DAS KORPUS DIGITALISIERTER HISTORISCHER SCHULBÜCHER VON GEI-DIGITAL ALS AUSGANGSPUNKT GEISTESWISSENSCHAFTLICHER FORSCHUNGSFRAGEN

Transkript

1 DAS KORPUS DIGITALISIERTER HISTORISCHER SCHULBÜCHER VON GEI-DIGITAL ALS AUSGANGSPUNKT GEISTESWISSENSCHAFTLICHER FORSCHUNGSFRAGEN Robert Strötgen Georg-Eckert-Institut Leibniz-Institut für internationale Schulbuchforschung

2 DAS GEORG-ECKERT-INSTITUT Schulbuch- und Bildungsmedienforschung mit einem kulturwissenschaftlich-historischen Schwerpunkt Zentrale Aufgaben: Erforschung historisch, politisch und geographisch bedeutsamer Darstellungen in schulrelevanten Bildungsmedien Beratung von Bildungspolitikern, -praktikern und - organisationen Bereitstellung von (Forschungs-)Infrastrukturen und Wissenstransferleistungen Georg Eckert ( ) Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 2

3 DIE FORSCHUNGSBIBLIOTHEK Ca Medien aus mehr als 173 Ländern internationale Schulbücher Davon: Historische Sammlung bis 1945: Bände Bände begleitende Forschungsliteratur Einmalige Schulbuchsammlung für: Geschichte, Geographie, Politik/ Sozialkunde und Religion/ Werteerziehung Fibeln und Erstlesebücher Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 3

4 GEI-DIGITAL DFG-Förderung seit 2009 Schulbücher (Geschichte, Geographie und Realienkunde) bis 1918 Aktuell ca Bände mit ca Seiten, nahezu vollständig OCR Online seit Juni Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 4

5 Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 5

8 DIGITALISIERUNG EXT. BESTÄNDE Knapp ein Drittel aus 41 Partnerbibliotheken Bände wurden (in der ersten Phase) vom GEI erfasst, digitalisiert, mit Meta- und Strukturdaten versehen etc. Benennung der Partnerbibliothek in den Metadaten Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 8

9 INTEGRATION EXT. BESTÄNDE Z.B. 111 Titel BSB München, 60 Titel SLUB Dresden, 60 Titel SUB Göttingen, 54 Titel ULB Halle, 4 Titel HAB Wolfenbüttel,... Individuelle Recherchen, da einheitliche formale Auszeichnung fehlt Durch die DFG gefördert: Integration von anderswo schon digitalisierten Schulbüchern Ziel: Fachliche Plattform für Digitalisate Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 9

10 VOLLTEXTE: OCR OCR mit Abbyy SDK Fehlerquote in Stichproben bei ca. 1 % (Zeichen) für Fraktur und Antiqua Typische Fehlerquellen: Titelseiten mit Stempeln und Notizen Struktur (Tabellen, Tafeln, Fußnoten, Karten) Randnotizen, Anstreichungen Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 10

11 ONLINE-BEFRAGUNG Zweck 9% 42% 34% 8% 7% wissenschaftliche Forschung akademische Lehre schulische Lehre privat sonstiges: Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 11

12 ONLINE-BEFRAGUNG Genutzte Funktionen 3% Einfache Suche 11% 6% 6% 30% Erweiterte Suche Volltextsuche 3% Browsing (über Inhaltsstrukturen, Kategorien etc.) 8% Bildnavigation 17% PDF-Export 16% Volltext-Export Dauerhafte Links (URN) Sonstige Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 12

13 ONLINE-BEFRAGUNG Zufriedenheit OCR-Qualität 7% 29% 14% 25% 25% gar nicht zufrieden [0] [1] [2] [3] sehr zufrieden [4] Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 13

14 ONLINE-BEFRAGUNG Volltext-Nutzung 12% 27% 36% Suche Anzeige der gefundenen Wörter auf der Trefferseite Volltexansicht 25% PDF-Export mit eingebundenem Volltext Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 14

15 ONLINE-BEFRAGUNG Volltext-Export gewünscht? 24% nein ja 76% Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 15

17 VOLLTEXTE: FORMATE Plain Text Deutschen entgegengestellt hatte, wurde bei Belfort geschlagen, worauf Wortkoordinaten <p id="id18b"> <w function="205,481,458,534" match="deutschen">deutschen</w> <w function="506,479,926,535" match="entgegengestellt">entgegengestellt</w> <w function="970,479,1099,531" match="hatte">hatte</w> <w function="1103,514,1112,532" match=",">,</w> <w function="1157,478,1319,522" match="wurde">wurde</w> <w function="1356,477,1429,521" match="bei">bei</w> Zeichenkoordinaten <block blocktype="text" pageelemid="{f7b2fb7a b24-a122-8d1c925fd43b}" l="196" t="468" r="1793" b="2971"><region><rect l="196" t="468" r="1793" b="2971"/></region> <text id="{f7b2fb7a b24-a122-8d1c925fd43b}"> <par align="justified" leftindent="100" rightindent="100" linespacing="1278"> <line baseline="522" l="205" t="476" r="1778" b="535"><formatting lang="germanstandard" ff="times New Roman" fs="9.5" spacing="20"> <charparams l="205" t="484" r="246" b="527">d</charparams> <charparams l="254" t="496" r="277" b="526">e</charparams> <charparams l="283" t="496" r="309" b="525">u</charparams> PDF mit eingebettetem Text (searchable) Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 17

18 VOLLTEXTE (OAI-PMH) Volltexte sind seit Sommer 2014 per OAI- PMH oder direkt als METS/MODS abrufbar Beispiel: Also: Ran an die Volltexte! ;-) Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 18

19 VOLLTEXTE (OAI-PMH) <mets:structmap TYPE="PHYSICAL"> <mets:div CONTENTIDS="urn:nbn:de:0220-gd " ID="PHYS_0001" ORDER="1" ORDERLABEL=" - " TYPE="page"> <mets:div DMDID="DMDPHYS_0000" ID="PHYS_0000" TYPE="physSequence"> <mets:fptr FILEID="FILE_0000_MIN"/> <mets:fptr FILEID="FILE_0000_FULLTEXT"/> <mets:fptr FILEID="FILE_0000_WORDCOORDS"/> <mets:fptr FILEID="FILE_0000_THUMBS"/> <mets:fptr FILEID="FILE_0000_DEFAULT"/> <mets:fptr FILEID="FILE_0000_ABBYYXML"/> <mets:fptr FILEID="FILE_0000_MAX"/> <mets:fptr FILEID="FILE_0000_PRESENTATION"/> </mets:div> Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 19

20 VOLLTEXTE (OAI-PMH) <mets:filegrp USE="FULLTEXT">... <mets:file ID="FILE_0074_FULLTEXT" MIMETYPE="text/plain"> <mets:flocat LOCTYPE="URL" xlink:href=" 7140X/ txt"/> </mets:file> <mets:file ID="FILE_0075_FULLTEXT" MIMETYPE="text/plain"> <mets:flocat LOCTYPE="URL" xlink:href=" 7140X/ txt"/> </mets:file>... Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 20

21 WELT DER KINDER Weltwissen und Weltdeutung in Schul- und Kinderbüchern zwischen 1850 und 1918 Projekt im Leibniz-Wettbewerb ( ) Antragsteller: DIPF und Uni Darmstadt (Informatik) Uni Hildesheim (Informationswissenschaft) Georg-Eckert-Institut (Schulbuchforschung) Partner: Bayerische Staatsbibliothek (Schul- und Kinderbücher) UB Braunschweig (Kinderbücher) GCDH (Summerschool) Schweizerisches Institut für Kinder- und Jugendmedien (Literaturwissenschaft) Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 21

22 WELT DER KINDER Welche Bilder von der Welt hatten Heranwachsende im 19. und frühen 20. Jahrhundert und wie haben sie sich verändert? Medien: Schul- und Kinderbücher Material: Mehr als Schul- und Kinderbücher mit über 1 Mio. Seiten (OCR) Methoden: Topic Detection (DKPro/MALLET) und Sentiment-Analyse vs. Hermeneutik Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 22

29 WELT DER KINDER: AUSBLICK Gemeinsame Weiterentwicklung der Text- Mining-Ergebnisse (diachroner Blick!) Parallel hermeneutische Analyse Methodenkritik Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 29

30 CLARIN-D F-AG NEUERE GESCHICHTE Im September 2014 als 9. F-AG in CLARIN- D konstituiert (am Rand des Historikertags) Ca. 30 interessierte WissenschaftlerInnen Thema: Anwendbarkeit von CLARIN-D- Werkzeugen für Fragen der neueren Geschichte Kurationsprojekt geplant Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 30

31 CLARIN-D KURATIONSPROJEKT Geplant gemeinsam mit der Akademie der Wissenschaften zu Göttingen und dem GCDH Thema: Quellen des Neuen: Realkundliches und naturwissenschaftliches Wissen für Dilettanten und Experten zwischen Aufklärung und Moderne Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 31

32 CLARIN-D KURATIONSPROJEKT Material: Blumenbach Online (ca Seiten Volltext TEI P5) GEI-Digital Methode Metadaten zunächst im CMDI-Format Nutzung und Evaluation von CLARIN- Webservices Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 32

33 CLARIN-D KURATIONSPROJEKT Beispiel-Fragen: Welche synchronen und diachronen Unterschiede und Verschiebungen finden sich in der Textgestalt? Welche Themen finden Eingang in schulische Lehre und welche nicht? Mit welchen sprachlichen Mitteln wird sicheres Wissen konstruiert, welche moralischen und gesellschaftlichen Implikationen finden sich in naturwissenschaftlicher Lehre? Wie präsentieren sich die Wissenschaft bzw. ihre Akteure? Wo entstehen Fachbegriffe, wie und in welchem Maße finden naturwissenschaftliche Konzepte Eingang in Alltagssprache und -vorstellungen? Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 33

34 CLARIN-D KURATIONSPROJEKT Ziele Möglichkeiten und Grenzen der CLARIN- D-Werkzeuge für die Neuere Geschichte Bedarf an zusätzlichen oder angepassten Werkzeugen Leistungsvergleich TEI und OCR Methodenkritik Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 34

35 WORLDVIEWS Geplantes BMBF-Vorhaben auf der Basis der Internet-Edition EurViews ( Ziel: Konsolidierung der GEI- Forschungsinfrastrukturen (CLARIN-kompatibel) Fragestellung: Welche Wissensbestände und Sinnstiftungsangebote kommen mit welchen Motiven an welchen Orten auf, über welche Zeiträume und Zusammenhänge bestehen sie, wann und wie wandeln sie sich, vergehen und werden durch andere ersetzt? Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 35

36 ISLAM IN DEUTSCHEN LESEBÜCHERN Geplantes Projekt gemeinsam mit der Uni Osnabrück (Prof. Dr. Christian Dawidowski) Analyse der Islam-Darstellung in Schulbüchern 1820 bis 1890 Leitfrage: Wie wurden der Islam und die Muslime im Untersuchungszeitraum im deutschen Lesebuch dargestellt? Ausdehnung des Bestands im GEI-Digital um Lesebücher Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 36

37 FAZIT GEI-Digital mit kurzfristiger Zielmarke von ca. 1 Mio. Seiten im Volltext in einem engen thematischen Zusammenhang ist eine wertvolle Ressource GEI nutzt Korpus zunehmend für eigene Forschung und regt externe Forschungen an Offene Frage: Wie weit kommt man mit den OCR-Volltexten und wie lässt sich die Qualität des Korpus effizient verbessern Robert Strötgen 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 Seite 37

38 VIELEN DANK FÜR IHRE AUFMERKSAMKEIT Robert Strötgen