Der Kurs ist das Praktikum für DH-Studenten zur Vorlesung Statistisches Lernen.
English description:
Students acquire knowledge about basic methods, current trends and the history of digital humanities. While the video lectures describe the methods, history, and application examples of Digital Humanities and the exercises and short videos teach students the first steps in working with XML, JSON, and R (and a bit of Python and Golang), students are also expected to develop their own Digital Humanities micro-projects and will produce a project report. The language of instruction is English.
Structure of the module:
The module is completely online and as far as possible asynchronous: i.e. every Monday new content is put online on Moodle, the course website, and the course Gitlab repository; exercises can be worked on by the students and every Wednesday 13:15-14:45 there is a fixed meeting time on Big Blue Button where (if necessary) questions can be asked; in addition, the course uses a chat system where students can exchange information asynchronously with each other and with the instructor ("Thomas" suffices).
The exam consists of a project report that refers to a group project (to be submitted on 31.03.2021).
Deutsche Beschreibung:
Die Studierenden erwerben Kenntnisse über grundlegende Methoden, aktuelle Trends und Geschichte der Digital Humanities. Während die Videovorlesungen die Methoden, Geschichte, und Anwendungsbeispiele der Digital Humanities beschreibt und den Studenten in den Übungen erste Schritte im Umgang mit XML, JSON und R (und ein bisschen Python und Go) vermittelt werden, sollen die Studierenden auch ein eigenes Digital Humanites-Mikroprojekt ausarbeiten und als Projektarbeit verfolgen. Unterrichtssprache ist Englisch.Aufbau des Moduls:
Das Modul ist vollkommen online und weitestgehend asynchron: d.h. jeden Montag werden neue Inhalte auf Moodle, außerdem der Kurswebseite, und dem Kurs Gitlab-Repository online gestellt; Übungsaufgaben können von den Studierenden bearbeitet werden und jeden Mittwoch 13:15-14:45 gibt es einen festen Besprechungstermin, wo (bei Bedarf) Fragen gestellt werden können; zusätzlich benutzt der Kurs ein Chatsystem, wo Teilnehmer sich asynchron untereinander und mit dem Kursleiter ("Thomas" reicht als Anrede) austauschen können.
Die Prüfungsleistung ist ein Projektbericht, der sich auf ein Gruppenprojekt bezieht (Abgabe am 31.03.2021).
- Trainer/in: Manuel Burghardt
In diesem Seminar erhalten Studierende einen detaillierten Einblick in die Digital Humanities als wissenschaftliche Disziplin bzw. als eigenes Forschungsgebiet. Das Seminar soll mit methodischen und inhaltlichen Impulsen insbesondere auf die Bachelorarbeit vorbereiten. Folgende Themen sind Bestandteil des Seminarprogramms:
- Wissenschaftliches Arbeiten in den Digital Humanities
- Überblick zur Forschungslandschaft der Digital Humanities
- Überblick zu typischen Fragestellungen und Methoden in den Digital Humanities
- Trainer/in: Manuel Burghardt
- Trainer/in: Manuel Burghardt
- Trainer/in: Andreas Niekler
- Trainer/in: Manuel Burghardt
- Trainer/in: Thomas Efer
Die Statistik gibt Forscherinnen und Forschern wertvolle datenanalytische Werkzeuge an die Hand, die wesentlich den grundlegenden Charakter von Wissenschaft und Erkenntnisgewinn beeinflussen. Statistik bietet die Möglichkeit, mathematische, theoretische und abstrakte Modelle oder Annahmen mittels empirisch nachgewiesener realer Effekte zu validieren.
Das Modul Statistik für die Digital Humanities lehrt Studierende des Fachs Digital Humanities diese grundsätzlichen Methoden mit einem Fokus auf die typischen Aufgaben und Probleme, die sich in dem sehr heterogenen geisteswissenschaftlich orientierten Fachbereich ergeben. Dadurch werden Studierenden bereits frühzeitig die Fähigkeiten vermittelt, einerseits Datenanalysen kritisch zu hinterfragen und andererseits die eigene Forschungsarbeit kompetent und mit der nötigen Objektivität zu strukturieren.
Angelegt ist der
Kurs als fakultätsinterne Schlüsselqualifikation, in Absprache mit den
jeweiligen Studiengangsverantwortlichen kann der Kurs aber auch flexibel
angerechnet werden. Bestätigt wurde bisher die Anrechenbarkeit als
SQ B.Sc. Informatik & B.Sc. DH, Kernmodul B.Sc. DH.
Neben einem grundlegenden Überblick über das Fach werden Methoden der Datenexploration und Visualisierung gelehrt und geübt. Weiterhin werden die Prinzipien empirischer, stichprobenbasierter Experimente sowie statistischer Testverfahren vermittelt und Verfahren zur Datenanalyse, bspw. Prädiktion oder Berechnung von Regression und Korrelation, beigebracht.
Die Vorlesung wird asynchon (voraufgezeichnet) zur Verfügung gestellt. Seminare werden synchron über BigBlueButton abgehalten.
Öffentliche Materialien (inkl. den Vorlesungsvideos) per Uniserver:
http://www.informatik.uni-leipzig.de/~jtiepmar/lehre/statdh/ws2021/