-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathdeu.html
More file actions
319 lines (246 loc) · 13.3 KB
/
deu.html
File metadata and controls
319 lines (246 loc) · 13.3 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
<!doctype html>
<html>
<head>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
<title>ELTeC</title>
<link rel="stylesheet" href="dist/reset.css">
<link rel="stylesheet" href="dist/reveal.css">
<link rel="stylesheet" href="dist/theme/simple.css" id="theme">
<link rel="stylesheet" href="plugin/highlight/monokai.css" id="highlight-theme">
</head>
<body>
<div class="reveal">
<div class="slides">
<section
data-markdown=""
data-charset="utf-8"
data-separator="^\n--\n"
data-separator-vertical="^\n---\n"
data-separator-notes="^::"
data-background-image="img/basics/distant-reading_icon.png"
data-background-size="100px"
data-background-position="right 10px top 10px">
<textarea data-template>
# Mehrsprachigkeit als Anspruch und Herausforderung: Aufbau und Analyse der European Literary Text Collection (ELTeC)...
<img data-src="img/basics/distant-reading_logo.png" height="40"></img>
<br/><br/>
**Christof Schöch (Trier)**
***
Dynamiken von Mehrsprachigkeit im digitalen öffentlichen Raum<br/>Universität Siegen, 27.-29. Mai 2021
<br/>https://distantreading.github.io/eltec-slides/
***
<img data-src="img/basics/tcdh-slim.png" height="50"></img> <img data-src="img/basics/uni-trier.png" height="50"></img> <img data-src="img/basics/cost-and-eu.png" height="70"></img>
--
### Überblick
1. [Was ist ELTeC ?](#/2)
2. [Kriterien für das Korpusdesign](#/3)
3. [Prinzipien der Textkodierung](#/4)
4. [Publikation von ELTeC](#/5)
4. [Anwendungsszenarien für ELTeC](#/6)
5. [Fazit](#/7)
--
## (1) Was ist ELTeC?
---
### ELTeC im Kontext
* COST Action "Distant Reading for European Literary History" <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Forschungsnetzwerk (31 Länder, 200+ Forschende)
* Ziel: (methodische und geographische) Erweiterung der digitalen, mehrsprachigen Forschung zum europäischen Roman
* Arbeitsbereiche: <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Aufbau eines mehrsprachigen Romankorpus (ELTeC)
* Entwicklung geeigneter digitaler Analysemethoden
* Reflektion über die theoretischen Konsequenzen
* Aufbau eines europaweiten Forschungsnetzwerks
* 'Capacity building': Workshops, Austauschprogramm, gemeinsame Projekte
---
### "European Literary Text Collection"
* Ein mehrsprachiges Korpus des europäischen Romans <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Für die Zeit 1840-1920 (Kern)
* Mindestens 10 verschiedene Sprachen
* Sammlungen von jeweils 100 Romanen pro Sprache
* Eigenschaften <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Korpus repräsentiert die Bandbreite der Romanproduktion
* Alle Texte sind linguistisch annotiert und in XML-TEI kodiert
* Das Korpus wird mit einer offenen Lizenz publiziert
* Weitere Informationen <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="3" -->
* Startpunkt: http://www.distant-reading.net/eltec/
* Letzter 'release': [v1.1.0, April 2021, 1200 Romane](https://github.com/COST-ELTeC/ELTeC)
---
### Stand der Dinge bei ELTeC
<img data-src="img/eltec-overview_numnovels.png" height="500"></img>
<br/><small>Siehe: https://distantreading.github.io/ELTeC/</small>
--
## (2) Kriterien für das Korpusdesign
---
### Relevanzkriterien
* Romane (= längere, narrative, fiktionale Prosa)
* Mindestlänge: 10.000 Wörter
* Romane in Originalsprache
* In Europa publizierte Romane
---
### Kriterien für die Zusammenstellung
* Ziele <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Vergleichbarkeit der Sammlungen
* Die Bandbreite der Romanproduktion repräsentieren<br/>(kein repräsentatives Sample)
* Nicht (nur) den Kanon reproduzieren
* Kriterien <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Erscheinungsdatum: 1840-59, 1860-79, 1880-99, 1900-1919
* Länge des Romans: short (10-50k), medium (50-100k), long (100k+)
* Geschlecht der/des Autors: male, female, diverse/mixed
* Neuauflagen 1970-2010: low (0-1), high (2+)
* Romane pro Autor*in: 9-11 x 3, sonst möglichst 1
---
#### Aufbau der Sammlungen
<img data-src="img/mosaic-eng.svg" height="400"></img> <img data-src="img/mosaic-rom.svg" height="400"></img>
<small>
|ELTeC-eng|||ELTeC-rom|
|:---:|:---:|:---:|:---:|
|100 Romane | | | 95 Romane|
|EC5 100 | | | EC5 80|
|Ausgezeichnete Balance | || Balance schwierig zu erreichen|
</small>
---
#### Das Diversitäts-Paradox
<a href="img/eltec-overview_paradox.png"><img data-src="img/eltec-overview_paradox.png" height="400"></img></a>
* Drei Ziele
* Vergleichbarkeit der Sammlungen (=> strikte Kriterien)
* Große Bandbreite der Romane (=> strikte Kriterien)
* Große Bandbreite der literarischen Traditionen (=> weiche Kriterien)
--
## (3) Prinzipien der Textkodierung
---
### Drei Levels der Textkodierung
* Natürlich nehmen wir eine Kodierung in XML-TEI vor <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Es gibt einen gemeinsamen `header` <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Drei Levels der Kodierung <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="3" -->
* Level 0: Minimale TEI-Kodierung (Metadaten + `div`, `p`, `hi`)
* Level 1: Semantische TEI-Kodierung (e.g. `foreign`, `emph`)
* Level 2: Kodierung mit Token-basierter Annotation (UPos)
* Durch Schemas kontrolliert <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="4" -->
* Schemas durch sog. "ODD-Chaining" verbunden
* Validierung mit RelaxNG und Schématron
* soziale Kontrolle durch LB
---
### Metadaten
* Kriterien für das Korpusdesign (siehe oben) <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Provenienz <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* digitale Quelle (oder eigene Digitalisierung)
* gedruckte Quelle (der digitalen Quelle)
* Erste gedruckte Ausgabe (als Referenz)
* Romantypen (optional) <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="3" -->
* Untergattung des Romans
* Erzählperspektive
* Eigenschaften des Textes <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="4" -->
* Sprache
* Orthographie (original, modernisiert)
* Alphabet (lateinisch, kyrillisch, "transition")
* Kodierungslevel (siehe oben)
--
## (4) Publikation von ELTeC
---
### Publikationsstrategie
* Für projektinterne Bedarfe <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Kollaboratives Arbeiten (XML): [Github](https://github.com/cost-eltec)
* Veröffentlichung und Archivierung von 'releases'<br/>mit DOI (XML): Github + [Zenodo](https://zenodo.org/communities/eltec/)
* Überblick (HTML, XML): [Github.io](https://distantreading.github.io/ELTeC/)
* Publikationsplattformen (über Zenodo hinaus): <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* [TEI Publisher](https://teipublisher.com/exist/apps/eltec/index.html)
* [GAMS](http://glossa.uni-graz.at/context:eltec)
* [TextGrid Rep](https://dev.textgridrep.org/browse/3tg6g.0)
* Demnächst: [CLS INFRA](https://clsinfra.io/)
* Weitere Publikationsformen <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="3" -->
* Pakete für die Nutzung mit Analysetools wie TXM oder Antconc
* Bereitstellung über Analyseplattformen wie CQW
---
#### Github
<img data-src="img/eltec_github.png" height="500"></img>
https://github.com/cost-eltec
---
#### Zenodo
<img data-src="img/eltec_zenodo.png" height="500"></img>
https://zenodo.org/communities/eltec/
---
#### TEI Publisher
<img data-src="img/eltec_teip.png" height="500"></img>
https://teipublisher.com/exist/apps/eltec/index.html
--
## (5) Anwendungsszenarien für ELTeC
---
### Einige Szenarien
* Gemeinsame Ziele <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Existierende Methoden des "Distant Reading" auf die europäischen Literaturen anwenden
* Methoden in einem mehrsprachigen Kontext evaluieren
* Einige Beispiele (siehe Bibliographie) <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Linguistische Annotation für mehrere Sprachen: Cínkova et al. 2020
* Mehrsprachige Annotation der Named Entities: Frontini et al. 2020
* Identifikation der direkten Rede: Byszuk et al. 2020
* Analyse der Romantitel: Patras et al. 2021
* Stilometrische Autorschaftsattribution: Schöch et al.
---
### Identifikation der direkten Rede
<img data-src="img/byszuk-2020.png" height="400"></img>
* Kurzzusammenfassung
* Nutzung eines "multilingual sentence embedding"
* Ergebnis: F1-Score ~0.89 für neun Sprachen
---
### Analyse der Romantitel
<img data-src="img/patras-2021_annotation.png" width="500"></img> <!-- .element: class="fragment fade-in-then-fade-out" data-fragment-index="1" -->
<br/><img data-src="img/patras-2021_lengths.png" width="500"></img> <!-- .element: class="fragment fade-in-then-fade-out" data-fragment-index="2" -->
---
### Stilometrie: Dendrogramme
<a href="img/ELTeC-fra_eders-d_1000.png"><img height="500" data-src="img/ELTeC-fra_eders-d_1000.png"></a> <a href="img/ELTeC-rom_eders-d_1000.png"><img height="500" data-src="img/ELTeC-rom_eders-d_1000.png"></a>
<br/>ELTeC-fra ELTeC-rom
---
### Stilometrie: Evaluation
<a href="img/results_ELTeC-hun.svg"><img height="200" data-src="img/delta-hun.png"></a></img> <a href="img/results_ELTeC-fra.svg"><img height="200" data-src="img/delta-fra.png"></img></a><br/><a href="img/results_ELTeC-rom.svg"><img height="200" data-src="img/delta-rom.png"></a></img> <a href="img/results_ELTeC-slv.svg"><img height="200" data-src="img/delta-slv.png"></img></a><br/><br/>(Aktuell: deu, eng, fra, hun, por, rom, slv)
--
## Fazit
---
### Was ist ELTeC also ?
* Natürlich: eine mehrsprachige Ressource <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="1" -->
* Ein Lernprozess im Bereich kollaborative Forschung <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="2" -->
* Ein Sammelpunkt für eine europäische Community <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="3" -->
* Eine Grundlage für die Entwicklung digitaler Methoden <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="4" -->
* Ein bescheidener Anfang für eine europäische Literaturgeschichte die wirklich digital, inklusiv und mehrsprachig sein möchte <!-- .element: class="fragment fade-in-then-semi-out" data-fragment-index="5" -->
---
### Vielen Dank für die Aufmerksamkeit
<img height="450" data-src="img/danke.png">
<br/>
Folien: https://distantreading.github.io/eltec-slides/
---
### Bibliographie
<small>
* Aufbau von ELTeC (Auswahl)
* Lou Burnard, Christof Schöch, Carolin Odebrecht: “In Search of Comity: TEI for Distant Reading”, in: _Journal of the Text Encoding Initiative_, 2021. https://doi.org/10.4000/jtei.3500
* Christof Schöch, Roxana Patraș, Diana Santos, Tomaž Erjavec: “Creating the European Literary Text Collection (ELTeC): Challenges and Perspectives”, in: _Modern Languages Open_ (forthcoming). Preprint: https://doi.org/10.5281/zenodo.4742419
* Cinková, Silvie, Tomaž Erjavec, Cláudia Freitas, et al., ‘Evaluation of Taggers for 19th-Century Fiction’, in DH_Budapest_2019, <http://elte-dh.hu/dh_budapest_2019-abstract-booklet/>
* Frontini, Francesca, Carmen Brando, Joanna Byszuk et al., ‘Named Entity Recognition for Distant Reading’, in CLARIN Annual Conference 2020 Proceedings, pp. 27–41 <https://office.clarin.eu/v/CE-2020-1738-CLARIN2020_ConferenceProceedings.pdf>
<br/><br/>
* Nutzung von ELTeC (Auswahl)
* Cinková, Silvie, and Jan Rybicki, ‘Stylometry in a Bilingual Setup’, in Proceedings of LREC 2020, pp. 977–984 <https://www.aclweb.org/anthology/2020.lrec-1.123/>
* Byszuk, Joanna, Michał Woźniak, Mike Kestemont et al. ‘Detecting Direct Speech in Multilingual Collection of 19th Century Novels’, in Proceedings of LT4HALA 2020, pp. 100–104 <https://lrec2020.lrec-conf.org/media/proceedings/Workshops/Books/LT4HALAbook.pdf>
* Mihurko-Poniž, Katja, Rosario Arias, J. Berenike Herrmann et al. ‘Thresholds to the “Great Unread”: Titling Practices across Multilingual Collections of European Novels’, Day of DH 2021, <https://www.youtube.com/watch?v=fMtkwCxkzfw>.
</small>
</textarea>
</section>
</div>
</div>
<script src="dist/reveal.js"></script>
<script src="plugin/notes/notes.js"></script>
<script src="plugin/markdown/markdown.js"></script>
<script src="plugin/highlight/highlight.js"></script>
<script>
// More info about initialization & config:
// - https://revealjs.com/initialization/
// - https://revealjs.com/config/
Reveal.initialize({
hash: true,
center: false,
controls: true,
progress: true,
// Learn about plugins: https://revealjs.com/plugins/
plugins: [ RevealMarkdown, RevealHighlight, RevealNotes ],
});
</script>
</body>
</html>