Zum Hauptinhalt springen

Texte, überall Texte

Gesellschaft und Kultur zu analysieren, heißt (auch) Texte zu beforschen. Ein großer Teil historischer aber auch heutigen menschlichen Wirkens kommt in Form von Texten: Nachrichtentexte von der Erfindung der Zeitung bis zur modernen Liveticker, Bezeugungen vom Erlebnisbericht bis offiziellen Parlamentsprotokollen, zwischenmenschlichte Kommunikation vom Briefwechsel hin zum Twitter-Thread aber auch die politisch-organisationales Handeln, ob Gesetzestext oder der Aufklärungskampagnen.

Texte, in ihrem massenhaften Vorhandensein und der Möglichkeit sie variabel aber großflächig zu erschließen und zu analysieren, können quantifiziert und neue disziplinären Fragestellungen zugeführt werden. Fragen nach Trends und Mustern größerer historischer Zusammenhänge, nach umfassender Einordnung und Kategorisierung, nach innerer Struktur und übergreifendem Vergleich sind größten Umfängen möglich.

Textdaten: Potential und Herausforderung

Für die quantitative Analyse von Texten liegen zwar inzwischen eine ganze Reihe von typischen Fragestellungen, Methoden und Theorien vor, die in immer neuer Form miteinander kombiniert werden können. Aber nicht über alle Disziplinen sind diese gleichermaßer ausgearbeitet. Darüber hinaus besteht die Herausforderung, weil sie in ganz verschiedenen Formaten und Qualitätsstufen vorliegen: als Scan, als automatisch erkannter Volltext, als strukturierte XML-Datei. Wer damit arbeitet, muss dieses heterogene Material zuerst vergleichbar machen. Die Entwicklung ist also unabgeschlossen und es existiert Raum für disziplinäre Innovation sowie Methodentransfer.

Open Educational Resources zur Arbeit mit Textdaten

Shortlink Text 1
Fallstudie „Spanische Grippe“ zum Datentyp Text
Bild: Lamia Islam

Quantitative Analyse der Medienwellen der Spanischen Grippe (1918/19)

Vermittelt werden Pythonkenntnisse für die Massenabfrage von historischen Texten aus Datenbanken sowie die notwendigen Schritte hin zu einer Analyse: die Verarbeitung der Scans in ein maschinenlesbares Format via OCR, die Aufbereitung zu analysierbaren Daten (Tokenisierung, Lemmata) sowie Analyse von Entwicklungen über Zeit.

#Erhebung #Aufbereitung #Datenanalyse #Validierung #Qualitätssicherung 

https://quadriga-dk.github.io/Text-Fallstudie-2/
Fallstudie „Barrierearmut“ – Datentyp Text
Bild: Lamia Islam

Quantitative Analyse der kommunikativen Barrierearmut des Berliner Senats (2011-2024)

Vermittelt werden Python-Programmierweisen zum sammeln von Web-Inhalten (Web Scraping), die Aufbereitung der gesammelten Daten (Korpus) sowie der Messung von Texteigenschaften.

#Erhebung #Erschließung #Datenanalyse

Shortlink Text 3
Fallstudie „Spanische Grippe“ zum Datentyp Text
Bild: Lamia Islam

Luftqualität in deutschsprachiger Literatur des 19. Jahrhunderts.

Im Zentrum steht die Arbeit mit Sekundärdaten, besonders die Recherche, Bewertung und Aneignung von vorhandenen Text-Datensätzen. Die hierfür notwendigen Pythonkenntnisse für explorativen Datenanalyse und Natural Language Processing werden ebenso thematisiert wie methodischen Standards für digitale Textdatenformate, Part-of-Speech (POS)-Tagging und syntaktische Dependenzbeziehungen in Sätzen.

 

#Erhebung #Aufbereitung #Datenanalyse #Visualisierung #Interpretation