Die Südtiroler Heimat analysiert und visualisiert

Nachdem im voran gegangen Blogeintrag (Die Südtiroler Heimat digitalisiert, transkribiert und analysiert) beschrieben wurde, wie ich die Südtiroler Heimat zunächst digital aufbereitet habe soll in folgenden Beitrag meine Erfahrung mit der digitalen Auswertung der Quelle besprochen werden.

IV. Schritt: inhaltliche Analyse der Quelle

Im vierten Schritt des digitalen Workflows wurde der Quellenkorpus der Südtiroler Heimat inhaltlich analysiert. Dazu habe ich zunächst mit dem Programm Voyant Tools gearbeitet. Dort kann der komplette Text des Quellenkorpus reingeladen werden und wird von dem Programm analysiert. Als Ergebnis wird beispielweise eine Wortwolke angezeigt mit den meistverwendeten Worten, dazu gibt es auch noch eine Tabelle, in der die Häufigkeit eines jeden Wortes angezeigt wird. Außerdem kann in einem Diagramm abgelesen werden, welche Wörter im zeitlichen Verlauf wie oft benutzt wurden. Aus der Wortwolke des unten im Bild zu sehenden Ergebnis, ist abzulesen, dass “Südtiroler” mit Abstand das wichtigste Wort des Quellenkorpus war. Außedem zählen zu den weiteren oft verwendeten Wörter “Heimat”, “Jahre” und “Bozen”. Aber auch nichts aussagende Wörter, die teilweise gar keine Wörter sind wie “dr”, “ge” und “be”. Dies zeigt, dass zum einem die Transkribtion nicht perfekt war als auch, dass die Analyseprogramme auch noch nicht perfekt ausgereift sind. Zudem kann Wortschatzdichte, durchschnittliche Wörter pro Satz und der Kontext, in dem die Wörter verwendet wurden, betrachtet werden. An den verschiedenen Tools können zudem Einstellungen geändert werden, so dass z. B. nur die Häufigkeit der Verwendung der großen Städte Bozen, Meran und Innsbruck angezeigt werden. Aus dem Ergbnis (im zweiten Bild zu sehen) kann entnommen werden, dass Bozen am Anfang des Jahres 1948 noch deutlich öfter thematisiert wurde als im Laufe des Jahres. Zudem kann entnommen werden, dass im Frühling des Jahres 1948 Innsbruck öfter als im restlichen Jahr verwendet wurde während Meran am Anfang des Jahres viel thematisiert wurde und dann erst wieder ab Herbst. Generell weisen alle drei Kurven große Schwankungen auf, was bedeutet das keine der Städte konstant thematisiert wurde. Bei Voyant Tools handelt es sich um ein leicht händelbares Programm, welches einen guten Überblick über den Quellenkorpus verschafft.

Das Ergebnis mit Wortwolke und den Trends der meist verwendesten Worte.
Trend der Wörter Bozen, Meran und Innsbruck

Als ein weiteres Tool zur inhaltlichen Analyse des Quellenkorpus wurde uns erneut ein Jupyter Notebook von Frau Dr. Sarah Oberbichler (@SOberbichler) zu Verfügung gestellt. Mit diesem Notebook wurden verschiedene Topics aus dem Text heraus analysiert und die meistverwendeten Wörter des jeweiligen Topics angezeigt. Die Topics können durch erneute Ausführung immer wieder neu trainiert werden. Es kann beispielsweise passieren, dass zwei Topics sehr ähnliche Wörter aufweisen, dann empfiehlt es sich die Topics zu erneuern. Ich habe mich dazu entschieden 10 Topics zu trainieren, da dabei die klarsten und besten Ergbnisse entstanden sind. Als ich versucht habe 15 Topics zu trainieren kam es immer zu starken Überlagerungen von Topics. Im unten zu sehenden Bild von meinen Ergebnissen ist auch festzustellen, dass sich sowohl Topic 2 und 8 als auch Topic 8 und 4 überlagern. Bei weiteren Training hätte man sicher noch zu einem besseren Ergbnis kommen können, von mein trainierten Topics war dies jedoch das beste Ergbnis. Dies zeigt, dass das Arbeiten mit digitalen Quellen oftmals einfach Geduld und viel ausprobieren bedeutet.

Ergebnis des Topic modelling
Topic 1 und die relevanten Wörter des Topics

Ich persönlich finde es angenehmer, mit Voyant Tools zu arbeiten, weil es leichter zu verstehen ist und ich mit den Ergebnissen schneller etwas anfangen kann. Bei Notebook hingegen brauchte ich etwas länger, um zu verstehen, wie die Topics gebildet werden und was mir diese über meinen Quellenkorpus verraten.

V. Schritt: historische Netzwerkanalyse

Bei der historischen Netzwerkanalyse geht es um die Analyse und Darstellung von Zusammenhängen innerhalb des Quellenkorpus. Am Beispiel der Südtiroler Heimat habe ich darstellen wollen, welche Ortschaften im Zusammenhang mit welchen Themen in dem jeweiligen Leitartikel thematisiert werden. Bevor mit der historischen Netzwerkanalyse begonnen werden kann, ist einiges an Arbeit nötig. Die Orte und die jeweiligen Themenbereiche, mit denen die im Zusammenhang stehen, müssen in einer Exceltabelle gesammelt werden. Dazu habe ich zunächst 14 Themenbereiche festgelegt und anschließend die Leitartikel der 48 Ausgaben des Jahrgangs 1948 durchgelesen und Orte, Themen wie auch erwähnte Vereine und Zeitungen in der Exceltabelle gesammelt. Dabei ist mir aufgefallen, dass es bei der historischen Netzwerkanalyse sicher zu einem aussagekräftigeren Ergbnis gekommen wäre, wenn die Themen detaillierter gewesen wären. Also beispielsweise das Thema “Wirtschaft” nocheinmal in Unterkategorien aufteilen. Eine wäre dabei “Landwirtschaft” gewesen. Bei dieser hätte man nocheinmal “Wein”, “Obst” und “Gemüse” als Label einzuführen können. Diese Einteilung hätte deutlicher gemacht, dass es sich bei Südtirol um eine sehr landwirtschaftlich geprägte Gegend handelt in der Wein ein wichtige Rolle spielt, was auch immer wieder in der Südtiroler Heimat thematisiert wird.

Exceltabelle für die historische Netzwerkanalyse

Für die historische Netzwerkanalyse kann mit verschiedenen Programmen gearbeitet werden. Ich habe zwei verschiedene ausprobiert. Zunächst habe ich mit Palladio gearbeitet. Dieses Programm ist leicht zu bedienen und relativ selbsterklärend. Die Exceltabelle wird einfach in das Programm kopiert und dann können unter ‚Graph‘ die visualisierten Zusammenhänge betrachtet werden. Davor muss nur noch ausgewählt werden, welche Zusammenhänge dargestellt werden sollen. Im unten gezeigten Beispiel habe ich mir die Zusammenhänge zwischen den Orten und Themen anzeigen lassen. Daraus ist unter anderem abzulesen, dass die Themen Wirtschaft, Persönlichkeiten, Kultur/Sport und Politik am meisten behandelt wurden. Außerdem ist beispielsweise rauszulesen, dass Graun im Vinschgau, Trient und Italien nur im Zusammenhang mit Politik oder Wirtschaft erwähnt wurden, wobei Italien (zu erkennen an dem größeren Kreis) öfter erwähnt wurde als die anderen Orte.

erstes Ergebnis
Graun im Vinschgau, Trient und Italien stehen im Zusammenhang mit Politik und Wirtschaft

Das zweite Programm, mit dem ich gearbeitet habe, war Nodegoat. Im Vergleich zu Palladio ist es ein deutlich komplexeres Programm, welches auch um einiges schwerer zu verstehen ist. Hierbei kann nicht einfach die Exceltabelle übernommen werden, sondern die einzelnen Informationen müssen händisch eingegeben werden, nachdem Objects und Sub-Objects definiert wurden. Anschließend können auch dort die Ergebnisse visualisiert werden. Um ehrlich sein, hat mich während der Arbeit in dem Kurs mit Abstand kein anderes Programm so überfordert wie Nodegoat. Ich bin nach vielem Hin und Her probieren und mehrmaligem Lesen der Anleitung zwar zu einem mehr oder weniger befriedigenden Ergebnis gekommen, habe aber dennoch das Gefühl, das Potenzial von Nodegoat nicht ansatzweise genutzt zu haben. Im Grunde habe ich den gleichen Erkenntnisgewinn erworben, wie durch Palladio, nur dass Nodegoat mit viel mehr Aufwand und Verzweiflung verbunden war. Dennoch glaube ich, wenn Nodegoat richtig verstanden und genutzt wird, dass es viel mehr Möglichkeiten bietet und Erkenntnisgewinne bringt als Palladio.

Netzwerkvisualsierung bei Nodegoat
geographische Visualisierung bei Nodegoat

VI. Schritt: Visualisieren der Analyseergebnisse

Der letzte Schritt meiner Arbeit mit der Südtiroler Heimat war die Visualisierung der Analyseergebnisse durch die Erstellung einer 3D Karte in Excel. Dazu wurde eine Tabelle genutzt, die durch das Notebook (zu Verfügung gestellt von Frau Dr. Sarah Oberbichler (@SOberbichler)) erstellt wurde. In der Tabelle sind alle Orte und ihre jeweilige Häufigkeit, die in dem Quellenkorpus vorkommen, festgehalten. Diese Tabelle musste zunächst gereinigt werden von Orten, die als solche erkannt wurden, aber keine sind. Übrig blieben 77 Orte, die anschließend automatisch in die 3D Karte übertragen werden. Dabei wurden manche Orte jedoch falsch eingeordnet, so wurden beispielsweise Ortschaften in Deutschland markiert, obwohl Ortschaften in Südtirol gemeint waren. Dies konnte ich teilweise beheben, indem ich eine weitere Spalte mit dem Land hinzufügte, was aber auch nicht bei allen falschen Zuordnungen wirkte. Das Problem könnte jedoch sicher durch die Angabe der Koordinaten gelöst werden. In der 3D Karte selbst können verschiedene Darstellungsformen gewählt werden. Aus der Karte ist abzulesen, dass wenig überraschend in der Südtiroler Heimat hauptsächlich Südtiroler Orte erwähnt werden, wobei Bozen der meist erwähnte ist.

Ergebnis 3D Karte
Detailansicht von Südtirol

Fazit

Zum Schluss noch ein kurzes Fazit zu der gesamten Arbeit mit der Südtiroler Heimat. Es war ein sehr interessanter Einblick in die Digitalisierung und digitale Analyse von Quellen. Ich habe viele neue Programme und Möglichkeiten kennen gelernt mit Quellen zu arbeiten. Zwei Dinge sind dabei besonders hängen geblieben: 1. Digitale Arbeit mit Quellen bedeutet nicht automatisch weniger Arbeit als die analoge Arbeit mit Quellen. Im Gegenteil! 2. Es eröffnen sich ganz neue Fragestellungen an Quellen und Möglichkeiten geschichtswissenschaftlich zu arbeiten, wenn man sich die Zeit nimmt und sich mit den zunächst vielleicht abschreckend wirkenden Programmen auseinandersetzt.

Ich denke, dass die Arbeit mit digitalen Quellen auf jeden Fall ein Mehrwert für die Geschichtswissenschaft hat. Es wird sicher noch ein wenig daueren bis sich die breite Masse der Historiker*innen damit auseinandersetzt und diese neuen Möglichkeiten der Quellenanalyse nutzt. Und es wird auch sicher noch ein wenig daueren bis die Programme nahzu fehlerfrei arbeiten und die Ergebnisse nicht mehr bis ins Detail kontrolliert und korregiert werden müssen. Die Arbeit bis dahin wird sich aber mit Hinblick auf große Quellenkorpora lohnen, da diese systematisch analysiert werden können und dies sicher zu neuen Erkenntnissen führen kann.


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