20.04.26. Einführung zentrale Konzepte

Leseaufgabe bis zur 20. April

Was ist Datenmodellierung?

  • Eine Hälfte von Ihnen (Nachname A-L) liest bitte S. 3 bis 16 von: Julia Flanders und Fotis Jannidis. 2018. “Data modeling in a digital humanities context. An introduction.” S. 3–25 in: Julia Flanders und Fotis Jannidis (Hg.): The Shape of Data in Digital Humanities: Modeling Texts and Text-based Resources, London und New York. In Ilias.
  • Die andere Hälfte von Ihnen (Nachname M-Z) liest bitte S. 26 bis 36 von: Fotis Jannidis und Julia Flanders. 2018. “A gentle introduction to data modeling.” S. 26–95 in: Julia Flanders und Fotis Jannidis (Hg.): The Shape of Data in Digital Humanities: Modeling Texts and Text-based Resources, London und New York. In Ilias.

Etherpad für Ergebnisse.

Fragen für A-L

  1. Was meinen die AutorInnen mit der Aussage “Debates about method are ultimately debates about our models”?
  2. Inwiefern ist der kritische Apparat einer Edition ein Modell?
  3. Was sind die Unterschiede zwischen “informal”, “formalisable” und “formal” models?
  4. Welche Herausforderungen sehen die AutorInnen in der geisteswissenschaftlichen Datenmodellierung?
  5. Wieso ist es hilfreich, ein Modell von den Daten zu haben? Wieso kann man von “intelligence in the data” sprechen? Welche Vorteile hat die Formalisierung der Daten?
  6. Welche Kriterien folgt man, wenn man ein Datenmodell wählt?
  7. Was sind die Risiken, wenn man nicht formale Modelle benutzt, wie z.B. wenn man einen Text in Microsoft Word schreibt?
  8. Welche Beziehung existiert zwischen Datenmodellen und Tools?
  9. Was muss man beachten, wenn man ein Tool für die Datenmodellierung benutzt?
  10. Sind Modelle immer explizit sichtbar?
  11. Wieso sollte man Daten wenn möglich Tool-unabhängig modellieren?
  12. Wieso sollte man aber im Prozess der Modellierung die Tools nicht komplett ausschließen?

Fragen für M-Z

  1. Kann ein Computer den Text eines Briefes ohne Weiteres als solchen erkennen? Oder braucht er da “Unterstützung”?
  2. Wie können wir den Prozess der Erkennung unterstützen?
  3. Die AutoIinnen nennen drei Merkmale von Modellen, welche?
  4. Was braucht ein Modell, um prozessiert werden zu können?
  5. Was ist die Beziehung zwischen einem nicht formalen und einem formalen Modell?
  6. Was sind die Vorteile eines formalen Modells?
  7. Was ist der Unterschied zwischen data und process modelling?
  8. Was sind Metadaten?
  9. Was ist der Unterschied zwischen inline und stand-off Annotationen?
  10. Die AutorInnen sprechen von modellierter Instanz, Datenmodell und Metamodell: Was bedeuten diese Begriffe?
  11. Welche Rolle spielen data type und data structure in der Datenmodellierung?
  12. Was ist der Unterschied zwischen discrete und continuous data? Wieso ist das wichtig?