Rezension zu Griese, Sabine: Andreas Gardt, Mireille Schnyder u. Jürgen Wolf (Hgg.): Buchkultur und Wissensvermittlung in Mittelalter und Früher Neuzeit, Berlin u. Boston: de Gruyter. 2011, 310 S.

Hintergrund: Am Helmholtz-Zentrum für Umweltforschung - UFZ arbeiten Forschende an Fragestellungen, die sich u.a. mit den aktuellen Veränderungen des Klimas und dessen Auswirkungen auf die Landnutzung beschäftigen. Dazu werden an verschiedenen Orten eine Vielzahl unterschiedlichster Umweltparameter mit Sensoren erfasst. Diese Daten werden kontinuierlich erhoben, um die Veränderungen möglichst in Echtzeit zu beobachten (Monitoring). Teilweise kommen pro Beobachtungsort mehrere Hunderte solcher Sensoren zum Einsatz. Die dafür eingesetzten Sensoren erfassen z.B. Bodenfeuchte, Niederschlagsmenge, Strahlungen und andere abiotische Kenngrößen. Damit die Daten (nach)nutzbar sind, müssen sie so aufbereitet und beschrieben werden, dass sie für nachfolgende Prozesse maschinen-lesbar bearbeitet werden können und in einer Form vorliegen, die eine Veröffentlichung nach den FAIR-Prinzipien ermöglicht. Herausforderung: Die erhobenen Messdaten müssen nicht nur gesichert werden, sondern auch auf Plausibilität geprüft, prozessiert und mit hinreichender Detailtiefe beschrieben werden, damit sie nachfolgend den Forschenden für die Beantwortung ihrer Forschungsfragen als Grundlage zur Verfügung stehen. Eine Herausforderung dabei ist, dass die Daten kontinuierlich als Datenstrom anfallen. Folglich müssen Prozesse wie die strukturierte Ablage, die Anreicherung mit Metadaten sowie Prüfung auf Fehlmessungen (sog. Qualitätssicherung) automatisiert werden. Aufgrund der Heterogenität der Sensoren (unterschiedliche Hersteller stellen Daten in unterschiedlichen Formaten zur Verfügung) muss bei diesen Prozessen auch eine Formatumwandlung erfolgen. Darüber hinaus sind je nach Messgröße und -verfahren verschiedene Methoden zur Plausibiläts- und Qualitätsprüfung anzuwenden. Lösungsansatz: Das Research Data Management Team des UFZ hat gemeinsam mit der IT-Abteilung einen Daten-Workflow entwickelt, der die unterschiedlichen Daten automatisch zusammenführt, sichert und nach einem vordefinierten Schema mit Metadaten anreichert. Der Einsatz des Workflows wird exemplarisch anhand von aktuellen Forschungsprojekten vorgestellt und die darin enthaltenen Schritte detailliert beschrieben, wobei auch auf die technische Umsetzung eingegangen wird. Insbesondere werden die Komponenten zur Datenstrukturierung und semiautomatischen Qualitätssicherung vorgestellt, bei denen auch Methoden des Machine Mearning zum Einsatz kommen. Innerhalb des Workflows können die prozessierten Daten nach verschieden Verfahren aggregiert und weiterverarbeitet werden. Das geschieht u.a. über definierte Schnittstellen zu internen und externen Services (z.B. durch Bereitstellung als Sensor Observation Service (SOS) oder mittels einer API). Fazit: Die im Rahmen des hier vorgestellten Workflows entwickelten Prozesse und Komponenten zum automatisierten Management von Forschungsdaten bilden eine wichtige Grundlage für das Forschungsdatenmanagement am UFZ. Durch die modulare Ausgestaltung können die Komponenten an den Bedarf der Forschenden angepasst werden und sind auch für Szenarien geeignet, in denen die Messdaten nicht als Datenstrom anfallen. Mit diesem Workflow ist die Voraussetzung geschaffen, die am UFZ erhobene Daten auch als Linked Data der wissenschaftlichen Community und anderen Stakeholdern zur Verfügung zu stellen.

Der Datenmanagementplan (DMP) ist die derzeit vielleicht bekannteste Manifestation des Forschungsdatenmanagements – von manchen als Segen begrüßt und von anderen als unnötige Mehrbelastung geschmäht. Der Vortrag geht kurz darauf ein, was ein DMP ist. Vor allem aber werden wir uns ansehen, wie ein DMP Forschenden die Arbeit erleichtern, die Qualität der Forschung erhöhen und das Risiko von reputationsschädigenden Datenpannen verringern kann – und warum die EU bei ihren Forschungsprojektanträgen deshalb die Erstellung eines DMP einfordert. An einigen praktischen Beispielen werden wir nachvollziehen, welche teils gravierenden Datenpannen durch einen DMP abgewendet werden können. Dazu geben wir Tipps, auf welche Intention die Fragen eines DMP, beispielsweise von der EU, abzielen. Durch den ganzen Vortrag wird sich die These ziehen, dass mehr Forschende in ihren Projekten mit einem DMP arbeiten sollten – und zwar nicht OBWOHL, sondern WEIL ihr Arbeitsalltag sich mit immer mehr administrativen Aufgaben zu füllen scheint. Der Beitrag zur Datenmanagementplanung greift die Themen aus den vorangegangenen Präsentationen auf und schlägt die Brücke zur nachfolgenden Poster-Session und den Diskussionen an den Thementischen des World-Cafés. Als „Anschauungsobjekt“ dient dabei der Datenmanagementplan (DMP).

Auf dem Poster wird das koordinierte Forschungsdatenmanagement (FDM), welches sich am GWZO im Aufbau befindet, sowie das von der DFG geförderte Verbundprojekt „OstData. Forschungsdatendienst für die Ost- Ostmittel- und Südosteuropaforschung“, an dem das Institut beteiligt ist, vorgestellt. Dafür wird in zwei Abschnitten der multidisziplinäre, epochenübergreifende und geographische Ansatz des Instituts und seine bundesweite Vernetzung im Hinblick auf FDM dargestellt. Anhand eines Zeitstrahls werden die Meilensteine seit 2017, weiteren Planungen zum FDM sowie die Verortung von 'OstData' im GWZO visualisiert. Ein umfangreicher 'Meilenstein-Kasten' gibt grundlegende Informationen zu 'OstData' und erläutert die Ziele des Verbundprojekts.

Europäische Heimatforschung: grenzüberschreitende Forschung mit europäischen Quellen und Geschichten, um dieses Wissen mit Open Sience wieder sichtbar und zugänglich zu machen

Die Erinnerungskultur schlägt um in Erinnerungskult. wenn das, was über alle Konstruktionsabsicht hinaus sich zum Wissensschatz angehäuft hat, als geplantes Produkt von Strategien, Methoden und Techniken erscheint: Unsere eigene Meisterschaft wird in die Vergangenheit projiziert. Indem wir die Gelehrten des 17. und 18. Jahrhunderts zu unseren Kollegen machen und sie in ehemaliger Lebendigkeit auferstehen lassen, unterlaufen wir das Vergessen, das sie ereilt hat, und erhoffen ein ähnliches Schicksal für uns selbst. Aber ist die Gelehrtengeschichte heute nicht im gleichen Maße Rettung eines Vergessenen wie Nachahmung desselben?

No description available.

No description available.

The status of theory in the Digital Humanities (DH) has been the subject of much debate. As a result, we find different theory narratives competing and entangled with each other. If at all, these narratives can only be grasped and examined from a somewhat detached perspective. Here, we attempt to investigate these elusive narratives by means of a conceptual history approach. In doing so, we define different theory dimensions, ranging from specific cultural and literary theory frameworks to more generic uses of the concept of theory. We examine the use and semantic changes of these theory notions in a large corpus of DH journals. Using a mixture of heuristic methods and approaches from the field of distributional semantics, we aim to create tellable conceptual stories of DH theory.

Although digital humanities (DH) has received a lot of attention in recentyears, its status as “a discipline in its own right” (Schreibman et al., A companion to digital humanities (pp. xxiii–xxvii). Blackwell; 2004) and its position inthe overall academic landscape are still being negotiated. While there arecountless essays and opinion pieces that debate the status of DH, little researchhas been dedicated to exploring the field in a systematic and empirical way (Poole, Journal of Documentation; 2017:73). This study aims to contribute tothe existing research gap by comparing articles published over the past threedecades in three established English-language DH journals (Computers andthe Humanities, Literary and Linguistic Computing, Digital Humanities Quar-terly) with research articles from journals in 15 other academic disciplines (corpus size: 34,041 articles; 299 million tokens). As a method of analysis, weuse latent Dirichlet allocation topic modeling, combined with recentapproaches that aggregate topic models by means of hierarchical agglomera-tive clustering. Our findings indicate that DH is simultaneously a discipline inits own right and a highly interdisciplinary field, with many connecting factorsto neighboring disciplines—first and foremost, computational linguistics, andinformation science. Detailed descriptive analyses shed some light on the dia-chronic development of DH and also highlight topics that are characteristicfor DH.