Topic Modeling ist in den digitalen Geistes- und Geschichtswissenschaften eine etablierte Methode für die explorative Analyse von Textquellen. Sie verspricht, umfangreiche und komplexe Textkorpora über gemeinsame Sprachgebrauchsmuster, die sich wie Themen, Diskurse oder Motive interpretieren lassen, zu strukturieren. In diesem Kurs werden wir uns diese Methode Schritt für Schritt anhand vielfältiger historischer Quellenkorpora von der Frühen Neuzeit bis zur jüngsten Zeitgeschichte erarbeiten. Dazu werden wir verschiedene Formen des Topic Modeling erkunden, von der weit verbreiteten Latent Dirichlet Allocation (LDA) bis hin zu modernen Ansätzen wie BERTopic. Ein besonderer Schwerpunkt liegt dabei auf der kritischen Reflexion dieser Verfahren. Wir hinterfragen, wie Topic Modeling als hermeneutisches Werkzeug in der historischen Forschung eingesetzt werden kann und welche methodologischen Herausforderungen dabei zu berücksichtigen sind.
Programmierkenntnisse in Python sind von Vorteil, aber keine Voraussetzung. Sie sollten aber grundsätzlich aufgeschlossen sein, mit vorbereitetem Programmcode zu arbeiten.
Hinweis: Diese Lehrveranstaltungen wird von Projektmitarbeitenden von AI-SKILLS (https://ai-skills.hu-berlin.de/ ) begleitet. Ziel von AI-SKILLS ist es, Lehrende dabei zu unterstützen, den Studierenden aller Disziplinen die fachspezifische Auseinandersetzung mit KI-Methoden und KI-Technologien in der universitären Lehre forschungsbezogen und anwendungsorientiert zu vermitteln.
- Kursverantwortliche/r: Melanie Althage
- Kursverantwortliche/r: Martin Dröge