DARIAH-DE – Workshop “Forschungsdaten für Andere”

Lizenzen, so könnte man es positiv formulieren – sollen es ermöglichen Daten(sätze)und Datafakten innerhalb der Grenzen der geltenden Gesetze so öffentlich verfügbar zu machen wie möglich. Demgegenüber stehen die Unsicherheiten und die Unkenntnis darüber, was überhaupt lizensiert werden kann und darf, was die diversen Lizenzen auf dem Markt zu leisten vermögen, wie sich die jeweiligen Lizenzen in welchem Punkt unterscheiden. Auch herrscht meist Unklarheit darüber, wie Schutzkraft von Lizenzen einzuschätzen ist. Was schließen die jeweiligen Lizenz ein und was schließen sie aus? Wo liegen die jeweiligen Stärken und Schwächen, Chancen und Grenzen der Lizenz und wie komme ich überhaupt an diese? Angesichts möglichst freier, überregionaler und langfristiger Zugriffe auf Daten zu gewährleisten, sind gerade Lizenzen ein unumgänglicher Teil im Prozess der globalen Austausches. Allerdings erscheinen Lizenzprozesse und -entscheidungen für viele Wissenschaftler ein kaum zu bewältigendes und überschaubares Minenfeld zu sein. Dies führt teilweise zu falschen Entscheidungen in Bezug auf die Lizenzierung, so dass eine freier, überregionaler und langfristiger Zugang schwierig ist, oder es wird keine Lizenz vergeben, ohne zu bedenken, dass ohne eine explizierte Lizenz die Weiterverwendung stark beschränkt ist.

Durch das enorm gewachsene Interesse am offenen Zugang zu Forschungsdaten bzw. deren Bereitstellung in den historisch arbeitenden Wissenschaften, wird es immer dringlicher eine Regelung für die offene Frage der Urheber- und Verwertungsrechte an Forschungsdaten zu finden, da Forschungsdaten Grundpfeiler wissenschaftlicher Erkenntnis darstellen und Grundlage weiterer Forschung sind.[1] Zudem ergeben sich aus Projekten (wie z.B. WissGrid) und durch die gesteigerten Anforderungen durch Geldgeber immer mehr Notwendigkeiten sich mit dem “Datenmanagement” zu beschäftigen, welches auch die Beschäftigung mit Datenlizenzierung und Entscheidungsprozessen für eine Lizenz mit impliziert.

Diese und andere Problemkonstellationen waren Anlass am Leibniz-Institut für Europäische Geschichte in Mainz zusammen mit dem Deutschen Archäologischen Institut in Berlin als Partner in DARIAH-DE am 12./13.06. 2014 ausrichtete. Der Workshop war explizit zur Lizensierung von Forschungsdaten und Datafakten für die historisch arbeitenden Wissenschaften gedacht. In theoretischer und praktischer Perspektive wurden die Lizensierungsmöglichkeiten, die Lizensierungsprozesse und -entscheidung in den Blick genommen und diskutiert.

Am ersten Tag (12.6) wurde mit Experten in Input-Talks auf die Grundlagen der Forschungsdatenlizensierung eingegangen und die Themenkomplexe Urheberrecht, Nutzungsrechte und Datenschutz behandelt. Einzelne Projekte und Einrichtungen stellten ihre Modelle und Lösungen mit Lizenzierungsentscheidungen und -prozessen für den nationalen und internationalen Datenaustausch vor.

Zunächst stellte WIBKE KOLBMANN (Berlin) das Infrastrukturprojekt DARIAH-DE vor und verdeutlichte die Notwendigkeit an und von europäischen Infrastrukturprojekten zur Schaffung von Interoperabilität von Datenbeständen bzw. Datafakten sich stärker als bisher mit Fragen rund um die Lizensierung von Forschungsdaten zu beschäftigen.

JOHANNES PAULMANN (Mainz) als Direktor des Leibniz-Instituts für Europäische Geschichte unterstrich in seinem Grußwort die Dringlichkeit der Fragen nach den sozialen und wissenschaftlichen Regeln für Bereitstellung und Nutzung von Daten. Er verwies dabei auf die Notwendigkeit des freien Zugangs zu Forschungsdaten und Publikationen in Form von Open Access und Open Data. Er verwies dabei auf die eigenen Erfahrungen mit dem Projekt Europäische Geschichte Online und den in diesem Projekt bereitgestellten Metadaten zu Beiträgen und Multimediaelementen. So wies er darauf hin, dass die Beiträge zumeist unter einer Creative-Commons-Lizenz veröffentlicht würden und dadurch potentiellen Nutzern die Bedingungen für die (Weiter-)Nutzung deutlich gemacht würden und müssten.

Der Jurist und Kulturmanager PAUL KLIMPEL (Berlin) gab einen Überblick über die rechtlichen Rahmenbedingungen für wissenschaftliche Daten. Er machte nochmals deutlich, dass zunächst wissenschaftliche Daten nicht grundsätzlich einem urheberrechtlichen Schutzbereich angehören und damit diese nicht per se geschützt sind. Vielmehr tritt hier die Notwendigkeit von Lizenzen und Lizensierungsprozessen zutage, denn in juristischer Hinsicht sind Lizenzen rechtsverbindliche Verträge, die den Gebrauch und Nutzung von Daten(-beständen) eindeutig regeln. So machte Klimpel auch darauf aufmerksam, dass der Lizenzhinweis ein wichtiges Element darstelle, insbesondere dann, wenn dieser maschinenlesbar ist (z.B. als RDF), da dieser dann als rechtlich Metadatum gelten könne.

Die Leiterin des Arbeitspaketes “Standards und Richtlinien” im Projekt APEx (ArchivPortal Europa Exzellenznetzwerk) am Bundesarchiv SUSANNE WAIDMANN (Berlin) vertiefte den Aspekt zur Angabe des Lizenzhinweises anhand von archivischen Daten im Kontext des Archivportals Europa und dem Europeana-Projekt. Sie erläuterte anhand der Aufarbeitung der archivischen Daten in XML-Dateien das Format EAD (Encoded Archival Description) und die anschließende Konvertierung in das Europeana Daten Modell (EDM), wobei in diesem Schritt die Rechteinformationen mit in die Dateien eingebaut würden. Auch in Bezug auf die Metadaten kann METS (Metadata Encoding and Transmission Standard) als Containersystem für digitale Objekte und deren Präsentation in Kombination mit METSRights eine Einbindung von Rechteinformationen über digitale Objekte erreicht werden. Allerdings gäbe es keine Einigkeit über die Nutzung von Lizenzen (so z.B. bei Europeana CC) bei Erschließungsangaben bzw. Informationen, was allerdings teils auch an den nationalen Gesetzgebungen, so dass auf CC-By-Lizenzen zurückzugreifen wäre, wie es auch das Bundesarchiv mit CC BY-NC-SA mache. Es könne aber keinen generellen Aussagen darüber gemacht werden, wann und wie Lizenzen genutzt werden, sondern hänge immer noch stark vom jeweiligen Einzelfall ab, was ein zeit- und kostenintensives Unternehmen ist. Es müsse von daher ein valider Workflow entwickelt werden, der Arbeitsaufwand und Nutzen in ein rechtes Verhältnis setze.

ALINE DEICKE und ANNA NEOVESKY (Mainz) von der Digitalen Akademie verdeutlichten in ihrem Vortrag zu OpenAccess im Akademienprogramm zunächst die Rahmenbedingungen von OpenAccess und Lizensierungen unter der spezifischen Perspektive der Akademieprogramme. Sie berichteten aus den aktuellen Projekten im Umgang mit dem Einsatz von Lizenzen und stellten sowohl grundlegende Gedanken an und brachten diese in Zusammenhang mit gewonnenen Erfahrungen aus dem Arbeitsalltag. Sie machten darauf aufmerksam, dass es keinen Automatismus zwischen der Online-Verfügbarkeit und OpenAccess gäbe, insbesondere wenn die zur Verfügung gestellten Daten unter keine Lizenz gestellt wurden, da die Unklarheit der rechtlichen Lage zur Nicht-Nutzung führen würden. In den Projekten in den Akademieprogrammen würden sich Tendenzen zu CC-Lizenzen in der Form von CC-BY-SA abzeichnen, aber die Entscheidung über Lizenzen würde immer wieder an die Erfordernisse  des Projektes abgestimmt. Einige Projekte haben für eine Entscheidung die General Public License genutzt, um zu einem Ergebnis zu kommen. Für Deicke/Neovesky sei es allerdings offen, wie es mit Lizenzen, Entscheidungen und Prozessen angesichts von kollaborativen Projekten umgegangen werden müsse und wie die Lizensierung sich auch auf die Möglichkeiten der Langzeitarchivierungsstrategien auswirken würden.

MICHAEL KAISER (Bonn) von der Max-Weber-Stiftung in seinem Beitrag “Wissen, Bewusstsein, Praktikabilität” auf die rechtlichen Implikationen des digitalen Publizierens hin. Er zeigte dies an dem von ihm betreuten Projekt perspectivia.net und betonte, dass im Durchlaufen der Phasen von der Konzeptionierung bis zum Alltagsbetrieb die lizenzrechtliche Klärung immer ein wichtiges Element darstelle. Auch die Rollenverteilung zwischen den beteiligten Akteuren auf jeder Ebenen in allen Phasen der Konzeption und Durchführung von “digitalen” bzw. hybriden Projekten spiele eine wichtige Rolle. Er konstatierte, dass die Akzeptanz von und das Bewusstsein für Lizenzen auf allen Ebenen und Dimensionen der Projektphasen noch steigerungsbedürftig seien, wobei oft der Aspekt des Designs der Lizenzierung allzu oft in den Hintergrund gerät und das Spektrum der angebotenen Lizenzen bei weitem nicht genutzt wird. Er machte am Schluss seiner Ausführung darauf aufmerksam, dass auch die Internationalisierung von Lizenzen bisher noch unzureichend bedacht und umgesetzt ist, so dass sich Probleme bei dem Umgang mit der Mehrsprachigkeit und den Konflikt mit ausländischen Rechtsnormen noch zu wenig Aufmerksamkeit geschenkt würde, wenngleich dies nicht zu einem Alarmismus führen sollte.

Am zweiten Tag (13.6) wurden verschiedene Tools zur Lizenzentscheidung und -erstellung vorgestellt.

THOMAS KOLLATZ (Essen) stellte die Creative Commons Lizenzen mit Chancen und Grenzen vor und deren Lizensierungsportal Choose a license vor. Er zeigte auf, wie die CC-Lizenzen in verschiedenen Datenformaten Verwendung finden können (z.B. TEI, (x)html, EDM XML).

NIKO BEER (Paderborn) stellte das Licensing decision tool als Teil des OER IPR Support Project vor. In diesem Projekt werden umfangreiche Informations- und Hilfsmaterialien, sowie Werkzeuge zur Verfügung gestellt und verschiedenste Wege der Offenheit der Daten und ihrer Lizensierung mit bedacht werden kann.

WIBKE KOLBMANN (Berlin) stellte wiederum den Public Domain Calculator des Projektes Europeana Connect vor. Dieser entstand im Zuge der Suche nach einem Europeana Licensing Framework und soll die Klärung der Rechtslage und Empfehlung für Datenanbieter im Hinblick auf die Lizenzierung ihrer Daten für Europeana fördern. Er ist ein Instrument zur Bestimmung, ob Schutzfristen für ein Werk ausgelaufen sind, ob andersweitige Fakten vorliegen oder ob es sich um ein neu entstandenes Werk handelt, welches freiwillig als gemeinfrei veröffentlich werden kann. Allerdings wies Kolbmann in ihren Ausführungen nochmals darauf hin, dass der Anwendungsbereich des Tools durch die Auswahl der Medienformate eingeschränkt und zudem nicht für die Evaluierung von Metadaten geeignet sei.

Abschließend testeten die Teilnehmer an eigenen Rechnern die vorgestellten Tools, die sie bei der Lizenzentscheidung und -erstellung unterstützen können anhand ihrer eigenen Daten. Jeweilige Anwendungsfragen konnten direkt mit den jeweiligen BeraterInnen von DARIAH-DE diskutiert und gelöst werden.

In der Abschlussdiskussion wurde nochmals deutlich, dass es einen enormen Bedarf an Aufklärungs- und Beratungsarbeit in Bezug auf die Entscheidungsprozesse für oder wider eine Lizenzart gibt. Es war allgemeiner Konsens, dass es eine zentrale Stelle geben sollte, um sich bei Fragen der Lizensierung von Daten und Datafakten in den historisch arbeitenden Wissenschaften beraten zu lassen. Grundsätzlich wurde aber die Notwendigkeit für die Verwendung und den Nutzen der Lizenzierung von Forschungsdaten nicht mehr in Frage gestellt, was wiederum auch ein wichtiges Ergebnis des Workshops darstellt.

Workshopübersicht

Begrüßung Johannes Paulmann (Mainz)

Einführung Wibke Kolbmann (Berlin), Lizenzen als Thema von Infrastrukturprojekten – DARIAH-DE

Theorie und Praxis – Perspektiven und Herausforderungen der Datenlizenzierung

Paul Klimpel (Berlin), Rechtliche Rahmenbedingungen für wissenschaftliche Daten – Ein Überblick

Susanne Waidmann (Berlin), Rechteangaben rund um archivische Daten im Archivportal Europa und Europeana

Aline Deicke / Anna Neovesky (Mainz), OpenAccess im Akademienprogramm – Anwendung und Herausforderungen

Michael Kaiser (Bonn), Wissen, Bewusstsein, Praktikabilität – rechtliche Implikationen des digitalen Publizierens

Methoden und Tools ? Praktische Perspektiven der Datenlizenzierung

Thomas Kollatz (Essen), creative commons 4.0

Niko Beer (Paderborn), OER Licensing Decision Tool

Wibke Kolbmann (Berlin), Public Domain Calculator

Fragen und Perspektiven

Hands-on-Session mit den vorgestellten Tools anhand von eigenen Daten und Datafakten und anschließender Diskussion mit Teilnehmern und Veranstaltern.

[1] So die Wissenschaftsallianz in ihren Grundsätzen zum Umgang mit Forschungsdaten. Die DFG sieht hierin auch die Sicherung guter wissenschaftlicher Praxis.

Quelle: http://dhd-blog.org/?p=3773

Weiterlesen

DARIAH-DE Tutorial “Digitale Textedition mit TEI” online

Kodierung von "surface" und "zone" beim dokument-zenrierten Kodieren mit TEI.

Kodierung von “surface” und “zone” beim dokument-zenrierten Kodieren mit TEI.

Das DARIAH-DE Tutorial Digitale Textedition mit TEI ist nun vollständig online. Das Tutorial, das Teil der DARIAH-DE Schulungsmaterialien ist, besteht aus einer Reihe von Kapiteln, die aufeinander aufbauend in verschiedene Aspekte der Kodierung und Edition von Texten nach den Guidelines der Text Encoding Initiative einführen.

Das Tutorial ist für den Einsatz in der Lehre konzipiert, kann aber auch im Selbststudium eingesetzt werden. Für weiterführende Lektüre zum Thema verweisen wir auf die Sammlung zum Thema “Enrichment” in der Doing Digital Humanities”-Bibliographie, die von DARIAH-DE auf Zotero zur Verfügung gestellt wird.

Jedes Kapitel behandelt einen bestimmten Aspekt des Themas und besteht jeweils aus drei Elementen: erstens aus einem Foliensatz für ein Inputreferat, das in die wichtigsten jeweils einschlägigen Begriffe und Elemente der TEI einführt; zweitens aus einem oder mehreren Aufgabenblättern, die zur praktischen Einübung des Gelernten dienen; und drittens aus den diversen Materialien, die für die Bearbeitung der Aufgaben notwendig sind, bspw. digitale Faksimiles, Transkriptionen, XML-Dateien, und mehr. Das Tutorial umfasst die folgenden Kapitel:

  1. Einführung in die digitale Textedition
  2. Was sind Markup und XML?
  3. Grundlagen der Textkodierung mit TEI
  4. Die TEI Guidelines, Kapitel 1-23
  5. Metadaten im teiHeader festhalten
  6. Primärquellen kodieren
  7. Varianten kodieren
  8. Dokument-zentriertes Kodieren
  9. Manuskript-Beschreibung
  10. TEI anpassen mit Roma
  11. Verwendung von XPath

Die Tutorials wurden von Christof Schöch an der Universität Würzburg umgesetzt und sind in den vergangenen zwei Jahren u.a. im Rahmen von DARIAH-DE entwickelt worden und konnten bisher in einer Reihe von Lehrveranstaltungen (universitäre Lehrveranstaltungen auf BA-Niveau sowie diverse Workshops für NachwuchswissenschaftlerInnen aus den Geisteswissenschaften) eingesetzt werden. Die Publikation als DARIAH-DE Schulungsmaterial konnte mit Unterstützung durch Mareike Laue, Philip Dürholt, Sina Bock und Keli Du, Universität Würzburg, realisiert werden. Die Aufgabenblätter selbst sind in TEI geschrieben und wurden mit Hilfe des Satzprogramms XML-Print automatisch in PDF-Dateien verwandelt.

Die Folien und Aufgaben basieren in großen Teilen auf den Materialien, die das Team “Digital Humanities @ Oxford” für die dortige Summer School 2012 entwickelt und veröffentlich hat. Die Materialien sind durchgehend nicht nur übersetzt, sondern auch weiter entwickelt und durch neue Themen, Aufgaben und Materialien ergänzt worden. Dies ist aufgrund der Creative-Commons-Lizensierung der Oxforder Materialien möglich. Wir publizieren die vorliegenden Tutorials mit der Lizenz Creative Commons Attribution 4.0 International (CC-BY), um weitere Bearbeitungen zu ermöglichen.

Neben den PDF-Dateien, die zur unmittelbaren Nutzung heruntergeladen werden können, stehen auch die XML-Dateien der Aufgabenblätter <http://dev.dariah.eu/svn/TTEI/Aufgaben/XML/> (einschließlich des RNG-Schemas, der ODD-Datei sowie der beiden Konfigurationsdateien für XML-Print) zum Download bereit. Dadurch können im Sinne der CC-BY Lizenz von Dritten Anpassungen an den Aufgaben vorgenommen und erneut mit XML-Print veränderte PDF-Dateien generiert werden. Die Speicherung im Hintergrund erfolgt in einem SVN-Repository, das die Nachverfolgung aller zukünftigen Änderungen erlaubt.

Über Rückmeldung zu dem TEI-Tutorial (sei es Lob, seien es Hinweise auf Ungenauigkeiten) freuen wir uns sehr und bitten um eine kurze Email an christof.schoech@uni-wuerzburg.de.

Quelle: http://dhd-blog.org/?p=3722

Weiterlesen

Edirom-Summer-School 2014

Vom 8.–12.9.2014 veranstaltet der Virtuelle Forschungsverbund Edirom (Universität Paderborn und Hochschule für Musik Detmold) gemeinsam mit DARIAH-DE die diesjährige Edirom-Summer-School (ESS) im Heinz-Nixdorf-Institut der Universität Paderborn. Die Anmeldung zu den Kursen ist ab sofort auf der ESS-Website bis zum 31. Juli 2014 möglich.

Das Kursangebot reicht von allgemeinen Überblicksveranstaltungen zur DARIAH-DE Infrastruktur und zur Konzeption Digitaler Musikausgaben über Einführungen in die Text Encoding Initiative (TEI) und die Music Encoding Initiative (MEI) bis hin zu praxisorientierten Kursen u.a. zur Verwendung digitaler Editionswerkzeuge (Edirom Tools) oder zum Rendering von MEI Daten. Möglichkeiten zum Einblick in und zum Erfahrungsaustausch mit digital arbeitenden Editionsprojekten bietet das Edirom User Forum.

Im Rahmen des EADH Small Grants Programm kann in diesem Jahr ein Studentenstipendium für die Teilnahme an der ESS vergeben werden. Bewerbungsschluss hierfür ist am 20. Juli 2014. Weitere Informationen zum Bewerbungsverfahren, dem Kursprogramm und zur Kursanmeldung sind auf der ESS-Website erhältlich.

Quelle: http://dhd-blog.org/?p=3699

Weiterlesen

Anmeldefrist verlängert: Zweitägiger Workshop – Forschungsdaten für Andere. Lizenzen und Werkzeuge für Historiker

Das Leibniz-Institut für Europäische Geschichte in Mainz richtet im Rahmen von DARIAH-DE (Digital Research Infrastructure for the Arts and Humanities) einen zweitägigen Workshop zur Lizenzierung von Forschungsdaten aus und lädt dazu Historikerinnen und Historiker ein, die selbst über Forschungsdaten verfügen, planen diese zu veröffentlichen und nun nach einer geeigneten Lizenz für ihre Daten suchen. Hier der Link zum Programm!

Anmeldungen sind ab sofort bis zum 09.06.2014 über das Registrierungsformular möglich. Der Workshop ist auf max. 18 Personen beschränkt, die Vergabe der Plätze und eine Zusage über eine Teilnahme erfolgt in der Reihenfolge der Anmeldungen. Die TeilnehmerInnen werden gebeten, Ihren eigenen Computer/Laptop mitzubringen, um an den Hands-On-Sessions aktiv teilnehmen zu können.

Quelle: http://dhd-blog.org/?p=3607

Weiterlesen

Digitale Forschungsinfrastruktur für Geistes- und Kulturwissenschaften – Verbundprojekt der Universitätsbibliothek Göttingen geht in die zweite Förderphase

Pressemitteilung der Universität Göttingen, Nr. 119/2014 – 23. Mai 2014

DARIAH-DE Logo mit deutscher Unterschrift CMYK 1.1Das von der Niedersächsischen Staats- und Universitätsbibliothek Göttingen (SUB) koordinierte Verbundprojekt DARIAH-DE geht in die zweite Förderphase. Nach positiver Evaluierung wird das vom Bundesministerium für Bildung und Forschung mit insgesamt rund zehn Millionen Euro geförderte Projekt nun zwei weitere Jahre fortgeführt. DARIAH-DE baut als nationales Teilprojekt des europaweiten Projekts DARIAH-EU (Digital Research Infrastructure for the Arts and Humanities) seit 2011 eine digitale Infrastruktur für die geistes- und kulturwissenschaftliche Forschung in Deutschland auf. In Deutschland sind insgesamt 20 Partner daran beteiligt, darunter Universitäten, Rechenzentren und fachspezifische Forschungsinstitute.

DARIAH-DE unterstützt Forschende in den Geistes- und Kulturwissenschaften mithilfe neuer IT-gestützter Technologien: Der Aufbau einer nachhaltigen Forschungsinfrastruktur für digitale Werkzeuge und Forschungsdaten und die Entwicklung von Technologien für Lehre und Weiterbildung ermöglicht ihnen eine standortunabhängige und disziplinübergreifende Zusammenarbeit, etwa im Rahmen von gemeinsamen Verbundprojekten.

„DARIAH-DE leistet in der zweiten Förderphase einen wesentlichen Beitrag zum Ausbau des Spektrums der digitalen Geisteswissenschaften, auch dank der Kooperationen mit neu hinzugekommenen Partnern wie beispielsweise der Herzog-August-Bibliothek Wolfenbüttel und der Open Knowledge Foundation Deutschland“, so die Projektkoordinatorin Dr. Heike Neuroth, Leiterin der SUB-Abteilung Forschung und Entwicklung. Prof. Dr. Norbert Lossau, Vizepräsident der Universität Göttingen, betont: „Die Anwendung neuer digitaler Medien bedeutet eine große Bereicherung für die Geistes- und Kulturwissenschaften. Wir freuen uns, diese Entwicklung am Göttingen Research Campus maßgeblich mitgestalten zu können.“

In Göttingen ist neben der SUB die Gesellschaft für wissenschaftliche Datenverarbeitung (GWDG) an verantwortlicher Stelle am Projekt beteiligt. Weitere Informationen zu DARIAH-DE sind unter https://de.dariah.eu zu finden.

Quelle: http://dhd-blog.org/?p=3527

Weiterlesen

DH 2014 Workshop: Sharing digital arts and humanities knowledge

DARIAH-EU und DARIAH-DE werden bei der DH 2014 mit einem gemeinsamen Workshop zum Thema “Sharing digital arts and humanities knowledge: DARIAH as an open space for dialogue” vertreten sein und laden dazu interessierte Fachwissenschaftler am 8. Juli 2014 von 09:00 bis 16:00 Uhr an die Ecole Polytechnique Fédérale de Lausanne (EPFL) ein.

DARIAH (Digital Infrastructure for the Arts and Humanities) will ein breites Spektrum an DariahDH2014Forschungsinfrastruktur-Komponenten für die Digital Humanities anbieten. Im Zentrum stehen dabei die FachwissenschaftlerInnen und ihre Bedürfnisse. Angebote und Services werden von Forschenden für Forschende entwickelt. Ziel des Workshops ist es eine Plattform für offenen Austausch zwischen an Digital Humanities Methoden und Tools interessierten GeisteswissenschaftlerInnen, InformatikerInnen, EntwicklerInnen und InformationswissenschaftlerInnen zu bieten.

Die Anbieter von Forschungsinfrastrukturen müssen die Arbeitsweise und Anforderungen der geisteswissenschaftlichen Forschercommunity an Tools und Services kennen um sie mit entsprechenden Angeboten der Digital Humanities unterstützen zu können. Genauso wichtig ist jedoch umgekehrt, dass GeisteswissenschaftlerInnen eine Vorstellung von den technischen Möglichkeiten der Forschungsinfrastrukturen entwickeln um Anpassungen und spezielle Bedürfnisse am besten noch während der Planungsphase mit Infrastrukturanbietern zu besprechen.

Während des Workshops werden kollaborative Werkzeuge wie Twitter (Hashtag: #DARIAHdialogue), Etherpad und ein Wiki zum Einsatz kommen um die Ergebnisse festzuhalten, die nach der Veranstaltung in eine Open Access-Veröffentlichung fließen sollen.

Zur Registrierung geht es unter folgendem Link: https://meeting.artegis.com/event/DH2014

Eine Übersicht über alle Workshops der DH 2014 gibt es unter: http://dh2014.org/workshops/

Quelle: http://dhd-blog.org/?p=3426

Weiterlesen

Explore, play, analyse your corpus with TXM

A short introduction of TXM by José Calvo and Silvia Gutiérrez

 

On Feburary 6-7, 2014, the Department for Literary Computing, Würzburg University, organized a DARIAH-DE Workshop called “Introduction to the TXM Content Analysis Platform“. The workshop leader was Serge Heiden (ENS-Lyon) who is in charge of the conceptualizing and implementing TXM at the ICAR Laboratory in France.

The workshop included a brief explanation of TXM’s background, but it concentrated on a very practical approach. We learned about the “Corpora options” (that is what you can know about your corpus: POS descriptions, text navigation), but also what you can do with it: find Key Words In Context (KWIC), retrieve Parts of Speech, and moreover how you can analyse these results querying for the Most Frequent Words or the cooccurrences.

In the evening of day one, we got an overview of the state of art of the use of “Natural Language Processing for Historical Texts” in a keynote by Michael Piotrowski (IEG Mainz). First of all, he started by defining Historical Texts as all those texts that will bring major problems to NLP. In order to clarify these definitions, Dr. Piotrowski listed some of the greatest difficulties:

  • Medium and integrity: we have to remember that in order to analyse an old script that was written in clay tablets or marble, it is compulsory to first find a way to transfer this information into a digital format (not an easy task); plus: some texts are defective or unclear, and transcriptions may introduce new errors
  • Language, writing system and spelling: many of the historical texts were written in extinct languages or variants different from today’s variants; as for the writing system, the many abbreviation forms and the variety of typefaces are more or less problematic; finally, we should not forget the little problem of non-standardized spelling!
  • State of art: Historical languages are less-resourced-languages, there are few texts available, and NLP for historical languages is carried out in specific projects; that is, there are no common standards and everyone has to start from zero.

Not to discourage his public, he then offered an overview of what can be done: Part-of-speech tagging. Creating a tagger for a historical language can be done with the the following methods:

  1. From scratch: manually annotating your text
  2. Using a modern tagger and manually correcting all errors
  3. Modernizing spelling
  4. Bootstraping POS tagger (with many versions of the same text, like the Bible)

Now let’s get back to the TXM workshop. In this post, you will find a brief practical introduction to this tool. We will provide you with a rough idea of what is this software about and what you can do with it. If you would like to learn more, do check the links we have shared towards the end of this post. By the way, all words marked with a little * are explained at the end, in the “Vocabulary” section.

What is TXM?

This software is at the juncture of linguistics and scholarly editing and it’s made to help scholars analyse the content of any kind of digital text (Unicode encoded raw texts or XML/TEI tagged texts).

To get to know more about the TXM background, don’t miss Serge Heiden’s Workshop slides:

Where can I work with it?

You may work on the desktop (download page) or online version of the tool. Both platforms have advantages and disadvantages. The online version allows you to start the work without downloading or installing anything, and share your corpora with other colleagues. With the desktop version, you can easily lemmatize and analyse the Parts of Speech (POS*) of your own texts.

So that you can get a better idea of the way it works, we’ll guide you with some practical examples. Say you want to search for the lemma politics on the “Brown Corpus*. First you have to open the Index option:

2014-02-15_19h28_12

Then you use the query box to type in the query, using the following structure from the CQL* query language: [enlemma=“politics”]. In the desktop version, the results will look as follows (the web version is very similar):

2014-02-12_11h02_39

What can I do with TXM?

Explore your corpus

Corpora options

On the first column of both interfaces there’s a list of the corpora you can work with (in this case DISCOURS, GRAAL, BROWN). When you click with the right button of your mouse on one of your corpora, you will see a list of icons:

png;base6465a19490765df979These are the main tools of TXM and you will use one of these to analyse your corpus in different ways.

Corpus description (Dimensions)

Before you start with the fun, you should click the “Dimensions” option and have a look at some general information about the corpus (number of words, properties, and structural units, as well as the lexical and structural units properties). This information is richer in the desktop version:

2014-02-12_11h12_23

Text navigation

A very practical TXM feature is the text display. If you wish to open a list of the corpus’ elements, you just have to click on the book icon (called “Texts” in the online version and “Open edition” in the other). A list like the following will be shown:

2014-02-12_11h17_48

Moreover, if you click on the book icon in the “edition” column, TXM will open a readable version of our text:

2014-02-12_11h18_47

Play with your corpus

Key Words In Context (KWIC)

A very typical visualization of a corpus is the so called KWIC view, which you have already seen displayed in the politics lemma example.

With TXM you can sort the results using different criteria organizing them according to the right or left context of your word, the word form, etc; besides, you can choose which elements you want to visualize. Say you’re searching for collocations of present as an adjective and NOT the data related to the noun nor the verb form (to present). First of all you need to go to the INDEX.

Once you open this, you can set the options in the “Keyword” column and visualize the grammatical category along with the word form. Then you type “JJ_present”, where “JJ” means “adjective” and “present” is the verb form, so that only those instances of the graphical form present are selected which are adjectives. It is also possible to order this data by different criteria.

As you can see in the next screenshot, you are looking for the lemma present. Therefore, you should set the first “Sort keys” menu to “Left context”, and the second one to “Keyword”; what you’re saying to the software is that you want all the examples sorted by the Left context as a first criteria and the Keyword as a second. In the “Keyword” > “View” menu we have set “enpos, word”. With that we are ordering TXM to show us not just the word form, but also the POS. That is why we see the keywords as “VVN_present” (that means, present as a verb) or JJ_present (present as an adjective):

png;base64f22bacff5fc65745

Parts of Speech

Another way to display specific words according to their POS can be run by using the Index tool (A|Z icon), from a lexicologist point of view one the most interesting options of TXM. If you search again for the lemma present and in the properties box, you chose to see not only the word form but the POS as well, TXM will tell you the frequency, word form and POS of each different word form found in the corpus:

2014-02-12_11h53_26

If you only want the word forms of the verb to present, you can add the POS information to the query: [enlemma=“present” & enpos=“VV.*”]

These index can able to create lists of n-grams. Let’s search for the most frequent words that appear after the lemma present:

2014-02-12_11h57_37

Quantative analysis

Most Frequent Words

To query something you have to have a specific question and know some basic information, for instance: in which language is the corpus? A way to have a general idea about the texts is the Lexicon option, the icon with AZ both on white background. When you click on it, you will see a list of the most frequent word forms:

2014-02-13_11h58_08

 

You can change the settings of the query and ask to count not the word forms but the lemmas. In that case the verb to be climbs up some positions, now that is, are, were, been etc. count as one single unity:

png;base64c5510467d9a7ff1f

 

Coocurrences

Another quantitative analysis concerns the coocurrences, that is, the words (or other unities) that frequently appear close to a specific word (or to other unities). Unlike n-grams, coocurrences do not have to appear exactly after or before the unity, they just have to be somewhere close to it.

The Brown corpus was compiled in the 1960s in the United States, the main years of the Cold War. So let’s see the vocabulary related to the words United States and which one to Soviet Union:

2014-02-13_12h13_56

Progression

Another statistical option that exists on the Desktop version is the Progression (icon with an arrow). This option helps visualize how many times a unity appears in a corpus or a text. This might be interesting to see the progress of a word between two dates or see the development of a word in the different parts of a text.

For the next example, the text of Bram Stocker’s novel Dracula was imported (the version used is from the University of Adelaide). With the information of the chapters kept in XML elements, you can look for the name of the main characters and see how many times and where they appear. The next screen-shot shows the complete query:

2014-02-13_13h41_35

To understand the next graphic, you have to keep in mind that if the lines ascends, that means the name has been mentioned; if the line keeps going horizontally, it means the name didn’t appear any more.

 

2014-02-08_15h54_49

 

As you can see, the Count Dracula (yellow) is the most mentioned name in the first four chapters, but it almost disappears towards the 17th chapter. In this gap, Lucy (blue) becomes the main character and, from the 9th chapter, the Professor van Helsing (red) takes the “leading” role. It is also remarkable that this last character is not only the most frequent, but the most stable.

Sub-corpora and partitions

You can divide your corpus into two options: sub-corpora and partitions. With a sub-corpus you can choose some texts from a corpus and work with them. With the partition, you can split the corpus into more than one part and easily compare the results of the different parts. On the next screenshot, you have the menu where a Partition called “Fiction and Press partition” is being created, using the XML “text” and the property “type” to choose which kind of text is wanted. This partition will have two parts: one called “Fiction” and the other one called “Press” and each of it will contain the respective type of texts.

2014-02-13_13h26_05

Useful links

“A gentle introduction to TXM key concepts in 90 minutes” by Serge Heiden: http://sourceforge.net/projects/txm/files/documentation/IQLA-GIAT%202013%20TXM-workshop.pdf/download

Tutorial video introducing TXM 0.4.6 (WARNING: the software, specially it’s surface, is now very different): http://textometrie.ens-lyon.fr/IMG/html/intro-discours.htm

TXM background http://fr.slideshare.net/slheiden/txm-background

TXM import process http://fr.slideshare.net/slheiden/txm-import-process

Vocabulary

 

Brown Corpus

The Brown corpus consists of 500 English-language texts, with roughly one million words, compiled from works published in the United States in 1961. You can learn more about it here.

CQL

TXM uses an underlying Contextual Query Language, which is a formal system for representing queries to information retrieval systems such as web indexes, bibliographic catalogues and museum collection information. More information in the official web-page: http://www.loc.gov/standards/sru/cql/

 

POS

Here is a useful alphabetical list of part-of-speech tags used in the Penn Treebank Project (tag and description): https://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html

Quelle: http://dhd-blog.org/?p=3384

Weiterlesen

Nachlese DHd 2014: Technische Infrastruktur

Im Fokus von Session 4: Technische Infrastruktur standen Themen wie Basisdienste, Hosting Services und operative IT-Dienste und damit Aspekte des technischen Fundaments von DARIAH-DE, die durch eine enge Zusammenarbeit zwischen den beteiligten Geisteswissenschaften und Rechenzentren erarbeitet werden. Geleitet wurde die Session von Tibor Kálmán (GWDG) und Peter Gietz (DAASI), die auf der Basis praktischer Anwendungsfälle nicht nur einen Überblick über die Komponenten und Funktionsweise der Basisinfrastruktur boten, sondern insbesondere auch auf integrative Aspekte eingingen, um Fragestellungen der Einbindung weiterer Dienste sowie der Nutzbarkeit und Nachhaltigkeit angebotener Services zu beleuchten.

Unterstützt wurden sie dabei durch Thomas Kollatz und Harald Lordick (beide STI), welche anhand von praktischen Anwendungsfällen verdeutlichten, dass die in DARIAH-DE entwickelte, technische Infrastruktur bei der Bearbeitung von Forschungsprojekten einen Nutzen auf unterschiedlichen Ebenen bietet: So finden im Rahmen der von Thomas Kollatz vorgestellten Projekte epidat [1] und RiR [2] eine Vielzahl von Services der technischen Infrastruktur ihre Anwendung. Das Spektrum der unterstützen Aufgaben reicht dabei von den eher koordinativen und organisatorischen Aufgaben des Projektmanagements, die mit Hilfe von Basisdiensten wie Wiki, Jira und Etherpad erleichtert werden, hin zu dem Hosting virtueller Maschinen, der Anbindung der DARIAH-DE AAI sowie dem Einsatz des DARIAH-DE Geobrowsers [3] zur Analyse und Visualisierung z. B. epigraphischer Daten. Harald Lordick präsentierte mit seiner mobilen Web-App “Orte jüdischer Geschichte” [4] einen weiteren, aus geisteswissenschaftlichem Antrieb entstandenen Dienst, der auf Basis einer Positionserkennung Orte jüdischer Geschichte in der Umgebung des Benutzers findet und anzeigt. Ein erkennbares Ziel der App besteht dabei in der Generierung überraschender Ergebnisse durch die Bereitstellung einer neuartigen, auf der geographischen Position eines Benutzers basierenden Perspektive auf Dokumente. Auch bei der Umsetzung der App kann auf Dienste, wie Geoservice und Geobrowser, insbesondere aber auch auf Knowhow der technischen Umsetzung z. B. zu Lizenzen oder Aspekten der Datenaufberetung zurückgegriffen werden.

Wie es auch aus der DARIAH-DE Übersichtsgrafik [5] hervorgeht, bietet die technische Infrastruktur in ihrem Kern Software-, Platform- und Infrastruktur-Hosting sowie operative Dienste als technische Basis für darauf aufbauende Projekte. Darüber hinaus tritt die technische Infrastruktur insbesondere auch als Vermittler zwischen den Interessen der Fachwissenschaften und der Rechenzentren auf. Ein konkretes Beispiel für diese vermittelnde Rolle spiegelt sich bei der Einbindung neuer Dienste wider, wobei nicht nur das im Rahmen des DARIAH-DE Service Lifecycle [6] gebündelte und dokumentierte Knowhow zur Verfügung steht. Projekte werden in Zukunft zudem durch je einen technischen und einen fachwissenschaftlichen Mentor begleitet, um bei der Entwicklung und Einbindung von Diensten zu unterstützen und so z. B. auch Fragen der technischen Anbindung der REST-basierten DARIAH-DE Storage Schnittstelle [7] oder der DARIAH-DE AAI in direkter Kommunikation schnell zu lösen.

Besonders zu betonen ist auch, dass sich DARIAH-DE im Rahmen der technischen Infrastruktur nicht als Insel, sondern als Teil eines Netzes einer Vielzahl weiterer Infrastrukturen sieht und einen besonderen Fokus auf die Erkennung und Nutzung von Synergien legt. Eine besondere Rolle spielt dabei das Thema der Nachhaltigkeit, welches im Rahmen der im März gestarteten Folgephase von DARIAH-DE in Form eines dedizierten Clusters behandelt wird. Zentrale Aspekte dieses Clusters bestehen in der Erarbeitung von Konzepten und Strategien zur langfristigen Bereitstellung virtueller Maschinen und Dienste, aber auch der Beratung geisteswissenschaftlicher Forschungsprojekte. Mit der DARIAH eHumanities Infrastructure Service Unit (DeISU) soll hierzu bis 2016 eine zentrale Anlaufstelle für Geisteswissenschaftler geschaffen werden, die auch nach der Förderphase von DARIAH-DE zwischen fachwissenschaftlichen Anforderungen und technischen Diensten vermittelt.

Referenzen

[1] epidat – epigraphische Datenbank | digitales Textarchiv: http://www.steinheim-institut.de:50580/cgi-bin/epidat
[2] Relationen im Raum. Visualisierung topographischer Kleins(st)rukturen: http://www.steinheim-institut.de/wiki/index.php/RiR
[3] DARIAH-DE Geo-Browser: http://geobrowser.de.dariah.eu/
[4] Orte jüdischer Geschichte: http://app-juedische-orte.de.dariah.eu/
[5] DARIAH-DE Übersichtsgrafik: http://de.dariah.eu/dariah-visualisiert
[6] DARIAH-DE Service Lifecycle: https://dev2.dariah.eu/wiki/display/DARIAHDE/DARIAH+Service+Life+Cycle
[7] DARIAH-DE Storage API: https://dev2.dariah.eu/wiki/download/attachments/10618851/DARIAH-Storage-API-v1.0_final.pdf

Quelle: http://dhd-blog.org/?p=3357

Weiterlesen

DARIAH-DE – Portal-Relaunch

Unter de.dariah.eu steht ab sofort das überarbeitete DARIAH-DE-Portal bereit. Es bietet Zugang zum Angebot von DARIAH-DE in den Bereichen Forschung, Lehre, Forschungsdaten, Tools sowie fachwissenschaftliche und technische Dienste und fungiert als zentraler Kommunikationsort für DARIAH-DE.

Neu sind unter anderem die überarbeitete Navigation, die DARIAH-DE Working Papers als zentrales Publikationsorgan für Beiträge im Projekt-Kontext oder zum Thema Digital Humanities, sowie eine große Sammlung an Schulungsmaterialien. Hierzu zählen das Tutorial Digitale Textedition mit TEI und die Schulungsmaterialien  TAToM – Text Analysis with Topic Models for the Humanities and Social Sciences“, die grundlegende Verfahren der quantitativen Textanalyse zeigen.

DARIAH-Portal-Relaunch

Die Inhalte des Portals werden natürlich weiterhin ständig um die im Projekt erarbeiteten Ergebnisse erweitert und ergänzt. Durch die technische Realisierung als Liferay-Portal besteht außerdem die Möglichkeit, nach und nach auch weitere neue Anwendungen oder Inhalte der DH-Community  über Liferay-Portlets bzw. selbst entwickelte Portlets in das Portal zu integrieren.

Viel Spaß beim Stöbern und Entdecken!

Quelle: http://dhd-blog.org/?p=3323

Weiterlesen

DHd-Kanal auf youTube geht auf Sendung

Die Projekte DARIAH-DE und TextGrid betreiben seit heute auf YouTube einen eigenen DHd-Kanal (https://www.youtube.com/user/dhdkanal) mit Video-Clips zu DH-Themen. Rund vier Stunden Filmmaterial stehen bereits bereit, darunter zwei neue Explainity-Clips, die die Themen “Datensicherheit” und “Kollaborativ arbeiten” einfach und verständlich präsentieren.

DHd-ChannelGeplant sind weitere Videos, beispielsweise die TextGrid-Tutorials zum Arbeiten im TextGridLab und DARIAH-DE-Schulungsmaterialien.

Quelle: http://dhd-blog.org/?p=3301

Weiterlesen