![\"\"](\"https:\/\/dhd-blog.org\/app\/uploads\/2024\/04\/DALL\u00b7E-2024-04-02-13.10.57-A-detailed-panorama-of-a-workspace-dedicated-to-digital-humanities-data-analysis-in-landscape-mode.-The-desk-is-cluttered-with-notes-charts-graphs-1024x585.webp\")
<\/a>In diesem Konferenzbericht wenden wir uns einem eher unkonventionellen Untersuchungsgegenstand zu: den Diskussionen innerhalb der Digital Humanities<\/em> auf Mastodon<\/a>, markiert durch den Hashtag Dazu werden unter anderem die Informationen aus dem Programm der DHd 2024 verwendet, um sogenannte Prompts<\/em> zu generieren, die an das LLM weitergeleitet werden. F\u00fcr jeden Beitrag wird gepr\u00fcft, welche Sessions zeitlich mit dem Ver\u00f6ffentlichungsdatum des Toots<\/em> \u00fcbereinstimmen. Ziel ist es, nur die Sessions zu ber\u00fccksichtigen, die zum Zeitpunkt des jeweiligen Toots<\/em> stattgefunden haben (und damit das Context Window<\/em> des LLMs nicht zu \u00fcberschreiten).<\/p>\n\n\n\n#dhd2024<\/code>. Die Analyse zielt darauf ab, die digitale Resonanz auf die DHd 2024 zu kartografieren, indem die Dynamik der Konversationen, die f\u00fchrenden Stimmen, die zeitlichen Muster der Interaktion und die vorherrschenden Themen untersucht werden. Ein Jupyter Notebook<\/em>, das als Teil dieses Berichts erstellt wurde, sucht nach Mustern und Einblicken in die Art und Weise, wie die Community kommuniziert, welche Themen besondere Aufmerksamkeit erregen und wie sich die Diskussionskultur innerhalb eines digitalen \u00d6kosystems wie Mastodon entwickelt. Vier Fragen sind von Interesse: Wie gut wurde diskutiert? Wer hat am meisten diskutiert? Wann wurde am meisten diskutiert? Und vor allem: Wor\u00fcber wurde am meisten diskutiert?<\/p>\n\n\n\n