Zwei mal drei macht vier, wi di wi di wid und drei macht neune. Ich mache Statistik, so wie es mir gefällt!

Hallihallo it’s me again. Als Einstimmung auf Weihnachten gibt es ein Geschenk in Form einer neuen Lektion in Sachen “Digital History”. Und weil mit Zahlen alles gleich viel schöner ist, werden wir uns heute mit der Statistik anfreunden – he schaut mich nicht so an, Mathe war auch nicht meine Stärke, würde ich sonst Geschichte studieren?! Aber auch Zahlen gehören zur Geschichte, ihr werdet sehen. #letsdothis

So Herr Nilsson, was brauchn wir nun alles, um uns der (historischen) Statistik so richtig widmen zu können?
(LISTE LISTE LISTE <3)

  • Daten – schön und gut, aber woher bitte nehmen?
  • Excel (mit oder ohne Kenntnisse – haha wobei ich mich selber eher in die letztere Kategorie einordnen würde)
  • Diagramme – egal in welcher Form: Torten (nicht zum Verzehr geeignet!) oder Balken oder was auch immer

Dann gehen wir das Ganze Schritt für Schritt an.
Zunächst brauchen wir, wie uns dieser entzückende Affe (hier bitte gedanklich Affen-Emoji einfügen) bereits aufgezählt hat, Daten. Wenn man jetzt nicht übermotiviert ist oder für ein Projekt, eine Seminararbeit oder Ähnliches sowieso mit Daten arbeitet bzw. arbeiten muss, dann gibt es auch andere Wege an Daten zu kommen. Tadaaaa, ich präsentiere: Clio-Infra Project [https://clio-infra.eu/]. Auf dieser Seite bzw. dieses Projekt stellt eine unglaubliche Menge an Daten zu seeeehr vielen Themen zur Verfügung – unglaublich spannend und durch die große Menge weiß man auch gar nicht wirklich wo anfangen. Da die nächsten Schritte leichter anhand eines Beispiels zu erklären sind, habe ich mir (auch in eurem Interesse) ein Thema inklusive Datenset aus dieser ganzen Fülle ausgewählt: Book Titles per Capita/Büchertitel pro Kopf [https://clio-infra.eu/Indicators/BookTitlesperCapita.html]. Plus dazu braucht es natürlich auch eine Fragestellung, nämlich wie sich die neu erschienenen Buchtitel in Österreich ab 1500 entwickelten?

Achtung, es folgt ein kurzer Exkurs (so ca.)! Das eigentliche Thema wird in Kürze wieder aufgenommen! Vielen Dank für Ihr Verständnis!

Statistik ist super zum Vergleichen oder Beschreiben, für die Darstellung/das Herausfinden von Struturen, Trends, Veränderungen oder Zusammenhängen. Jedoch hat Statistik auch Grenzen, denn sie ist etwa oft kontextlos (weshalb es dann zusätzliche andere Quellen oder Sekundärliteratur braucht) und vom Datenmaterial her begrenzt (Grundsatz hierfür, für die meisten Fälle: Je früher, desto schlechter die Datenlage – auch bei unserem Beispiel.). Weiters ist ebenso oft die Fragestellung des Urhebers entscheidend, welche Daten wir zur Verfügung haben, ob Daten fehlen oder (nicht-)zuverlässig sind.

Back to business und auf zum nächsten Punkt auf unserer Liste: Excel. Dieses Programm sollte man eigentlich in der Schule mal gelernt haben, aber der Mensch ist ein Idiot und vergisst wie ein Goldfisch wenns nicht gebraucht wird (oder ich zumindestens). ABER Gott sei Dank ist das Internet voll von Hilfen und Tipps rund um Excel. Also einfach Googeln, Youtube-Videos anschauen etc. das hilft hierbei einfach am Besten.
Clio-Infra spuckt dann zunächst, praktischerweise, eine Excel-Datei aus, die ungefähr so aussieht:

(c) Jonathan Fink-Jensen, Book Titles per Capita, 10.07.2015.

Tja, wie man sieht, sieht man nix – oder nicht viel. Wie schon gesagt, es gibt nicht immer für alles Daten. Für Österreich schauts so aus, dass es erst ab 1937 bzw. 1945 Daten zu diesem Thema gibt – dazu gleich nochmal mehr. Um das alles besser zu sehen und da uns für unsere Fragestellung auch “nur” Österreich interessiert, heißt es zunächst einmal die Daten von Austria zu extrahieren, denn alles andere kann weg. Schaut dann so aus:

(c) Jonathan Fink-Jensen, Book Titles per Capita, 10.07.2015.

Bevor es an die Diagramme geht, heißt es: Quellenkritik (das heißt es eigentlich immer) – wer, wie, wo, was, warum, womit etc.
Der Datensatz, zusammengestellt von Jonathan Fink-Jensen, enthält Informationen über die Anzahl der neu erschienen Buchtitel pro Jahr und Million Einwohner für eine große Anzahl an Ländern für den Zeitraum von 1500 bis 2010 ( Jonathan Fink-Jensen, Book Titles per Capita, 10.07.2015, [http://hdl.handle.net/10622/AOQMAZ], eingesehen 05.11.2019). Die Daten wurden in ein-Jahres-Schritten gesammelt und organisiert auf Basis der heute aktuellen geographischen Länder der Welt. Als Quellen für die Anzahl der neuen Buchtitel nutze Fink-Jensen vorranging andere, also nicht eigene erstellte, Datensätze und Publikationen, welche sich  mit Buchproduktionen in verschiedenen zeitlichen Perioden und Regionen befassen (eine genaue Auflistung findet sich auf der Clio-Infra-Seite des Datensatzes). Für die Bevölkerungszahlen wurde auf Maddison (A. Maddison, The World Economy. Historical Statistics, Paris 2003) und Daten aus Clio-Infra Bezug genommen, um so die Anzahl der neuen Buchtitel pro Millionen Einwohner zu berechnen (CLIO-Infra Project/Jonathan Fink-Jensen, Book Titels per Capita, 10.07.2015, [https://clio-infra.eu/Indicators/BookTitlesperCapita.html], eingesehen 05.11.2019).

Worauf es grundsätzlich so quellenkritisch gesehen noch ankommt, besonders bei Statistiken:
(again: LISTE LISTE LISTE <3)

  • Definitionen, Begriffe klären – in unserem Fall wird nicht klar, um welche Bücher es genau geht bzw. es wird nicht nach Genre unterschieden oder auch nicht, wie dick oder dünn die neu erschienenen Bücher waren
  • Maßeinheiten prüfen (ggf. umrechnen, harmonisieren) – bei unserem Beispiel haben wir es nicht direkt mit Maßeinheiten zu tun, sondern mit Anzahlen #deutschespracheschweresprache
  • Visualisierung – das zeigt dann eventuelle Inkonsistenzen und Brüche auf, die wiederum auf z.B. Übertragungsfehler hinweisen bzw. aufzeigen, dass Hintergrundwissen erforderlich ist, um gewisse Unklarheiten zu klären
  • territoriale Veränderungen prüfen – in unserem Fall zwar nicht so, aber z.B. das “historische” Österreich hatte andere Grenzen als jenes Österreich, wie wir es heute kennen

Wir sind schon beim letzten Schritt angekommen: Diagramme. Um solche zu erstellen, einfach die Zahlen markieren, die man darstellen will und unter “Einfügen” einen Diagrammtyp auswählen – wenns Probleme gibt, einfach wieder googeln (da ich selber kein Profi bin, sondern nur so tue haha). Als erstes habe ich das Diagramm erstellt, von allen Daten für Österreich, also ab 1500:

Ja okay, man hat schon mal nützlichere und leichter-analysierbare Diagramme gesehen. Deshalb grenzen wir das Ganze ein und erstellen ein Diagramm nur von-bis, wo es auch wirklich Daten dafür gibt. Sprich, von 1937-1996:

So lässt sich das schon besser analysieren: Es zeigt zunächst die Lücken in der ansonsten ab 1937 bzw. 1945 bis 1996 für Österreich durchgängigen Datenlage: 1938-44, 1956 und 1983. Den niedrigsten Wert mit 219,00279 findet sich im Jahr 1937, der höchste mit 1190,90033 im Jahr 1986 – eine Steigerung um über das Fünffache. Die Entwicklung ist nicht von einer exponentiellen Zunahme gekennzeichnet, wenngleich es in manchen darauffolgenden Jahren der Fall ist, beispielsweise 1961-63 oder 1970-75. So stellt der Wert im Jahr 1996 nicht den höchsten dar, sondern liegt bei 985,47212. Die Phase mit den höchsten Werten findet sich von 1984-89. Dann nach diesen (vermeintlichen) Höhepunkten ist auffällig, dass, wie etwa auch ersichtlich an den Jahren 1953, 1957 oder 1963, ein Abfall der Werte bzw. Tiefpunkte folgt. Weiters fällt in der Graphik auf, dass die Werte von 1945-49 relativ konstant bleiben, also weder auffällig steigen oder sinken.

Und weil wir gerade so schön in Fahrt sind, kann man sich noch weitere/weiterführende Fragestellungen überlegen.
Diese Daten werfen die Frage auf, warum es diese Lücken in den Jahren 1956 und 1983 gibt. Die Lücken zwischen 1937 und 1945 könnten durch den Zweiten Weltkrieg bzw. die nationalsozialistischen Vorjahre und Ideologie erklärt werden. Weiters, ob man aufgrund dieser Datengrundlage mehr über die Gesellschaft bzw. die Bildung oder den Bildungsgrad der Gesellschaft sagen kann und daher Rückschlüsse dazu ziehen kann. Ein Vergleich, etwa mit einem oder mehreren beispielsweise europäischen Ländern wäre außerdem möglich, um herauszufinden, wie sich dort die Entwicklung der Buchtitel gestaltete, ob es analoge Hochphasen, Schwankungen oder Ähnliches gibt – das wäre mit weiteren Diagrammen, ebenso erstellt aus dem Datensatz von Fink-Jensen, zu überprüfen. Zusätzlich stellt sich die Frage, ob die Bucherscheinungen auch gekauft wurden, d.h. ob es einen dementsprechenden Absatz der Bücher gab oder es keine Zusammenhänge dieser Art gibt.

Und damit können wir uns wieder anderen Dingen in der Villa Kunterbunt widmen – oh seht, ein Glühwein!

Das wars vorerst von Pippilotta Viktualia Rollgardina Pfefferminz Efraimstochter Langstrumpf – see you! 🙂


You may also like...

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Search OpenEdition Search

You will be redirected to OpenEdition Search