| Kommentar |
Daten werden in den Geschichtswissenschaften zunehmend als Forschungsressource relevant. Gleich ob sich geschichtswissenschaftliche Fragestellungen auf das Mittelalter oder die jüngste Zeitgeschichte beziehen, Programmierkenntnisse können auf vielfältige Weise das historische Arbeiten ergänzen, um sich die digital verfügbaren Informationen zunutze zu machen. Dabei werden Daten, die in Forschungs- und Editionsprojekten entstehen, immer öfter als Linked Open Data zur Verfügung gestellt. Hierbei werden Daten auf eine bestimmte Weise repräsentiert, sodass sie leichter mit anderen Beständen kontextualisiert und so Wissen relativ komplex modelliert werden kann.
Doch wie können wir uns solche Daten in der historischen Forschung zunutze machen? In der Übung werden hierfür entsprechende Methoden vermittelt. Hierzu arbeiten wir mit Datensätzen der Germania Sacra zu Karrieren hochrangiger Geistlicher im Alten Reich. Am Beispiel der Arbeit mit diesem Quellenkorpus werden Sie in der Übung lernen, in der Praxis mit RDF-Daten umzugehen, sie abzufragen (SPARQL) und mit verschiedenen Methoden zu analysieren. Hierzu werden Sie, geleitet von konkreten geschichtswissenschaftlichen Forschungsfragen, kleinere Daten- und Code-getriebene Projekte entwickeln. Die Grundlagen für diese spezielle Form des wissenschaftlichen Arbeitens werden Ihnen in der Übung ebenfalls vermittelt – hierzu zählen neben fortgeschrittenen Programmierkenntnissen in Python (insbesondere zum Umgang mit RDF und SPARQL) auch die Handhabe von Versionsverwaltung, Projektmanagement, sowie Methoden zur Auswertung stukturierter Daten. Die Übung soll Ihnen so das grundlegende Handswerkszeug geben, später eigene Daten- und Code-getriebene Projekte durchzuführen – seien dies Seminararbeiten im fortgeschrittenen Master oder Abschlussarbeiten in Digital History.
Für die erfolgreiche Teilnahme an der Übung werden grundlegende Kenntnisse der Programmierung in Python unbedingt vorausgesetzt. Folgende Inhalte sollten Ihnen vertraut sein: grundlegende Datentypen (Strings, Integers, Float, Listen, Dictionaries), bedingte Anweisungen und Schleifen, Arbeit mit Funktionen, externen Libraries und Dateien. Vorkenntnisse in mittelalterlicher Kirchengeschichte sind für den Besuch der Übung nicht erforderlich. |
| Literatur |
- Schneider, Python für Historiker:innen. Ein anwendungsorientierter und interaktiver Einstieg, 20.07.2022, Jupyter Book, (v1.0), URL: https://digital-history-berlin.github.io/Python-fuer-Historiker-innen/home.html
- Blaney, Jonathan. „Introduction to the Principles of Linked Open Data“. Programming Historian, 7. Mai 2017. https://programminghistorian.org/en/lessons/intro-to-linked-data.
- Ernest, Johannes / Kaiser, Peter, Python 3. Das umfassende Handbuch, Rheinwerk Open Book, Rheinwerk Computing :: Python 3 - Einleitung
- Hitzler, Pascal, Markus Krötzsch, Sebastian Rudolph, und York Sure. Semantic Web: Grundlagen. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, 2008. http://resolver.scholarsportal.info/isbn/9783540339946.
- Hogan, Aidan. The Web of Data, 2020. https://doi.org/10.1007/978-3-030-51580-5.
- Karsdorp, Folgert, Mike Kestemont, und Allen Riddell. Humanities Data Analysis : Case Studies with Python. Princeton: Princeon, 2021. https://www.humanitiesdataanalysis.org/.
- WIAG-Logo Wissensaggregator Mittelalter und Frühe Neuzeit, URL: https://wiag-vocab.adw-goe.de/
|
