Bodil Qvistgaard, Nationalmuseet: Genvej til dine arkivdata. Eksemplet er Nationalmuseets Dagbogsprojekt. Ved hjælp af tilgængelige teknologier kombineres fuldtekstanalyse med enkle sæt af demografiske og stedbaserede data, som giver en hurtig genvej til et meget stort materiale.

1. Projektets baggrund
1992: Ca. 50.000 dagbøger indsamles med post.
25 år
2017: Ca. 8.500 dagbøger indsamles primært digitalt
2018: Masterprojekt
Spatiel og fuldtekstbaseret analyse
Af Nationalmuseets dagbogsindsamlinger
1992 og 2017
101-02-2019

2. Hypoteser
A. Ændringer over tid kan ses i sætningers og dagbøgers
længde.
B. Forskelle i køn, alder og geografi kan ses i længden og
ordvalg.
C. Det er muligt at udlede kontekst ud fra naboord
201-02-2019

3. Fokus
 Open source teknologier:
 PostgreSQL, PostGIS, OpenJUMP, Python
 Fokus på backend
 Funktioner baseret på fuldtekst
 Ingen frontend
 Ingen signifikansberegninger
301-02-2019

4. Fuldtekst
Tekst:
”Jeg sidder og skriver dagbog. Er kun nået til første
side i dagens dagbog. Jeg har skrevet mange
dagbøger”
Vektor:
"'dag':13 'dagbog':5,14 'dagbøg':19 'først':10 'kun':7
'nået':8 'sid':2,11 'skrev':17 'skriv':4"
401-02-2019

5. Indsamling af data
 Ikke trivelt at indsamle data
 Undervurder ikke dataoprensning: 70 % af tiden
 En del arbejdet kan spares ved at tænke grundigt
over indsamlingsmetoden
 2017: Ca. 10 % dubletter
501-02-2019

6. Museernes sogneinddeling
Mange-til-mange relation mellem postnummer og sogne
601-02-2019

7. Fra adresse til sogn
701-02-2019

8. Fra adresser til koordinater
801-02-2019

9. Fordeling på sogn
901-02-2019

10. Fordeling på regioner
1992
1001-02-2019
2017

11. Resultater - Antal
1101-02-2019
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
Antalskribenter
Aldersinterval
1992
Kvinder
Mænd
"Ukendt"
0
200
400
600
800
1000
1200
1400
Antalskribenter
Aldersinterval
2017
Kvinder
Mænd
"Ukendt"

12. Resultater – Alder og køn
median
0
200
400
600
800
1.000
1.200
1.400
Ukendt 0 - 9 10 - 19 20 - 29 30 - 39 40 - 49 50 - 59 60 - 69 70 - 79 80 - 89 90 - 99
Aldersinterval
2017
Kvinder
Mænd
1201-02-2019
Aldersinterval
Mænd
Kvinder
Antal ord

13. Resultater – Top n ord
1301-02-2019
K M
Top 30 ord
20-29-årige
Alle regioner
Minimum 6 tegn
Udsnit

14. Resultater – penge og økonomi
1401-02-2019
0,00
5,00
10,00
15,00
20,00
25,00
30,00
Ukendt 0 - 9 10 - 19 20 - 29 30 - 39 40 - 49 50 - 59 60 - 69 70 - 79 80 - 89
Procentafaldersinterval
Aldersinterval
Dagbøger fra 2017, der indholder ”penge" eller ”økonomi"
Mænd - penge
Kvinder - penge
Mænd - økonomi
Kvinder - økonomi
Procentafaldersinterval

15. Ny bogudgivelse?
Tema ”På kant med loven”
Søgning på ”fængsel” viser at
Ordet er indeholdt i 24 dagbøger
Eksempel – fængsel
1501-02-2019

16. Tekstfragmenter
1601-02-2019

17. Tekstfragmenter
1701-02-2019

18. Tekstfragmenter
1801-02-2019

19. Ny bogudgivelse?
Tema ”Hvor er hjem?”
Skribenter, som har
Skrevet dagbog i 1992 og 2017
261 af ca. 500 identificeret.
Eksempel – flytning
1901-02-2019

20. Ny bogudgivelse?
Tema ”Hvor er hjem?”
Søgning efter de 5 skribenter
der har flyttet sig længst.
Her i fugleflugt
Eksempel – flytning
2001-02-2019

21. Ny bogudgivelse?
Tema ”Hvor er hjem?”
Søgning efter de skribenter
Som har samme bopæl
100 i alt
Eksempel – flytning
2101-02-2019

22. Spørgsmål?
2201-02-2019