Buchhistorische Forschung und Digital Humanities Datenbankgestutzte Bibliografien, Bucherkataloge und Quellenverzeichnisse

Visualisierung bibliographischer Daten

Ralf StockmannStaatsbibliothek zu Berlin

Warum Visualisieren?

Veranschaulichung eines Forschungsergebnisses Statisch Dynamisch (Web)

Als Werkzeug im Forschungsprozess zur Überprufung von Hypothesen

Strukturierung/Navigation durch riesige Informationsräume

Im Vorfeld des Forschungsprozesses zur explorativen Thesenbildung

GIBT ES GENERISCHE VISUALISIERUNGEN BIBLIOGRAPHISCHER DATEN?

S. 3

GIBT ES GENERISCHE VISUALISIERUNGEN BIBLIOGRAPHISCHER DATEN?

NEIN. LEIDER.

S. 5

Gregory Crane

„What Do You Do

with a Million

Books?“

Was für Daten können wir visualisieren?

Metadaten

OPAC

Datenbanken

Was für Daten können wir visualisieren?

Metadaten Volltexte

OPAC

Datenbanken

Das einzelne Werk

Sammlung von Werken

Metadaten Volltexte

Was für Daten können wir visualisieren?

OPAC

Datenbanken

Das einzelne Werk

Sammlung von Werken

Suchindex

Metadaten Volltexte

Was für Daten können wir visualisieren?

Orte

Personen / Institutionen

Zeit

OPAC

Datenbanken

Das einzelne Werk

Sammlung von Werken

Konzepte/Begriffe

Abstracts

Sprache, Bilder, ...

Suchindex

RAUM UND ZEITEUROPEANA4D

S. 11

MAP TIMELINE

MAP TIMELINE

KML

Datenmodell

WAS?

WO? WANN?

NAME

description

url

COORDINATES

address

TIMESTAMP

range

MANDATORY

optional

Austauschformat: KML (XML)

Europeana4D - Links

http://wp1187670.server-he.de/e4d/

https://de.dariah.eu/geobrowser

http://geobrowser.de.dariah.eu

http://www.informatik.uni-leipzig.de:8080/geotemco/

http://ref.dariah.eu/workflow/

http://dev2.dariah.eu/e4d/

|

DIE SAMMLUNG ALS PRIMÄRQUELLE

S. 18

BIGDATA

BIGUGLYDATA

GRAPHENVON KNOTEN UND KANTEN

S. 22

http://kalliope-verbund.info/de/index.html

DigiZeitschriften – Metadaten vs. Volltext

Set A Set B

Bibliographische Metadaten

Inhaltsverzeichnis

OCR Volltext

• 60 wiss. Zeitschriften• Kompletter Erscheinungsverlauf• Ca. 20.000 Aufsätze

Abstracts

DigiZeitschriften – Set A: „Sozialismus“

S. 26

http://www.eaqua.net/~fbaumgardt/flare/GDZ/title_title/

DigiZeitschriften – Set A: „Mephisto“

http://www.eaqua.net/~fbaumgardt/flare/GDZ2/intraElement_filter2/

DigiZeitschriften – Set B: „Mephisto“

http://voyant-tools.org

Frameworks

Google Books ngram viewer http://books.google.com/ngrams Gregory Crane: „What Do You Do with a Million Books?“ (2006) http://www.dlib.org/dlib/march06/crane/ 03crane.html

Google Chart Tools https://developers.google.com/chart/ Anbindung an Google Docs

Voyant Tools http://voyant-tools.org Textwerkzeuge

Übersicht https://digitalresearchtools.pbworks.com/w/page/17801661/Data-Visuali

zation

Auswirkungen: Steigende Unabhängigkeit der WissenschaftlerInnen von Visualisierern Steigende Erwartungshaltung, es „mal eben“ selbst zu visualisieren

PUBLIKATION:DATENJOURNALISMUS

Verwertungszusammenhang

S. 30

Portale fur Datenjournalismus

http://datadesk.latimes.com/

http://www.handelsblatt.com/infografiken/

http://blog.zeit.de/open-data/

http://www.zeit.de/datenjournalismus

http://www.smallmeans.com/new-york-times-infographics/

http://blogs.taz.de/open-data/

http://www.guardian.co.uk/news/datablog

http://www.datenjournalist.de/

http://daten.berlin.de/

http://www.dotcomblog.de/

http://www.spiegel.de/

http://www.data.gv.at/

http://www.washingtonpost.com/

Daten

Journalisten

Visualisierung

Daten

Journalisten

Wissen-schaftler

Visualisierung

Daten

Visualisierung

Wissenschaftler

Journalisten

Visualisierungsexperten

Varianten von Wissenschaftsjournalismus und Visualisierung

Journalistische Vermittlung von Forschungsergebnissen Akteur: Wissenschaftler. Visualisierer und Journalist: Vermittler

Illustration einer journalistischen „Story“ Akteur: Journalist

Illustration / Exploration neuer Visualisierungskonzepte Akteur: Visualisierungsexperte

Möglich: Personalunion

Visualisierungsexperten (als Agenturdienstleistung)

http://www.opendatacity.de

http://driven-by-data.net

http://www.visualizing.org/visualizations/vizosphere

Distinktionsmerkmale gegenüber klassischen Visualisierungen

Interaktion durch Nutzer

Komplexe Datengenerierung (Programmierung) auch aus verteilten Quellen

Experminetelle Visualisierungsansätze

Ästhetik (Formen, Farben)

http://zugmonitor.sueddeutsche.de/ http://opendata.zeit.de/atomreaktoren/#/de/

http://www.propz.de/2011/04/die-infografik-infografik/

Kritikpunkte von Datenvisualisierung

Zu verspielt?

Lernaufwand bei Nutzern Aber: möglicherweise adäquatere Informationsvermittlung

Aggregierung bedeutet immer Reduktion von Komplexität Aber: Quelldaten oft im Direktzugriff

Visualisierung ist immer auch: Interpretation und Manipulation

Automatisierte Wissenschaft? Beispiel: Kommentar in Fußballspielen (aufbauend auf Statistiken)

Erfordert neue Fähigkeiten computer-literacy

5 THESEN

S. 42

Vielen Dank

Die (populärwissenschaftliche) Vermittlung von Forschungsergebnissen mit Hilfe von Visualisierungen wird eine zunehmende Rolle im Wissenschaftsbetrieb spielen.

eResearch wird interaktives Datamining und Visualisierung verstärkt fur die Entwicklung explorativer Fragestellungen nutzen.

Mittelfristig werden Open (Linked) Data sich in vielen Bereichen durchsetzen. Dies wird zu einer verstärkten Demokratisierung (Citizen Science) und Reliabilität der Forschungsprozesse fuhren, nicht zwangsläufig jedoch zu einer besseren Validität.

Bibliotheken sind als Datenkuratoren mit tausend Jahren Erfahrung glaubwurdige Anwälte der Datenqualität

Ansprechende und originelle Visualisierungen sind sowohl fur WissenschaftlerInnen – als auch fur Bibliotheken: ein erreichbares Ziel.