Die Abschlusspräsentation des Praktikums fand am 10.2.23 statt.
Die Folien der Abschlusspräsentation der Studierenden. Für Vollbild in der Leiste auf die drei Punkte klicken.
Im Wintersemester führe ich die Lehrveranstaltung “Cultural Data Science” an der FernUni Hagen durch. Ich danke Prof. Christian Beecks aus dem Lehrgebiet Data Science für diese Möglichkeit.
Diese Veranstaltung untersucht die Domäne Kultur, in der zunehmend große, multimodale und offene Daten zur Verfügung stehen. Dabei werden folgende Fragestellungen verfolgt:
Wie kann aus diesen Daten sinnvolles Wissen erzeugt werden?
Welche Methoden eignen sich zum Verständnis historischer Kulturdaten von Institutionen wie Galerien, Bibliotheken, Archiven und Museen?
Welche Rolle spielen interdisziplinäre Ansätze in diesem Prozess?
Wie kann digitale visuelle Kultur der Gegenwart in Echtzeit erschlossen werden?
Data Science verspricht auch im Bereich Kultur neue, datengetriebene Zugänge. Die Analyse und Visualisierung von Metadaten und Bilddaten ermöglicht ein „distant viewing“ von Sammlungen und historischen sozialen Netzwerken. Gleichzeitig erlaubt „Big Image Data“ tiefe Einblicke, um Objekte, Akteure und Verknüpfungen zu entdecken, die ohne rechnerische Methoden nicht denkbar wären. Dies kann zu einem neuen Verständnis der Bedeutung von Cultural Heritage in der Geschichte, aber auch von digitaler Kultur in der Gegenwart führen. Zum Einsatz kommt R, die freie Programmiersprache für statistische Berechnungen und Grafiken, sowie verschiedene Clouddienste.
Als Qualifikationsziel werden die folgenden Punkte angestrebt:
Praktische Erfahrung in der selbstständigen Entwicklung von Programmskripten zur Wissensgenerierung auf der Basis von Kulturdaten mittels R
Verständnis der Domäne Kulturerbe an Galerien, Bibliotheken, Archiven und Museen
Verständnis verschiedener Datenstrukturen, wie CSV, API, Linked Open Data oder Blockchain
Algorithmische Inhaltserschließung offener Kulturdaten
Eigenheiten bildbasierter und multimodaler Daten zur relevanten Wissensgenerierung
Visualisierungsmethoden für Sammlungsdaten (Imageplots, t-SNE etc.)
Domänenspezifische Synthese aus quantitativen und qualitativen Methoden sowie des Computational Thinking und des Cultural Thinking
Praktische Anwendungsgebiete des Data Science im kulturellen Umfeld, etwa in Kulturinstitutionen und kunsthistorischer Forschung
