Das Korpus digitalisierter historischer Schulbücher von ... · Einfache Suche Erweiterte Suche Volltextsuche Browsing (über Inhaltsstrukturen, Kategorien etc.) Bildnavigation PDF-Export

DAS KORPUS DIGITALISIERTER HISTORISCHER

SCHULBÜCHER VON GEI-DIGITAL ALS AUSGANGSPUNKT

GEISTESWISSENSCHAFTLICHER FORSCHUNGSFRAGEN

Robert Strötgen

Georg-Eckert-Institut – Leibniz-Institut für internationale Schulbuchforschung

DAS GEORG-ECKERT-INSTITUT

Zentrale Aufgaben:

• Erforschung historisch, politisch und geographisch

bedeutsamer Darstellungen in schulrelevanten

Bildungsmedien

• Beratung von Bildungspolitikern, -praktikern und -

organisationen

• Bereitstellung von (Forschungs-)Infrastrukturen und

Wissenstransferleistungen

Robert Strötgen | 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 | Seite 2

Georg Eckert (1912-1974)

Schulbuch- und Bildungsmedienforschung mit einem

kulturwissenschaftlich-historischen Schwerpunkt

DIE FORSCHUNGSBIBLIOTHEK

Ca. 250.000 Medien aus mehr als 173 Ländern

• 178.000 internationale Schulbücher

Davon: Historische Sammlung bis 1945: 24.000 Bände

• 74.000 Bände begleitende

Forschungsliteratur

Einmalige Schulbuchsammlung für:

• Geschichte, Geographie, Politik/

Sozialkunde und Religion/

Werteerziehung

• Fibeln und Erstlesebücher


GEI-DIGITAL

DFG-Förderung seit 2009

Schulbücher (Geschichte, Geographie und

Realienkunde) bis 1918

Aktuell ca. 3.300 Bände mit ca. 700.000 Seiten,

nahezu vollständig OCR

Online seit Juni 2010

http://gei-digital.gei.de/









DIGITALISIERUNG EXT. BESTÄNDE

Knapp ein Drittel aus 41 Partnerbibliotheken

http://gei-digital.gei.de/viewer/sites/partner/

Bände wurden (in der ersten Phase) vom GEI

erfasst, digitalisiert, mit Meta- und Strukturdaten

versehen etc.

Benennung der Partnerbibliothek in den

Metadaten






INTEGRATION EXT. BESTÄNDE

Z.B. 111 Titel BSB München, 60 Titel SLUB

Dresden, 60 Titel SUB Göttingen, 54 Titel ULB

Halle, 4 Titel HAB Wolfenbüttel, ...

Individuelle Recherchen, da einheitliche formale

Auszeichnung fehlt

Durch die DFG gefördert: Integration von

anderswo schon digitalisierten Schulbüchern

Ziel: Fachliche Plattform für Digitalisate


VOLLTEXTE: OCR

OCR mit Abbyy SDK

• Fehlerquote in Stichproben bei ca. 1 %

(Zeichen) für Fraktur und Antiqua

• Typische Fehlerquellen:

Titelseiten mit Stempeln und Notizen

Struktur (Tabellen, Tafeln, Fußnoten,

Karten)

Randnotizen, Anstreichungen


ONLINE-BEFRAGUNG


42%

7% 8%

34%

9%

Zweck

wissenschaftliche Forschung

akademische Lehre

schulische Lehre

privat

sonstiges:

ONLINE-BEFRAGUNG


30%

17%

16%

8%

3%

11%

6%

3%

6%

Genutzte Funktionen

Einfache Suche

Erweiterte Suche

Volltextsuche

Browsing (über Inhaltsstrukturen, Kategorien etc.)

Bildnavigation

PDF-Export

Volltext-Export

Dauerhafte Links (URN)

Sonstige

ONLINE-BEFRAGUNG


7%

14%

25%

25%

29%

Zufriedenheit OCR-Qualität

gar nicht zufrieden [0]

[1]

[2]

[3]

sehr zufrieden [4]

ONLINE-BEFRAGUNG


36%

25%

27%

12%

Volltext-Nutzung

Suche

Anzeige der gefundenen Wörter auf der Trefferseite

Volltexansicht

PDF-Export mit eingebundenem Volltext

ONLINE-BEFRAGUNG


24%

76%

Volltext-Export gewünscht?

nein

ja


VOLLTEXTE: FORMATE

Plain Text

Deutschen entgegengestellt hatte, wurde bei

Belfort geschlagen, worauf

Wortkoordinaten <p id="ID18b"> <w function="205,481,458,534" match="deutschen">Deutschen</w>

<w function="506,479,926,535" match="entgegengestellt">entgegengestellt</w>

<w function="970,479,1099,531" match="hatte">hatte</w>

<w function="1103,514,1112,532" match=",">,</w>

<w function="1157,478,1319,522" match="wurde">wurde</w>

<w function="1356,477,1429,521" match="bei">bei</w>

Zeichenkoordinaten <block blockType="Text" pageElemId="{F7B2FB7A-6718-4B24-A122-8D1C925FD43B}" l="196" t="468" r="1793"

b="2971"><region><rect l="196" t="468" r="1793" b="2971"/></region>

<text id="{F7B2FB7A-6718-4B24-A122-8D1C925FD43B}">

<par align="Justified" leftIndent="100" rightIndent="100" lineSpacing="1278">

<line baseline="522" l="205" t="476" r="1778" b="535"><formatting lang="GermanStandard" ff="Times

New Roman" fs="9.5" spacing="20">

<charParams l="205" t="484" r="246" b="527">D</charParams>

<charParams l="254" t="496" r="277" b="526">e</charParams>

<charParams l="283" t="496" r="309" b="525">u</charParams>

PDF mit eingebettetem Text (searchable)


VOLLTEXTE (OAI-PMH)

Volltexte sind seit Sommer 2014 per OAI-

PMH oder direkt als METS/MODS abrufbar

http://gei-digital.gei.de/viewer/oai/?verb=Identify

Beispiel:

http://gei-digital.gei.de/viewer/metsresolver?id=PPN65627140X

Also: Ran an die Volltexte! ;-)









VOLLTEXTE (OAI-PMH)

<mets:structMap TYPE="PHYSICAL">

<mets:div CONTENTIDS="urn:nbn:de:0220-gd-4302982"

ID="PHYS_0001" ORDER="1" ORDERLABEL=" - " TYPE="page">

<mets:div DMDID="DMDPHYS_0000" ID="PHYS_0000"

TYPE="physSequence">

<mets:fptr FILEID="FILE_0000_MIN"/>

<mets:fptr FILEID="FILE_0000_FULLTEXT"/>

<mets:fptr FILEID="FILE_0000_WORDCOORDS"/>

<mets:fptr FILEID="FILE_0000_THUMBS"/>

<mets:fptr FILEID="FILE_0000_DEFAULT"/>

<mets:fptr FILEID="FILE_0000_ABBYYXML"/>

<mets:fptr FILEID="FILE_0000_MAX"/>

<mets:fptr FILEID="FILE_0000_PRESENTATION"/>

</mets:div>


VOLLTEXTE (OAI-PMH)

<mets:fileGrp USE="FULLTEXT">

...

<mets:file ID="FILE_0074_FULLTEXT" MIMETYPE="text/plain">

<mets:FLocat LOCTYPE="URL" xlink:href="http://gei-

digital.gei.de/viewer/content?action=text&format=txt&sourcepath=PPN6562

7140X/00000075.txt"/>

</mets:file>

<mets:file ID="FILE_0075_FULLTEXT" MIMETYPE="text/plain">

<mets:FLocat LOCTYPE="URL" xlink:href="http://gei-

digital.gei.de/viewer/content?action=text&format=txt&sourcepath=PPN6562

7140X/00000076.txt"/>

</mets:file>

...


http://gei-digital.gei.de/viewer/content?action=text&format=txt&sourcepath=PPN65627140X/00000075.txt
























WELT DER KINDER

„Weltwissen und Weltdeutung in Schul- und Kinderbüchern

zwischen 1850 und 1918“

Projekt im Leibniz-Wettbewerb (2014-2017)

Antragsteller:

• DIPF und Uni Darmstadt (Informatik)

• Uni Hildesheim (Informationswissenschaft)

• Georg-Eckert-Institut (Schulbuchforschung)

Partner:

• Bayerische Staatsbibliothek (Schul- und Kinderbücher)

• UB Braunschweig (Kinderbücher)

• GCDH (Summerschool)

• Schweizerisches Institut für Kinder- und Jugendmedien (Literaturwissenschaft)


WELT DER KINDER

Welche Bilder von der Welt hatten

Heranwachsende im 19. und frühen 20.

Jahrhundert und wie haben sie sich

verändert?

Medien: Schul- und Kinderbücher

Material: Mehr als 7.000 Schul- und

Kinderbücher mit über 1 Mio. Seiten (OCR)

Methoden: Topic Detection (DKPro/MALLET)

und Sentiment-Analyse vs. Hermeneutik Robert Strötgen | 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 | Seite 22







WELT DER KINDER: AUSBLICK

Gemeinsame Weiterentwicklung der Text-

Mining-Ergebnisse (diachroner Blick!)

Parallel hermeneutische Analyse

Methodenkritik


CLARIN-D F-AG „NEUERE GESCHICHTE“

Im September 2014 als 9. F-AG in CLARIN-

D konstituiert (am Rand des Historikertags)

Ca. 30 interessierte WissenschaftlerInnen

Thema: Anwendbarkeit von CLARIN-D-

Werkzeugen für Fragen der neueren

Geschichte

Kurationsprojekt geplant


CLARIN-D KURATIONSPROJEKT

Geplant gemeinsam mit der Akademie der

Wissenschaften zu Göttingen und dem

GCDH

Thema: „Quellen des Neuen: Realkundliches

und naturwissenschaftliches Wissen für

Dilettanten und Experten zwischen

Aufklärung und Moderne“



Material:

• Blumenbach Online (ca. 25.000 Seiten

Volltext TEI P5)

• GEI-Digital

Methode

• Metadaten zunächst im CMDI-Format

• Nutzung und Evaluation von CLARIN-

Webservices



Beispiel-Fragen:

• Welche synchronen und diachronen Unterschiede und

Verschiebungen finden sich in der Textgestalt?

• Welche Themen finden Eingang in schulische Lehre und

welche nicht?

• Mit welchen sprachlichen Mitteln wird „sicheres Wissen“

konstruiert, welche moralischen und gesellschaftlichen

Implikationen finden sich in naturwissenschaftlicher Lehre?

• Wie präsentieren sich „die Wissenschaft“ bzw. ihre Akteure?

• Wo entstehen Fachbegriffe, wie und in welchem Maße finden

naturwissenschaftliche Konzepte Eingang in Alltagssprache

und -vorstellungen?



Ziele

• Möglichkeiten und Grenzen der CLARIN-

D-Werkzeuge für die Neuere Geschichte

• Bedarf an zusätzlichen oder angepassten

Werkzeugen

• „Leistungsvergleich“ TEI und OCR

• Methodenkritik


WORLDVIEWS

Geplantes BMBF-Vorhaben auf der Basis der

Internet-Edition EurViews

(http://www.eurviews.eu/)

Ziel: Konsolidierung der GEI-

Forschungsinfrastrukturen (CLARIN-kompatibel)

Fragestellung: Welche Wissensbestände und

Sinnstiftungsangebote kommen mit welchen Motiven an

welchen Orten auf, über welche Zeiträume und

Zusammenhänge bestehen sie, wann und wie wandeln

sie sich, vergehen und werden durch andere ersetzt?


http://www.eurviews.eu/

http://www.eurviews.eu/

ISLAM IN DEUTSCHEN LESEBÜCHERN

Geplantes Projekt gemeinsam mit der Uni

Osnabrück (Prof. Dr. Christian Dawidowski)

Analyse der Islam-Darstellung in

Schulbüchern 1820 bis 1890

Leitfrage: Wie wurden der Islam und die

Muslime im Untersuchungszeitraum im

deutschen Lesebuch dargestellt?

Ausdehnung des Bestands im GEI-Digital

um Lesebücher Robert Strötgen | 2. DTA-/CLARIN-D-Konferenz und CLARIN-D-Workshop 2014 | Seite 36

FAZIT

• GEI-Digital mit kurzfristiger Zielmarke von ca.

1 Mio. Seiten im Volltext in einem engen

thematischen Zusammenhang ist eine

wertvolle Ressource

• GEI nutzt Korpus zunehmend für eigene

Forschung und regt externe Forschungen an

• Offene Frage: Wie weit kommt man mit den

OCR-Volltexten und wie lässt sich die

Qualität des Korpus effizient verbessern


VIELEN DANK FÜR IHRE

AUFMERKSAMKEIT

Robert Strötgen

[email protected]

Documents

Das Korpus digitalisierter historischer Schulbücher von ... · Einfache Suche Erweiterte Suche Volltextsuche Browsing (über Inhaltsstrukturen, Kategorien etc.) Bildnavigation PDF-Export