Melanie Althage, Martin Dröge, Professur für Digital History, Humboldt-Universität zu Berlin
Termin: Dienstag, 15.11.2022, 10:00-16:00 Uhr
Beschreibung:
Umfangreiche Textkopora inhaltlich strukturieren und auswerten ohne die Dokumente im Einzelnen gelesen zu haben – geht das? Das geht! Topic Modeling ist eine in den digitalen Geisteswissenschaften etablierte Methode, wenn es etwa darum geht, größere Textsammlungen inhaltlich-thematisch zu klassifizieren oder die Entwicklung von Publikationstrends und Diskursen nachzuvollziehen. Der Workshop bietet eine einsteigerfreundliche Einführung in ihre methodischen Grundlagen sowie die Implementierung mittels der Programmiersprache Python. Anhand eines konkreten Anwendungsfalls wird der Topic-Modeling-Workflow von der Vorbereitung der Textdaten bis zur Visualisierung und ersten Auswertung der Modellierungsergebnisse Schritt für Schritt durchgegangen. Dabei werden auch die Potenziale und Grenzen für den geisteswissenschaftlichen Forschungsprozess zu diskutieren sein. Für die Teilnahme sind grundlegende Programmierkenntnisse Voraussetzung.
Bitte beachten: Alle Informationen, Materialien, Aktualisierungen und Kontaktmöglichkeiten finden sie auf der Website:
https://dhistory.hypotheses.org/?p=1375
Kontakt:
digitalhistory@hu-berlin.de
Darum geht es kurzgefasst: Topic Modeling, Digital History, Python, Latent Dirichlet Allocation