Partiell reusable: Zur Nachnutzung von Quellen für Korpora der Computational Literary Studies

Korpora in den CLS: Quellen und Standards

Korpora in den CLS

• Computational Literary Studies (CLS): Teilfeld der DH, computergestützte (quantitative) Analyse literarischer Texte
• Aufbauen und Zusammenstellen von Textkorpora als wichtiges Arbeitsfeld

Korpora in den CLS

„The number of available corpora is large, and increases every year. [… M]any corpora are created for specific research purposes and are therefore as diverse as the projects they support.“ (Fileva 2023)

Korpora in den CLS

(Schöch 2017, 224; vgl. National Science Board 2005, 20–21)

Korpora in den CLS: Beispiele

DraCor (Fischer et al. 2019)
ELTeC (Odebrecht et al. 2021)

Korpora in den CLS: Rolle von Standards

• für projektbezogene Korpora: plain text
• für Gemeinschaftskorpora: XML-TEI

Korpora in den CLS: Formate von Quellen

1. Text liegt noch gar nicht digital vor
2. Text steht als Bilddigitalisat zur Verfügung
3. es gibt bereits ein Volltextdigitalisat
4. es gibt einen digitalen Volltext mit zusätzlichem strukturellem Markup (z.B. HTML, epub)
5. Text liegt bereits als TEI-codierter Text vor

Korpora in den CLS: Nachnutzungsmöglichkeiten

Analyse von Reuse im ELTeC-Korpus

Methodischer Ansatz

• Nachnutzungen finden in CLS bereits statt (kontextabhängig)
• Hier: Fallstudie mit dem ELTeC-Korpus
• Untersuchung der Nachnutzung der Quellen von ELTeC (noch nicht des Reuse von ELTeC in anderen Zusammenhängen)

Methodischer Ansatz

• Frage 1: Welcher der fünf Verarbeitungsstufen sind die meisten Quellen der Texte in ELTeC zuzuordnen?
• Frage 2: Ist die Herkunft der Texte jeweils bis zum zugrundeliegenden analogen Text nachzuverfolgen? Und ist dies direkt im entsprechenden Zielkorpus dokumentiert?

Methodischer Ansatz

• Ansatz: Untersuchen der source descriptions in den einzelnen TEI-Dateien der Teilkorpora von ELTeC
• Bisher 7 von 14 Teilkorpora der Korpus-Version 1.1.0 untersucht
• Übernahme und Analyse der source descriptions in eigener TEI-Datei

Beispiel für eine Source Description aus ELTeC (1)

Taxonomie für Source Types

Taxonomie für Source Descriptions

Beispiel für eine Source Description aus ELTeC (2)

Quantitative Perspektive

Verarbeitungsstufen der Quellen von Teilsammlungen des ELTeC-Korpus

Quantitative Perspektive

Rückverfolgbarkeit der Quellen bis zur analogen Vorlage

Qualitative Perspektive

Beispiel: zusammenfassende Beschreibung für Quellen eines Teilkorpus

Qualitative Perspektive

Auszug aus einer zusammenfassenden Beschreibung der Quellen:

In many cases, only a first edition is indicated besides the digital source and no print edition (supposedly when the first edition corresponds to the underlying print edition, but I have not checked that in every case).

Qualitative Perspektive

Beobachtung: wenn die Quellen Bilddigitalisate von Drucken sind, ist die vollständige Rückverfolgbarkeit mit sehr hoher Wahrscheinlichkeit gegeben.

Qualitative Perspektive

Beobachtung: wenn digitale Quellen grundsätzlich identifizierbar sind, so ist deren bibliographische Beschreibung trotzdem nicht immer vollständig.

Fazit zu Reuse in den CLS

Fazit zu Reuse in den CLS

Projektschemata und -vorgaben beeinflussen die Praxis offensichtlich...

Fazit zu Reuse in den CLS

• Nachnutzung zu begrüßen
• erleichtert Erstellen neuer Korpora
• Grad der Nachnutzung: abhängig vom Material/Kontext
• wichtig aber: Herkunft der Texte sollte immer vollständig dokumentiert sein!
• plus: Art der Übernahmen/Anpassungen/Erweiterungen

Literaturhinweise

• Fileva, Evgeniia. 2023. “Introduction to Corpus Building.” In: Survey of Methods in Computational Literary Studies (= D 3.2: Series of Five Short Survey Papers on Methodological Issues), hrsg. von Christof Schöch, Julia Dudar und Evegniia Fileva. Trier: CLS INFRA. https://methods.clsinfra.io/corpus-intro.html, https://doi.org/10.5281/zenodo.7892112.
• Fischer, Frank, Ingo Börner, Mathias Göbel, Angelika Hechtl, Christopher Kittel und Carsten Milling. 2019. “Programmable Corpora: Introducing DraCor, an Infrastructure for the Research on European Drama.” In: DH2019. Complexities. Book of Abstracts. Utrecht: Utrecht University. https://doi.org/10.5281/zenodo.4284002.
• National Science Board. 2005. Long-Lived Digital Data Collections Enabling Research and Education in the 21st Century. Arlington. https://web.archive.org/web/20210227013747/http://www.nsf.gov/pubs/2005/nsb0540/nsb0540.pdf
• Odebrecht, Carolin, Lou Burnard und Christof Schöch, Hrsg. 2021. European Literary Text Collection (ELTeC), Version 1.1.0. COST Action Distant Reading for European Literary History (CA16204). https://doi.org/10.5281/zenodo.4662444.
• Schöch, Christof. 2017. “Aufbau von Datensammlungen.” In: Digital Humanities. Eine Einführung. Hrsg. von Fotis Jannidis, Hubertus Kohle und Malte Rehbein. Stuttgart: J.B. Metzler, 223–233.
• Schöch, Christof, Roxana Patras, Tomaž Erjavec und Diana Santos. 2021. “Creating the European Literary Text Collection (ELTeC): Challenges and Perspectives.” Modern Languages Open 2021 (1). https://doi.org/10.3828/mlo.v0i0.364.

Vielen Dank für die Aufmerksamkeit!

Präsentation:
https://hennyu.github.io/forge_25/

CC-BY 4.0