Dieser Blogpost entstand in Vorbereitung auf den Studientag “dhiha6 – Experimente in den Digital Humanities” und es dürfte nicht viele Mottos für Studientage geben, die besser zum Untertitel meines Blogs und dem von mir mit verantworteten System Tesla (Text Engineering Software Laboratory) passen – ist es doch konzipiert als virtuelles Labor, um Experimente auf Texten durchzuführen. Texte sind darüber hinaus u.a. Studienobjekte der Digital Humanties (manche würden wohl gar behaupten, Texte wären die Untersuchungsobjekte der DH schlechthin). Tatsächlich wurde Tesla als eines von vier virtuellen Laboren ausgewählt, die auf dem Studientag am 12.06.2015 in Paris vorgestellt werden dürfen.
Da ganze 90 Minuten für eine Präsentation und das Experimentieren und im Anschluss daran noch einmal die gleiche Zeit für die Klärung von Fragen zur Verfügung stehen, muss ich mir einiges an Programm einfallen lassen, was ich dort alles vorführen kann. Das hieß erst einmal Gedanken sortieren und eine Mindmap anlegen (was mir schon des Öfteren geholfen hat, Dinge zu planen).
Einerseits ist klar, dass ich Tesla live vorführen, also tatsächlich experimentieren sollte und mir entsprechend zwei oder drei Anwendungen heraussuche (violett, unten rechts in der Mindmap). Diese sollten einerseits so gewählt sein, dass ich mit ihnen relativ schnell und verständlich erklären kann, was überhaupt gemacht wird und mit deren Hilfe andererseits möglichst viele unterschiedliche Features von Tesla vorgeführt werden können.
Tesla ist u.a. dafür konzipiert worden, komplexe Probleme mit Software-Werkzeugen zu lösen. Dies soll auch denjenigen Wissenschaftler|inne|n ermöglicht werden, die keine oder nur rudimentäre Kenntnisse von Programmiersprachen haben. Tesla wurde aus dem Grund als ein Komponentensystem entworfen – jede Komponente kapselt den Code für eine spezifische Aufgabe, kann mit anderen Komponenten über Input- und Output-Schnittstellen kombiniert werden und verfügt über Konfigurationsmöglichkeiten, die keine speziellen Programmiersprachenkenntnisse erfordern (siehe Bild unten). Inwieweit man die Nutzung von Tesla als dennoch Programmierung ansehen kann, ist eine interessante Frage und wäre eine ausführliche Antwort wert, die ich auch für die Diskussion hier noch schuldig bin. Das wäre in der Mindmaps grünen Teil abhandelbar, würde aber wahrscheinlich im Kontext des Studientages zu weit führen.
Wie der Name schon sagt, können mit Tesla Texte verarbeitet werden. Das wirft natürlich die Frage auf, was Texte überhaupt sind und wie sie im Kontext von Tesla repräsentiert werden. Mir war auch vor meinem Streitgespräch mit Patrick Sahle klar, dass die für die Verarbeitung in Tesla elementaren Konzepte
- Von Text als Sequenz diskreter Einheiten (die allerdings mit Metainformationen über Annotationen ausgezeichnet werden können) sowie
- Vollständiger Automatisierung der Analyse ohne manuelle Eingriffe
teilweise den Bedürfnissen von Forschungsfragen aus den Digital Humanities entgegen stehen. Auch sind Texte nicht die einzigen Untersuchungsobjekte der DH (siehe gelber Bereich der Mindmap). Inwieweit angewendete Analyse-Praktiken dennoch generalisierbar sind, versuchen wir derzeit am CCeH zu ergründen und auch das wäre auch ein mögliches – wahrscheinlich aber auch ein zu weit führendes – Thema.
Auf was ich unbedingt eingehen muss, ist die Motivation, ein System zu schaffen, das “nur” Textdaten und dies dann auch “nur” vollautomatisch verarbeiten kann. Dazu muss ich allerdings etwas weiter ausholen und in den orangen Bereich rechts in der Mindmap eintauchen, wo es um Wissenschaftstheorie geht. Meine Gedanken zur Reproduzierbarkeit habe ich hier schon des Öfteren – zuletzt in einem Beitrag zu einem Bloggewitter der Scilogs – preisgegeben. Reproduzierbarkeit ist eine der zentralen Anforderungen, die wissenschaftliche Forschung erfüllen muss. Zumindest theoretisch. In der Praxis schert sich kaum jemand um das Thema, weil es kaum Aufmerksamkeit, Reputation und Mittel dafür gibt, Studien zu reproduzieren und dies im Allgemeinen einen hohen Aufwand bedeutet. Ich kann aber anhand von Tesla und My Experiment (einer Plattform zum Austausch von Experimenten) zeigen, dass man Studien sehr wohl einfach reproduzierbar machen kann und dabei den angenehmen Nebeneffekt hat, dass man unmittelbar an die Forschungen anderer Wissenschaftler|innen anknüpfen kann. Das ist zugleich meine Idee von Open Science.
Mit der Vorstellung des zuletzt genannten Aspektes werde ich die Tesla-Vorstellung wohl auch einleiten und dann mal schauen, welche Punkte ich noch abgearbeitet bekomme. Glücklicherweise kann ich in unserem Kolloquium am Donnerstag, wo in dieser Woche Tesla auf dem Programm steht, schon einmal üben und dabei evaluieren, was sich gut unterbringen lässt.
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Jürgen Hermes (3. Mai 2015). Experimente im Textlabor #dhiha6. TEXperimenTales. Abgerufen am 8. September 2024 von https://doi.org/10.58079/uq4h
3 Antworten auf „Experimente im Textlabor #dhiha6“
Und wie ist es gelaufen – sowohl im Kolloquium als auch beim Studientag?
Danke der Nachfrage, aber der Studientag ist noch gar nicht gelaufen (was mich aber daran erinnert, dass ich oben mal das Programm verlinken sollte). Der Vortrag im Kolloquium war – soweit ich mich selbst beurteilen kann – recht gut, hat mir aber aufgezeigt, dass ich viel Zeit in der Theorie einsparen muss, damit wir auf dem Studientag auch ins Experimentieren kommen. Ich werde sicherlich im Anschluss daran noch eine kurze Rückmeldung geben.
[…] anderer Wissenschaftler|innen anknüpfen kann. Das ist zugleich meine Idee von Open Science.”18 Der Einsatz von Experimenten in den Digital Humanities kann als positiver Nebeneffekt mehr […]