3.7. 🏆Selbsttest: Wissen und Praxis#
Hinweis
Mit diesen Übungsaufgaben können Sie sich selbst einschätzen und das im Kapitel Gelernte reflektieren.
Sie können die Fragen in beliebiger Reihenfolge beantworten und auch mehrfach versuchen.
So funktioniert es:
Wählen Sie bei jeder Frage die Antwort(en), die Sie für richtig halten
Lesen Sie das Feedback zu den einzelnen Antwortoptionen sorgfältig durch
Die Erklärungen helfen Ihnen, Ihr Verständnis zu vertiefen – auch bei korrekten Antworten
Ihre Ergebnisse werden weder bewertet noch gespeichert. Nutzen Sie dieses Assessment, um Wissenslücken zu identifizieren und gegebenenfalls die entsprechenden Abschnitte des Kapitels noch einmal zu bearbeiten.
Geschätzte Zeit: 1h 15min
Viel Erfolg!
3.7.1. Frage 1#
(Wählen Sie alle zutreffenden Antworten aus)
3.7.2. Frage 2#
Welche Aussage trifft auf das jeweilige Textformat zu? Wählen Sie für jede Aussage das passende Format.
Frage 2(a)#
Frage 2(b)#
3.7.3. Frage 3#
Szenario: Ein Forschungsprojekt möchte ein Korpus digitalisierter Romane des 19. Jahrhunderts erstellen, das:
für automatische Textanalysen nutzbar ist
die ursprüngliche Seitengestaltung der historischen Buchausgaben dokumentiert
langfristig archiviert werden soll
Frage: Welches Format oder Kombination von Formaten würden Sie empfehlen?
Lösungen
Musterlösung: XML oder Kombination aus Bilddigitalisaten (PDF) und Plain Text
Begründung: XML:
kann sowohl Text als auch Informationen zum originalen Layout in spezialisierten Tags speichern
kann Text und Bildinformationen verknüpfen
ermöglicht automatische Textanalysen
eignet sich zur Langzeitarchivierung
Nachteil: Die Verarbeitung ist komplexer als die von Plain Text
Bilddigitalisate (PDF):
Bewahren das originale Layout
Dienen als Referenz
Eignen sich für die Langzeitarchivierung
Nachteil: automatische Prozessierung und Verknüpfung zu Plain Text ist nicht möglich
Plain Text (nach OCR):
Ermöglicht automatische Textanalysen
Einfach zu verarbeiten
Geringer Speicherbedarf
Alternative Ansätze:
CSV ist nicht geeignet für Volltext
Nur Bilddigitalisate würden Analysen erschweren
Nur Plain Text dokumentiert die ursprüngliche Seitengestaltung nicht
3.7.4. Frage 4#
(Wählen Sie alle zutreffenden Antworten aus)
Frage 4(a)#
Frage 4(b)#
Frage 4(c)#
Frage 4(d)#
Frage 4(e)#
3.7.5. Frage 5#
(Wählen Sie alle zutreffenden Antworten aus)
3.7.6. Frage 6#
Frage 6(a)#
Frage 6(b)#
Frage 6(c)#
3.7.7. Frage 7#
Lösungen
Für Einzeldokumente sind stattdessen relevant:
Individuelle Eigenschaften
Spezifische Publikationsdaten
Dokumentspezifische Merkmale
3.7.8. Frage 8#
Frage 8(a)#
Frage 8(b)#
Frage 8(c)#
Frage 8(d)#
3.7.9. Frage 9#
Bringen Sie die Schritte des Korpusaufbaus in die richtige Reihenfolge, indem Sie die Schritte per Drag & Drop den Positionen zuordnen.
Lösung mit Erläuterung
Korrekte Reihenfolge: 1. Entwicklung des Korpuskonzepts → 2. Dokumentation der Auswahlkriterien → 3. Festlegung der Metadatenstruktur → 4. Test der Sammlungsmethodik → 5. Durchführung der Datensammlung
Begründung: Die Erstellung des Konzepts muss an erster Stelle erfolgen. Bevor ein erster Test zur Machbarkeit der Sammlungsmethodik durchgeführt werden kann, müssen die Kriterien zur Auswahl der Daten festgelegt werden sowie eine Struktur, in der die Metadaten gespeichert werden. Wenn erste Tests der Sammlungsmethodik erfolgreich waren, kann die Sammlung der kompletten Daten ausgeführt werden.
3.7.10. Frage 10#
Analysieren Sie den folgenden Ausschnitt aus einem Korpusaufbau-Konzept:
“Für die Untersuchung literarischer Reaktionen auf die Luftverschmutzung im 19. Jahrhundert wird das Corpus of German-Language Fiction (über 2.700 Texte, frei verfügbar als Plain Text) verwendet. Das Korpus wird auf das 19. Jahrhundert eingegrenzt; Jahrzehnte mit weniger als 50 verfügbaren Texten werden ausgeschlossen. Anschließend werden zwei unabhängige, nach Jahrzehnten geschichtete Zufallsstichproben mit je 50 Texten pro Jahrzehnt (1810er bis 1890er, also je 450 Texte) gezogen – Korpus I und Korpus II.”
Bewerten Sie die folgenden Aspekte:
Quellenauswahl
Auswahlstrategie (nach Schöch)
Praktische Einschränkungen
Lösungsansatz
Lösungen
Musterlösung:
Quellenauswahl:
Einziges der geprüften Korpora (ELTeC-DEU, d-Prose, Corpus of German-Language Fiction), das das gesamte 19. Jahrhundert abdeckt
Großer Umfang (über 2.700 Texte) und freie Verfügbarkeit
Plain Text ist direkt maschinenlesbar, kein OCR nötig
Einschränkung: Die Metadaten mussten erst per RegEx aus den Dateinamen extrahiert und bereinigt werden
Auswahlstrategie (nach Schöch):
Das Ausgangskorpus ist opportunistisch zusammengestellt und nicht repräsentativ – spätere Jahrzehnte enthalten deutlich mehr Texte als frühere
Ein vollständiges Korpus (“alle Romane des 19. Jahrhunderts”) ist nicht realisierbar
Die geschichtete Zufallsstichprobe kombiniert zwei Strategien: Schichtung nach Jahrzehnten sorgt für zeitliche Balance, die Zufallsauswahl innerhalb jeder Schicht vermeidet subjektive Verzerrungen
Praktische Einschränkungen:
Sehr ungleichmäßige Verteilung der Texte über die Jahrzehnte
Das Jahrzehnt 1800–1809 liegt unter dem Schwellenwert von 50 Texten und muss ausgeschlossen werden
Balance nur entlang der Zeitachse: Andere Merkmale (z.B. Geschlecht der Autor:innen, Untergattung) bleiben so verteilt wie im Quellkorpus
Lösungsansatz:
50 Texte pro Jahrzehnt als pragmatischer Kompromiss zwischen Stichprobengröße und Abdeckung möglichst vieler Jahrzehnte
Zwei unabhängige Stichproben (Korpus I und Korpus II) erlauben es, die Robustheit der Ergebnisse gegenüber der konkreten Zufallsauswahl zu prüfen
Feste Random States machen die Ziehung reproduzierbar
3.7.11. Frage 11#
(Wählen Sie alle zutreffenden Antworten aus)
Im Abschnitt Metadaten wurden zwei Dublin-Core-Beispiele vorgestellt: die Beschreibung des Korpus “German Novel Corpus (ELTeC-deu)” und die Beschreibung des Einzeldokuments “Die Geier-Wally” von Wilhelmine von Hillern.