Kategorien
Allgemein

Die virtuelle Forschungsumgebung Nodegoat als Tool für digitale Editionen

Workshop mit Dr. Kaspar Gubler im Rahmen der Ringvorlesung Einblicke in die Digital Humanities am 6. Dezember 2021

Was bietet die Forschungsumgebung Nodegoat im Bereich Digitale Editionen? Welche Anwendungsfunktionen sind möglich? Und welche Vorteile bringt Nodegoat für Projekte mit Editionsabsicht?


Im Workshop ‘Eine digitale Edition mit Nodegoat erstellen’ stellte Kaspar Gubler[1] die virtuelle Forschungsumgebung Nodegoat und deren Funktionen für die Bearbeitung, Edition und Analyse von Texten vor. Der Workshop ergänzte den vorangegangenen Vortrag ‘Nodegoat als Tool für digitale Editionen’ innerhalb der Ringvorlesung Einblicke in die Digital Humanities der Universität Bern im Herbstsemester 2021. Der Vortrag sowie der anschliessende Crashkurs waren zudem Teil des Nodegoat Day 3.

Perspektiven für praktische Anwendungen von Nodegoat im Bereich digitaler Editionen

Die web-basierte Forschungsumgebung Nodegoat ist bisher vor allem als Tool für Datenmanagement, Netzwerkanalysen und Visualisierung von Forschungsdaten im Bereich der Geisteswissenschaften bekannt. Weniger geläufig sind die Anwendungsmöglichkeiten für digitale Editionen – dem nahm sich die heutige Veranstaltung an. In der Vorlesung präsentierte Kaspar Gubler vorgängig anhand verschiedener auf Nodegoat basierender Projekte das Potenzial von Nodegoat als Tool für digitale Editionen. Das Projekt Encyclopedia of Romantic Nationalism in Europe beispielsweise hat seine Fachartikel (mit Tags markierte Texte) aus Nodegoat heraus via JSON-Schnittstelle (API) exportiert und die JSON-Daten anschliessend für eine Publikation in Buchform in das Datenformat XML konvertiert. Bereits zwei Bände liegen heute ergänzend zur reichhaltigen Online-Version der Enzyklopädie in gedruckter Form vor. Daten von Nodegoat-Projekten können folglich unkompliziert für ein Publishing aufbereitet werden. Dies gilt auch für prosopographisch ausgerichtete Datenbanken wie das Projekt Relocating Modernism: Global Metropolises, Modern Art and Exile (metromode), oder das Repertorium Academicum Germanicum (RAG). Die Forschungsumgebung bietet folglich nicht nur die bereits geläufigen Möglichkeiten und Funktionen der Datenerfassung und -auswertung, sondern nähert sich immer mehr den Anforderungen digitaler Editionen an. Nach Kaspar Gubler besteht allgemein grosses Interesse in der Nodegoat Community, die Funktionen der Software hinsichtlich digitaler Edition weiter auszubauen.

Potenzial nutzen

Die Forschungsumgebung Nodegoat zeichnet sich durch seine äusserst flexible und dynamische Datenbankstruktur aus. Diese Offenheit der Datenmodellierung erlaubt eine präzise Anpassung an individuelle Projektbedürfnisse und macht die Forschungsumgebung anwendbar für unterschiedlichste Forschungsfragen. Die Struktur folgt dem sogenannten object-oriented approach, was eine Visualisierung der Beziehungen der Objekte und dadurch unterschiedlichste Netzwerkanalysen ermöglicht. Objekte sind beispielsweise Texte, Gegenstände, Personen etc., welche mit Kategorien näher beschrieben werden können. Damit bieten sich vielfältige Strukturierungsmöglichkeiten des Datenmodells. Eine spezielle Stärke von Nodegoat liegt, wie Kaspar Gubler hervorhob, im Umgang mit unpräzisen Forschungsdaten, wie etwa vagen räumlichen oder zeitlichen Angaben. Die Plattform ist deshalb für geschichtswissenschaftliche Projekte sehr interessant. Es gibt zudem die Möglichkeit, durch Polygone bestimmte geographische Räume individuell zu definieren, wodurch auch historische Regionen erfasst werden können.[2] Die Datenbank hat ausserdem verschiedene Optionen, bereits existieren digitale Daten direkt ins eigene Datenmodell zu importieren (z.B. von Wikidata). Dies mittels dem im Rahmen eines Projekts des Schweizerischen Nationalfonds (SNF) entwickelten Modul zur Dynamic Data Ingestion (DDI).

Ein entscheidender Vorteil von Nodegoat ist die Ordnung der Daten in einem relationalen Datenbankmodell. Daten können direkt in Nodegoat ausgewertet werden, ohne eine zusätzliches Auswertungsprojekt zu erstellen, so wie es grundsätzlich bei XML-Datenbanken notwendig ist. Nodegoat ist als web-basierte Plattform so konzipiert, dass User*innen ihre Forschungsergebnisse samt Forschungsdaten über öffentliche Benutzeroberflächen (Public User Interface) einem breiten Publikum zugänglich machen können.

Darüber hinaus können mehrere User*innen gleichzeitig in der Forschungsumgebung an demselben Projekt arbeiten. Daraus resultiert ein bisher kaum genutztes Anwendungspotenzial, wie der Referent betonte: Die Lehre. Am Fallbeispiel des Pilgerberichts des Schaffhauser Kaufmanns Hans Stockar (1490­–1556) wurde deutlich, wie einfach edierte Quellentexte via copy paste oder Data Ingestion in Nodegoat integriert und für unterschiedlichste Zugänge für die Lehre genutzt werden können. Hervorzuheben ist die Funktion zum direkten Import von Texten aus Transkribus, welche ein grosses Potential hat. Transkribierte Seiten können als Objects importiert und hinsichtlich verschiedener Themen untersucht werden; wie im erwähnten Pilgerbericht etwa Seeräubergefahr, Krankheiten oder hygienische Bedingungen auf der Schifffahrt, aber auch soziale, wirtschaftliche oder rechtliche Aspekte. Die Ergebnisse können anschliessend als kollektive Publikation (Edition) im Public User Interface von Nodegoat zugänglich gemacht werden.

Einstieg in die Textbearbeitung – Datenmodell erstellen

Der Crashkurs zur Vorlesung war auf Anfänger*innen ausgerichtet und sollte einerseits einen ersten Einblick in die Textverarbeitung in der Nodegoat-Umgebung geben. Andererseits war es das Ziel, mit den Workshopteilnehmer*innen ein Grundmodell für die Textverarbeitung zu erstellen, dass jede*r individuell anpassen und verfeinern kann.

Erstellen eines Object-Types

Nodegoat hat drei Arbeitsbereiche, Data (Datenerfassung), Management (Projektmanagement) und Model (Datnmodellierung). Wir legten also ein neues Projekt im Bereich Management mit dem Namen “POLE” an und sicherten es. Um es für den Databereich zugänglich zu machen, definierten wir im nächsten Schritt die Object Types (vergleichbar mit den Spaltenbezeichnungen im Excel); hier im Beispiel “POLE Person”, mit der “Description” “Name” (im Excel wie die Zeilenbezeichnungen) und schalteten diesen Objekttyp anschliessend im Bereich Management frei. Den Vorgang wiederholten wir mit dem nächsten Object-Type “POLE Object”. Hier generierten wir unter “Descriptions” das Feld “Name” sowie mit dem Button “add” das Description-Feld “Text” mit der Funktion “Text mit Tags und Layouts”. Dieses Funktionsfeld ist für digitale Editionen entscheidend, da es das Tagging von Texten ermöglicht.

Definition der Descriptions für Text-Tagging

Mit der Speicherung und Freischaltung dieses Object Types hatten wir ein einfaches Datenmodell erstellt. Damit wir erste Spielereien mit den unterschiedlichen Anwendungsfunktionen im Bereich Textverarbeitung durchführen konnten, füllten wir unser Model in einem nächsten Schritt im Bereich Data mit Daten, in unserem Fall mit einem Beispieltext (“Data”  –> Objects –> POLE Object –> Add POLE Objects). Mittels copy paste füllten wir das Textfeld beliebig.  In Nodegoat gibt es drei wesentliche Möglichkeiten, Textdaten zu importieren. Einerseits mit dem Importmodul für CSV-Daten, die man hochladen kann. Andererseits mittels des Data Ingestion Moduls. Drittens können Daten via Schnittstelle im JSON-Format importiert werden.

Object-Type “POLE” mit Textbeispiel

Anwendungsmöglichkeiten in der Textverarbeitung

Welche Möglichkeiten im Bereich Textverarbeitung sind bei Nodegoat möglich? Eine grundsätzliche Funktion ist die Markierung einzelner Schlagworte (nach Regex-Kriterien). Durch die Einfärbung bestimmter Begriffe werden sich wiederholende Schlagworte markiert und sichtbar, was einen schnellen Überblick über den Textinhalt erlaubt. Mithilfe von Textagging können Textteile kontextualisiert und einzelne Begriffe mit anderen Objekten oder etwa einem kontrollierten Vokabular verlinkt werden. Nodegoat erstellt dazu im Datenformat HTML Objecttags mit eindeutigen Identifikatoren, wodurch eine klare Textstruktur geschaffen wird. Durch solche Verlinkungen (Cross-References) kann der Textteil auch direkt mit weiteren Inhalten kontextualisiert werden.

In einem weiteren Schritt können auch hier die Tags farblich definiert werden, beispielsweise nach Object (Person, Ort).  Wenn im Bereich Management die “Marginalia” eingeschaltet sind, werden zudem die References (genauer die Object Names) auf der Seite des Textes angezeigt.

Begriff getaggt, fabrlich markiert und referenziert

Neben diesen grundlegenden Funktionen der Schlagwortmarkierung und Verlinkung bietet Nodegoat weitere Aktionen im Bereich der Textbearbeitung:

  • Durch Dataingestion können Personen und Texte angereichert werden. So können Beispiel via Wikidata Bilder zu einer Person oder einem Ort hinzugefügt werden. Weiter können bei Locations Geodaten hinterlegt werden (GeoNames ID; –> Geokoordinaten beispielsweise von GeoJson oder Wikidata)
  • Mit der Funktion der Reversals kann durch spezifische Suchabfragen ein automatisches Tagging generiert werden ( für beliebige Objekttypen möglich; z.B. Pflanzen, Personen, Bücher). Beispiel: Wenn in einer prosopographischen Datenbank zu Universitätsgelehrten eine Person bestimmte, festgelegte Kriterien zur juristischen Ausbildung erfüllt, erhält sie automatisch den Tag “Jurist“. Einerseits unterstützt das automatische Tagging ökonomisches Arbeiten, andererseits eignet es sich für die Datenkontrolle (Erhaltung der Datenkonsistenz). Zudem können neue Klassifikationen vorgenommen werden, die selbst erhobenen Forschungsdaten mit einem standardisierten Vokabular reklassifizieren.
  • Mithilfe des Data Reconciliation Moduls können Daten (Texte) mittels Algorithmus durchsucht und die Resultate automatisch abgespeichert werden, basierend auf einem pattern matching.
  • Die Erfassung und Visualisierung von ungefähren Daten durch CHRONOJson ist innovativ; es können damit selbst mit ungefähren zeitlichen Angaben anhand von statements komplexe Chronologien erstellt werden. Die entsprechenden Daten werden mit dem “ungefähr”-Zeichen versehen.

Der Workshop präsentierte eine Übersicht der Funktionspalette von Nodegoat im Bereich der Textverarbeitung. Grundsätzlich gilt für Forscher*innen die Frage: Will ich direkt mit Forschungsdatenarbeiten und diese mit Texten ergänzen? Dann ist Nodegoat eine gute Wahl. Wer dagegen den Fokus weniger auf der Datenauswertung, sondern mehr auf der Publikation einer Edition legt, wird sich wohl für ein reines XML-System entscheiden. Es stellt sich immer die Frage nach der Auszeichnungstiefe der Texte. Der Workshop zeigte deutlich, dass sich Texte mit Nodegoat sehr differenziert taggen lassen. Doch am besten probiert mensch es selbst an einem Beispieltext aus und klärt, inwiefern Nodegoat die eigenen Anforderungen für eine Edition abdecken kann. Deutlich wurde im Hinblick auf eine Publikation, dass die HTML-Daten (mit Identifikatoren) von Nodegoat ohne Probleme via JSON-Schnittstelle in ein XML-Format konvertiert werden können. Es ist zudem denkbar, dass künftig auch ein XML-Tagging direkt in Nodegoat möglich sein wird – denn die Entwickler der Forschungsdatenbank erweitern die Funktionen entsprechend den Bedürfnissen der User*innen. Im Gegenteil zu anderen Forschungsdatenbanken ist durch den HTML-Identifikatoren-Ansatz, wie erwähnt, keine zusätzliche Auswertungsoberfläche nötig. Dies ist sicher der grösste Vorteil von Nodegoat, sofern über eine reine Publikation der Textdaten hinausgegangen werden will und auch Forschungsdaten einer Edition ausgewertet werden sollen. Die Arbeit mit Forschungsdaten wird insofern vereinfacht, da der Export sämtlicher Daten in Nodegoat via JSON-Schnittstelle möglich ist, wodurch auch Forscher*innen ihre Daten und Ergebnisse jederzeit und unkompliziert austauschen oder veröffentlichen können. Nodegoat hat somit grosses Potenzial als Tool für digitale Editionen – insbesondere für dynamische Darstellungen und Visualisierungen.


[1] Dr. Kaspar Gubler hat im Rahmen der Digitalisierungsstrategie der Universität Bern 2020 Nodegoat GO initiiert. Nodegoat GO ist ein Mehrbenutzersystem, das die Angehörigen der Phil.-Hist. Fakultät nutzen und damit eine persönliche Forschungsumgebung erstellen können. Siehe dazu: Kaspar Gubler: Die Kaffeepause als Treiberin der Wissenschaft: Nodegoat @ Uni Bern (2017-2021), in: HistData, 18/11/2021, https://histdata.hypotheses.org/2465. Kaspar Gubler ist Historiker mit Spezialisierung u.a. in den Digitalen Geisteswissenschaften. Er ist Co-Projektleiter des Repertorium Academicum (REPAC) sowie Projektleiter eines SNF SPARK Projekts zur serverseitigen Harmonisierung (Dynamic Data Ingestion) von Forschungsdaten.

[2] Für ausführlichere Informationen allgemein zur Forschungsumgebung nodegoat siehe https://nodegoat.net, u.a. die Nodegoat Tutorials von Kaspar Gubler: https://histdata.hypotheses.org/nodegoat-tutorials. Zu dieser Veranstaltung siehe auch https://histdata.hypotheses.org/2405 sowie den Blogpost zur vorangehenden Vorlesung von Max Frischknecht.



Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

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