Modelle sind\nmathematische Formeln, mithilfe derer ich Zusammenh\u00e4nge in meinen\nDaten testen kann. Mit diesem einfachen Modellbegriff bin ich als\nquantitative Sozialwissenschaftlerin ohne gro\u00dfe Kontroversen gross\ngeworden. Bis zur diesj\u00e4hrigen DHd 2020, der 7. Jahrestagung des\nVerbands Digital Humanities im deutschsprachigen Raum.<\/p>\n\n\n\n
Die Konferenz\nbeginnt mit zweit\u00e4gigen Praxis-Sessions, bei denen ich den Workshop\n\u201eBias in Datens\u00e4tzen und Machine Learning Modellen\u201c besuche. Wir\ntesten Null-Hypothesen mit statistischen Modellen und alternative\nHypothesen mithilfe von Simulationen in berechnenden (computational)\nModellen. Die Modelle sind mathematisch formalisiert und passen daher\nwunderbar zu meinem eigenen Modellbegriff. Ich bleibe in meiner\nKomfortzone.<\/p>\n\n\n\n
In der Pause komme ich mit Teilnehmenden anderer Workshops ins Gespr\u00e4ch. Pl\u00f6tzlich fallen S\u00e4tze wie: \u201eWir modellieren unsere Daten mit TEI.\u201c, oder \u201eUnser Modell ist eine neo4j Datenbank.\u201c
\u201eAnnotationsstandards und Datenbanken sind doch keine Modelle.\u201c, denke ich mir, \u201eWo sind denn da die Berechnungen?\u201c. Und vor allem: \u201eWo sind die Forschungsfragen aufgrund derer wir bestimmte Berechnungen durchf\u00fchren und andere sein lassen?\u201c. Bei mir herrscht leichte Verwirrung.<\/p>\n\n\n\n
Am Dienstag Abend\nsitze ich im Heinz Nixdorf MuseumsForum und lausche Julia Flanders\u2018\nKeynote Vortrag \u00fcber die Erstellung von Modellen in den Digital\nHumanities (DHs). Und pl\u00f6tzlich f\u00e4llt der Groschen. Kann es sein,\ndass wir aneinander vorbei reden? Dass wir \u201eModell\u201c\nunterschiedlich definieren? F\u00fcr mich ist ein Modell ein\nmathematisches Modell. F\u00fcr Julia Flanders und viele andere DHd-ler\nhingegen scheint es ein Datenmodell zu sein. Das hei\u00dft, Standards\nzur Datenvorverarbeitung (z.B. Annotation) und Repr\u00e4sentation\n(Datenbank).<\/p>\n\n\n\n
Obwohl mein Missverst\u00e4ndnis aus der Welt geschafft ist, stimmen mich viele Vortr\u00e4ge in den folgenden Tagen nachdenklich. Ich habe den Eindruck, dass der Erstellung von Modellen sehr viel Zeit und Ressourcen gewidmet werden, die Beantwortung von inhaltlichen Forschungsfragen jedoch in den Hintergrund r\u00fcckt. Dabei sind es doch genau jene inhaltlichen Zusammenh\u00e4nge, f\u00fcr die wir uns als WissenschaftlerInnen interessieren. Wie verhalten sich literarische Figuren zueinander? Was hat das eine historische Ereignis mit dem anderen zu tun? Warum ver\u00e4ndern sich Theaterauff\u00fchrungen \u00fcber die Zeit? Warum verwendet der Komponist in diesem St\u00fcck das eine Motiv und nicht das andere?
Unsere Daten- und mathematischen Modelle sind lediglich Handwerkszeug, um inhaltliche Forschungsfragen zu beantworten. Unsere Forschungsfragen sollten demnach verst\u00e4rkt bei der Entwicklung von Modellen ber\u00fccksichtigt werden. <\/p>\n\n\n\n
Drei Punkte m\u00f6chte ich hervorheben, die mir zur Modellhandhabung auf der DHd 2020 ins Auge gesprungen sind.
(1) Warum wird der Modellbegriff so selten differenziert? Bin ich die einzige, die von den verschiedenen Modelldefinitionen verwirrt ist oder geht es anderen genau so?
(2) Warum bauen wir riesige Datenmodelle deren Fertigstellung sehr lange dauert? Wir m\u00fcssen daher lange warten bis wir endlich unsere Forschungsfragen beantworten k\u00f6nnen.
(3) Warum bauen wir riesige Datenmodelle mit dem Anspruch universell nutzbar zu sein? Wir wissen nicht, ob der gro\u00dfe Aufwand wirklich n\u00f6tig ist, um unsere Forschungsfragen zu beantworten.<\/p>\n\n\n\n
Was w\u00e4re also zu tun? Hier meine kleine subjektive, provisorische Wunschliste.
(1) Wir sollten spezifisch sein, wenn wir den Modellbegriff benutzen und genau sagen, welcher Modelltyp gemeint ist. Das erleichtert die Kommunikation in einem interdisziplin\u00e4ren Feld wie den DHs.
(2) Wir sollten kleine anwendungsspezifische Datenmodelle bauen, bevor wir uns an riesige, universelle Datenmodelle machen. Erste Forschungsfragen k\u00f6nnen so zeitnah bereits mit einer abgespeckten Version des Datenmodells adressiert werden.
(3) Wir sollten Daten- und mathematische Modelle inkrementell und iterativ entwickeln anstatt sie in einem Rutsch zu bauen (Wasserfallprinzip). Nach jeder Iteration kann das Modell verwendet werden, um eine spezielle Forschungsfrage zu beantworten. Je nachdem wie gut das gelingt, wird das Modell stetig angepasst. So beugen wir vor, dass ein riesiges, aufwendig erstelltes Modell am Ende f\u00fcr die Beantwortung einer Forschungsfrage nutzlos ist.<\/p>\n\n\n\n
Fazit: <\/strong> \u00dcber interdisziplin\u00e4re Missverst\u00e4ndnisse auf der DHd 2020 Modelle sind mathematische Formeln, mithilfe derer ich Zusammenh\u00e4nge in meinen Daten testen kann. Mit diesem einfachen Modellbegriff bin ich als quantitative Sozialwissenschaftlerin ohne gro\u00dfe Kontroversen gross geworden. Bis zur diesj\u00e4hrigen DHd 2020, der 7. Jahrestagung des Verbands Digital Humanities im deutschsprachigen Raum. Die Konferenz beginnt mit zweit\u00e4gigen Praxis-Sessions, […]<\/p>\n","protected":false},"author":237,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1,103,23],"tags":[957,306,1053,1052,910],"class_list":["post-13186","post","type-post","status-publish","format-standard","hentry","category-allgemein","category-community","category-forschung-methode","tag-dhd2020","tag-interdisziplinaritaet","tag-methodik","tag-modellbegriff","tag-reisestipendium"],"_links":{"self":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13186","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/users\/237"}],"replies":[{"embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=13186"}],"version-history":[{"count":3,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13186\/revisions"}],"predecessor-version":[{"id":13189,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=\/wp\/v2\/posts\/13186\/revisions\/13189"}],"wp:attachment":[{"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=13186"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=13186"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dhd-blog.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=13186"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Erstens, die DHs sind ein interdisziplin\u00e4res Feld, wo verschiedene Modellbegriffe kursieren. Wir sollten daher zwischen Daten- und mathematischen Modellen differenzieren.
Zweitens, wir sind WissenschaftlerInnen, weil wir uns f\u00fcr inhaltliche Zusammenh\u00e4nge interessieren. W\u00fcrde unser Fokus auf der Erstellung von Datenmodellen liegen, w\u00e4ren wir Software-Entwickler oder Datenbankmanager geworden. Die Erstellung von Modellen ist kein Zweck an sich, sondern sollte ein Mittel sein, um Forschungsfragen zu beantworten.<\/p>\n","protected":false},"excerpt":{"rendered":"