Modellierung von semi-strukturierten Daten in den Digital Humanities

Workshop: Remembrance of Strings Past – https://dhtrier.quarto.pub/proust/

Christof Schöch

2023-07-25

Übersicht

  1. Begriffsklärungen
  2. Beispiel Personendaten
  3. Beispiel bibliographische Daten
  4. Fazit

Begriffsklärungen

Modellierung

  • Eine selektive, zweckorientierte, konstruierte, explizite Repräsentation eines Gegenstands oder einer Domäne
  • Drei Ebenen
    • Modellierte Instanz(en)
    • Konzeptuelles Modell der Domäne
    • Formale Definition des Modells
  • Modell von vs. Modell für (in den DH meist beides)

Daten

  • Eine Menge (mehr oder weniger explizit) modellierter Instanzen
  • In digitaler Form: algorithmisch lesbar, manipulierbar, auswertbar
  • Daten (Gegenstand) vs. Metadaten (Kontextualisierung der Daten)

Grade von Strukturiertheit

  • (quasi) unstrukturiert: bspw. plain text
  • semi-strukturiert: bspw. XML, JSON
  • (stark) strukturiert: bspw. relationale Datenbank

Beispiel Personendaten

Der ‘Möschter-Katalog’ (2008)

  • Dissertation von Angela Möschter zur Geschichte der Juden in Treviso
  • Mit einem Personendaten-Katalog
    • Rund 200 Einträge / Personen
    • Strukturiert in Informationsarten
    • Mit Quellenangaben und Querverweisen

Vorgehensweise

  • Textvorlage in DOCX: ==[Python]==> XML-TEI (Referenzdaten)
  • XML-TEI ==[Python]==> Markdown (Quarto-Basis)
  • Markdown ==[Quarto]==> HTML + PDF

XML-Beispiel

   <div type="entry" xml:id="E003">
    <head>Abraham q. Michaelis (Rapp) de Ancona<ref type="notecall" target="#E3-N1">[1]</ref>
    </head>
    <div type="infos">
     <p ana="info" n="C1">1. 1425 in Treviso als Geldverleiher belegt<ref type="notecall" target="#E3-N2">[2]</ref>.
     </p>
     <p ana="info" n="C3">3. Sohn des <ref type="crossref" target="#E130">Michael/Jechiel (Rapp)</ref>
      <hi rend="italics">de Ancona</hi> (1416 bereits verstorben) und der Bruna/Bruneta; verheiratet mit Roxeta; Vater der Bruneta, der Anna, des Jacob und des Michael; Neffe von <ref type="crossref" target="#E096">Lazarus</ref> und
      <ref type="crossref" target="#E144">Moyses Rapp</ref>; außerdem lebte er 1425 zusammen mit seinem Bruder Mandulinus und seiner Schwester Caradona und deren Mann Vivantus sowie deren Sohn Tomar mit seiner Amme Dolce; und mit seiner Tante Dolce (Schwester der Bruna) und seinem<hi rend="italics">famulus</hi> Benedictus.</p>
     <p ana="info" n="C4">4. Geldverleiher,<hi rend="italics">sotius</hi> des <ref type="crossref" target="#E182">Sanson <hi rend="italics">parvus</hi> q. Jacobi</ref>
    </p>
    <p ana="info" n="C7">7. Wohl identisch mit dem Abraham q. Jechiel<hi rend="italics">de Ancona habitator in Mestre</hi>, der 1430 in Treviso durch einen Jacob vertreten wird<ref type="notecall" target="#E3-N3">[3]</ref>.
    </p>
    <p ana="info" n="C8">8. Ancona</p>
   </div>
   <div type="notes">
    <note xml:id="E3-N1"> Vgl. den Stammbaum im Anhang sowie Kap. III.4.</note>
    <note xml:id="E3-N2"> Quelle 21.</note>
    <note xml:id="E3-N3"> ASTv, Notarile I, b. 262, q. 1428-1435, 88v.</note>
   </div>
  </div>

Herausforderungen

  • Schwach strukturierte Vorlage
  • Implizite Verweisstruktur (händische Nacharbeit im XML)
  • Korrekturvorgang: XML => MD => HTML/PDF

Ergebnis (Stand Juli 2023)

  • Eine Testversion ist online
  • Daten liegen semi-strukturiert vor
  • Querverweise liegen vor, Normdaten (Orte) fehlen
  • Publikation steht aus

Beispiel-Eintrag aus dem digitalen Treviso-Katalog

Netzwerk der Personen mit >3 Querverweisen (Ausschnittl)

Netzwerk der Personen mit >3 Querverweisen

Beispiel bibliographische Daten

Hintergrund

  • Bibliographie zum 18. Jahrhundert von Benoit Melancon: XVIIIe: Bibliographie (seit 1992)
  • Web-Formular => FileMaker-Datenbank => HTML: mapageweb.umontreal.ca
  • Community-driven: keine systematische Abdeckung o.ä.
  • Januar 2023: Publikation der Gesamtdaten 1992-2022 als CSV-Datei

Vorgehensweise

  • CSV ==[Python]==> BibTeX-Dateien
  • BibTeX-Dateien ==[Import]==> Zotero: dort Korrekturen
  • Zotero ==[Export]==> u.a. Zotero RDF
  • RDF ==[Python & Quarto]==> Auswertungen und Kommentare + BIB18-Website

XML-Beispiel (Zotero RDF)

<bib:BookSection rdf:about="#item_194660">
  <z:itemType>bookSection</z:itemType>
  <dcterms:isPartOf>
    <bib:Book>
      <dcterms:isPartOf>
        <bib:Series>
          <dc:title>La République des Lettres</dc:title>
          <dc:identifier>38</dc:identifier>
        </bib:Series>
      </dcterms:isPartOf>
      <dc:identifier>ISBN 978-90-429-2196-2</dc:identifier>
    </bib:Book>
  </dcterms:isPartOf>
  <dc:publisher>
    <foaf:Organization>
      <vcard:adr>
        <vcard:Address>
          <vcard:locality>Louvain, Paris et Walpole</vcard:locality>
        </vcard:Address>
      </vcard:adr>
      <foaf:name>Peeters</foaf:name>
    </foaf:Organization>
  </dc:publisher>
  <bib:authors>
    <rdf:Seq>
      <rdf:li>
        <foaf:Person>
          <foaf:surname>Ramond</foaf:surname>
          <foaf:givenName>Catherine</foaf:givenName>
        </foaf:Person>
      </rdf:li>
    </rdf:Seq>
  </bib:authors>
  <bib:editors>
    <rdf:Seq>
      <rdf:li>
        <foaf:Person>
          <foaf:surname>Herman</foaf:surname>
          <foaf:givenName>Jan</foaf:givenName>
        </foaf:Person>
      </rdf:li>
      <rdf:li>
        <foaf:Person>
          <foaf:surname>Paschoud</foaf:surname>
          <foaf:givenName>Adrien</foaf:givenName>
        </foaf:Person>
      </rdf:li>
      <rdf:li>
        <foaf:Person>
          <foaf:surname>Pelckmans</foaf:surname>
          <foaf:givenName>Paul</foaf:givenName>
        </foaf:Person>
      </rdf:li>
      <rdf:li>
        <foaf:Person>
          <foaf:surname>Rosset</foaf:surname>
          <foaf:givenName>François</foaf:givenName>
        </foaf:Person>
      </rdf:li>
    </rdf:Seq>
  </bib:editors>
  <dc:title>Quand le roman se met en scène : théâtralité et réflexivité au XVIIIe siècle</dc:title>
  <dc:date>2010</dc:date>
  <z:language>French</z:language>
  <dc:description>Citation Key: ramond_2010_quand – Book: l’Assiette des fictions. Enquêtes sur l’autoréflexivité romanesque. Actes des colloques de Lausanne (mars 2007) et de Leuven (juin 2007)</dc:description>
  <bib:pages>433 et suiv.</bib:pages>
</bib:BookSection>

Herausforderungen

  • Schwach standardisierte Ausgangsdaten (CSV)
  • Insbesondere Personen-Namen:
    • Grenzen zwischen Namen
    • Vorname(n) vs. Nachname(n)
  • Publikationstypen im Zielformat (Zotero / BibTeX): Monographie vs. Textedition vs. Sammelband = “Book”
  • Keine Abstracts oder Keywords vorhanden

Zwischenergebnisse

  • Sprachen: Französisch dominiert
  • Themen / Titel: Autoren, Stichworte
  • Praktiken der Kollaboration: Autorschaft vs. Herausgeberschaft

Die häufigsten Stichwörter in den Titeln

Clustering von Ko-Herausgeberschaft (Gephi)

Nächste Schritte

  • Weitere Korrektur der Daten in Zotero
  • Updates: Zotero => BibTeX + RDF => Jupyter => HTML
  • Weitere Auswertungen: Sprachen, Themen, Biases
  • Anreicherung mit Normdaten (in Zotero schwierig)

Fazit

Positive Aspekte

  • Transformation in stärker strukturierte Formate:
    • zeitgemäße Publikationsform
    • Suche und Auswertungen
    • verbesserte Nachnutzbarkeit
  • Automatisierte Pipeline
    • macht Aktualisierungen / Korrekturen relativ einfach

Herausforderungen

  • Ausgangsdaten meist nicht ausreichend strukturiert
    • Personendaten: Querverweise
    • Bibliographie: Personen-Namen
  • Derzeit schwache Erschließung über Normdaten
    • Personendaten: in XML relativ gut machbar
    • Bibliographie: in Zotero relativ schlecht machbar
  • Zielformat / Datenmodell muss gut überlegt sein (XML!)

References

Jannidis, Fotis. 2017. “Datenmodellierung.” In Digital Humanities: Eine Einführung, edited by Fotis Jannidis, Hubertus Kohle, and Malte Rehbein. Stuttgart: Metzler.
Melançon, Benoît. 2023. “Libération des données, 21 février 2023.” Site de Benoît Melançon / XVIIIe siècle : bibliographie. http://mapageweb.umontreal.ca/melancon/donnees_biblios_1_550.html.
Möschter, Angela. 2008. Juden im venezianischen Treviso (1389 - 1509). Forschungen zur Geschichte der Juden / A. Hannover: Hahn. https://d-nb.info/989997774/04.
Schöch, Christof. 2013. “Big ? Smart? Clean? Messy? Data in the Humanities.” Journal of the Digital Humanities 2 (3): 2–13.

Back matter

CC BY