Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Digitalisierte Zeitungen und Digital Humanities - Probleme und Chancen

442 views

Published on

Europeana Newspapers Information Day, 16 October 2014, Vienna, Austria

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Digitalisierte Zeitungen und Digital Humanities - Probleme und Chancen

  1. 1. Digitalisierte Zeitungen & die Digital Humanities – Probleme und Chancen Europeana Newspapers Information Day 16. Oktober 2014, Wien, ÖNB Clemens Neudecker, Staatsbibliothek zu Berlin @cneudecker
  2. 2. “Big data?” Immer größere Mengen an digitalisierten Zeitungen stehen in digitaler Form für die Forschung bereit. • Chronicling America: 8,148,101 Seiten • Trove (Australien): 137,247,947 Zeitungsartikel • ANNO: 13 Millionen Seiten • Europeana Newspapers: • > 10 Millionen Seiten (Volltexte) • > 18 Millionen Seiten (Metadaten) This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 2
  3. 3. Europeana Newspapers: Drei Portale • Europeana Newspapers Content Browser: http://www.theeuropeanlibrary.org/tel4/newspapers • Europeana Portal: http://europeana.eu/portal/ • Zeitschriftendatenbank: http://www.zeitschriftendatenbank.de/suche/ This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 3
  4. 4. Neu! Objektpräsentation direkt in der Europeana • http://europeana.eu/portal/record/9200300/BibliographicResource_3000095593453.html Neues Interface für die Objektanzeige Public domain Anzeige in der Digitalen Bibliothek This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 4
  5. 5. ABER… This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 5
  6. 6. Nur die Spitze des Eisbergs Quelle: Enumerate Report, http://www.enumerate.eu/en/surveys/thematic_survey/ This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 6
  7. 7. Wieviel ist insgesamt schon digitalisiert? This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 7
  8. 8. Digitalisierte Zeitungen Quelle: European Newspapers Survey Report http://www.europeana-newspapers.eu/wp-content/uploads/2012/04/D4.1-Europeana-newspapers-survey-report.pdf This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 8
  9. 9. Mission impossible? This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 9
  10. 10. Ein kleiner Vergleich… Geschätzte Kosten für die Digitalisierung sämtlicher Objekte in Bibliotheken, Archiven und Museen: €100 Milliarden Oder €10 Milliarden/Jahr für die nächsten 10 Jahre! Das Gesamtbudget für die Entwicklung des „Joint Strike Fighter“ wird auf €40 Milliarden geschätzt. Für die Digitalisierung des Kulturerbes Europas würden ca. 40% der Entwicklungskosten des JSF benötigt. Quelle: Nick Poole, Collections Trust, http://nickpoole.org.uk/wp-content/uploads/2011/12/digiti_report.pdf This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 10
  11. 11. Problemfelder • Unvollständigkeit von Digitalen (Zeitungs-)Sammlungen • Keine ausreichenden Ressourcen für die vollständige Digitalisierung • Fehler und Probleme bei der Digitalisierung, z.B. • Schlechte Qualität der OCR • Unvollständige oder fehlerhafte Metadaten • Unterschiedliche Lizenzmodelle • “Copyright Cliff of Death” (@wragge) • Unterschiedliche Granularität der Digitalisate (z.B. Artikel vs. Seiten) • Unterschiedliche Anreicherung (z.B. mit/ohne Named Entities) This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 11
  12. 12. Wie also damit umgehen? • Ist es überhaupt möglich auf dieser Datengrundlage eine repräsentative Aussagen z.B. durch ein „random sample“ zu treffen? This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 12 Quelle: http://dilbert.com/strips/comic/2001-10-25/
  13. 13. Labs to the rescue? Pieter Francois, Gewinner der British Library Labs competition 2013 hat sich genau diese Frage gestellt: “How representative are the historical texts digital humanities scholars study of the overall body of ‘surviving’ texts that are held in the various library labs.bl.uk/Sample+Generator collections?” This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 13
  14. 14. Was ist “gut genug”? Digging into Data Project “Trading Consequences” “Welche Auswirkungen haben OCR Fehler beim Text Mining einer großen Sammlungen von digitalisierten Beständen?” This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 14
  15. 15. Statistik, Statistik, Statistik 10 Millione Seiten, 7 Milliarden Wörter – welchen Anteil des Korpus ignoriert man wenn man nur mit “guter” OCR arbeitet? http://homepages.inf.ed.ac.uk/balex/publications/slides-DATeCH.pdf This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 15
  16. 16. Vorbild Trove API (Anwendungs-Programmier-Schnittstelle) ermöglicht diverse statistische Anwendungen & Präsentationsmöglichkeiten: This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 16 Trove newspapers word count app
  17. 17. Das „Hathi Trust Model“ Hathi Trust Digital Library/Research Center (Aggregator aller US Google-Partner) stellt für durch Copyright geschütze Materialien nur extrahierte „Features“ bereit wie z.B.: • Wortfrequenz (pro Seite/Überschriften/Fußnoten) • Anzahl Zeilen/Sätze • Zeichenanzahl Darüber hinaus gibt es auch die Möglichkeit über eine geschützte virtuelle Forschungsumgebung (HTRC Sandbox Portal) direkt auf den Servern des HTRC Algorithmen auf den Daten auszuführen. This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 17
  18. 18. Es gibt viel zu tun…packen wir es an! This project is partially funded under the ICT Policy Support Programme (ICT PSP) as part of the Competitiveness and Innovation Framework Programme by the European Community http://ec.europa.eu/ict_psp 18
  19. 19. Danke für Ihre Aufmerksamkeit! @eurnews http://www.europeana-newspapers.eu http://www.theeuropeanlibrary.org/tel4/newspapers http://www.europeana.eu/

×