data literacy

Florian Barth, Mathias Göbel (SUB Göttingen)

Im Workshop erzeugen wir mit der Natural-Language-Processing-Pipeline MONAPipe automatische Annotationen. Nach einer kurzen Einführung können Teilnehmende selbst wählen, welche textuellen Kategorien zur Anwendung interessant erscheinen: Es stehen Demo-Notebooks für linguistische Konzepte (morphosyntaktische Kategorien, Sprecher, Koreferenz), Entitäten (inkl. Entity Linking) sowie semantische und narrative Analysen (z. B. literarische Ereignisse, Raumkonzepte, reflexive Passagen) zur Verfügung. Die angewandten Modelle reichen von klassischen Machine-Learning-Classifiern bis hin zu strukturiert integrierten großen Sprachmodellen (LLMs).
Wir arbeiten mit Texten aus dem TextGrid Repository. Dieses umfasst eine Vielzahl von digital publizierten Texten unterschiedlicher Sprachen. Ziel des Workshops ist es, selbst erstellte Anreicherungen in einen Annotation Store einzuspielen, der eine Darstellung der Annotationen gemeinsam mit dem ursprünglich publizierten Text ermöglicht.
Zur Ausführung und zum Verständnis der Jupyter-Notebooks sind grundlegende Python-Kenntnisse hilfreich, aber nicht zwingend notwendig. Wir werden auf den jeweiligen Kenntnisstand der Teilnehmenden eingehen.

Prof. Dr. Berenike Herrmann (Universität Bielefeld)

„Data literacy is the ability to collect, manage, evaluate, and apply data, in a critical manner“ (Ridsdale et al., 2015). Aber was heißt das in der universitären Forschung und Lehre? In diesem Workshop wird das Konzept der Data Literacy anhand von spezifischen Anwendungsszenarien erläutert, die in der Community of Practice „Data Literacy“ der „Bielefelder Lehrinnovationen für kollaborative Entwicklung digitaler Lehr-/Lernformate – BiLinked“ entwickelt wurden. Beleuchtet werden neben domänengenerellen Aspekten wie Computational Literacy, Forschungsdatenmanagement und Data Awareness domänenspezifische Szenarien der Computational Literary Studies wie Korpusbau, Operationalisierung und Fragen der Tool-Anwendung. Der Workshop stellt ein neues (digitales) Handbuch zum Thema vor, das auch Selbstlerneinheiten (Open Educational Resources, OER) umfasst.

Tim Fischer, Julia Pawlowski (Hub of Computing and Data Science)

Die qualitative Inhalts- und Diskursanalyse von umfangreichen oder multimodalen Datenmengen stellt Forschende oft vor methodische und zeitliche Herausforderungen. In diesem Workshop erproben wir die Arbeit mit der Discourse Analysis Tool Suite (DATS), einer frei verfügbaren, KI-gestützten Open-Source-Webanwendung, die das HCDS speziell für diese Zwecke entwickelt hat.

Im Workshop durchlaufen wir gemeinsam den typischen Workflow eines qualitativen Forschungsprojekts: Wir schauen uns an, wie DATS unterschiedlichste Datenformate (Text, Bild, Audio und Video) verarbeiten und durch automatisierte Vorverarbeitung – wie etwa automatische Transkription, Bild-Captioning oder Objekterkennung – anreichern kann. Anschließend testen wir die KI-gestützte Annotation und Kategorisierung von Texten, die semantische Suche über verschiedene Medien hinweg sowie die visuelle Interpretation der Ergebnisse auf interaktiven Whiteboards.

Technische Vorkenntnisse, Erfahrungen mit Machine Learning oder eine vorherige Software-Installation sind nicht nötig, da DATS im Browser läuft. Ziel des Workshops ist es, einen ersten praxisnahen „Hands-on“-Eindruck zu vermitteln, sodass Sie DATS im Anschluss direkt für Ihre eigenen Forschungsprojekte nutzen können.