Universität Wien FIND

Jetzt impfen lassen für ein sicheres Miteinander im Herbst!

Um allen Angehörigen der Universität Wien einen guten und sicheren Semesterbeginn zu ermöglichen, gibt es von Samstag, 18. September, bis Montag, 20. September die Möglichkeit einer COVID-19-Impfung ohne Terminvereinbarung am Campus der Universität Wien. Details unter https://www.univie.ac.at/ueber-uns/weitere-informationen/coronavirus/.

Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

070066 UE Methodological course - Data Structures and Data Management in the Humanities (2021S)

5.00 ECTS (2.00 SWS), SPL 7 - Geschichte
Prüfungsimmanente Lehrveranstaltung
GEMISCHT

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 25 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Aufgrund der fortlaufenden Corona-Einschränkungen findet die LV ausschließlich online statt!

Mittwoch 03.03. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 10.03. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 17.03. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 24.03. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 14.04. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 21.04. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 28.04. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 05.05. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 12.05. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 19.05. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 26.05. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 02.06. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 09.06. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 16.06. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 23.06. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9
Mittwoch 30.06. 09:00 - 10:30 Hybride Lehre
Seminarraum Geschichte 3 Hauptgebäude, 2.Stock, Stiege 9

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Ziel der Lehrveranstaltung ist es, Studierenden mit grundlegenden Datenstrukturen vertraut zu machen und dabei insbesondere die semantische Datenmodellierung auf der Grundlage von Anforderungsanalysen zu erlernen. Dabei steht die Praxis im Vordergrund, d.h. Studierenden sollen anhand von kleinen geisteswissenschaftlichen Projekten entsprechende Datenmodelle generieren und technisch umsetzen. Dafür sind keine Programmierkenntnisse vorweg notwendig (es wird trotzdem große Synergien mit der LV "Introduction to DH: Tools and Techniques" geben.) Viel mehr sollen Studierenden anhand der Projektarbeit die für das jeweilige Projekt notwendigen Kenntnisse im Laufe der Lehrveranstaltung erwerben, was der (DH-)Praxis ohnehin entspricht. In kleinen Teams entwickeln die Kursteilnehmer*innen anhand selbst gewählter Projekte Daten, Strukturen und Modelle, die sie für dieses Projekt benötigen. Sie präsentieren Anforderungen und Lösungen und schlussendlich die Umsetzung anhand des Abschlussprojekts, das auch schriftlich dokumentiert werden sollen (s.u.). Datenmodellierung lädt dabei auch dazu ein, über empirische und theoretische Rahmenbedingungen der Datengewinnung und -verarbeitung zu diskutieren.

Art der Leistungskontrolle und erlaubte Hilfsmittel

Aktive Mitarbeit während der Einheiten, Übungen anhand kleiner Projekte, Projektpräsentation und Abschlussprojekt (inkl. schriftlicher Beschreibung in Form eines Abstracts, Datenmanagementplans, Daten(bank)modells, max. etwa 5 Seiten). Wir verwenden nach Möglichkeit Datacamp (https://www.datacamp.com/) für Hausübungen.

Mindestanforderungen und Beurteilungsmaßstab

Aktive Mitarbeit während der Einheiten (20%); (Haus)übungen (40%); Präsentation (10%) und schriftliche Einreichung (30%) des Abschlussprojektes.

Prüfungsstoff

- Datentypen und grundlegenden Datenstrukturen (Scalars, Arrays, Sets, Tuples, Dictionaries)
- Relationale Datenbanken, Schemata und Modellierung
- XML-basierte Datenstrukturen
- NoSQL / Graphbasierten Datenmodellierung

Literatur

Flanders, Julia, and Fotis Jannidis. 2015. “Data Modeling.” In A New Companion to Digital Humanities, edited by Susan Schreibman, Ray Siemens, and John Unsworth, 229–37. Chichester: Wiley Blackwell.

Gitelman, Lisa, ed. 2013. “Raw Data” Is an Oxymoron. Cambridge, Massachusetts ; London, England: The MIT Press.

Zuordnung im Vorlesungsverzeichnis

SP Digital Humanities
DH-S I

Letzte Änderung: Mi 21.04.2021 11:26