Mit der Zeit gehen-Meine Erfahrungen mit Digital History #2

Seid gegrüßt Freunde des guten Geschmacks und willkommen zurück auf meinem Blog. Auch dieses Mal werden wir wieder voller Elan und Tatendrang ein neues Thema in Angriff nehmen. In diesem Beitrag beschäftigen wir uns vor allem mit dem sogenannten Data-Mining.

Beim Data Mining handelt es sich kurz gesagt um die digitale Auswertung von in der Regel sehr großen Datenmengen mit Hilfe statistischer Methoden. Dadurch ist es möglich, Informationen über bestimmte Regelmäßigkeiten, Gesetzmäßigkeiten und verborgene Zusammenhänge zu erhalten. Klingt kompliziert? Ist es auch. Ich muss hier wohl nicht erwähnen, dass zum Beispiel eine Textanalyse mehrerer tausend Dokumente ohne technische Hilfsmittel unmöglich ist. Hier kommen also bestimmte Programme ins Spiel, die uns helfen Texte zu analysieren und auszuwerten. Und über zwei dieser Programme möchte ich euch im folgenden berichten, nämlich Voyant und Overview.

Meine Aufgabe war zunächst, Teile des Linzer Volksblattes auf Voyant hochzuladen um einen Korpus zu kreieren und die einzelnen Tools kennenzulernen. Dies verlief für mich relativ reibungslos auch wenn der Upload der Zeitungen aufgrund meiner Internetverbindung zeitaufwändiger war, als erwartet. Voyant selbst ist komplett kostenlos und kann ohne Anmeldung benutzt werden. Was sich für mich allerdings als sehr ärgerlich erwies ist die Tatsache, dass Voyant keine Arbeitsschritte speichert. Ihr solltet eure Aufgaben also abschließen, bevor ihr euch anderen Freuden des Lebens widmet. Aber keine Sorge, die Benutzung des Programms selbst ist leicht erlernbar, denn es liegt eine mehrsprachige Anleitung vor. Im Folgenden möchte ich euch die wichtigsten Tools von Voyant näherbringen.

Beim Betrachten der Seite sticht sofort die Wortwolke ins Auge, dabei handelt es sich um das Tool Cirrus. Mit diesem Hilfsmittel können die Wörter in bildhafter Form dargestellt werden, welche im Text am häufigsten vorkommen. Je häufiger das Wort desto größer wird es dargestellt. Ich rate euch hierbei Stopwords zu benutzen um Artikel, Präpositionen usw. zu entfernen. Erinnert euch aber daran, dass die eingefügten Stopwords nicht gespeichert werden und ihr beim nächsten Mal alles wiederholen müsst. In meinen Fall entstand auch das Problem, dass aufgrund der schlechten Lesbarkeit meiner ausgewählten Zeitschriften häufig nur Buchstaben angezeigt wurden.

Wortwolke

Auch beim Tool Trends handelt es sich um eine Visualisierung. Dieses Liniendiagramm soll aufzeigen in welcher Frequenz Wörter in unseren Korpus vorkommen. So kann man auch bei einzelnen Begriffen ermitteln in welcher Häufigkeit sie erscheinen.

Trend

Mit Hilfe von Topic wird aufgezeigt, welche Themen (Begriffscluster) existieren und wie sie verteilt sind. Damit können wichtige Wörter bzw. Begriffe herausgefiltert werden.

Das Tool Summary liefert allgemeine Informationen über den zu bearbeitenden Korpus. So gibt Summary u.a. die Anzahl der Wörter, die durchschnittliche Anzahl der Wörter pro Satz, die häufigste Wörter, sowie auch markante Wörter an. Besonders dieses Tool empfand ich als sehr interessant, doch sein volles Potenzial ließ sich wiederum aufgrund der Textqualität nicht ausschöpfen.

Summary

Das letzte Tool von dem ich euch noch berichten möchte heißt Context (Der Name ist Programm). Mithilfe von Kontext ist es möglich einzelne Wörter gezielt herauszusuchen und zu ergründen in welchem Kontext sie im Text auftreten.

Nachdem ich Voyant mit seinen verschiedenen Tools zur Genüge besprochen habe, kommen wir nun zu Overview. Anders als bei Voyant muss man sich für Overview registrieren um es zu nutzen. Dafür erhält man allerdings den, in meinen Augen, großen Vorteil, dass Arbeitsschritte gespeichert werden. Auch hier können ähnlich wie bei Voyant die Anzahl bestimmter Wörtern aufgezeigt werden und zwar mit der Hilfe von Multsearch. Von besonderem Interesse ist aber vor allem das Tool Topic Tree. Topic-Tree kann die einzelnen Dokumente in verschiedene Themenbereiche einteilen, indem es die einzelnen Dokumente prüft und sie nach der Häufigkeit bestimmter Wörter sortiert. Zusätzlich kann es weitere Untergruppen kreieren, umso eine noch detailliertere Kategorisierung zu schaffen. Diese Themen werden dann in Form eines Baumes visuell dargestellt. Auch als sehr erwähnenswert empfinde ich hierbei die vielfältigen Möglichkeiten manuell Veränderungen vorzunehmen und selbst an den Einstellungen zu tüfteln.

Neben diesen Tool verfügt Overview ebenfalls über eine Wortwolke. Bei dieser Wolke ist das Entfernen unnötiger Wörter etwas einfacher als bei Cirrus, denn hier löscht man Wörter mit einem simplen Mausklick. Auch Overview bietet die Möglichkeiten Stopwords einzufügen. Da das Programm auf Englisch ist, sind in dieser Sprache bereits automatische Stopwords vorhanden.

Der Topic Tree

Die Wortwolke bei Overview

Abschließend kann ich durchaus sagen, dass beide Programme eine große Erleichterung bei der Erschließung von Texten bieten. Auch wenn ich bis dato noch nicht mit riesigen Textmengen konfrontiert wurde, die eine Kenntnis dieser Programme erfordern, so ist eine solch fundierte Textanalyse bereits bei einzelnen Texten überaus hilfreich. Im besten Fall können verborgen gebliebene Zusammenhänge aufgezeigt werden.

Damit bedanke ich mich für eure „Aufmerksamkeit“ und hoffe euch auch beim nächsten Mal wieder begrüßen zu dürfen.

Bis bald euer Andreas.


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search