Künstliche Intelligenz liest „zwischen den Zeilen“

Veröffentlicht am:

Im Forschungsprojekt „DiSpecs“ analysierten Forschende die literarischen Werke der „Spectators“ aus dem 18. Jahrhundert mithilfe von „Distant Reading“. Diese Methode ermöglicht Literaturwissenschaftlerinnen und -wissenschaftlern große Textmengen zu analysieren. Dabei rücken nicht nur der Sprachstil der damaligen Zeit, sondern auch Ideen, Wertvorstellungen und Stimmungen in den Vordergrund.

Die moralischen Wochenschriften, auch „Spectators“ genannt, waren eine journalistische Gattung, die sich im 18. Jahrhundert von England ausgehend in Europa verbreitete. Die Zeitschriften wurden in verschiedenen Sprachen verfasst und zum wichtigen Indikator für das Diskurssystem der Aufklärung. Die Inhalte richteten sich an eine breite Leserschicht. Einige fokussierten sich auf Theater und Literatur, andere beschäftigten sich mit der Wissenschaft oder der Ausbildung der Frau. Das Ziel der Zeitschriften war, Ideen und Wertvorstellungen wie Moral, Tugendhaftigkeit und gesellschaftliches Zusammenleben über diese Schriften zu verbreiten. Damit waren sie maßgeblich an der damaligen Meinungsbildung beteiligt.

In „DiSpecs“ arbeiteten Forscherinnen und Forscher aus dem Bereich der Datenwissenschaften, Literaturwissenschaften und der digitalen Geisteswissenschaften zusammen. Die Teams untersuchten wie und welche Methoden sich für die Analyse der mehrsprachigen Datenbank als nützlich und effizient erwiesen. Die eingesetzten Techniken umfassten Text Sentimentanalyse, Network Analysis oder Topic Modeling. Mittels maschinellen Lernens wurden u.a. Themen erkannt oder automatisiert große Textmengen verschlagwortet. Die Ergebnisse wurden schließlich von den jeweiligen Fachbereichen interpretiert und validiert.

Mithilfe der Verfahren konnte man zum Beispiel anonyme Autorinnen und Autoren identifizieren oder Aufschlüsse über die Einstellung einer Zeitschrift gewinnen, sprich ist diese gegenüber bestimmten Themen positiv oder negativ eingestellt. In der nachfolgenden Analyse erkannte man auch bestimmte kulturelle Muster oder eingefärbte Meinungen.

Fachwissen & technisches Know-how greift ineinander

Wegen fachlicher Lücken der Beteiligten ist eine umfassende interdisziplinäre Zusammenarbeit oft herausfordernd. Während IT-Expertinnen und Experten ohne das notwendige Domänenwissen die Ergebnisse der Analysen nicht richtig interpretieren können, fehlt Literaturwissenschafterinnen und -wissenschaftlern häufig das technische Know-how für den Einsatz maschineller Lernverfahren. In „DiSpecs“ überwand man diese Barriere und führte die Expertise aus beiden Bereichen erfolgreich zusammen.

Projekt-Infobox

Laufzeit: 06/2019-08/2021
Förderung: go!digital 2.0 (ÖAW)
Lead: Zentrum für Informationsmodellierung, Universität Graz
Weitere Partner: Know-Center, ISDS, Institut fuer Romanistik der Uni Graz

Zentrale mehrsprachige Datenbank liest „zwischen den Zeilen“

Die maschinellen Lernverfahren werden aktuell auf einer zentralen Datenbank für sämtliche europäische Wochenschriften eingesetzt. Das Ziel ist es, die Gesamtheit der Texte zu erfassen und zu analysieren. Die Analysen sollen zahlreiche Perspektiven und Erzählformen sichtbar machen und den Arbeitsaufwand für Literaturwissenschaftlerinnen und -wissenschaftlern reduzieren. Zusätzlich können Fachwissenschaftlerinnen und -wissenschaftler mithilfe dieser Methoden neue Erkenntnisse aus diesem Kulturerbe der Aufklärungszeit gewinnen.

Mehr über DiSpecs

Mehr zum Thema

Mehr zum Thema

No items found

Angebote Know-Center

Stellenangebote