Digital resources in the Social Sciences and Humanities OpenEdition Our platforms OpenEdition Books OpenEdition Journals Hypotheses Calenda Libraries OpenEdition Freemium Follow us

Noah Baumann: Changing Routes: A Network Analysis of Berlin’s Public Transportation System from 1945 to 2000 (Masterarbeit)

Die Anwendungsmöglichkeiten der Netzwerkanalyse als Mittel zur Modellierung sowie zur Analyse komplexer Systeme und der Verbindungen zwischen ihren Einheiten entwickeln sich rasant. Obwohl die Anwendung der Netzwerkanalyse in den Geschichtswissenschaften bereits etabliert ist, könnte ein bislang noch wenig erprobter Zweig neue Potenziale für die Geschichtswissenschaften bieten: die dynamische Netzwerkanalyse (DNA). Dabei geht es um die Analyse und Modellierung von Netzwerken, die sich im Laufe der Zeit verändern, sowie um die Untersuchung der zugrunde liegenden Prozesse, die diesen Wandel vorantreiben. Da sich die meisten historischen Daten auf einen bestimmten Zeitpunkt beziehen und somit Veränderungen unterworfen sind, bietet die dynamische Netzwerkanalyse eine Möglichkeit, zu verstehen, wie sich die von uns untersuchten Systeme im Laufe der Zeit veränderten.

In dieser Masterarbeit werden Techniken und Algorithmen der dynamischen Netzwerkanalyse eingesetzt, um unser Verständnis des Berliner Nahverkehrs von 1945 bis 2000 zu vertiefen. Konkret geht es darum, mithilfe der dynamischen Netzwerkanalyse zu beschreiben, wie sich das Berliner ÖPNV-System im genannten Zeitraum verändert hat. Die Fallstudie bietet ein ideales Testfeld für die dynamische Netzwerkanalyse, da die Entwicklung des ÖPNV-Netzes von der Zeit des Wiederaufbaus nach dem Zweiten Weltkrieg, über die Teilung Berlins bis hin zur Wiedervereinigung nachverfolgt werden kann.

Das Projekt modelliert jährliche Daten des öffentlichen Verkehrssystems durch eine Reihe von L-Raum-Graphendarstellungen, in denen die Bahnhöfe die Knoten darstellen und Kanten existieren, wenn mindestens ein Verkehrsdienst zwei Stationen miteinander verbindet. Diese Darstellungen fungieren als Momentaufnahmen oder “Snapshots”, die unter der Verwendung von Metriken und Techniken der dynamischen Netzwerkanalyse analysiert werden. Diese Metriken werden eingesetzt, um Fragen über die Veränderungen im Netzwerk zu beantworten. Der Schwerpunkt liegt darauf, globale, lokale und gemeinschaftliche Netzwerkmerkmale zu beschreiben und wie sich diese im Laufe der Zeit verändert haben. Damit sollen unter anderem die folgenden Fragen beantwortet werden können: 

(1) Wie hat sich die Teilung des öffentlichen Transportsystems auf den Vernetzungsgrad in Berlin ausgewirkt,

(2) welche Knoten haben den größten Einfluss auf das Netz, ist dies konstant geblieben (?), und 

(3) sind die Gemeinschaften im Verkehrsnetzwerk im Laufe der Zeit stabil geblieben oder gab es eine plötzliche Auflösung und Umstrukturierung?

In der Masterarbeit wird also untersucht, ob die dynamische Netzwerkanalyse eine geeignete und nützliche Methode für Historiker:innen ist, um Veränderungen in großflächigen Netzwerken zu untersuchen. Als Fallbeispiel, um die Anwendbarkeit und Effektivität zu prüfen, konzentriert sich die Untersuchung auf den Wandel des Berliner Nahverkehrssystems.

Den Abstract zum zweiten Vortrag am 3. Mai finden Sie unter:
Nikola Burkhardt: Unsicherheit als Konzept der Digital History am Beispiel der verschiedenen Konstruktionen von Arianismus in der Langobardenforschung

Vortrag im Rahmen des „Digital History“-Forschungskolloquiums
Zeit: Mittwoch, 03. Mai 2023, 16-18 Uhr
Ort: Zoom-Konferenz (Zugang auf Anfrage oder via Mailingliste)


OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Digital History Berlin (Redaktion) (2. Mai 2023). Noah Baumann: Changing Routes: A Network Analysis of Berlin’s Public Transportation System from 1945 to 2000 (Masterarbeit). Digital History Berlin. Abgerufen am 15. Oktober 2024 von https://doi.org/10.58079/nl4j


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.