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

Nicola Carboni: A data-driven approach to the study of images circulation

Pictures are the tangible traces of our visual world. They are the materialisation of a classifiable and datable object, a vocabulary of expressions that affect and reflect our history. Pictures are artefacts that bear witness to the act of human production, testifying the choices and qualities of techniques and strategies. They are produced for and within a cultural space and embed traditions, trends, and meanings through their iconographic and aesthetic choices. Pictures reflect their contemporary knowledge dynamics; they express the identity of a social landscape and serve as a communication device.

„Nicola Carboni: A data-driven approach to the study of images circulation“ weiterlesen

Ema Zaviacicova: Computer Vision in der Heraldik – Detektion von Wappen in mittelalterlichen Handschriften (MA-Arbeit)

Digitale Methoden bergen großes Potenzial für geistes- und geschichtswissenschaftliche Forschungsprojekte. Auch für die Hilfswissenschaften sind sie von besonderem Interesse und könnten, wenn richtig umgesetzt, die Arbeitsweise von Historiker:innen maßgeblich verändern, neue Perspektiven schaffen und andersartige Fragestellungen aufwerfen. Automatisierte Objekterkennung, computergestützte Analysen wie Text-Mining, Visualisierungen großer Datenmengen, oder die digitale Netzwerkanalyse sind nur einige der digitalen Methoden, die in gegenwärtigen Forschungsdiskussionen an Bedeutung gewinnen. Im Kontext dieser Entwicklungen und ihrer Möglichkeiten bewegt sich auch die hier vorgestellte Masterarbeit, in deren Zentrum die automatisierte Detektion mittelalterlicher Wappen in Manuskripten steht.

„Ema Zaviacicova: Computer Vision in der Heraldik – Detektion von Wappen in mittelalterlichen Handschriften (MA-Arbeit)“ weiterlesen

Peter Bell: Digital Art History. Über das Sehen in einer digitalen Bildwissenschaft

Wie alle disziplinären Felder der Digital Humanities hat auch die digitale Kunstgeschichte viele Methoden und Werkzeuge ins Digitale übersetzt, Datenbanken, Editionen, Rekonstruktionen und Standards entwickelt. Zuletzt widmet sich die digitale Kunstgeschichte verstärkt einer Grundkompetenz der kunsthistorischen Ausbildung, dem (vergleichenden) Sehen. Vom Fach wird der Versuch, Computer Vision auf Bilddaten des kulturellen Erbes anzuwenden, kritisch begleitet, da er mit einem neuen Formalismus assoziiert wird. Doch eine durchaus formale Grundlagenforschung im Bereich der Bildverarbeitung erscheint gleichzeitig als Chance Such- und Analyseeinstiege jenseits der oft wenigen Metadaten zu kreieren.

„Peter Bell: Digital Art History. Über das Sehen in einer digitalen Bildwissenschaft“ weiterlesen

Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining

Künstliche Intelligenz (hier genauer:  Maschinelles Lernen) eröffnet uns als Historikern einen neuen, breitflächigen Zugang zu den historischen Quellen durch

(I) Texterkennung und Volltextsuche,
(II) Textsegmentierung,
(III) Erkennung von Eigennamen und anderer Entitäten etc. (Named Entity Recognition),
(IV) Identifizierung und Verlinkung von Texteinheiten und Entitäten,
(V) Klassifizierung des Dekors und der Elemente visueller Kommunikation,
(VI) Datierung undatierter Quellen,
(VII) Schreiberidentifizierung.

Im Juni 2017 haben die Partner des europäischen Forschungsprojekts Himanis (https://himanis.hypotheses.org/) mehr als 80.000 Seiten mittelalterlicher Handschriften samt Volltextsuche online gestellt und damit eine immense Menge noch unedierten Textmaterials und historische Quellen für die historische Forschung verfügbar gemacht. „Dominique Stutzmann: Künstliche Intelligenz im Dienste der Mittelalterforschung. Automatisierte Handschrifterkennung und Text-Mining“ weiterlesen

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search