ohne Kenntnisse einer Programmiersprache!) die Daten in ein Format bringe, das es uns ermöglicht, mit diesen weiterzuarbeiten. Die Wahl fiel auf YAML, damit ist sowohl das Lesen als auch Schreiben der Datei mit unseren Metadaten sehr einfach. Das Datenmodell, das Frank Fischer für die Datenbank entworfen hat, kann hier eingesehen werden.

Metadaten zu einem Einakter in unserer YAML-Datei.

Unsere frei zugänglichen Daten

Erst etwas später ging es um das Arbeiten mit den eingepflegten Daten.

In welcher Form sollten diese etwa angeboten werden, damit sie auch von classically trained Literaturwissenschaftler*innen genutzt werden können? Bisher können wir auf der Website Folgendes anbieten:

  1. Über das Suchfeld auf der Website kann man ganz klassisch gezielt nach etwas suchen.
  2. Die CSV-Datei, die man herunterladen kann, ermöglicht einen schnellen Überblick in einer Tabelle.
  3. Auch die oben genannte YAML-Datei kann man herunterladen.
  4. Außerdem bieten wir eine JSON-Datei an, die auf der YAML-Datei basiert und einige zusätzliche berechnete Werte enthält, etwa die Anzahl der Figuren pro Stück.

Es gibt zahlreiche Möglichkeiten, das Korpus mit unseren Metadaten zu untersuchen. Wir haben bereits verschiedene (vor allem quantitative) Analysen getestet und versuchen auch auf der Website immer mehr Funktionen einzubauen. Eines meiner Lieblingsfunktionen ist die Karte mit den Schauplätzen der Einakter auf unserer Website.

Karte mit Schauplätzen der Einakter.

Weitere Informationen und Links:

Anmeldung: https://s.gwdg.de/boOwFf
Veranstaltungsbeschreibung: https://vdhd2021.hypotheses.org/143
Liste der Pitchenden und Ablauf: https://dhd-blog.org/?p=15341
Rückfragen gerne an clariah-de-office@clariah.de

Categories
CLARIAH-DE vDHd2021

CLARIAH-DE Young Researcher Infrastruktur-Pitch mit Best-Pitch-Award

Team: Lukas Weimer, SUB Göttingen | Stefan Buddenbohm, SUB Göttingen | Sonja Friedrichs, SUB Göttingen | Nanette Rißler-Pipka, SUB Göttingen | Regine Stein, SUB Göttingen | Thorsten Trippel, Eberhard-Karls-Universität Tübingen | Nathalie Walker, Eberhard-Karls-Universität Tübingen

Forschungsdatenmanagement und -infrastrukturen wirken auf den ersten Blick nicht besonders attraktiv, gerade wenn junge Forschende voller Begeisterung in ein neues Projekt starten. Deren Wichtigkeit zeigt sich aber schnell, wenn lokal gespeicherte Daten und Arbeitsversionen verloren gehen oder sinnvolle Struktur und Speicherplatz an ihre Grenzen stoßen. CLARIAH-DE ermutigt besonders junge Forschende, sich mit dem eigenen Datenmanagement auseinanderzusetzen und einen passenden Datenworkflow zu entwickeln. Die hierin investierte Zeit zahlt sich später mehrfach aus. Schon früh im Projekt hilft ein Datenworkflow, die Arbeit mit Daten zu strukturieren und zu beschleunigen, Daten für Kolleg*innen zugänglich und nutzbar zu machen, Problemen vorzubeugen und bereits erste Vorarbeiten im Zuge einer möglichen künftigen Veröffentlichung geschafft zu haben.

Das Event stellt die in ihrem Umgang mit Forschungsdaten-infrastrukturen besten und innovativsten Projekte junger Wissenschaftler*innen pitchartig vor und honoriert die beste Vorstellung mit einem von CLARIAH-DE verliehenen Best-Pitch-Award. Dazu gibt es einen speziell an Jungwissenschaftler*innen gerichteten Call for Contribution, der diese motiviert, ihre Projekte mit Forschungsdateninfrastruktur-bezug bzw. in Hinblick auf Forschungsdateninfrastrukturen vorzustellen. Im Event selbst dürfen dann die besten sechs Einreichungen ihr jeweiliges Projekt in einer fünfminütigen individuellen und gerne experimentellen Vorstellung darlegen. Darauf folgt eine Diskussion unter den Vortragenden über die Projekte, Ideen und Konzepte. Diese Diskussion wird danach ins Plenum verlagert. Zum Abschluss entscheiden die Zuhörenden über die Verleihung des CLARIAH-DE Best-Pitch-Awards 2021.

News: Blogpostserie der Pitchenden:
Teil 1 von Dîlan Canan Çakir
Teil 2 von Katharina Leyrer
Teil 3 von Peggy Bockwinkel
Teil 4 von Kristina Becker
Teil 5 von Dennis Ried
Teil 6 von Steffen Rörtgen

Links & Infos:

Termin:

  • Mittwoch, 24.03.2021, 15 – 17 Uhr