Kommt es in den Header, in Front oder in Back? – Wir codieren mit XML/TEI an Tag 3 der #dhmasterclass

Am dritten Tag der Master Class Digital Humanities ging es ans Eingemachte: das Auszeichnen und Codieren unserer Texte mit XML/TEI. Als Einstieg gab es einen Crashkurs in Grundlagen von XML und TEI durch die Experten Charles Riondet und Lionel Tadjou (beide Inria, Paris). Während einige der Teilnehmenden im Studium oder im Projekt schon aktiv mit TEI gearbeitet haben oder arbeiten, kam anderen selbst ganz grundlegende Dinge wie öffnende und schließende Tags erst einmal je nach Muttersprache spanisch oder chinesisch vor. Im letzten Jahr bei der ersten Master Class zu Forschungsdaten gab es eine spontane Break-out-Session „TEI for Dummies“ unter der Leitung von Emmanuelle Morlock, um zumindest einen groben Einblick zu geben. Bei der zweiten Master Class stand dieser Standard als Grundlage für die Erstellung einer digitalen Edition eindeutig im Mittelpunkt des Themas, und wir hatten den ganzen Tag dafür Zeit. Eine schöne Einführung auf Deutsch gibt es – neben unseren Lektüreempfehlungen hier auf dem Blog – von Christof Schöch^[1].

In nach Kenntnisstand eingeteilten Gruppen übten wir nach der Einleitung das Kodieren eines eigenen Dokuments. In meiner Gruppe hatten wir uns das Auszeichnen eines Dokuments aus dem Krieg 1870/71 vorgenommen, das seit kurzem im DHIP aufbewahrt wird: die – aus heutiger Sicht komische – Beschwerde von General Albrecht Gustav von Manstein, datiert auf den 21. Oktober 1870, über die nachlassende Qualität des Champagners, der den Besatzern von der Stadt Orléans geliefert wurde. Die Publikation von Dokumentenscan, Transkription und XML/TEI ist in Vorbereitung! Das Dokument war bereits von Friederike Odenwald, Praktikantin am DHIP und Teilnehmerin der Master Class, transkribiert worden, was von der Gruppe zugleich im Header vermerkt wurde. Gemeinsam wurde der Text dann zunächst Korrektur gelesen und über die Unterschriftenzeile gerätselt (siehe Beitragsbild oben – Hinweise werden gerne entgegengenommen), bevor es an die erste grobe formelle Auszeichnung mit dem XML Editor Oxygen ging. Neben dem Tipp der Experten, beim Kodieren die Website mit den TEI-Guidelines immer offen zu haben, um den Gebrauch der einzelnen Tags Nachschlagen zu können, half uns beim Bearbeiten des Texts der Austausch und die Diskussion in der Gruppe, was den Experten zufolge ebenso häufig der Arbeitsrealität beim Erstellen einer digitalen Edition entspricht.

Die Experten zeigten uns bei der Besprechung der Ergebnisse, wie man ein XML/TEI-Dokument relativ einfach mit dem TEI-Boilerplate der Indiana University visualisieren kann. Et voilà, so sah unsere Quelle aus:

Im „Treibsand der semantischen Annotation“

Am Nachmittag folgte die Vertiefung in Sachen XML/TEI: Daten anreichern/annotieren mit einer Einführung durch Expertin Ioana Galleron. Das Anreichern, so brachte sie uns bei, ist eine Praktik, die es bei analogen Texten genauso gab und hier nun ins Digitale übertragen wird. Angereichert wird über Attribute oder über Verlinkungen. Die grundlegende Frage dabei ist, welche Annotationen man für die eigene Forschungsfrage braucht, da das Annotieren eine zeitaufwendige Tätigkeit ist, die kaum oder keine akademische Anerkennung bringt. Unterschieden wird zwischen formaler Annotation – die wir am Vormittag überwiegend betrieben hatten – und semantischer Annotation, bei der es um Kodierung des Inhalts geht, etwa Elemente zur Bestimmung der Textgattung, Auszeichnung von Zitaten, philologische und inhaltliche Hinweise (persName, placeName, del, add, subst, gap,…) etc. Gerade bei der semantisch-inhaltlichen Annotation besteht die Gefahr, sich in einem „Treibsand“ zu begeben, alles auszeichnen zu wollen und sich im Wust der Schlagwörter zu verlieren.

Wir sprechen über Named Entities, was bei manchen Teilnehmenden ein Jauchzen bis ins Framapad auslöste, da die Verlinkung mit Normdaten wie z.B. GND, VIAF und ISNI, Ontologien und Verzeichnissen wie GeoNames einen großen Teil des Mehrwerts von digitalen Editionen im Vergleich zu ihrem gedruckten Pendant ausmacht. Der Workflow beim Auszeichnen von Named Entities besteht aus den Schritten Identifizierung – Desambiguierung (z.B. Homonyme oder ungenaue Angaben klären, wie „an diesem Tag“) und schließlich Anreicherung. Auch hier gilt: Es ist zeitaufwändig! Ob händisch, oder halbautomatisch, es muss stets nachjustiert und überarbeitet werden.

Ioana Galleron weihte uns ebenso in Linked Open Data und in ihre Arbeit des Annotierens literarischer Texte und literarischer Charaktere ein. Und wir lernen das Open Access Tool TXM Treetagger angepasst von der ENS Lyon zur Vermeidung von Hierarchiekonflikten kennen. Beim Anblick ihrer Folie zum Part-of-speech-Tagging, bei dem hinter jedem Wort mit Schrägstrich getrennt als Tag die Wortart spezifiziert wird, wurde manchen schwindelig. Wie speziell ist das und was können Historiker/innen damit anfangen? Wir kehren zur Diskussion “was auszeichnen?” zurück und zur Konzentration auf die eigene Forschungsfrage, freilich ohne die Edition für andere Forschungsfragen etwa durch eine nicht-gekennzeichnete Harmonisierung von Schreibweisen unbrauchbar zu machen.

Schließlich ging es mit dem Hands-on-Teil weiter und wir arbeiteten an unseren eigenen Dokumenten in Kleingruppen. Der Teufel steckt natürlich im Detail und je tiefer man einsteigt, umso komplexer wird es. Wohin etwa mit einer Namensliste, in der ein <persName> den Link zur GND, zu VIAF oder zu ISNI oder eine URI für die GeoNames enthalten soll? Header, Front oder Back?

The jury might still be out? I think another related question about #front bs #back came up and #back won? @AndreaGHofmann @van_de_Light @Mareike2405 ? #dhmasterclass pic.twitter.com/CTo5ONGVo2 — Viola Wiegand (@violawiegand) October 3, 2018

Die Gruppen finden dafür unterschiedliche Lösungen – teils unter Einbezug von Hinweisen nichtanwesender Twitterstorians – und wir lernen nicht nur die immer wieder wundersame Untertützung der Scientific Community über Twitter kennen, sondern auch, dass unterschiedliche Lösungen durchaus in Ordnung sein können… eben in Abhängigkeit von der eigenen Forschungsfrage, des Workflows (ob alleine oder in Gruppe) UND solange alle Entscheidungen transparent dokumentiert werden. Ein gutes Beispiel dafür ist die Dokumentation der editorischen Richtlinien in Anne Baillots Edition der Berliner Intellektuellen um 1800. Von dort schauen wir uns auch ab, die Indizes als jeweils eigene XML/TEI-Datei anzulegen.

____

Zu den einzelnen Tagen der Master Class Digital Humanities siehe auch:

Network Mapping, Prousts Madeleine und Pommes Schranke – #dhmasterclass Tag 1

Corpus, transcriptions, et joies du pad – deuxième journée de #dhmasterclass

1. Schöch, Christof: „Ein digitales Textformat für die Literaturwissenschaft. Die Richtlinien der Text Encoding Initiative und ihr Nutzen für Textedition und Textanalyse“, Romanische Studien 4 (2016), S. 325–364, http://www.romanischestudien.de/index.php/rst/article/view/58. [↩]

---

---