Mikko Tolonen: Helsinki Computational History Group, High Performance Computing, and the Study of the Scottish Enlightenment

This talk aims to envision how the use of machine learning, High-Performance Computing (HPC) and data-driven approaches can become an everyday practice for historians in the not-too-distant future and change the way intellectual history is practiced. Everyone is talking about large language models such as BERT and how transformers will change the way we approach big data, but what does this mean in practice for historical research? How should historians conceptualize the use of structured and unstructured data and the interplay between them to study such phenomena as the Scottish Enlightenment?

„Mikko Tolonen: Helsinki Computational History Group, High Performance Computing, and the Study of the Scottish Enlightenment“ weiterlesen

Daniil Skorinkin: People between prosecution and war: record linkage in prosopographical databases of 20th-century Russia

When it comes to 20th-century Russia, the largest prosopographical sources are centred on some of the most catastrophic events: World War II, Stalin’s terror, and, to a lesser extent, World War I. These events involved millions of people and heavy bureaucracy. Today digitisation of these sources enables computer-aided analysis of millions of life-paths with computational methods.

Russian WWII archival data has been extensively gathered and digitised by state-funded organisations, with the Russian Ministry of Defence as the main driving force. Their OBD (‘Объединенный банк данных’, Unified data bank) now includes dozens of millions of entries from war-time conscription lists, field reports, award documents, and alike.

„Daniil Skorinkin: People between prosecution and war: record linkage in prosopographical databases of 20th-century Russia“ weiterlesen

Keynote: Danielle van den Heuvel – The Power of the Anecdotal (Data for History Lecture at the Golden Agents Conference)

On the 9th and 10th of November 2022 the Huygens Institute in collaboration with the City Archives of Amsterdam and the Data for History consortium will organize a conference to present the results of the Golden Agents project and a workshop to discuss shared challenges in extracting data from archival sources, and subsequently processing and modeling data for use in digital humanities and social sciences. A hybrid keynote on Wednesday, 9 November 2022, 3-4 pm, on the topic of “The Power of the Anecdotal” by Dr. Danielle van den Heuvel (Associate Professor at the University of Amsterdam and p.i. of the Freedom of the Streets project) in the context of the Data for History Lectures series concludes the conference.

„Keynote: Danielle van den Heuvel – The Power of the Anecdotal (Data for History Lecture at the Golden Agents Conference)“ weiterlesen

Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern

Seit einigen Jahren hat sich die Analyse der mittelalterlichen Schriftquellen durch die Anwendung digitaler Methoden, insb. der Bildverarbeitung durch Künstliche Intelligenz bzw. Maschinelles Lernen, stark verändert. Der Zugang zu Texten wurde durch Verfahren wie die Volltextindexierung, automatische Texterkennung (Handwritten Text Recognition) sowie durch Text-Mining-Werkzeuge wie die Eigennamenerkennung (Named Entity Recognition), Stilometrie oder die Identifizierung textueller Übernahmen (Text Reuse Detection) grundsätzlich erweitert. An der Schnittstelle zwischen Computer Vision und digitalen Bildern der Textquellen haben sich zudem weitere Forschungsfelder entwickelt, wie die Analyse des Layouts und der mise-en-page oder die Erforschung der Schrift als Bild von der Schreiberidentifizierung bis hin zur Schriftklassifizierung.

„Dominique Stutzmann: In Wort und Bild. Zur Analyse mittelalterlicher Schriftquellen mit digitalen Methoden am Beispiel von Stundenbüchern und Urkundenregistern“ weiterlesen

Fabian Dombrowski: Der analoge Graph im Digitalen. Niklas Luhmanns Zettelkasten mit Distant Reading erschließen (Masterarbeit)

Gelehrte von der Frühen Neuzeit bis in das 20. Jahrhundert setzten Zettelkästen ein, um ihr Wissen zu speichern, zu organisieren und fruchtbar zu machen. Solche Zettelkästen gehören, eng verknüpft mit u.a. Kartenkatalogen und Karteien, in die Vorgeschichte der allgegenwärtigen Datenbanken moderner Computertechnologie.[1] Unter diesen Zettelkästen erlangte Niklas Luhmanns Notizsammlung als “rationale[r] Mythos”[2] Bekanntheit und wurde immer wieder als Faktor der Qualität und Quantität seiner Produktivität ausgemacht. Derzeit wird sie der Forschung durch die digitale Edition seines Nachlasses zugänglich (“Theorie als Passion” gefördert durch die Nordrhein-Westfälische Akademie der Wissenschaften 2015–2030).[3] Die Edition erlaubt eine Erforschung der Soziologie Luhmanns sowie der Wissensgeschichte von individuellen Infrastrukturen der Wissensverwaltung.

„Fabian Dombrowski: Der analoge Graph im Digitalen. Niklas Luhmanns Zettelkasten mit Distant Reading erschließen (Masterarbeit)“ weiterlesen

Ole Meiners: Evaluation von Named Entity Recognition-Modellen für historische deutschsprachige Texte am Beispiel frühneuzeitlicher Ego-Dokumente (Abschlussarbeit)

Named Entity Recognition (NER), die automatisierte Erkennung und Klassifizierung von Named Entities in digitalen Texten, hat in letzter Zeit durch die Nutzung von Deep Learning-Architekturen große Fortschritte erzielt. Dies gilt insbesondere für weit verbreitete Gegenwartssprachen wie Englisch und Deutsch, zu denen ausreichend große Mengen an Trainingsdaten verfügbar sind. Auch für historische deutsche Texte wurden auf Grundlage dieser Technologie Modelle trainiert, die etwa für die Erkennung von Personen- und Ortsnamen sehr gute Ergebnisse liefern. Datengrundlage und Anwendungsszenario sind hierbei historische Zeitungen, vorrangig des 19. und 20. Jahrhunderts, die in großem Umfang digitalisiert vorliegen. Anders sieht die Situation für frühere Epochen aus: Für die Frühneuzeit und das Spätmittelalter stehen noch keine deutschen Sprach- oder NER-Modelle zur Verfügung, die von den aktuellen technischen Möglichkeiten Gebrauch machen. Ebenso fehlt es an Textkorpora frühneuzeitlicher deutscher Texte zum Training entsprechender Modelle sowie zu deren Evaluation. Der Einsatz etwa von NER-Modellen auf Basis von Deep-Learning ist jedoch auch für Texte aus diesem Zeitraum vielversprechend.

„Ole Meiners: Evaluation von Named Entity Recognition-Modellen für historische deutschsprachige Texte am Beispiel frühneuzeitlicher Ego-Dokumente (Abschlussarbeit)“ weiterlesen

Anton W. Hüffer / Hagen Rädisch / Marthe Küster: Digitale Langzeitarchivierung

Wie können wir sicherstellen, dass das digitale Kulturerbe langfristig gesichert und verfügbar gemacht wird? Im Rahmen des Wochenthemas „Digitale Langzeitarchivierung“ des Seminars „Digitalisierung historischer Schriftquellen in der Praxis – Hinter den Kulissen der Staatsbibliothek zu Berlin“ präsentierte Doris Škarić, die seit 2019 an der Staatsbibliothek zu Berlin (SBB) tätig ist, ihren Aufgabenbereich „Langzeitverfügbarkeit digitaler Objekte“. Dabei betonte sie, dass das Augenmerk der SBB – anders als in Archiven – vor allem auf der nachhaltigen und langfristigen Bereitstellung und weniger auf dem Archivierungsgedanken als solchem liege.

„Anton W. Hüffer / Hagen Rädisch / Marthe Küster: Digitale Langzeitarchivierung“ weiterlesen

Nadine Butigan / Anica Skibba / Jasper Stange: Digitale Kuratierung

Die Menge der Daten nimmt beständig zu – ob in der freien Wirtschaft, in der Forschung oder im Privaten. Um diese Mengen zu organisieren, können die (digitalen) Informationen und Daten über Content-Management-Systeme (CMS) gesammelt, gespeichert, angereichert und dargestellt werden. Diese auch für die Forschung relevanten Daten können dann weitergehend durch semi-automatische Verfahren verknüpft werden. Dadurch werden inhaltliche Zusammenhänge sichtbar und untereinander verlinkt. Dieser Verbund aus Informationserhebung, Datengenerierung und Wissensaufbereitung aus unterschiedlichen Quellen wird als Digitale Kuratierung bezeichnet. Am Beispiel des Forschungsprojekts Qurator, und aus der Perspektive der Staatsbibliothek zu Berlin – Preußischer Kulturbesitz, erhielten die Teilnehmenden der Übung „Digitalisierung historischer Schriftquellen in der Praxis“ einen Überblick über das Projekt sowie die Mittel der Qualitätsverbesserung, Layouterkennung und inhaltlichen Erschließung der stetig wachsenden Datenmengen, aus denen wir auch als Historiker:innen Wissen gewinnen wollen.

„Nadine Butigan / Anica Skibba / Jasper Stange: Digitale Kuratierung“ weiterlesen

Lennard Rennebeck / Lennart Thevißen: Optical Character Recognition – Den Text aus Digitalisaten extrahieren

Die Digitalisierung ermöglicht den orts- und zeitunabhängigen Zugriff über verschiedenste Plattformen auf viele für das Studium oder die Forschungsarbeit relevante Werke. So kann etwa zunehmend zentrale Literatur genutzt werden, ohne eigens in eine (andere) Stadt fahren, das Werk heraussuchen und selber einscannen zu müssen – nicht selten in eher suboptimaler Qualität. Damit gewährleisten die umfassenden Digitalisierungsvorhaben der Archive und Bibliotheken nicht nur, dass die Titel in hochauflösender Qualität zur Verfügung stehen, sondern sie gewähren auch neuartige Nutzungsszenarien. Wie wäre es zum Beispiel, einen digitalisierten Text schnell und effektiv hinsichtlich bestimmter Schlüsselwörter zu durchsuchen, um zügig potenziell interessante Stellen im Dokument für die genauere Untersuchung zu finden? Neuere PDF-Publikationen, die mit einer sogenannten OCR-Software erschlossen wurden, ermöglichen genau das. Sogenannte „Bild-PDFs“, über die keine Texterkennungssoftware drüber gelaufen ist, können dies demgegenüber (noch) nicht.

Konstantin Baierer und Clemens Neudecker von der Staatsbibliothek zu Berlin gaben den Teilnehmenden des Seminars „Digitalisierung historischer Schriftquellen in der Praxis“ einen umfassenden Überblick über den Workflow und die Potenziale der Optical Character Recognition (OCR), zeigten aber auch noch bestehende Herausforderungen auf.

„Lennard Rennebeck / Lennart Thevißen: Optical Character Recognition – Den Text aus Digitalisaten extrahieren“ weiterlesen

Frisch veröffentlicht: Python für Historiker:innen – Ein interaktives Jupyter Book

Wir freuen uns sehr, heute verkünden zu können, dass unser lange geplantes Jupyter Book in seiner ersten Version veröffentlicht ist. Das Jupyter Book richtet sich an alle Historiker:innen, die einen ersten anwendungsorientierten und interaktiven Einstieg in die Programmiersprache Python suchen. In der nun veröffentlichten ersten Version steht vor allem die Vermittlung der Grundlagen der Skriptsprache im Fokus. Mit den folgenden Versionen, die bereits geplant sind, sollen diese dann sukzessive um weitere Module mit spezifischen Anwendungsfällen und Methoden für die konkrete Arbeit von Historiker:innen erweitert werden. 

Hier geht es zum Jupyter Book.

„Frisch veröffentlicht: Python für Historiker:innen – Ein interaktives Jupyter Book“ weiterlesen

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search