DHd Chronicles Anreicherung und Analyse der Beiträge zu den Jahrestagungen der Digital Humanities im deutschsprachigen Raum 2014-2023

Quelldaten und Provenienz

Seit 2015 gehört das Book of Abstracts mit allen angenommenen Tagungsbeiträgen zu einer zentralen Veröffentlichung der deutschsprachigen DH (Stiegler 2015; Burr, 2017; Stolz 2017; Vogeler 2018; Sahle 2019; Schöch 2020; Geierhos 2022; Busch und Trilcke 2023).²  Im Zuge des Einreichungsprozesses (Helling et al. 2022a) werden seit 2016 durch den DHConvalidator³  TEI-XML-Dateien der Beiträge erzeugt. Darüber hinaus wurden durch den DHd Data Steward seit 2020 alle Konferenzbeiträge auch als einzelne PDF-Publikationen durch einen automatisierten Workflow (Borges et al. 2022) persistent und zitierbar veröffentlicht (Helling et al. 2022b). Insgesamt konnten so 1.207 Konferenzbeiträge sowie 109 Posterpräsentationen der DHd-Jahrestagungen 2014—2023 publiziert werden. Zusätzlich wurden für die Jahrestagungen 2016—2023 die TEI-XML-Dateien sowie ihre Metadaten in GitHub-Repositorien zur Nachnutzung verfügbar gemacht.⁴  Für die Jahrestagungen 2014 und 2015 stehen die veröffentlichten PDF-Dateien und die Metadaten zur Verfügung.

Erstellung und Anreicherung

Auf der Basis von ConfTool-Daten wurden zu einigen DHd-Jahrestagungen bereits Analysen durchgeführt, um ein inhaltliches und strukturelles Bild der jeweiligen Tagung zu zeichnen (siehe bspw. Calvo Tello 2016; Henny-Krahmer und Sahle 2018; Kiefer 2019; Hoenen 2019). Einige experimentelle und exemplarische Ansätze haben zusätzlich die Potentiale und Herausforderungen einer Anreicherung aller Beitragsdaten zur quantitativen Analyse gezeigt (Andorfer et al. 2020; Andorfer et al. 2021; Busch et al. 2022). Die Qualität der Metadaten in den GitHub-Repositorien ist trotz der bereits erfolgten Vereinheitlichungen noch nicht für alle Analysen ausreichend. In einem iterativen Prozess, der sowohl automatische Verfahren (String-Similarities, Geonames⁵ -Abfragen) als auch manuelle Bearbeitungen mittels OpenRefine⁶  enthält, konnten im Rahmen dieses Analysevorhabens die verzeichneten Namen der Autor:innen verbessert (5,9 % waren fehlerhaft) und alle Affiliationen auf Städte und Länder, wo vorhanden auch auf eine (übergeordnete) ROR-ID,⁷  abgebildet werden. Außerdem wurden alle Tagungsbeiträge 2014—2023 als plain text extrahiert und via GitHub veröffentlicht.⁸  Auf diese Weise konnte eine Datenbasis generiert werden, um die DH-Landschaft anhand der DHd-Jahrestagungen über die Zeit hinweg auf struktureller und inhaltlicher Ebene zu analysieren.⁹ 

Strukturelle Entwicklungen

Inhaltliche Entwicklungen

Um zu untersuchen, wie sich die DHd-Tagungsbeiträge über die Zeit inhaltlich entwickelt haben, wurden Topic-Modelle für alle Beiträge erstellt. Insgesamt wurden 1.196 Abstracts aus den Jahren 2014—2023 untersucht. Für die Auswertung wurde ein Modell mit 40 Topics ausgewählt.¹²  Es gibt einige allgemeine Topics zu DH, die im Korpus auch stark vertreten sind (z. B. T15), methodenspezifische Topics (z. B. T6), Topics zu untersuchten Gegenständen (wie T26) und auch auf die Beiträge bezogene Topics (etwa T11, siehe Abb. 8).

Im Folgenden wird die Entwicklung von Gruppen von Topics über die Jahre in den Blick genommen. Werden bestimmte Methoden über die Zeit unterschiedlich stark eingesetzt und folgt diese Entwicklung allgemeinen technologischen Trends? Welche Gegenstände standen wann im Vordergrund? Abb. 9 zeigt die Entwicklung mehrerer ausgewählter Methoden-Topics über die Jahre.¹³ 

Topics, die 2014 vergleichsweise hohe Wahrscheinlichkeiten hatten, sind z. B. “digitale Editionen/XML/TEI” (T29) und “Virtual Reality & Rekonstruktion” (T8). Beide zeigen leicht abnehmende Verläufe; das Editions-Topic bleibt aber auch 2023 eines der stärksten Methoden-Topics in der gezeigten Auswahl. Das “Stilometrie”-Topic (T16) erreichte den Höhepunkt 2018 und ist seitdem rückläufig. “Topic Modeling” selbst (T12) hält sich seit 2015 im unteren Mittelfeld relativ stabil. “Visualisierung” (T19) ist seit 2017 auf einem relativ hohen Niveau. Aufschwünge sind außerdem bei den Topics “Word Embeddings & Machine Learning” (T39) und “Sentiment Analysis” (T9) zu erkennen. Das Topic “OCR & Texterkennung” (T6) nahm bis 2019 zu und ging 2023 zurück. Der Verlauf der ausgewählten Methoden-Topics über die Jahre zeigt, dass es für einzelne Methoden verschiedene Trends und im Vergleich zu 2014 insgesamt eine ausgewogenere Methodenvielfalt als vorher gibt. Abb. 10 zeigt eine Auswahl von Topics zu Forschungsgegenständen.

Eine Zunahme über die Jahre ist beim Topic “Sammlungen, Objekte, Museum” (T10) zu erkennen, vor allem im Jahr 2023. Tendenziell abnehmend sind die Topics zu “mittelalterlichen Handschriften” (T20), “Sprachressourcen und Korpora” (T7) und “Zeitungen und Zeitschriften” (T2). “Literatur” (T26) als Gegenstand ist nach 2014 wichtiger geworden und entwickelt sich stabil. Für “Video und Film” (T27) und “Bilder” (T35) gab es 2019 Höhepunkte. Dies hängt vermutlich mit dem Thema der DHd-Tagung 2019 zusammen (“multimedial & multimodal”), was klar zeigt, dass die Wahl der Konferenzthemen auch die Forschung bzw. ihre Präsentation auf der Tagung beeinflusst. Das Thema “Musik” (T0) war besonders 2015 und 2020 präsent. 2020 fand die DHd-Tagung in Paderborn statt, wo u. a. das Zentrum “Musik - Edition - Medien” beheimatet ist. Demnach kann auch der Ort der jeweiligen Konferenz Einfluss auf die Themen haben.

In einem letzten Schritt haben wir mit der Operationalisierung einen häufig genannten und grundlegenden Tätigkeitsbereich in DH-Arbeiten (vgl. Pichler und Reiter 2022) in den Blick genommen (siehe Abb. 11). Eine ähnliche Analyse (mit deutlich mehr Fundstellen) wäre etwa zu den Begriffen der Modellierung oder Implementierung denkbar. In allen untersuchten Jahrgängen taucht der Begriff in verschiedenen sprachlichen Formen auf, häufig als Verb oder Nomen. Im Jahr 2020 steigt die Zahl der Vorkommen sprunghaft an und hält sich seitdem auf einem ähnlichen Niveau.¹⁴  Unser Interesse galt in diesem Zusammenhang auch der Frage, was eigentlich operationalisiert wird. Dabei konnten sechs große Kategorien identifiziert werden: Neben Konzepten sind dies Fragestellungen, Phänomene, Begriffe und Kategorien.¹⁵  Eine gewisse Menge an Vorkommen taucht ohne semantisches Argument auf, insbesondere wenn sich Beiträge mit theoretischen oder praktischen Folgen und Voraussetzungen von Operationalisierung befassen. Auffallend ist, dass diese Befassung mit ‘Operationalisierung als solcher’ erst ab 2020 in substanziellem Ausmaß stattfindet.

Als ein zentraler Output des Beitrags wurde schließlich mit dem webbasierten Visualisierungsframework Keshif (Yalçın et al. 2016) eine interaktive Visualisierung¹⁶  der aufbereiteten Metadaten erstellt (siehe Abb. 12), die zur Exploration zur Verfügung steht.¹⁷