110162 KO Freifach (2022S)
Einführung in digitale Geisteswissenschaften
Labels
GEMISCHT
Voraussetzungen lt. Studienplan: StEOP
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
Details
Sprache: Deutsch
Prüfungstermine
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Diese LV soll möglichst in Präsenz stattfinden.
- Dienstag 08.03. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 15.03. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 22.03. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 29.03. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 05.04. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 26.04. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 03.05. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 10.05. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 17.05. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 24.05. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 31.05. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 14.06. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 21.06. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
- Dienstag 28.06. 19:15 - 20:45 Seminarraum ROM 4 (3B-EG-37) UniCampus Hof 8
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mitarbeit, aktive Teilnahme, Präsentation der eigenständig erarbeiteten ProgrammeMindestanforderungen und Beurteilungsmaßstab
Regelmäßige Anwesenheit 20 %
Teilnahme an den interaktiven Inhalten der LV 30 %
Fortschritt im selbstständigen Verfassen kleinerer Programme 50 %
Die Beurteilungskriterien werden in der ersten Stunde erklärt sowie an den verpflichtenden Stellen im Studienverzeichnis und bei Moodle veröffentlicht.
Regelmäßige Anwesenheit 20 %
Teilnahme an den interaktiven Inhalten der LV 30 %
Fortschritt im selbstständigen Verfassen kleinerer Programme 50 %
Die Beurteilungskriterien werden in der ersten Stunde erklärt sowie an den verpflichtenden Stellen im Studienverzeichnis und bei Moodle veröffentlicht.
Mindestanforderungen und Beurteilungsmaßstab
Es werden keine Vorkenntnisse verlangt.
Prüfungsstoff
Es wird keine mündliche oder schriftlichen Abschlussprüfung geben. Die während des Semesters erbrachten Leistungen werden für eine Beurteilung genügen.
Literatur
Bird, Steven, Ewan Klein, und Edward Loper. Natural Language Processing with Python. Sebastopol, CA: O’Really, 2009.
Eder, M., J. Rybicki, und M. Kestemont. „Stylometry with R: A Package for Computational Text Analysis“. The R Journal 8, Nr. 1 (2016): 107–21.
Jockers, Matthew L. Text Analysis with R for Students of Literature. Quantitative Methods in the Humanities and Social Sciences. Cham: Springer International Publishing, 2014. https://doi.org/10.1007/978-3-319-03164-4.
Karsdorp, Folgert, Mike Kestemont, und Allen Riddell. Humanities Data Analysis: Case Studies with Python. Princeton, Oxford: Princeton University Press, 2021. https://press.princeton.edu/books/hardcover/9780691172361/humanities-data-analysis.
Lu, Xiaofei. Computational methods for corpus annotation and analysis. New York, NY: Springer, 2014.
Lutz, Mark. Learning Python. 4. Aufl. Sebastopol, CA: O’Really, 2009.
Manning, Christopher, Mihai Surdeanu, John Bauer, Jenny Finkel, Steven Bethard, und David McClosky. „The Stanford CoreNLP Natural Language Processing Toolkit“. In Proceedings of 52nd Annual Meeting of the Association for Computational Linguistics: System Demonstrations, 55–60. Baltimore, Maryland: Association for Computational Linguistics, 2014. https://doi.org/10.3115/v1/P14-5010.
McKinney, Wes. Python for Data Analysis, o. J.
Plecháč, Petr, “Versification and authorship attribution. A pilot study on Czech, German, Spanish and English poetry”, Studia Metrica et Poetica, 5, 2 (2018): 30-54.
Sanz Lázaro, Fernando. Fonemas. A Python phonologic transcription library for Spanish. Version 1.0.3. fsanzl, Okt. 2021. Software. GitHub, https://github.com/fsanzl/fonemas
Sanz Lázaro, Fernando. Silabeador: A Python library for syllabic division and stress detection for Spanish. Version 1.0.5, fsanzl, Okt. 2021. Software. GitHub, https://github.com/fsanzl/silabeador
Severance, Charles. Python for everybody: Exploring data in Python 3. 3. Aufl., 2016.
Eder, M., J. Rybicki, und M. Kestemont. „Stylometry with R: A Package for Computational Text Analysis“. The R Journal 8, Nr. 1 (2016): 107–21.
Jockers, Matthew L. Text Analysis with R for Students of Literature. Quantitative Methods in the Humanities and Social Sciences. Cham: Springer International Publishing, 2014. https://doi.org/10.1007/978-3-319-03164-4.
Karsdorp, Folgert, Mike Kestemont, und Allen Riddell. Humanities Data Analysis: Case Studies with Python. Princeton, Oxford: Princeton University Press, 2021. https://press.princeton.edu/books/hardcover/9780691172361/humanities-data-analysis.
Lu, Xiaofei. Computational methods for corpus annotation and analysis. New York, NY: Springer, 2014.
Lutz, Mark. Learning Python. 4. Aufl. Sebastopol, CA: O’Really, 2009.
Manning, Christopher, Mihai Surdeanu, John Bauer, Jenny Finkel, Steven Bethard, und David McClosky. „The Stanford CoreNLP Natural Language Processing Toolkit“. In Proceedings of 52nd Annual Meeting of the Association for Computational Linguistics: System Demonstrations, 55–60. Baltimore, Maryland: Association for Computational Linguistics, 2014. https://doi.org/10.3115/v1/P14-5010.
McKinney, Wes. Python for Data Analysis, o. J.
Plecháč, Petr, “Versification and authorship attribution. A pilot study on Czech, German, Spanish and English poetry”, Studia Metrica et Poetica, 5, 2 (2018): 30-54.
Sanz Lázaro, Fernando. Fonemas. A Python phonologic transcription library for Spanish. Version 1.0.3. fsanzl, Okt. 2021. Software. GitHub, https://github.com/fsanzl/fonemas
Sanz Lázaro, Fernando. Silabeador: A Python library for syllabic division and stress detection for Spanish. Version 1.0.5, fsanzl, Okt. 2021. Software. GitHub, https://github.com/fsanzl/silabeador
Severance, Charles. Python for everybody: Exploring data in Python 3. 3. Aufl., 2016.
Zuordnung im Vorlesungsverzeichnis
Bachlor: Alternative Erweiterung; Lehramt: Wahlfach
Letzte Änderung: Mo 26.09.2022 16:08
Neben der Vermittlung facheinschlägiger Kenntnisse in Python und R sollen jedoch auch fundamentale Konzepte des Arbeitens mit Computern vermittelt werden. Die Verwendung der Kommandozeile (Terminal) und die Regular expressions (Regex) werden in diesem Zusammenhang ebenso thematisiert werden wie grundlegende theoretischen Konzepte der digitalen Geisteswissenschaften (distant reading). Auf diese Art und Weise sollen die Studierenden in Theorie und Praxis eine grundlegende Einführung in die Arbeitsweisen und Methoden der digitalen Geisteswissenschaften bekommen.1.1.1 DETAILLIERTE BESCHREIBUNG DER ZIELE:
• Erarbeiten grundlegender Konzepte und Theorien der digitalen Geisteswissenschaften (distant reading, machine learning).
• Bedienung des PCs über die Kommandozeile (Terminal oder Eingabeaufforderung).
• Einführung in die grundlegende Grammatik von Python und R.
• Erläuterung fundamentaler Konzepte wie Variable, Funktion, For-Schleife & While-Schleife, library, Datenstrukturen.
• Verfassen erster eigenständiger Programme.
• Verfassen eigenständiger Programme zur Datenabfrage eines bereitgestellten Dataframes, nach Beispielen aus der Forschungspraxis der Lehrenden.
• Verwendung von Regex.1.1.2 METHODIK
Theoretische Impulse, Anleiten zum eigenständigen Erarbeiten der vorgestellten Unterrichtsinhalte,
Diskussion der wissenschaftlichen Theorie (distant reading), Eigenständiges Programmieren der Studierenden, Diskussion der Anwendbarkeit in den verschiedenen Fachdisziplinen (Linguistik, Literaturwissenschaft, Medienwissenschaft und Landeswissenschaft). Das Fach richtet sich an alle Sprachen der Romania und begrüßt ausdrücklich, wenn die Studierenden Textbeispiele aus ihren jeweiligen Studiengängen einbringen. Dieses Freifach soll außerdem im Team Teaching unterrichtet werden. Es hat sich in anderen Kontexten als sehr hilfreiche erwiesen, wenn neben der leitenden und fortragenden Lehrkraft immer noch eine zweite Lehrperson im Raum ist, die jedem Studierenden bei Bedarf auch individuelle Unterstützung direkt am PC der jeweiligen Person bieten kann. Fällt diese Aufgabe auf eine einzelne Lehrkraft zurück, verliert das Unterrichtsgeschehen schnell an Kohärenz.