Studium

Algorithmen und Computer dominieren unseren Alltag und auch in den Geisteswissenschaften wird seit einigen Jahren durch Forschende Rechnerleistung genutzt, um im digitalen Raum "Experimente" mit digitalen oder digitalisierten Materialien durchzuführen. Ein Ausgangspunkt bleiben dabei Texte und Bilder, die in quantitativ grossen Mengen zwecks neuer Interpretationen ausgewertet werden. Im Unterschied zu naturwissenschaftlichen Beobachtungen ist die Auswertung dieser "Daten" weit weniger kanonisiert. Analysemodelle und -theorien (wie Stilometrie oder Distant Reading) werden ständig verworfen und neu propagiert. Darüber hinaus werden Verknüpfungen, Visualisierungen und Darstellungen möglich, die nach Auswertungen und neuen Narrativen verlangen.

Die Übung führt in die Digital Humanities ein und dient als «Hands-On» Veranstaltung, um den eigenen Umgang mit digitalen Materialien einzuüben und die jeweiligen Vorannahmen bei der Entwicklung von digitalen Tools, die medialen Umsetzungen und Auswertungen von Daten gesellschaftskritisch analysieren und kontextualisieren zu können. Gleichzeitig spielt die nachhaltige Aufbereitung von Daten und Algorithmen eine wichtige Rolle, die wiederholt angesprochen wird. Informatische Vorkenntnisse sind keine gefordert, jedoch die Offenheit, mit Daten-, Text- und Bildbeständen zu spielen.

Info

Anmeldung

KSL-Stammnummer 493209

Lernziele

Die Studierenden

• kennen die Diskussionen zur Definition und Einordnung der digital humanities,
• vermögen digitale Anwendungen hinsichtlich ihres epistemologischen/ heuristischen/ methodischen Potentials einzuordnen und zu kritisieren
• sind in der Lage ein eigenes digitales Projekt aufzusetzen

Abstract

Im Lab vertiefen die Studierenden ihre Kenntnisse und Fähigkeiten aus der Einführung in die DH. Einzeln oder in Gruppen werden Übungen gelöst und gleichzeitig eigene Vertiefungsprojekte (für Abschluss MA) diskutiert. Die Mitarbeitenden der DH stehen bei Fragen und Unklarheiten zur Verfügung.

Info

Anmeldung

KSL-Stammnummer 493210

Lernziele

Die Studierenden

• formulieren und präsentieren eigene Abschlussarbeiten
• lösen selbständig angewandte Probleme der DH/ methodischen Potentials einzuordnen und zu kritisieren
• bekommen über externe und interne Referierende Einblicke in laufende Projekte der DH sowie State-of-the-art Ansätze und Lösungen

In den Kirchen und Klöstern der Schweiz haben sich mittelalterliche Textilien sowohl im Kontext der Reliquienverehrung als auch als Grabbeigaben und Paramente erhalten. In abgelegenen Tälern und urbanen Zentren des Alpenraums sind bemerkenswerte textile Schätze bewahrt geblieben, fernab der grossen europäischen Metropolen. Diese Funde spiegeln einerseits die strategische und geopolitische Bedeutung der Täler und Pässe als zentrale Bestandteile weitreichender Handels- und Kommunikationsnetzwerke wider und verdeutlichen andererseits die Rolle der Abgeschiedenheit bei der Bewahrung historischer Objekte. Brigitta Schmedding hat Anfang der 1970er Jahre den Bestand mittelalterlicher Textilien in Schweizer Kirchen und Klöstern systematisch erfasst und mit dieser grundlegenden Arbeit den Weg für die weitere Erforschung dieser Gewebe geebnet. Aufbauend auf dieser Publikation möchten wir einen praxisorientierten Ansatz verfolgen: Wie können wir diese Objekte digital in Form von Metadaten und mit bildgebenden Systemen einer breiten Öffentlichkeit zugänglich gemacht würden? Welche Forschungsfragen werden möglich, wenn die Stofffragmente recherchierbar und miteinander in Beziehung gesetzt werden könnten? Welche Anforderungen muss eine Datenbank erfüllen, die sowohl kleine Stofffragmente als auch komplette liturgische Gewänder abbildet? Und welche Auswirkungen hätte ein solches Projekt für die jeweiligen Kirchen und Klöster? Die Lehrveranstaltung ist als Projektseminar konzipiert. Studierende arbeiten in Gruppen an einem selbstgewählten Fallbeispiel aus Schmeddings Katalog. Die Meilensteine des Seminars umfassen die Beschreibung und Analyse des Textilbestands, die Bestimmung der erforderlichen Informationen für die Datenbank und die Entwicklung eines Digitalisierungskonzepts. Diese Meilensteine werden im Verlauf des Seminars erarbeitet und münden in ein abschliessendes Digitalisierungskonzept, das die Seminararbeit ersetzt.

Das Seminar bietet den Teilnehmenden die Möglichkeit, sich intensiv mit mittelalterlichen Textilien in Schweizer Kirchen und Klöstern auseinanderzusetzen und sich gleichzeitig mit Fragen der Digitalisierung von textilen Objekten und den Digital Humanities zu beschäftigen. Es erfordert ein hohes Mass an Engagement und Eigenständigkeit und richtet sich an fortgeschrittene BA- Studierende sowie Masterstudierende. Erwartet werden eine aktive Teilnahme (maximal 2 Absenzen), eine eine engagierte Beteiligung an Diskussionen sowie die kontinuierliche Erarbeitung des Portfolios.

Info

Anmeldung

KSL-Stammnummer 493211-1

Lernziele

Studierende der Kunstgeschichte sammeln erste Erfahrungen im Feld der Digital Humanities.
Studierende der Digital Humanities sammeln erste Erfahrungen im Umgang mit historischen Textilien.

• Die Studierenden können gemeinsam Datenmodelle entwickeln und kritisieren.
• Die Studierenden üben sich in der interdisziplinären Zusammenarbeit.
• Die Studierenden sammeln praktische Erfahrungen in den Digital Humanities in Kombination mit den textilen Künsten, die für die berufliche Zukunft relevant sein kann.

Akteure und Praktiken des Wissens im Zeitalter der Aufklärung - Digital History als explorativer Zugang

Das Zeitalter der Aufklärung ist für die Geschichte des Wissens eine Phase des Übergangs, in der sich die frühneuzeitliche Gelehrtenrepublik zur Scientific community der Moderne zu transformieren beginnt. Das Seminar positioniert sich in einer Wissensgeschichte, die weniger das fertige Wissen als den Prozess seiner Produktion untersucht und den kollaborativen Charakter betont. Für diese Forschungsperspektive stellt die Daten- und Editionsplattform hallerNet vielfältige Materialien bereit. Die rund 130'000 kuratierten Strukturdaten von Personen, Publikationen, Orten und Institutionen sind systematisch verknüpft mit umfangreichen Texteditionen von Briefen, Rezensionen, Arztkonsultationen und Meetings sowie zeitgenössischen Bibliothekskatalogen, Mitgliedschaftsverzeichnissen und Pflanzenlisten. Damit bietet sich die Möglichkeit, ein breites Spektrum an Themen zu untersuchen. Im Seminar kann der Fokus beispielsweise auf den Austausch, die soziale Position und die Netzwerke ausgewählter Akteur:innen gelegt werden. Oder es ist möglich, die Wissensproduktion nach räumlichen Kriterien und anhand einzelner Entitäten (z.B. Pflanzen) zu thematisieren. Zur Exploration und Präsentation der Bestände kommen digitale Tools und Methoden spielerisch-experimentell zum Einsatz. Dabei stehen sowohl einfache Verfahren der quantitativen Textanalyse als auch Ansätze zur Visualisierung komplexer Datenstrukturen zur Auswahl. Im ersten Teil des Kurses erhalten die Studierenden eine Einführung in die Wissensgeschichte, die Plattform hallerNet sowie in die verschiedenen Themengebiete für das eigene Projekt. Zusätzlich werden Tools und Methoden der Digital Humanities anhand von Praxisbeispielen vorgestellt und im Kontext der Digital History diskutiert. Im zweiten Teil entwickeln und bearbeiten die Studierenden in Zweierteams ein Thema. Die Ergebnisse werden auf einer digitalen Publikationsplattform veröffentlicht, begleitet von einer methodischen Reflexion. Beides wird von den Studierenden im Plenum vorgestellt und diskutiert.

Info

Anmeldung

KSL-Stammnummer 493310

Lernziele

Im Forschungsseminar erwerben und vertiefen die Studierenden ihre Kenntnisse in der Erschliessung und Auswertung von archivalischen und gedruckten Quellen des 18. Jahrhunderts.
Sie lernen, Methoden der KI-gestützten Handschriftenerkennung anzuwenden und Forschungsergebnisse für das Web-Publishing aufzubereiten.

Decoding Inequality: Kritische Perspektiven auf Machine Learning und deren Implikationen für die Gesellschaft

Anmeldung

KSL-Stammnummer 493457

Abstract

Die kritische Auseinandersetzung mit Machine-Learning-Systemen und ihren gesellschaftlichen Auswirkungen ist in der heutigen Zeit von höchster Relevanz. Während KI-Technologien zunehmend Einzug in alle Bereiche unseres Lebens halten - von der Gesundheitsversorgung über die Strafverfolgung bis hin zu Finanzdienstleistungen und sozialen Medien - wächst auch ihr Potenzial, bestehende soziale Ungleichheiten zu verstärken oder sogar neue zu schaffen. Die Fähigkeit, diese Systeme zu verstehen, ihre Auswirkungen auf bereits minorisierte Gesellschaftsgruppen kritisch zu hinterfragen und Lösungen für eine gerechtere Gestaltung zu entwickeln, ist entscheidend für eine ethisch verantwortungsvolle und sozial gerechte technologische Zukunft. Dieses Kolloquium befähigt Studierende, aktiv an dieser wichtigen gesellschaftlichen Debatte teilzunehmen und trägt zur Entwicklung von KI-Systemen bei, die das Gemeinwohl fördern und nicht untergraben.

In diesem Kolloquium untersuchen die Studierenden den gesamten Lebenszyklus von Machine-Learning-Systemen und dessen Auswirkungen auf gesellschaftliche Ungleichheit. Der Kurs beleuchtet, wie bewusste und unbewusste menschliche Verzerrungen und Vorurteile in jeder Phase des ML-Lebenszyklus eingebettet werden können und wie diese zu Diskriminierung in verschiedenen gesellschaftlichen Kontexten führen.

Aufbauend auf den theoretischen Grundlagen der Critical Algorithm Studies lernen die Studierenden, die ethischen, politischen, ökologischen und ökonomischen Implikationen von ML-Technologien zu analysieren. Der Kurs ist entlang des ML-Lebenszyklus strukturiert:

• Architekturauswahl: Diskussion verschiedener ML-Architekturen und ihrer Auswirkungen auf Modellkapazitäten und -grenzen. Kritische Betrachtung, wie architektonische Entscheidungen bestimmte Voreingenommenheiten einbetten können.
• Datensammlung: Untersuchung von Datenquellen, Kuratierungs- und Filterprozessen. Kritische Perspektiven auf Repräsentationsprobleme, Copyright-Fragen und Umweltkosten der Datenspeicherung.
• Training: Technische Aspekte des Trainingsprozesses und Auswahl von Hyperparametern. Kritische Betrachtung der Umweltauswirkungen, Arbeitsbedingungen in der KI-Industrie und Machtkonzentration bei ressourcenstarken Unternehmen.
• Anwendung: Analyse verschiedener Anwendungsfälle von ML-Systemen, Feinabstimmung für spezifische Aufgaben und Bereitstellungsstrategien. Kritische Diskussion ethischer Überlegungen, potenzieller Missbrauchsszenarien und Fragen der Transparenz und Erklärbarkeit.
• Evaluation und Überwachung: Methoden zur Bewertung von Modellleistung und Verzerrungen. Kritische Perspektiven auf die Grenzen aktueller Evaluierungsmetriken.
• Governance und Regulierung: Diskussion aktueller und vorgeschlagener Regulierungsrahmen, ethischer Richtlinien und Herausforderungen bei der Steuerung sich schnell entwickelnder KI-Technologien.

Der Kurs kombiniert theoretische Reflexion mit praktischen Übungen. Die Studierenden werden sowohl mit den theoretischen (nicht mathematischen) Grundlagen des maschinellen Lernens vertraut gemacht als auch in die Lage versetzt, kritische Analysen auf Basis aktueller Forschungsergebnisse durchzuführen und die Implikationen für minorisierte Bevölkerungsgruppen von KI in der Gesellschaft zu verstehen. Praktische Beispiele, Fallstudien und Diskussionen aktueller Forschungsarbeiten werden regelmässig in die Lehrveranstaltung integriert.

Lernziele

• Den gesamten Lebenszyklus von Machine-Learning-Systemen zu verstehen und kritisch zu reflektieren
• Die Auswirkungen von Entscheidungen in jeder Phase des ML Lebenszyklus auf potenzielle Verzerrungen und Diskriminierungen zu analysieren
• Formen der algorithmischen Diskriminierung in verschiedenen Anwendungskontexten zu identifizieren und zu analysieren
• Die ethischen, gesellschaftlichen und wirtschaftlichen Implikationen von ML-Anwendungen zu bewerten
• Die Rolle kommerzieller Interessen und Geschäftsmodelle in der Entwicklung und dem Einsatz von ML-Systemen zu verstehen
• Lösungsstrategien für eine gerechtere und ethischere Gestaltung algorithmischer Systeme zu entwickeln
• Eine produktiv-kritische Haltung im Umgang mit KI und ML einzunehmen, die technische, ethische und ökonomische Aspekte berücksichtigt
• Aktuelle Regulierungsansätze und Governance-Herausforderungen im Bereich KI und ML zu diskutieren und zu bewerten

Einführung in die praktische Textkodierung mit XML nach TEI-Standard

Anmeldung

KSL-Stammnummer 493521

Abstract

In den aktuellen, digitalen Editionsprojekten hat sich die Repräsentation von Texten mittels XML (Extensible Markup Language) nach den Richtlinien der Text Encoding Initiative (TEI) als faktischer Standard durchgesetzt. Der Kurs vermittelt die Grundlagen von XML und der TEI P5 Richtlinien. Dies erfolgt vorwiegend durch die praktische Codierung und Annotation von Texten mit dem XML- Editor Oxygen anhand von Beispielen aus der Gotthelf-Edition. Zusätzlich werden nützliche Funktionen von Oxygen erprobt und der Nutzen der XML-TEI-Codierung für die weitere Verwendung der Texte ausgelotet. Vorkenntnisse im Programmieren sind nicht erforderlich.

Prüfungsform: praktische Übung

Lernziele

Nach Besuch des Kurses könne die Studierenden

• Vorzüge und Nachteile unterschiedlicher digitaler Repräsentationsformen von Texten nachvollziehen,
• die theoretisch-technischen Grundlagen von XML/TEI verstehen
• Texte mittels XML-Editor erfassen und annotieren
• weitere Möglichkeiten des XML-Editors Oxygen ausschöpfen

Einführung in die Analyse soziolinguistischer Daten mit R

Anmeldung

KSL-Stammnummer 493229

Abstract

In diesem Seminar lernen Studierende, wie soziolinguistische Daten mithilfe von R bzw. R Studio aufbereitet und analysiert werden können. Übergeordnetes Ziel ist es, dass die Studierenden am Semesterende über die wichtigsten Werkzeuge und Kenntnisse verfügen, um Datensätze eigenständig aufzubereiten und einfache statistische Analysen durchzuführen. In einem zweiwöchigen Format wechseln sich Grundlagen und Übungen jeweils ab: In der ersten Woche werden neue Themen eingeführt, in der Folgewoche wird das Erlernte durch gezielte Übungen vertieft. Dabei steht den Studierenden frei, ob sie diese Übungen im Selbststudium oder in der Seminarsitzung vor Ort bearbeiten wollen. Es werden keine Vorkenntnisse in R erwartet, jedoch werden in diesem Kurs keine theoretischen Grundlagen erarbeitet und es wird dringend empfohlen, das Seminar zu quantitativen Methoden der Soziolinguistik vorgängig zu absolvieren. Unterrichtssprache des Seminars ist grundsätzlich Deutsch. Literatur und Übungsmaterialien werden aber z.T. auf Englisch zur Verfügung gestellt und Studierende dürfen sich auch auf Englisch äussern./p>

Assessment

• Aktive Teilnahme an den Präsenzsitzungen
• Einreichung diverser Übungen während des Semesters (die Übungen werden nicht benotet, müssen aber zur Kursvalidierung zwingend eingereicht werden)

Lernziele

Nach Besuch dieses Seminars Kurses können die Studierenden

• die Grundfunktionen von R bzw. R Studio zuverlässig nutzen (Daten organisieren und einlesen, Pakete installieren/aktivieren, Skripte schreiben, dokumentieren und exportieren etc.)
• Datensätze aufbereiten und bereinigen (Informationen abrufen, Datenstruktur verändern, Datensätze zusammenfügen oder umgestalten, Variablen transformieren etc.)
• Daten deskriptiv analysieren und visualisieren (Lage- und Streuungsmasse berechnen, Daten zusammenfassen, univariate und bivariate Analysen/Visualisierungen)
• Daten mit grundlegenden inferenzstatistischen Verfahren analysieren (einfache und multiple Regression, Modellannahmen testen, Modelle vergleichen, Umgang mit verschiedenen Datentypen, Einblick in komplexere Modelle)