Visualisierung von Daten – Ein Erfahrungsbericht

In meinem ersten Blogbeitrag habe ich meine Erfahrungen zu Transkriptionen und dessen Datenverarbeitung publiziert. Interessierten empfehle ich, diesen Beitrag zu lesen (Blogpost I). In diesem Beitrag erläutere ich meine Erfahrungen, Lernerkenntnisse und Hürden, denen ich begegnet bin.

Von der Datenverarbeitung zur Visualisierung

Als kleiner Exkurs zu meinem ersten Blogpost, erkläre ich in diesem Abschnitt meine Vorgehensweise. Kurzgesagt geht es in der Datenverarbeitung um die Transkription von Textdokumenten in digital verwendbare Daten. Dies bedeutet, dass man, wie in meinem Fall, die Verbandsmitteilungen von 1952 und die Ausgaben der Südtiroler Heimat von 1953 scannt, und diese Dokumente in wiederverwendbare Textdaten transkribieren lässt.

Ist dies erledigt, so hat man einen analogen Text in einen digitalen Text umgewandelt. Diese Daten bilden das Fundament zur Verarbeitung. Im nächsten Schritt steht es jedem offen, damit Recherchearbeiten zu tätigen, das bedeutet, die Wörter zu filtern und Wortstämme erstellen zu lassen. So kann man sehen, wie vielfältig die angewandte Linguistik in diesem Kontext ist. In meinem Fall habe ich die online verfügbare Software Nopaque als “Language Processing Tool” genützt.

So habe ich die wichtigsten linguistischen Erkenntnisse gebündelt und konnte weitere Recherchen in meinen Texten durchführen. In den nächsten Abschnitten gehe ich genauer auf meine Vorgehensweise ein, um meine Textdaten in einfache und anschauliche Grafiken zu verwandeln. Viel Spaß!

Daten bilden das Fundament

Im ersten Schritt geht es um die Ansammlung von Daten. Es kann sich dabei um Texte, Zeitschriften oder andere Textdokumente handeln. Bei meinem Beispiel ist ein Export meiner Transkripte in einer Excel-Datei weiterzubearbeiten, also zunächst einmal in eine Excel-Tabelle kopieren. So habe ich eine Datenbank, die mir im Laufe meiner Aufgaben als Basis dient.

Anschließend kann man einige Tools nützen, wie Voyant Tools, Palladio, Jupyter Notebook oder Nodegoat, um die Daten zu visualisieren. Zuerst behandeln wir aber das Thema der “Topic Models” oder “Topic Modeling”.

Topic Modeling

Was sind “Topic Models”? Wozu dienen Sie? Was kann man daraus gewinnen? Wie funktioniert “Topic Modeling”?

Wir beantworten gemeinsam diese Frage hier im Beitrag. Im ersten Schritt (Blogbeitrag I) haben wir eine Datenbank erstellt, die uns helfen wird, gebündelte Daten herauszufiltern. Das bedeutet, dass uns bei dieser Arbeit einige Tools helfen können, Informationen zu unseren Fragen zu extrahieren und dass, wir sie genauer betrachten können.

Im folgenden Abschnitt werden Sie Bekanntschaft mit Visualisierungen machen, die hierfür verwendeten Tools habe ich bereits in der Einleitung erwähnt.

Netzwerke, Karten… – Welches Modell eignet sich nun am besten?

Diese Frage ist sehr komplex. Natürlich gibt es Tendenzen, die einem klarmachen, dass das eine Modell besser geeignet ist, als das andere. Jedoch kann man bei diesem Schritt sehr kreativ werden. Es nützt also nichts, die Frage nach dem passenden Modell zu beantworten, sondern man muss sich die Frage stellen: Wie präsentiere ich mit meinen Rohdaten die visualisierten Ergebnisse.

In dieser Bilderserie können Sie 3 Modell-Versuche, die ich mithilfe von Jupyter Notebook erstellt habe, unter die Lupe nehmen. Aufgrund von Fehlern in der Transkription, die nicht unüblich sind, sind leider “Wörter” oder Wortbildungen zu sehen. Diese sollten natürlich vermieden werden.

©Yves Van Goidsenoven
Beispiel 1. ©Yves Van Goidsenoven
©Yves Van Goidsenoven
Beispiel 2. ©Yves Van Goidsenoven
Beispiel 3. ©Yves Van Goidsenoven

Im unteren Bild sieht man die zahlreichen Möglichkeiten, die einem von Voyant Tools angeboten werden. Dieses Tool hat mich am meisten überzeugt, da es sehr intuitiv und einfach zu verwenden ist. Sehr einsteigerfreundlich!

Beispiel aus Voyant Tools. ©Yves Van Goidsenoven

Mit Nodegoat hatte ich die größten Probleme. Es ist ein komplexes Tool, das bereits gefilterte und vorgefertigte Datenspalten benötigt, also den meisten Zeitaufwand. Bei diesem Tool muss man am besten schon Vorkenntnisse oder Grundkenntnisse besitzen, weil Nodegoat sehr kompliziert gestaltet ist. Empfehlenswert für Fortgeschrittene.

Nodegoat bekommt von mir einen “Dislike”. Schade.

Im schon erwähnten Tool Nopaque kann man vielfältig arbeiten. Es bietet einem die Möglichkeit, linguistische Prozesse in den Textdaten durchzuführen und sogar verschiedene Filter bei der Text-Datei anzuwenden. Dies bedeutet, dass man den Text gut unterteilen und grundlegende Visualisierungen erstellen kann. Ein nützliches Tool!

Beispiel aus Nopaque. ©Yves Van Goidsenoven

In Palladio (Bilderserie unterhalb) habe ich die Liste der Orte in einer Excel-Tabelle aufgelistet. Diese Tabelle entstand, durch das Herausfiltern von Orten in Jupyter Notebook. In den folgenden Bildern sehen Sie die Orte anhand der Häufigkeit in den Texten. Palladio bietet einem die Möglichkeit, sogenannte Cluster zu erstellen, die den Topic Models sehr ähnlich sind. Das heißt, man kann, obwohl es in den Bildern schwierig zu erkennen ist, Relationen zwischen verschieden Punkten, visualisieren lassen. So lässt sich daraus schließen, dass bei Treffern, die Wörter hier mit einem Topic verankert werden, und je weiter die Cluster entfernt sind, desto weniger haben sie thematisch miteinander zu tun.

Beispiel aus Palladio. ©Yves Van Goidsenoven
Beispiel 2. ©Yves Van Goidsenoven

Wie man sieht, können, je nach der gestellten Frage oder der angewandten Methode, unterschiedliche Ergebnisse zustande kommen. Es bleibt jedoch in gewissem Maße dasselbe. Man kann es mit einer Farbpalette vergleichen.

Wie auch immer man die Farben vermischt oder nicht, so bleiben dieselben Farben auf der Palette, nur in einem anderen Zustand. Was ich damit sagen will, ist klar. Das Fundament bleibt bestehen. Es verändert sich nur die Oberfläche, hier also das Sichtbare. Das Sichtbare mag aufgrund derselben Basis variieren, aber durch die gleiche Basis, bleibt das Ergebnis, subjektiv betrachtet, quasi gleich. Es liegt also nahe, die Konklusion zu ziehen, dass die Ansicht im Auge des Betrachters liegt.

Schlussreflexion

Dieser Abschnitt dient, wie die Überschrift andeutet, der Zusammenfassung meiner Erkenntnisse. Im Großen und Ganzen ist es ein steiniger Weg gewesen, der aber viele “Belohnungen” erbracht hat. Je schwieriger der Weg ist, desto größer ist die Zufriedenheit am Ende.

In meinem Werdegang hat sich Voyant Tools als bestes Tool erwiesen. Man sollte nicht vergessen, dass es in der kreativen Welt auch viele andere Tools gibt, die einem noch zahlreichere Möglichkeiten bieten.

Die Tools, die für mich am kompliziertesten waren, sind Nodegoat und Nopaque gewesen. Leider gab es große Schwierigkeiten damit, die Tools zu verstehen und so konnte ich sie nicht sinnvoll einsetzen. Daher empfehle ich diese Tools nur für Forschende, die sich intensiv damit beschäftigen und sich komplexeren Thesen oder Fragestellungen widmen. Voyant Tools empfehle ich jedem, der auch an einfachen Visualisierungen interessiert ist und experimentierfreudig mit Daten umgehen will.

Bei Jupyter Notebook stehe ich zwischen zwei Stühlen. Es ist nach der ersten Phase sehr zufriedenstellend, jedoch ist es für einen blutigen Anfänger ein Tool, das sich als komplex erweist. Also geben Sie dem Programm eine Chance.

Ich kann daher nur empfehlen die jeweiligen Tools selbst auszuprobieren und eigene Erfahrungen zu sammeln. Man sagt nicht umsonst: “Probieren geht über Studieren.”

Mein Fazit ziehe ich kurz und knackig: In einer zunehmend digitalisierten Welt ist es unvermeidbar, sich in diesem Fachbereich nicht weiterbilden zu wollen. Es liegt also nahe, die Initiative zu ergreifen und ins kalte Wasser zu springen. Aller Anfang ist schwer. Der Erkenntnisgewinn ist aber umso größer.

Danke!

Ich will hier kurz den/denjenigen Personen danke sagen, die mir in dieser Disziplin stets geholfen haben und mir überhaupt die Möglichkeit gegeben haben, diese Erfahrungen mitnehmen zu können.

Danke an Frau Professorin Mag. Dr. Eva Pfanzelter und Frau Mag. Dr. Sarah Oberbichler, die diese Übung angeboten und exzellent geleitet haben. Es hat mir großen Spaß bereitet, mich intensiv mit dieser Disziplin zu beschäftigen. Danke auch an meine Kolleginnen, die mir in Zeiten großer Fragezeichen weiterhelfen konnten oder ähnliche Probleme hatten. Es hat uns geholfen, uns gegenseitig auszutauschen und so haben wir die Antworten zum Teil selbst gefunden oder die Fragen gebündelt gestellt und letztlich aus dem Weg geräumt. Vielen Dank!

Zuletzt wünsche ich jedem Leser und jeder Leserin viel Gesundheit und angenehme Feiertage! Auf ein frohes neues Jahr 2022!


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