| Kommentar |
Daten sind der „Rohstoff“ des 21. Jahrhunderts. Auch in den Geschichtswissenschaften werden sie zunehmend als Forschungsressource relevant. Nicht nur die Zahl der öffentlich verfügbaren digitalisierten historischen Quellenbestände nimmt stetig zu, sondern auch die Produktion der genuin digitalen Daten in Sozialen Medien, Wissenschaftsblogs, Foren, Webseiten, Datenbanken oder auch Fachportalen. Gleich ob die geschichtswissenschaftlichen Fragestellungen sich auf die mittelalterliche oder jüngste Zeitgeschichte beziehen, Programmierkenntnisse können auf vielfältige Weise das historische Arbeiten ergänzen, um sich die digital verfügbaren Informationen zunutze zu machen. Sie bieten zum einen das Handwerkszeug, um effizient Daten zu sammeln, organisieren, verarbeiten und analysieren. Zum anderen sensibilisiert der Umgang mit Programmiersprachen für die Funktionsweise der Algorithmen und Werkzeuge die wir in den digitalen Geistes- und Geschichtswissenschaften verwenden.
In der Übung werden die Grundlagen der Skriptsprache Python gemeinsam erarbeitet. Python ist eine weit verbreitete, einfach zu lernende und lesende Programmiersprache, die sowohl in den Data Science als auch der Softwareentwicklung in (außer-)universitären Forschungseinrichtungen ebenso wie in der Industrie zum Einsatz kommt. Zugeschnitten auf den geschichtswissenschaftlichen Arbeitsprozess werden Grundkenntnisse im algorithmischen Denken, zentraler Datentypen und -strukturen sowie der Python-Syntax vermittelt. Ziel der Übung ist es, Studierende ganz praktisch an das Programmieren heranzuführen, um auf diese Weise weiteres Potential für digitale Forschungsansätze aufzuzeigen.
Die Übung richtet sich an Masterstudierende. Programmiererfahrungen sind nicht erforderlich. |
| Literatur |
Melanie Althage, Martin Dröge, Torsten Hiltmann, Philipp Schneider, Python für Historiker:innen. Ein anwendungsorientierter und interaktiver Einstieg, 20.07.2022, Jupyter Book, (v1.0), https://digital-history-berlin.github.io/Python-fuer-Historiker-innen/home.html; https://doi.org/10.5281/zenodo.6868043 |
