Doris Gruber: Semi-automatisierte Korpusgenerierung, Metadaten und Intertextualiät: Zur computergestützten Analyse gedruckter Reiseberichte

Die voranschreitende Digitalisierung eröffnet den Zugang zu einer schieren Flut an computerlesbaren Daten zu historischen Quellen. Aus der großen Datenmenge ergeben sich jedoch die Herausforderungen, wie diese Daten bestmöglich genutzt und aufbereitet werden können, um historisch-kritische Forschungsfragen gewinnbringend zu beantworten, bzw. welche Fragestellungen durch die große Menge an Daten überhaupt erst ermöglicht bzw. (noch) nicht in Angriff genommen werden können.

Diesen Herausforderungen stellte sich das Projekt „Travelogues: Perceptions of the Other 1500–1876 – A Computerized Analysis“, das von 2019 bis 2021 vom FWF und der DFG finanziert wurde und sich der Analyse deutschsprachiger Reiseberichte im Bestand der Österreichischen Nationalbibliothek widmete. Reiseberichte enthalten Informationen über die Wahrnehmungen von Fremdheit, wie verschiedenste Regionen, Kulturen und Religionen. Gleichzeitig sind Reiseberichte stark von den an ihrer Produktion beteiligten Personen und ihren Selbstdarstellungen geprägt, weswegen sie mehr über die Herkunftskulturen der Reisenden als über die bereisten Regionen aussagen. Zudem ist die Quellengattung in sehr großen Mengen überliefert und per se äußerst heterogen.

Der Vortrag bietet einen Überblick zu den Ergebnissen des interdisziplinären Projekts, dessen Team sich vor allem mit zwei Formen computerlesbarer Daten beschäftigte: automatisiert mit Optical Character Recognition (OCR) erstellte „Volltexte“ sowie Metadaten, i.e. normierte Beschreibungen der Quellen. Trotz der weithin noch stark fehlerhaften OCR konnte diese erfolgreich als Basis für Algorithmen – neuronale Netzwerke – genutzt werden, um Texte semi-automatisiert zu klassifizieren. Die Methodik kann für viele andere Fragestellungen adaptiert werden. Im Zuge des Projekts wurden fast 4.000 Reiseberichte identifiziert. Die zugehörigen Metadaten wurden manuell bereinigt, vereinheitlicht und angereichert, was neue Aussagen zur diachronen Bedeutung und dem Wandel der Quellengattung zulässt sowie den Zugang zu den einzelnen Berichten vereinfacht. Darüber hinaus wurden semi-automatisierte Verfahren zur Identifikation intertextueller Abhängigkeiten innerhalb des Korpus exploriert.

Am Projekt beteiligt waren das Institut für Habsburg and Balkan Studies an der Österreichischen Akademie der Wissenschaften, das Austrian Institute of Technology, die Österreichische Nationalbibliothek und das Forschungszentrum L3S an der Universität Hannover.

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 11. Mai 2022, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)

---

---