Daten analysieren und verstehen in den Digital Humanities (DH Analyse)5 ECTS
(englische Bezeichnung: Data Analysis in Digital Humanities)
(Prüfungsordnungsmodul: Daten analysieren und verstehen in den DH)

Lehrveranstaltungen:

• • Introduction to Machine Learning
    (Vorlesung, 2 SWS, Vincent Christlein, Mi, 8:30 - 10:00, H7)
  • Introduction to Machine Learning Exercises
    (Übung, 2 SWS, Mathias Seuret et al.)

Inhalt:

Dieses Modul widmet sich vertieft den verschiedenen Methoden der Datenanalyse in den Digital Humanities und illustriert diese anhand ausgewählter Anwendungsfelder. Mögliche Gegenstände des Moduls sind dementsprechend Themen zur Analyse von Sprache und Texten, Bild- und Tondaten, digitalisierten Objekten und anderen Phänomenen der Digital Humanities. Methodisch werden sowohl statistische und quantitative Verfahren zur Datenanalyse, Mustererkennung und Bildverarbeitung vermittelt als auch qualitative und hermeneutische Methoden.
Ein besonderer Schwerpunkt liegt auf der Kombination beider Aspekte im Sinne eines Mixed Methods-Ansatzes, sowie auf der hermeneutischen Interpretation der Ergebnisse maschineller Auswertungen. In Ergänzung zum Modul Pattern Recognition stehen hier die Gegenstände und Anwendungsthemen der Digital Humanities sowie besondere Umstände, die bei der Analyse solcher Daten berücksichtigt werden müssen (z.B. fragmentarische historische Daten), im Mittelpunkt.

Lernziele und Kompetenzen:

Die Studierenden führen selbstständig verschiedene Formen der Datenanalyse durch, begründen ihre methodischen Entscheidungen überzeugend und interpretieren die Ergebnisse maschineller Auswertungen sinnvoll. Sie kennen die spezifischen Bedingungen bei der Analyse von geisteswissenschaftlichen Datensätzen und entwickeln daran angepasste Lösungen.

Kompetenzen
Die Studierenden

• kennen die spezifischen Bedingungen bei der Analyse von geisteswissenschaftlichen Datensätzen und entwickeln daran angepasste Lösungen.

• erarbeiten unter impulsgebender Anleitung einzeln oder in kleinen Teams Teilbereiche. Die Themen werden auf gehobenem Niveau wissenschaftlich behandelt und mit gefestigter Methodenkompetenz diskursiv dargestellt, so dass sich am Ende ein Gesamtbild ergibt.

• entwickeln Fähigkeiten zum Einsatz von ideen-, mentalitäts-, sozial- und geschlechtergeschichtlichen Ansätze bei der Erschließung von geisteswissenschaftlichen Kontexten

• finden eigenständig einschlägige Forschungsliteratur zu vorgegebenen interdisziplinären Themenbereichen und erarbeiten sich deren Inhalte,

• erstellen Präsentationen (Medienkompetenz),

• steigern ihre Kommunikationskompetenzen durch grundlegende Argumentationsführung und diskursive Positionsfindung durch den Vortrag und die Verteidigung eigener Standpunkte im Plenum

• sowie durch kritische und konstruktive Diskussion der Beiträge der anderen Seminarteilnehmer/innen,

• steigern ihre Präsentationskompetenzen durch fachterminologisch korrekte und sprachlich differenzierte Präsentation von selbstverfassten wissenschaftlichen Texten in Wort und Schrift, steigern das Niveau ihrer wissenschaftlichen Arbeit in Wort und Schrift.

Selbstkompetenz

Die Studierenden

• überwachen eigenständig ihren Arbeitsfortschritt und die Einhaltung vorgegebener Termine,

• festigen grundlegende Kompetenzen des Selbstmanagements und reflektieren den eigenen Lernprozess.

Sozialkompetenz

Die Studierenden

• tragen durch Feedback und Ergebnisdiskussion zum kooperativen und konstruktiven Arbeiten in der Gruppe bei,

• verbessern die Diskussionskultur, indem sie auf hohem Niveau Inhalte und methodische Zugänge argumentativ vertreten.

Literatur:

Wird auf studon bekannt gegeben und laufend aktualisiert.

Bemerkung:

Einpassung in den Studienverlaufsplan:
Vollzeit: Studiensemester 3
Teilzeit: Studiensemester 5

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

1. Data Science (Master of Science)
   (Po-Vers. 2021w | Gesamtkonto | Anwendungsfach | Digital Humanities | Daten analysieren und verstehen in den DH)

Studien-/Prüfungsleistungen:

Daten analysieren und verstehen in den DH (Prüfungsnummer: 91651)

(englischer Titel: Analysing and understanding data in DH)

Prüfungsleistung, Klausur, Dauer (in Minuten): 60, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

Prüfungssprache: Englisch

Erstablegung: WS 2021/2022, 1. Wdh.: SS 2022

1. Prüfer:

Andreas Maier