Zeit: Freitag, 20.09.2024: 11:20 - 13:00 |
Ort: Hörsaal I Hörsaal I, Raum 1.04 , Adam-Kuckhoff-Str. 35, 190 Plätze |
Die Operationalisierung einer inhaltsanalytischen Methode zur systematischen Erstellung eines historisch geprägten Data Literacy Kompetenzprofils
Universität Trier. Servicezentrum eSciences
Anhand der Erstellung eines Datenkompetenzprofils für die historischen arbeitenden Disziplinen wird aufgezeigt, wie sich das methodische Vorgehen (Inhaltsanalyse verschiedener Dokumente) auf die Datenmodellierung und die Workflows in einem Forschungsprojekt auswirken. Durch das Kombinieren unterschiedlich strukturierter Data Literacy Kompetenzmatrizen und die geschichtswissenschaftliche Spezifizierung über Digital History Studiengangsbeschreibungen wurden unter Verwendung der Forschungssoftware FuD ein projektspezifisches Datenmodell und Arbeitsprozesse entwickelt. Diese werden sowohl den diversen Dokumenttypen, den methodischen Vorgehen als auch der Nachvollziehbarkeit der Ergebnisse gerecht.
Messen des digitalen historischen Erzählens: Die nachvollziehbare Auswirkung von Serien und Telenovelas auf das Geschichtsbewusstsein in sozialen Medien – Eine Fallstudie am Beispiel von GUMELAB
1GUMELAB, Freie Universität Berlin; 2GUMELAB, Freie Universität Berlin; 3Universidade Estadual de Campinas
Im Kontext der Digital History verändert sich auch die Materialität des Archivs. Soziale Medien wie Twitter und YouTube fungieren als digitale Austauschplattformen und können damit zu historischen Dokumenten werden. Das Forschungsprojekt GUMELAB untersucht den Einfluss lateinamerikanischer Serien und Telenovelas, die die jüngste Geschichte des Kontinents darstellen, auf das Geschichtsbewusstsein. Als Datenlage dienen dafür spanischsprachige Tweets und YouTube-Kommentaren, die mittels Webscraping und Natural Language Processing analysiert und dank vortrainierter Modelle in theoretische Kategorien wie „Geschichtsbewusstsein“ und „politische Bildung“ klassifiziert werden. Das Paper reflektiert die Eignung digitaler Methoden zur Messung theoretischer Konzepte wie das Geschichtsbewusstsein und stellt die Frage, inwieweit diese analytischen Fähigkeiten und Vorkenntnisse durch künstliche Intelligenz antrainiert werden können.
Die Angst vor technologischer Arbeitslosigkeit: Historische Sentimentanalyse mittels großer Sprachmodelle
Humboldt-Universität zu Berlin; Max-Planck-Institut für Rechtsgeschichte und Rechtstheorie, Deutschland
Seit Jahrhunderten motiviert die Angst vor technologischer Arbeitslosigkeit Angriffe auf Maschinen und eine Industrie von Kommentaren, die das Risiko zukünftiger, arbeitsersetzender Erfindungen vorhersagen – das wohl berühmteste Beispiel sind die Ludditen. Der vorgeschlagene Beitrag konzentriert sich auf die quantitative und qualitative Analyse der historischen Angst vor technologischer Arbeitslosigkeit unter Verwendung digitaler Methoden des Natural Language Processing (NLP). Die Studie verbindet historische Diskursanalyse mit Erkenntnissen aus der Sentimentanalyse, um ein differenzierteres Verständnis der gesellschaftlichen Reaktionen auf technologische Veränderungen während der Spätphase der Industriellen Revolution zu erlangen. Dabei wird der Kampf der Ludditen gegen die Einführung des „Waterframe“, der ersten von Menschenkraft unabhängigen Spinnmaschine, als Fallstudie verwendet, um strukturelle Parallelen zum heutigen dystopischen Diskurs über KI herauszuarbeiten.