Schlagwort-Archive: Metadaten

Die Geschichte der Digitalen Bibliothek, oder: Aller guten Kurationen sind drei+

Datenkuration, Forschungsdaten, Korpora, Neuigkeiten, Ressourcen, , ,

[Letzte Aktualisierung: 16. April 2021]

Autoren: Marius Hug, Matthias Boenig

Die Ursprünge der Digitalen Bibliothek: Directmedia und Zeno.org

Diese Geschichte beginnt im Oktober 1997 mit der CD-ROM „Deutsche Literatur von Lessing bis Kafka“. Mit dieser hat der Verlag Directmedia Publishing, der bereits seit 1992 Erfahrung mit der Publikation von CD-ROMs hatte, erstmals das Konzept der Reihe „Digitale Bibliothek“ vorgestellt. In dieser wurden Texteditionen mit einem umfassenden Themenspektrum von literarischen, wissenschaftlichen bis zu sachbezogenen Texten zum ersten mal digital verfügbar gemacht. Grundlage der „Digitalen Bibliothek“ waren größtenteils gemeinfreie Texte. Die Geschichte der Digitalen Bibliothek, oder: Aller guten Kurationen sind drei+ weiterlesen →

Ein Blick in die Werkstatt: Bestimmung des Veröffentlichungsdatums bei Webseiten

Datenkuration, DWDS, Forschungsdaten, ,

Datumsangaben als wissenschaftlicher Gegenstand

Obwohl Text im Web allgegenwärtig ist, kann sich das Extrahieren von Webseiteninformationen als schwierig erweisen. Webdokumente gibt es in ganz unterschiedlichen Formaten, vor allem wegen der großen Vielfalt an Genres, Plattformen und Content-Management-Systemen und nicht zuletzt aufgrund sehr unterschiedlicher Publikationsziele seitens der jeweiligen Betreiber.

In den meisten Fällen enthalten die unmittelbar zugänglichen Daten auf abgerufenen Webseiten keine substanziellen oder genauen Informationen: Weder die URL noch die Serverantwort bieten eine zuverlässige Möglichkeit, ein Webdokument zu datieren, d.h. herauszufinden, wann es veröffentlicht oder möglicherweise verändert wurde. In diesem Fall ist es notwendig, das Dokument vollständig zu erkunden oder anhand von robusten Heuristiken zu durchforsten. Diese Aufgabe wird häufig Web Scraping genannt (gezieltes Extrahieren der benötigten Daten).

Ein Blick in die Werkstatt: Bestimmung des Veröffentlichungsdatums bei Webseiten weiterlesen →

Über bereichernde Anreicherung. Wechselseitige Annotation von Dramen als Subkorpus der Digitalen Bibliothek zwischen Zeno.org, TGRep, GerDraCor und DTA

Datenkuration, Forschungsdaten, Korpora, Neuigkeiten, Ressourcen, , , ,

Autoren: Marius Hug, Matthias Boenig, Yannic Bracke, Frank Fischer, Susanne Haaf, Christian Thomas

Intro

Im folgenden Beitrag soll gezeigt werden, wie deutschsprachige Dramen aus den zwei Textsammlungen TextGrid Repository (TGRep) und German Drama Corpus (GerDraCor) unter Einbeziehung von Metadaten aus einer externen Katalogdatei in das Basisformat des Deutschen Textarchivs (DTABf) transformiert werden. Die Dramen stellen im TGR ein Subkorpus der „Digitalen Bibliothek“ dar und wurden, wie auch der Metadatenkatalog, ursprünglich von zeno.org publiziert. Dieser UseCase mit dem Ziel der gegenseitigen Bereicherung wurde im Rahmen des CLARIAH-DE-Projektes realisiert.

Über bereichernde Anreicherung. Wechselseitige Annotation von Dramen als Subkorpus der Digitalen Bibliothek zwischen Zeno.org, TGRep, GerDraCor und DTA weiterlesen →

Eintauchen in die Komplexität der Tech-Blog-Sphäre

DWDS, Korpora, Neuigkeiten, Ressourcen, Web-Plattform, , , , , , , , , , ,

Wir nehmen an, dass die Tech-Blog-Sphäre eine Avantgarde von technologisch und sozial interessierten Experten darstellt, und beschreiben hier einen experimentellen Rahmen, um ihren Beitrag zur öffentlichen Diskussion von Themen an der Schnittstelle von Technologie und Gesellschaft zu untersuchen. Hierfür bringen wir unterschiedliche disziplinäre Ansätze auf einer gemeinsamen Basis von Texten und Werkzeugen zusammen. Der erste Ansatz kommt aus dem Bereich der Korpus- und Computerlinguistik (BBAW), während der zweite aus der Forschung über die Auswirkungen von digitalen Medien auf demokratische Prozesse und Institutionen herrührt (GHI/RRCHNM).

Die im Folgenden beschriebene Zusammenarbeit verfolgt zwei Hauptziele:

  1. Die Erstellung einer Textgrundlage (Deutsch und Englisch) aus einer kuratierten Liste von Blogs zu technologischen Themen für die lexikographische und sprachliche Forschung, sowie
  2. Die Durchführung von exemplarischen Studien mit dem zusammengestellten Korpus, die sich auf spezifische Forschungsfragen zum öffentlichen Diskurs über Internetpolitik in Deutschland und den Vereinigten Staaten konzentrieren.

Eintauchen in die Komplexität der Tech-Blog-Sphäre weiterlesen →