Archiv des Autors: Stephan Lücke

This post was not versioned, yet. It can only be accessed within the current working version.

Inhalt der DataCite-XML-Datei von VerbaAlpina (Zitieren)

Stephan Lücke
(781 Wörter)
<?xml version="1.0" encoding="UTF-8"?>
<resource xmlns="http://datacite.org/schema/kernel-4" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
<identifier identifierType="DOI">http://dx.doi.org/10.5282/verba-alpina</identifier>
<titles>
<title titleType="Title">VerbaAlpina</title>
<title titleType="Subtitle"> Der alpine Kulturraum im Spiegel seiner Mehrsprachigkeit</title>
</titles>
<creators>
<creator>
<creatorName>Thomas Krefeld</creatorName>
<givenName>Thomas</givenName>
<familyName>Krefeld</familyName>
<affiliation>Ludwig-Maximilians-Universität München, Institut für Romanische Philologie</affiliation>
</creator>
<creator>
<creatorName>Stephan Lücke</creatorName>
<givenName>Stephan</givenName>
<familyName>Lücke</familyName>
<affiliation>Ludwig-Maximilians-Universität München, IT-Gruppe Geisteswissenschaften</affiliation>
</creator>
</creators>
<publisher>Institut für Romanische Philologie, IT-Gruppe Geisteswissenschaften</publisher>
<publicationYear>2014-</publicationYear>
<resourceType resourceTypeGeneral="Collection">Online-Portal</resourceType>
<subjects>
<subject z.B.: GND="DDC" z.B. bei GND: http://d-nb.info/gnd/="https://d-nb.info/1052700705/34" z.B. bei GND-Nummer: 118544233="400">Sprache</subject>
<subject z.B.: GND="DDC" z.B. bei GND: http://d-nb.info/gnd/="https://d-nb.info/1052700705/34" z.B. bei GND-Nummer: 118544233="000">Informatik</subject>
</subjects>
<dates>
<date dateType="Created">2014</date>
</dates>
<relatedIdentifiers>
<relatedIdentifier relatedIdentifierType="URL">https://www.verba-alpina.gwi.uni-muenchen.de/</relatedIdentifier>
</relatedIdentifiers>
<descriptions>
<description descriptionType="Abstract">Das Projekt erschließt den einzelsprachlich und dialektal stark fragmentierten Alpenraum in seiner kultur- und sprachgeschichtlichen Zusammengehörigkeit selektiv und analytisch und überwindet dadurch die traditionelle Beschränkung auf im wesentlichen aktuelle politische Einheiten (Nationalstaaten). Die ausgewählten Sachgebiete betreffen die Natur, die Kulturgeschichte und die kulturelle Gegenwart. Dazu wird unter Verwendung zeitgemäßer Medientechnologie (Datenbank, Georeferenzierung, Internet, social software) eine umfassende, einzelsprachübergreifende Forschungsumgebung mit mehreren Funktionsbereichen aufgebaut: Sie dient der Dokumentation (interaktive georeferenzierte Kartographie), der Datenerhebung (durch social software), der Publikation und ihrer eigenen kollaborativen Weiterentwicklung; damit wird ein Modell für die Überführung der Geolinguistik in die digital humanities entwickelt. Die leitende Absicht besteht darin, bereits vorliegende (und teils schlecht zugängliche) Sprachatlas- und Wörterbuchdaten in vervollständigter, gebündelter, mehrdimensional aufbereiteter und sprachgeschichtlich analysierter Form zugänglich zu machen. Durch die Vervollständigung (Neuerhebung mit Hilfe von social software) werden der ungleichmäßige Belegraster der Datenaltbestände ausgeglichen und ihre semantischen und onomasiologischen Inkonsistenzen überwunden. So integriert das Projekt die beiden dominanten, methodologisch alternativen Ansätze der digitalen Geolinguistik, nämlich die an der sprachgeographischen Tradition orientierte Dokumentation einerseits (vgl. ALD-I, ALD-II) und die Neuerhebung durch Crowdsourcing andererseits (vgl. AdA, ALIQUOT) in einem umfassenden Rahmen. VerbaAlpina wird durch zahlreiche Kooperationspartner unterstützt. Das Projekt wendet sich in erster Linie an die wissenschaftliche Öffentlichkeit; entsprechend fachlich sind die erklärenden Texte unter dem Reiter METHODOLOGIE angelegt. Vor allem die zentrale Funktion unter dem Reiter INTERAKTIVE KARTE ist jedoch für jedermann leicht zugänglich. Interessierten Laien wird daher empfohlen, sich zunächst mit diesem Angebot vertraut zu machen: Die Suchfilter sollten sich trotz der vielleicht ungewohnten Terminologie beim Ausprobieren weitgehend selbst erklären.</description>
</descriptions>
<geoLocations>
<geoLocation>
<geoLocationPlace>Alpenraum</geoLocationPlace>
<geoLocationBox>
<westBoundLongitude>5.2</westBoundLongitude>
<eastBoundLongitude>16.9</eastBoundLongitude>
<southBoundLatitude>43.5</southBoundLatitude>
<northBoundLatitude>48</northBoundLatitude>
</geoLocationBox>
</geoLocation>
</geoLocations>
<Die Sprache, die bei Ihrer Ressource überwiegt (vorzugsweise nach ISO 639-1), z.B.: de>German, Italian, French, Slowenian, Rumantsch-Grischun</Die Sprache, die bei Ihrer Ressource überwiegt (vorzugsweise nach ISO 639-1), z.B.: de>
<sizes>
<size>10 GB</size>
</sizes>
<formats>
<format>SQL, CSV, HTML, PHP, JPG, ...</format>
</formats>
<version>18/1</version>
<rightsList>
<rights Ergänzend dazu empfiehlt sich hier eine Verlinkung auf die entsprechende Rechte-Seite, z.B.: http://creativecommons.org/licenses/by/3.0/de="http://creativecommons.org/licenses/by-sa/3.0/de/">CC BY-SA 3.0 DE</rights>
</rightsList>
<fundingReferences>
<fundingReference>
<funderName>DFG</funderName>
<funderIdentifier funderIdentifierType="GRID">grid.424150.6</funderIdentifier>
<awardNumber Bei der DFG z.B.: http://gepris.dfg.de/gepris/projekt/388226599="http://gepris.dfg.de/gepris/projekt/253900505">253900505</awardNumber>
<awardTitle>Langfristvorhaben</awardTitle>
</fundingReference>
</fundingReferences>
</resource>

Takeover des Instagramchannels der LMU (Zitieren)

Stephan Lücke
(95 Wörter)

Text der Videos von SL:

Video SL 1

Der Mehrwert von VerbaAlpina besteht in der vollständigen und konsequenten Umstellung der Dialektologie auf Digitalität und Webtechnologie. Sogenanntes Crowdsourcing im Internet ermöglicht uns, von Dialektsprechern im Alpenraum neue Dialektwörter zu sammeln. Ihr wollt mitmachen? Dann geht auf unsere Website!

Video SL 2

Die Idee zu VerbaAlpina? Sie kam uns auf einer Tour auf die Zugspitze. Wir hatten uns vorher bereits jahrzehntelang mit Dialektologie beschäftigt, wir wussten, dass die Sprachwissenschaft den Alpenraum nie als Gesamtheit betrachtet hat, sondern nur in seiner politischen, sprachlichen und kulturellen Zersplitterung. Das wollten wir ändern.

(Unsere) Prinzipien der virtuellen Geolinguistik (Präsentation) (Zitieren)

Thomas Krefeld | Stephan Lücke
(2998 Wörter)
Diese Präsentation wurde für den Workshop Neue Wege der romanischen Geolinguistik Vers. 2.0 (2021) verfasst (Schneefernerhaus, 4.-5.11.2021). Für die Einladung mitzumachen danken wir Joachim Steffen (Augsburg). Eine ausformulierte Version des Beitrags ist unter folgendem Link verfügbar: https://www.verba-alpina.gwi.uni-muenchen.de/?p=17197


Übersicht

I. Vorgeschichte: Drei Generationen von Sprachatlanten (🎙 TK)
II. Unsere 8 Prinzipien für die dritte Generation:

1. Strukturierte digitale Daten als Arbeitsgrundlage (🎙 SL)
  2. Bezug der sprachlichen Daten zu außersprachlichen Normdaten (🎙 TK)
3. Forschungsdatenmanagement (FDM) (🎙 SL)
  4. Adressierung und interaktive Einbindung eines breiten Publikums (🎙 TK)
5. Offene und dynamische Datenbestände (🎙 SL)
  6. Virtuelle Kartographie auf georeferenzierter Grundlage (🎙 TK)
7. Möglicher Einbezug nicht sprachlicher Kontextdaten (🎙 SL)
  8. Überwindung der Gattungsgrenzen (🎙 TK)

Appendix

  • Ein Beispiel für Aggregation und Gattungsverschränkung (🎙 TK)
  • Eckpunkte der technischen Umsetzung (🎙 SL)
  • Die IT-Gruppe Geisteswissenschaften (🎙 SL)

Vorgeschichte: Drei Generationen von Sprachatlanten

Vorgestellte Prinzipien Ergebnis von 16 Jahren gemeinsamer Arbeit an vier gemeinsamen geolinguistischen Projekten:

  • AsiCa – Atlante sintattico della Calabria
  • ASD – Audioatlas Siebenbürgisch-Sächsischer Dialekte
  • Metropolitalia
  • VerbaAlpina

Unterschiede ...

  • in der Modellierung räumlicher Variation;
  • im Verständnis der Repräsentativität sprachlicher Daten vor dem Hintergrund der selektierten Informanten, Orte und Elizitationsverfahren;
  • in der medialen Konzeption und Realisierung.

Drei Generationen von Sprachatlanten:

Erste Generation:

  • eindimensional 
  • Dem Axiom des repräsentativen Einzelinformanten verpflichtet
  • das prototypische Beispiel: der AIS

Zweite Generation:

  • pluridimensional
  • untersucht die räumliche Variation in mehreren Dimensionen; die Abhängigkeit der sprachlichen Daten vom Sprecher und von der Art der Elizitation rückt ins methodologische Zentrum der Arbeit.
  • prototypisch: ADDU.

Dritte Generation:

  • (idealerweise) Konzeption nach Art von zweiter Generation + konsequenter Einsatz von Webtechnologie
  • sprachwissenschaftlicher und medialer Aspekt untrennbar miteinander verflochten: die Entstehung dieses Paradigmas nicht nur wissenschaftsintern zu sehen, sondern unter Voraussetzung des informationstechnischen Fortschritts (vgl. Wissenschaftskommunikation im Web)
  • Beispiel: VerbaAlpina

  • auch in der technischen Phase von Generation 3 teilweise nicht konsequente Nutzung der Möglichkeiten. Beispiel: Online-Atlas VIVALDI folgt konzeptionell der Generation 1
  • Generation 3 verlangt vollständige und konsequente Digitalisierung
  • unsere eigenen Projekte am Übergang von Generation 2 zu 3:
2. Generation   3. Generation
AsiCa  Asica 2.0
ASD
  Metropolitalia
  VerbaAlpina
geolinguistische Projekte der Autoren
  • VerbaAlpina illustriert prototypisch und exemplarisch Anforderungen und Umsetzung eines geolinguistischen Projekts der Generation 3.

II. Unsere 8 Prinzipien für die dritte Generation

1. Strukturierte digitale Daten als Arbeitsgrundlage

  • Für die elektronische Datenanalyse und -visualisierung müssen die Daten digital und v. a. strukturiert sein
  • Wir unterscheiden mehrere Digitalisierungsgrade:
Grad der
Digitalisierung
Etikett., Erweit., Verknüpf. Daten-
export
D3 Tabelle db
csv
strukturierter elektronischer Text XML
SQL
CSV
txt
...
HTML
PDF
PS
Papier
D2 ↑ Textdatei txt
doc
linearisierter elektronischer Text ← praat
D1 ↑ Scan jpg binärer Code wav, mp3
D0 ↑ Papier Schrift/Bild Audio
  • Projekte der Generation 3 → Digitalisierungsgrad 3

  • Datenerfassung: Daten ggf. digitalisieren und strukturieren bzw. re-strukturieren
  • Strukturierung orientiert an projektspezifischen Kategorien (= Metadaten)
  • Text: Digitalisierung durch Scannen und OCR
  • Audio [bei VerbaAlpina bislang irrelevant]: ASR (automatic speech recognition; STT: speech to text) oder abtippen (Praat) ⇒ elektronischer Text (ASR bislang nur bei Standardsprache brauchbar)
  • Beispiel für Datendigitalisierung und -strukturierung:
Daten analog Daten digital Daten digital und strukturiert
tˈeːʥɑ
Typ Quelle Ort Bedeutung
tegia AIS Ems SENNHÜTTE

Beleg: AIS 1192 (LA CASCINA DI MONTAGNA), Ort 5 (Ems) (VA-Beleg S293; Discover@UB)

  • Automatisierung variiert je nach Quelle/Vorlage und ist bestenfalls partiell möglich
  • VerbaAlpina-Quellen liegen in unterschiedlichen Digitalisierungsgraden und Strukturen vor. Beispiele:
strukturiert ASLEF-Tafeln VerbaAlpina
nicht/teil- strukturiert VALTS Idiotikon, WBOe
analog digital
  • Gegebene Strukturierungen verlangen häufig eine Umstrukturierung: Struktur A ⇒ Struktur B.
  • Je nach Strukturierungs- und Digitalisierungsgrad gestaltet sich die Datenerfassung mehr oder weniger aufwendig.
  • Optimal für Datenaustausch, Vernetzung und Nachnutzung: sog. APIs.
  • APIs in lexikographischen online-Ressourcen bislang selten
  • Beispiel für API: "Digitales Wörterbuch der Deutschen Sprache" (DWDS; API: https://www.dwds.de/d/api) (für VerbaAlpina von nachrangiger Bedeutung).
  • VerbaAlpina-API: https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=8844&db=211.

Einige Beispiele für VA-Quellen

  • ASLEF-Tafeln

Tafel 45 des ASLEF: unter jedem Konzept eine Liste der ortstypischen Bezeichnungen; vor den Einzelbelegen die Kennzahlen der jeweiligen Ortschaften.

  • OCR möglich
  • transparente Strukturierung
  • ⇒ teilautomatische Erfassung möglich, aber nicht realisiert wegen hohem Aufwand – manuell schnelle

  • Vorarlberger Sprachatlas mit Einschluss des Fürstentums Liechtenstein (VALTS)

Karte IV 73 des VALTS: Mischung

  • Georeferenzierung durch kartographische Abbildung der Daten
  • Unterschiedliche Informationskodierung (Symbole, Farbe)
  • Vermischung von Belegen unterschiedlicher Kategorien (Typen [z. B. Tieie], Einzelbelege)
  • Dokumentation unterschiedlicher Konzepte (SENNHÜTTE, SENNEREIRAUM [= Teil der Hütte], KÄSEKELLER, PRIMITIVE SENNHÜTTE AUF MAIENSÄSSEN)
  • ⇒ Automatisierte Erfassung unmöglich

Beispiel für ein Wörterbuch: Schweizerdeutsches Idiotikon

  • Verteilung von VerbaAlpina-relevanten Entitäten im Fließtext
  • Automatisierung auch hier de facto nicht möglich
  • ⇒ manuelle Erfassung

Ein positives Beispiel ist das Bibl:WBOe.

Digitalisierung der analogen Handzettel durch das Projekt WBOE. Nach einer Zwischenstation mit TUSTEP liegt das Material jetzt im XML-Format vor.


VerbaAlpina-Tools zur Digitalisierung und strukturierten Datenerfassung

  • Transkriptionstool (Link)

Das Transkriptionstool von VerbaAlpina

  • gesteuerte Datenerfassung: Tool gibt vor, welche Daten zu erfassen sind
  • Metadaten werden z. T. (Quelle, Erhebungspunkt/Informantennummer) automatisch angelegt
  • ⇒ Förderung von systematischem Vorgehen
  • ⇒ Reduktion von Fehlern
  • Transkription im sog. Betacode (ohne Sonderzeichen ⇒ Standardtastatur nutzbar)
  • ⇒ keine Spezialkenntnisse für Transkription nötig
  • Durchführung durch Hilfskräfte

Typisierungstool (Link)

Das VerbaAlpina-Tool zur Typisierung von Daten aus analogen Quellen. Das Beispiel zeigt im oberen markierten Feld eine Reihe von transkribierten Einzelbelegen der AIS-Karte 1218_1, "IL SIERO DEL FORMAGGIO; IL SIERO DELLA RICOTTA", die dem lexikallischen Typ lacciata (f.) (roa.) zugeordnet werden können.

  • Zuweisung von aus den Quellen erfassten Sprachdaten zu lexikalischen Typen
  • systematisches Vorgehen
  • Verwaltung (Neuanlage, Modifizierung) von lexikalischen Typen
  • Typisierung durch graduierte Sprachwissenschaftler

Georeferenzierungen

  • essentiell für VerbaAlpina – Sprachdaten OHNE Georeferenz nutzlos
  • Referenzmatrix von VerbaAlpina: politische Gemeinden im Alpenraum ...
  • ... mit Stand von etwa 2015
  • Matrix wird NICHT aktualisiert (Auflösung, Neuschaffung von Gemeinden bleiben unberücksichtigt)
  • Georeferenzen sind im Koordinatenbezugssystem WGS84 gespeichert
  • Für jede Gemeinde: Polygondaten der Gemeindegrenzen UND Punktkoordinaten des geometrischen Mittelpunkts der Gemeindeflächen
  • Grundlage für Visualisierung auf interaktiver online-Karte
  • Individuelle, gemeindunabhängige Punktreferenzierungen sind möglich (fast metergenau) → Anreicherung durch Toponyme möglich
  • Quellen geben Georeferenzen in unterschiedlicher Weise und Genauigkeit an.
  • ⇒ Individuelle Abbildung auf VA-Referenzmatrix nötig
  • Beispiele für Angabe von Georeferenzen in einigen VA-Quellen:

Ortsnetze des DRG, GPSR und VSI (interaktives Original)

  • Problematisch in dieser Hinsicht:  Idiotikon: manche Ortsabkürzungen nicht eindeutig auflösbar, manche Gemeinden nicht identifizierbar, die Gemeindezuordnung etlicher Orte hat sich durch politische Reorganisation verändert usw.

  • Ein Blick in die VA-Datenbank (Partner-Schnittstelle vap_de; Link [nur für Partner])

Die VerbaAlpina-Datenbankschnittstelle für Partner


2. Bezug der sprachlichen Daten zu außersprachlichen Normdaten

  • sprachliche Daten sind stets auf die außersprachliche Wirklichkeit bezogen
  • Butter ⇒ BUTTER
  • Dadurch werden Semasiologie und Onomasiologie scharf getrennt. – Vgl. die Konzeptsuche:

Onomasiologische Konzeptsuche in VA

Integration externer Normdaten in einem Belegfenster der Online-Karte

  • Integration der VerbaAlpina-Daten in das Semantic Web → Export als RDF-Triple (in Vorbereitung)
  • Neuerdings: Einbindung auch *sprachlicher* Normdaten: L-IDs des Wikidata-Projekts Beispiel (Tooltip öffnet sich bei Mouseover über Morphtypen; online-Version):

Einbindung von Wikidata-L-IDs in das Infowindow der VerbaAlpina-Karte

  • in Planung: Export der von VA gesammelten Sprachdaten in die Lexikographie-Sektion von Wikidata (Beispiel für eine SPARQL-Abfrage: Lexeme, die eine Farbe bezeichnen)

3. Forschungsdatenmanagement (FDM)

  • Volldigitalisierung nach Generation 3 verlangt Konzept für langfristige Bewahrung
  • "Forschungsdatenmanagement" als Label
  • Orientierung an den FAIR-Kriterien, letztlich forschungsethische Leitkriterien:
    • findable
    • accessible
    • interoperable
    • reusable
  • vgl. Lücke, Krefeld/Lücke 2020 und Krefeld 2018 g
  • Konsequenz: Einhaltung der Open Access und Open Source-Richtlinien und Verzicht auf die Entwicklung und den Einsatz proprietärer Werkzeuge ⇒ CC BY-SA Lizenzen
  • Kontakt zu FDM-Institutionen:
    • UB der LMU (Bibliotheken als idealer Partner: unbefristet existent, kompetent, verlässlich)
    • FDM-Projekt GeRDI (Motto: "Glanz und Elend der Projekte")
    • FDM-Projekt eHumanities – interdisziplinär
  • Workflow für Datenexport zur UB fertig
  • VerbaAlpina-Daten abrufbar über Discover (bislang nur Versionen 191 und 192):

Portal "Discover" der UB der LMU. Das System erlaubt u. a. die Erzeugung von DOIs, die auf einzelne morpholexikalische Typen von VerbaAlpina verweisen.

  • VerbaAlpina gliedert sich in mehrere Teile: Kerndatenbestand (= Sprachdaten), diskursive und analytische Texte, Mediendateien, Software (Code)
  • Problematisch vor allem: Webportal (Betrieb nach Projektende prekär)

Nachhaltigkeitskonzept von VerbaAlpina

4. Adressierung und interaktive Einbindung eines breiten Publikums (Crowdsourcing)

  • gegenüber Buchpublikation verändertes Publikum (Buch: Fachwelt; Web: Fachwelt, Laien, u. a. Sprechergemeinschaften)
  • Erläuterungen für Laien z. T. durch Informationsfenster, die sich öffnen, wenn der Mauspfeil darauf bewegt wird (so genannte Tooltips). Beispiel:

    Beispiel für einen Tooltip (interaktives Original)

  • Andere Voraussetzung: Webpublikation nie abgeschlossen ⇒ Interaktion und Aktualisierung

mehrfache aktive Einbindung der Nutzer:

  • Jeder (Experten und Laien) kann beitragen (vgl. https://www.verba-alpina.gwi.uni-muenchen.de/en/?page_id=1741):
    • sprachliche Formen
    • fehlende Konzepte
  • Nutzer, die Belege/Konzepte beisteuern,  können sich registrieren und so für das Projekt erreichbar bleiben; das ist nützlich für eventuelle Rückfragen. #wieviel % machen das?#
  • Jeder Nutzer kann interaktiv durch Kombination beliebiger Inhalte synoptische Karten generieren, fixieren und zur Veröffentlichung vorschlagen. Diese Vorschläge werden jedoch nicht automatisch allgemein zu Verfügung gestellt, sondern vorher durch die Projektverantwortlichen geprüft.
  • direkte Kontaktaufnahme: über die Social Media-Auftritte des Projekts und über E-Mail-Adressen (vgl. Home).
  • Wissenschaftliche Partnerprojekte können beliebig viele relevante Daten liefern und in einer eigenen Datenbank, die Teil der Projektarchitektur ist, hosten.

5. Offene und dynamische Datenbestände

  • VA-Daten von Anfang an öffentlich zugänglich
  • Projektfortschritt allgemein sichtbar (Livedaten)
  • Offene Lizenz: CC BY-SA
  • Nachnutzung: Atlas pan-picard informatisé (Link)

VA-basierte online-Karte des "Atlas pan-picard informatisé"

  • Veränderung des Datenbestands problematisch für empirische Verlässlichkeit
  • Lösung: Versionierung zweimal jährlich (Jahresmitte und Jahresende)
  • Unterscheidung zwischen Arbeitsdatenbank (Suffix "xxx") und "eingefrorenen" Versionen (Im Suffix Angabe von Jahr und Version innerhalb des Jahres. ⇒ 191, 192)
  • Technische Umsetzung: Erzeugung einer Kopie der Arbeitsversion der Datenbank mit entsprechendem Suffix; Inhalte der versionierten Fassungen bleiben unverändert.
  • Wechsel zwischen den verschiedenen Versionen auf dem Webportal von VerbaAlpina:

Verfügbare VA-Versionen

  • Versionsnummer: Teil der meisten URLs, die auf VerbaAlpina-Ressourcen verweisen
    Beispiel: die URL für den Morpholexikalischen Typ L2599/tegia (roa f.) im LexikonAlpinum in der VA-Version 211:

db=211#L2599" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=12180&db=211#L2599

  • Übersicht über sämtliche bislang vorhandenen Versionen auf der Startseite von VerbaAlpina unter dem Button "Timeline". Ein Klick auf eines der Versionsbilder öffnet eine Statistik, die den Datenzuwachs in der jeweiligen Version anzeigt:

VerbaAlpina "Timeline" mit statistischen Daten zur VerbaAlpina-Version 2021

  • Timeline-Übersicht: künftig noch weitere Informationen zu Veränderungen gegenüber den Vorgängerversionen; vor allem zu nicht quantifizierbaren Errungenschaften wie etwa die Entwicklung neuer Tools oder Veränderungen in Design oder Usability

6. Virtuelle Kartographie auf georeferenzierter Grundlage

  • Konsequente Nutzung von Webtechnologie ⇒ Verzicht auf graphische Grundkarte
  • Stattdessen: Auswahl verschiedener georeferenzierter Basiskarten von Tile-Servern in einem WebGIS
  • ⇒ Karten mit/ohne Relief, mit/ohne Beschriftung, Karte/Satellitenbild usw.:

Optionale Kartenoberflächen in VA (interaktives Original)

  • verschiedene geographische Referenzeinheiten:
    • politische Gemeinde (Primärreferenz)
    •  NUTS 3-Regionen (NUTS: Nomenclature des unités territoriales statistiques):
    • Nationalstaaten
    • Sprachgebiete (Sprachfamilien)
  • quantifizierende Darstellungen durch sog. heat maps. Beispiel: Menge der Crowder, d.h. der aktiven Nutzer, die uns Belege geliefert haben (1688 Personen, am 13.10.2021, 9:40) mit Bezug auf die Gemeinden und die von der Europäischen Kommission definierten NUTS 3-Regionen

Optionale Visualisierung mit Referenz auf die Gemeindeflächen (links, interaktives Original) und die NUTS 3-Regionen (rechts, interaktives Original)

  • Das Beispiel zeigt im Übrigen, dass jederzeit aktuelle Datenbestände visualisiert werden können.

7. Möglicher Einbezug nicht sprachlicher Kontextdaten

  •  demographische und historische  Informationen über den Belegort:  unerlässlich für die Interpretation geolinguistischer Konstellationen
  • daher: Verknüpfung aller 5771 Gemeindenamen des Alpenraums mit den jeweiligen Einträgen im Dienst geonames.org
    • Beispiel der Gemeinde, auf deren Territorium wir uns befinden, Garmisch-Partenkirchen → vielfältige topographische, administrative und enzyklopädische (Wikipedia-Logo) Informationen:

Über geonames.org importierte Informationen (Beispiel Garmisch-Partenkirchen – Quelle)

  • relevant: sprachliche Stratigraphie des Alpenraums
  • ⇒ Einbindung historischer Daten
  • Frage: Existenz eines lateinisch-romanischen Substrats?
  • Beispiel Garmisch-Partenkirchen:
    • Existenz lateinischer Inschriften?
    • antike Erwähnung des Ortsnamens im Itinerarium Antonini bzw. auf der darauf basierenden Tabula Peutingeriana:

Erwähnung von Partenkirchen (Tarteno ⇒  <P>arteno) auf der Tabula Peutingeriana (interaktives Original)

  • Nicht-sprachliche Kontextdaten: zusammen mit den Sprachdaten in der zentralen VerbaAlpina-Datenbank in der Tabelle "Orte":

Ausschnitt aus der Tabelle "Orte" in der VA-Datenbank mit Einträgen zu "Partenkirchen"

  • aktuell etwa 165000 Einträge
  • mehr als 250 MB.
  • 47 Kategorien, z. B.:
    • Tabula Peutingeriana
    • Kloester (1317);
    • langobardische_graeberfelder (120);
    • Walsergemeinden (77);
    • Raetische Inschriften (36);
    • ...

8. Überwindung der Gattungsgrenzen

  • die Ergebnisse geolinguistischer Forschung traditionelle in unterschiedlichen  Gattungen veröffentlicht (Ortsmonographie, Atlas, Wörterbuch, Korpus)
    • jeweils spezifische Zwecke
    • komplementär
  • im Rahmen der digitalen Medien: kategorische Trennung sinnlos.
  • Komplementarität der Gattungen → Verflechtung im Webauftritt von VerbaAlpina
    • unter dem Reiter  Methodologie: theoretische Erörterungen zentraler linguistischer und informationstechnischer Begriffe
    • Verschränkung mit mit den beiden wichtigsten Funktionalitäten, der interaktiven Karte und dem Lexicon Alpinum
  • symbiotische Anlage dieser beiden Komponenten
    • Lexikoneintrag → Visualisierung auf einer Karte (durch einen Klick)
    • Karte → korrespondierender Lexicon-Eintrag (durch Klick)

    Wechselseitige Verschränkung lexikographischer und kartographischer Informationen
  • im diskursivem Text / aus der interaktiven Karte heraus:  direkte Abfrage des Datenkorpus möglich
  • auch für Nutzer möglich, auf der interaktiven Karte individuelle Datenbankabfragen über die Schaltfläche 'SQL Query' abzuschicken und die Ergebnisse so in kartographischer Darstellung einzusehen
    • die Nutzung der SQL-Funktion → Kenntnisse in der Abfragesprache SQL.
    • Informationen über Struktur und Inhalt der abfragbaren Tabelle: Fragezeichen neben dem Schlüsselwort "WHERE"

Dialogfelder zur Formulierung individueller Abfragen. Ein Tooltip präsentiert die in der Tabelle vorhandenen Felder samt deren Datentypen.

  • Detaillierte Informationen zu Datenbankfeldern und deren Inhalten: blauer Link am unteren Rand des Tooltipps
  • Beispiel: Slawische Belege mit dem Basistyp "butyru(m)":

Kartierung von Einzelbelegen, die dem lexikalischen Typen "Butter" zugeordnet sind und mit einem P beginnen. Ein Rechtsklick auf den Legendeneintrag ermöglicht die Modifizierung der SQL-Abfrage (Dialogfeld rechts).

Appendix

Ein Beispiel für Aggregation und Gattungsverschränkung

  • detaillierteres Beispiel für Aggregation unterschiedlicher Quellen(typen) und Gattungsverschränkung
    • Artikel chaschöl des bündnerromanischen Referenzwörterbuchs DRG (Link)
    • die dort genannten Formen → auf der Karte chaschöl
    • im Verbund mit denjenigen aus anderen Quellen, vgl. stellvertretend die Markierung der Orte des VSI

Verbreitung des Typs chaschöl (< lat. caseolus) im Spiegel aggregierter Quellen, interaktives Original

  • regionale Besonderheit des lexikalischen Typs (Tessin, Graubünden, Dolomiten) → im kartographischen Kontext aller anderen Bezeichnungen von KÄSE (vgl. die Karte KÄSE)

Eckpunkte der technischen Umsetzung

  • Reine Webtechnologie
  • Portal: https://www.verba-alpina.gwi.uni-muenchen.de/ (DOI:https://dx.doi.org/10.5282/verba-alpina; online seit 2015)
  • Full stack Entwicklung
  • Frontend: WordPress
  • Backend: MySQL-Datenbank
  • Staff: 2 Informatiker (65% Zeitanteil), zeitweise unterstützt durch Hilfskraft
  • Interaktive Karte:
    • JS-Bibliotheken Leaflet, Pixi, WebGL
    • sehr leistungsfähig (nötig bei zahlreichen Kartensymbolen und Grenzverläufen! Demo)
    • detaillierte Beschreibung
  • Hosting auf den Servern der IT-Gruppe Geisteswissenschaften (ITG):
    • Professionelle IT-Umgebung
    • hohe Verfügbarkeit der Webkomponenten (Web- und DB-Server)
    • Betrieb der Website auch über Projektende hinaus

Die IT-Gruppe Geisteswissenschaften (ITG)

  • seit 2000
  • unbefristete Existenzperspektive
  • zuständig für die 6 geisteswissenschaftlichen Fakultäten der LMU
  • Aufgabengebiete:
    • IT-Infrastruktur
    • Forschung & Lehre digital
    • Forschungsdatenmanagement (FDM)
  • Personal:
    • dauerhaft: 5 Wissenschaftler, 2 Techniker;
    • variabel: drittmittelfinanzierte Projektmitarbeiter
  • Technische und konzeptionelle Unterstützung von DH-Projekten von Anbeginn (56 Stand 11/2021; Liste)

Bibliographie

  • ADDU = Thun, Harald / Elizaincín, Adolfo (2000-): Atlas lingüístico diatópico y diastrático del Uruguay, Kiel, Westensee
  • AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
  • ASD = Krefeld, Thomas / Lücke, Stephan / Mages, Emma (2016): Audioatlas Siebenbürgisch-Sächsischer Dialekte , München, Ludwig-Maximilians-Universität. Link
  • ASLEF = Pellegrini, Giovan Battista (1974-1986): Atlante storico-linguistico-etnografico friulano, Padova, vol. 1-6
  • AsiCa = Krefeld, Thomas / Lücke, Stephan (2006-2017): Atlante sintattico della Calabria, München. Link
  • Asica 2.0 = Krefeld, Thomas / Lücke, Stephan (2019): Atlante sintattico della Calabria. Rielaborato tecnicamenta da Veronika Gacia e Tobias Englmeier, München. Link
  • DRG = De Planta, Robert/ Melcher, Florian/ Pult, Chasper/ Giger, Felix (1938ff.): Dicziunari Rumantsch grischun, Chur, Inst. dal Dicziunari Rumantsch Grischun. Link
  • DWDS = Berlin-Brandenburgische Akademie der Wissenschaften (Hrsg.) (2004-): Das Digitale Wörterbuch der deutschen Sprache, Berlin. Link
  • GPSR = Gauchat, Louis (Hrsg.) (1924ff.): Glossaire des patois de la Suisse romande, Genève [u.a.], Droz [u.a.]
  • Idiotikon = (1881 ff.): Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch, Basel. Link
  • Krefeld 2018 g = Krefeld, Thomas (2018): I principi FAIR nel progetto VerbaAlpina, ossia il trasferimento della geolinguistica alle Digital Humanities. Link
  • Krefeld/Lücke 2020 = Krefeld, Thomas / Lücke, Stephan (2020): 54 Monate VerbaAlpina – auf dem Weg zur FAIRness, in: Ladinia, vol. XLIII, 139-156
  • Metropolitalia = Krefeld, Thomas / Lücke, Stephan / Bry, François (2010-2013): Metropolitalia. Social Language Tagging, München. Link
  • VALTS = Gabriel, Eugen (1985-2004): Vorarlberger Sprachatlas mit Einschluss des Fürstentums Liechtenstein, Westtirols und des Allgäus , vol. 1-5, Bregenz, vol. 1-5, Vorarlberger Landesbibliothek
  • VIVALDI = Kattenbusch, Dieter/ Tosques, Fabio (1998-2016): VIVALDI: Vivaio Acustico delle Lingue e dei Dialetti d'Italia. Aktustischer Sprachatlas der Dialekte und Minderheitensprachen Italiens., Berlin, Humboldt-Universität Berlin, Institut für Romanistik. Link
  • VSI = Sganzini, Silvio (1952ff): Vocabolario dei dialetti della Svizzera italiana, Lugano, Tipografia la Commerciale
  • VerbaAlpina = Krefeld, Thomas / Lücke, Stephan (2014-): VerbaAlpina. Der alpine Kulturraum im Spiegel seiner Mehrsprachigkeit, München. Link
  • WBOe = Bauer, Werner/ Kranzmayer, Eberhard. Institut für österreichische Dialekt- und Namenlexika (Hrsg.) (1970–): Wörterbuch der bairischen Mundarten in Österreich, Wien, Verl. der Österr. Akad. der Wiss.

VerbaAlpina – Aspekte der informatischen Konzeption und technischen Realisierung (Zitieren)

Stephan Lücke
(1146 Wörter)

Der folgende Vortrag wurde im Rahmen der Ringvorlesung des BA-Studiengangs Digital Humanities in den Sprachwissenschaften am 14.06.2021 gehalten. Eine Videoaufzeichnung ist online abrufbar (Link).

  • Focus des Vortrags: Aspekte der technischen Realisierung von VerbaAlpina
  • Der fachwissenschaftliche Hintergrund bereits letzte Woche von Beatrice Colcuc und Christina Mutter dargelegt
  • Allerdings: Fachwissenschaft und informatische Methoden sind in den DH so eng miteinander verwoben, dass eine klare Trennung nur schwer möglich ist – Zwei Seiten einer Medaille:

Zwei Seiten einer Medaille: Sprachwissenschaft und Informationstechnik

  • Fachwissenschaften und Informationstechnologie beeinflussen sich wechselseitig
  • Das neue Ganze (= Digital Humanities) ist mehr als die Summe seiner Teile

Wechselseitige Beeinflussung von Fachwissenschaften und Informationstechnologie

  • Im Folgenden werden einige intuitiv ausgewählte Aspekte vorgestellt
  • Zahlreiche Aspekte der technischen Realisierung von VA werden in der Methodologie erläutert:
  • Überschneidungen und Wiederholungen können daher nicht vollkommen ausgeschlossen werden

Übersicht

  • Eckpunkte des Projekts (z. T. Wiederholung)
  • Datengrundlage von VA
  • Zentrale Kategorien des sprachlichen Kernbestands
  • Datenaufbereitung: Transkription
  • Datenvisualisierung: Die interaktive online-Karte
  • VA und die Herausforderungen der Virtualität

Das Projekt

  • kurze Wiederholung: Worum geht es bei VerbaAlpina?
  • Interdisziplinäres DH-Projekt: 2 Sprachwissenschaftler, 2 Informatiker
  • DFG-Förderung seit 2014 bis mindestens 2023
  • VA ein Projekt im Bereich der Geolinguistik: sprachliche Variation vor dem Hintergrund von Raum und Zeit
  • Im Mittelpunkt: Die Lexik – Welche Wörter werden im Alpenraum für ausgewählte Begriffe verwendet?
  • Es geht um Dialektwörter, Nationalsprachen spielen eine untergeordnete Rolle
  • Beschränkung auf Bezeichnungen für "typisch" alpine  Konzepte (Milch- und Almwirtschaft, Flora, Fauna, traditionelle Küche, Tourismus)
  • Geographischer Rahmen: Die Grenze der Alpenkonvention
  • Sprache und außersprachliche Realität sind folgendermaßen aufeinander bezogen:
Bezeichnung Konzept/Begriff
Butter     
  • Auf den ersten Blick ist diese Zuordnung sehr simpel. Sie erlangt jedoch große Komplexität in dem Moment, in dem man die Dimensionen des Raumes und der Zeit in dieses System einbezieht

  • Konvention: Konzepte werden in VERSALIEN, Bezeichnungen kursiv geschrieben ⇒ BUTTER vs. Butter
  • Informatisch gesprochen: m:n-Beziehung: eine Bezeichnung kann mehrere Bedeutungen haben, für eine Sache/Konzept gibt es mehrere Bezeichnungen
  • Bezeichnungen variieren in Raum und Zeit. Regionale Bezeichnungsvariation am Beispiel von malga:
  • Regionale Verbreitung von Wörtern und ihren Bedeutungen kann sich im Lauf der Zeit verändern
  • Weitere Veränderung über die Zeit: Sprachwandel: lat. lac ⇒ ital. latte, frz. lait
  • Ergebnis: komplexes, vierdimensionales, bewegliches Geflecht von Wörtern und ihren Bedeutungen
  • VerbaAlpina ist VOLLSTÄNDIG digital konzipiert
    • Einsatz von Webtechnologie (WordPress)
    • strukturierte Daten in online-Datenbank (MySQL)
    • Projektpublikationen online

Datengrundlage von VA

  • Datenquellen:
    • Sprachatlanten
    • Wörterbücher mit Informationen über die lokale Verbreitung von Wörtern (Georeferenzierung)
    • Crowd Sourcing
    • Partnerprojekte
  • Wie sieht ein Sprachatlas aus?:

AIS-Karte 1218 "Il siero del formaggio" (MOLKE; Navigais; vgl. VA-Karte; lita, leyto/u ) ⇒ letie (roa f.))

  • Wie sieht ein georeferenziertes Wörterbuch aus?:

Eintrag Teie(n) im Schweizdeutschen Idiotikon. GrMu. = Mutten, GrKl = Klosters, GrD = Davos, GrChur. = Churwalden

  • Daten aus Sprachatlanten und Wörterbüchern werden von VA strukturiert in einer relationalen Datenbank erfasst
  • Grundschema ist folgende Zuordnung:
Bezeichnung Konzept Georeferenz Chronoreferenz Quelle
painch BUTTER Ardez (10.1399 46.8577) 1928-1940 AIS 1207, 7
Anke BUTTER Malters (8.2514 47.0124) 2962-2003 SDS V 179, LU24
...

Verschiedene Probleme:

  • Bezeichnung: Viele Quellen, v. a. die Sprachatlanten, liefern nicht-typisierte Daten (z. B. unmittelbare Sprecheräußerungen in phonetischer Transkription) ⇒ Typisierung erforderlich
  • Georeferenz: Quelle gibt entweder zu vage ("Tirol") oder sehr präzise ("Bergeralm bei Steinach") Georeferenz an ⇒ VA-Referenzmatrix sind die politischen Gemeinden innerhalb der Alpenkonvention (einmal festgelegt; keine Aktualisierung)
  • Chronoreferenz: bislang nur mittelbar über die Publikationsjahre der Datenquellen (Sprachatlanten, Wörterbücher, Crowdsourcing) möglich
  • VA Datenbank zwischenzeitlich deutlich komplexer: aktuell 140 Tabellen, 18 Views, 25 Funktionen, 47 Prozeduren, 5 Trigger

Datenstruktur: Zentrale Kategorien des sprachlichen Kernbestands

  • VA unterscheidet:
  • morpholexikalische Typen: Leitkategorie der Verwaltung der sprachlichen Daten
    • ein morpholexikalischer Typ ist definiert durch:
      • Sprachfamilie,
      • Orthographie,
      • Wortart,
      • Genus,
      • Affigierung,
      • Basistyp;
  • Einzelbelege: (meist) konkrete Sprecheräußerung mit phonetischen Spezifika
  • Phonetische Typen: Zusammenfassung der phonetischen Charakteristika einer Vielzahl von Einzelbelegen
  • Basistypen: Vorstufe eines morpholexikalischen Typen (Beispiel: lat. salamandra als Vorstufe von ital. salamandra und deu. Salamander; die Zuweisung eines "Basistyps" zu einem Morpholexikalischen Typen stellt lediglich einen offenkundigen, grundsätzlichen Zusammenhang zwischen beiden fest, sagt aber nichts über die konkrete  Art  dieses  Zusammenhang  aus:
  • Beispiel Butter:
    • Sprachfamilie: Germanisch, Orthographie: Butter, Wortart: Substantiv, Genus: feminin, Basistyp: lat. Butyrum (VA-ID: L565)
    • Sprachfamilie: Germanisch, Orthographie: Butter, Wortart: Substantiv, Genus: maskulin, Basistyp: lat. Butyrum (VA-ID: L566)
    • Sprachfamilie: Germanisch, Orthographie: Butter, Wortart: Substantiv, Genus: neutrum, Basistyp: lat. Butyrum (VA-ID: L567)
  • Zuweisung von Einzelbelegen und phonetischen Typen zu einem morpholexikalischen Typen am Beispiel des Morphtyps "Butter, gem, f." (VA-ID L565),

Typisierungsprinzip

Datenaufbereitung: Transkription

  • Problem: Erfassung von Daten speziell aus Sprachatlanten

  • Dort verwendete Transkriptionssysteme ([Bibl:AIS]: Böhmer-Ascoli) zumindest teilweise nicht in Unicode kodiert:

Die Unicode-Blöcke mit phonetischen Zeichen (Link)

  • Selbst wenn: Erfassung mit Standardtastaturen sehr umständlich und fehleranfällig, Lösung: sog. Betacode:

Transkription "exotischer" Schriftzeichen mit einer deutschen Standardtastatur ("Betacode")

  • Kernidee übernommen vom Thesaurus Linguae Graecae (TLG) – Beispiel (TLG-Link [Login erforderlich]):

Μῆνιν ἄειδε, θεά, Πηληϊάδεω Ἀχιλῆος,
οὐλομένην, ἣ μυρί’ Ἀχαιοῖς ἄλγε’ ἔθηκεν,

         ⇓

*MH=NIN A)/EIDE, QEA/, *PHLHI+A/DEW *)AXILH=OS,
OU)LOME/NHN, H(\ MURI/' *)AXAIOI=S A)/LGE' E)/QHKEN,

  • Betacode: Entwickelt Ende der 1970er Jahre von David Woodly Packard für den TLG
  • Betacode ursprünglich nur für Altgriechisch, später auch für andere Schriftsysteme, z. B. Hebräisch (Link)
  • Übertragung in andere Schriftsysteme durch automatische Ersetzung auf Basis von Codepages. Beispiel aus dem AIS:

Manuelle Erfassung in Betacode und automatische Umsetzung nach IPA

  • Potentielles Problem: Informationsverlust durch Inkongruenzen bezüglich abbildbarer phonetischer Granularität

Zuordnungsversuch von Teuthonista-Graphemen in das IPA-Vokaltrapez

  • Einsatz von OCR grundsätzlich möglich; Beispiel: Zuweisung der HTML-Entity &#x03B8; zum griechischen Buchstaben Theta:

Dialogfeld des kommerziellen OCR-Programms Abbyy Finereader. Zuweisung des Theta zur HTML-Entity θ (03B8 ist der entsprechende Unicode Codepoint)

Dialogfeld von Abbyy Finereader mit Übetragung eines griechischen Texts in HTML-Entities

  • Analog zum o. a. OCR-Verfahren könnten auch phonetische Schriftzeichen der Sprachatlanten automatisch in ASCII-Zeichenfolgen umgesetzt werden

Übertragung eines [Bibl:AIS]-Lauts in Betacode mittels OCR (Theorie)

FineReader-Patterns für OCR von AIS-Zeichen (Filip Hristov)

  • Problem jedoch speziell bei Sprachatlanten: Zuordnung von Schrift zu Erhebungspunkten:

Attributionsaufgabe im Zooniverse-basierten Crowdsourcing-Tool von VerbaAlpina

Datenpräsentation

Online-Karte

  • zentrales Visualisierungsinstrument: Interaktive online-Karte
  • Funktionsbereiche:
    • Datenselektion (semasiologisch *und* onomasiologisch; ergänzende Daten wie etwa "raetische Inschriften" ⇒ Parameter für die Verbreitung der raetischen Sprache ⇒ interessant für Substratforschung [möglicher Ursprung moderner Lexeme im raetischen])
    • SQL: Direkte Eingabe von SQL-Abfragen, z. B.: "finde alle Einzelbelege des morpholexikalischen Typs 'Butter', die mit einem 'P' (statt mit einem 'B') beginnen
  • Demo anhand des Konzepts "BUTTER"
  • Quantifizierende Darstellungen

Lexicon Alpinum

API

  • API: „application programming interface“ ‚Anwendungsprogrammierschnittstelle‘
  • API von VerbaAlpina

VA und die Herausforderungen der Virtualität

Zu diesem Thema s. den https://www.verba-alpina.gwi.uni-muenchen.de/?p=14940

 

Ich danke für die Aufmerksamkeit!

***

 

 

 


Bibliographie

  • AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
  • Idiotikon = (1881 ff.): Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch, Basel. Link

Alles auf Null (und Eins) – Forschungskommunikation in virtueller Umgebung, am Beispiel von VerbaAlpina (Präsentation) (Zitieren)

Thomas Krefeld | Stephan Lücke
(1630 Wörter)

Vortrag, gehalten von Thomas Krefeld und Stephan Lücke am 19.05.2021 im Rahmen der von Prof. Dr. Christine Haug, Dr. Marcel Schellong im Sommersemester 2021 veranstalteten "Vortragsreihe Forschungspotential der Digital Humanities in der Buch- und Literaturwissenschaft" (Programm)


0. Vorab

1. Übersicht

2. Projektvorstellung

3. Technische Umsetzung

4. Theorie der Forschungskommunikation in virtueller Umgebung

5. Herausforderungen der Virtualität/Digitalität für die Forschungskommunikation

2. VerbaAlpina

  • "Lexikographisches" Projekt mit Focus auf dem Alpenraum
  • Wörter aus dem Umfeld typisch alpiner Konzeptdomänen (Alm- und Milchwirtschaft, Fauna, Flora, Ökologie, Tourismus); Konzeption in der Tradition der romanistischen Ethnolinguistik)
  • sprachgrenzüberschreitend im germanischen, romanischen und slawischen Sprachraum; (vgl. Sprachfamilien im Alpenraum und Karte)
  • Berücksichtigung auch und vor allem dialektaler Ausdrücke
  • Quellen: in der Hauptsache Sprachatlanten und Wörterbücher
  • Ergänzung/Abrundung/Ausgleich durch Crowdsourcing
  • Wesentliche Voraussetzung: Georeferenzierung (geographische Verortung von Einzelbelegen)
  • Dadurch: Dokumentation von Verbreitungsarealen bestimmter Lexeme (u. a. interessant: Verbreitungsareale, die die Grenzen von Sprachfamilien überschreiten, z. B.: lat. excŏcta,  sowohl im germ., rom. als auch slaw. Sprachraum)
  • Visualisierung durch eine interaktive Karte (vgl. Karte excŏcta)
  • Bidirektionale Perspektive:
  • In diesem Sinn auch Überwindung der Gattungen (Lexika: "Vom Wort zur Sache", Sprachatlanten: "Von der Sache zum Wort")
  • Förderung durch die DFG als "Langfristvorhaben" seit 2014 (derzeit Phase 3, bis 2023)
  • Personelle Ausstattung: 2 Sprachwissenschaftler, 2 Informatiker, Hilfskräfte (Team)
  • VA in sprachwissenschaftlicher Hinsicht: interlinguale Geolinguistik (zutreffender als ‘Dialektologie’)

 

3. Technische Umsetzung

  • VA ist vollständig digital konzipiert (konsequenter Verzicht auf Papier)
  • Ausschließlich Einsatz von Web-Technologie (daher u. a. kein Powerpoint ...)
  • grundsätzlich keine proprietäre/kostenpflichtige Software, nur Open Source
  • Content Management System (CMS): WordPress
  • Backend: MySQL-Datenbank
  • Entwicklung zahlreicher "Tools" durch die Projektinformatiker, z. B.:
    • Interaktive online-Karte
    • LexikonAlpinum
    • Transkriptionstool
    • Typisierungstool
    • Crowdsourcingtool (Link)
    • ...
  • Multifunktionales Webportal:
    • Arbeitsinstrument für Erzeugung von Inhalten (Datensammlung, Datenverarbeitung und -aufbereitung)
    • Publikation von Inhalten
    • Kommunikation (z. B. Sitzungsprotokolle)

 

4. Theorie der Forschungskommunikation in virtueller Umgebung1

  • Wesentlicher Teil des Selbstverständnisses: Selbstreflexion ⇒ Rubrik Methodologie (Verwendung im vorliegenden Beitrag)
  • Sprachwissenschaft und Informationstechnik nicht einfach additiv, sondern im aristotelischen Sinn mehr als die Summe der beiden Teile ⇒ Einsatz der Informationstechnik verändert Sprachwissenschaft substantiell (Wesen der DH ganz generell)

Graphik 1

  • Die durch die technischen Möglichkeiten veränderten Rahmenbedingungen verlangen, die traditionellen Formen der Wissenschaftskommunikation2 zu überdenken und diese an den neuen Möglichkeiten auszurichten.
  • Entsprechende Reflexion und exemplarische Umsetzung ist eines der Ziele von VA

Traditionell mit dem Medium des Buchdrucks

Graphik 2

  • Drei Phasen:
    • Forscher sucht und sammelt Informationen (= Rohdaten von Quellen, Informanten)
    • Forscher verarbeitet und *selektiert* (theoriegebunden) Informationen
    • Forscher publiziert die Ergebnisse auf Papier (= öffentlicher medialer Diskurs)
      • ausschließlich 'finale' Relevanz des Publikationsmediums
      • teilweise Fremdbestimmung des AUTORs durch die VERLAGe (z.B. Sprachwahl)
      • extrem eingeschränkte Zugänglichkeit des Produkts (in Bibliotheksregalen)
  • feste Bindung der kommunikativen Rollen (AUTOR – QUELLE – LESER) an Personen

Digital und im Web (2.0)

  • Web ermöglicht einen Neustart des öffentlichen medialen Diskurses ('auf Null')
  • genuin digital ('0' | '1')

Graphik 3

Publikation

  • permanente Relevanz von Publikationsmedien während des gesamten Forschungsprozesses
    • substantielle Änderung des Publikationsbegriff
      • nicht nur Text: alles im gestrichelten Oval von Graphik 3 ist publikationsfähig
      • Live-Daten können publiziert werden (Link)
    • Hoheit | Kontrolle in der Kompetenz des Projekts (100% selbstbestimmt)

Graphik 4

Transparenz der Daten

  • Relation zwischen den publizierten Informationen einsehbar
    • Beispiel Transkription: Original – Beta – IPA

Graphik 5 – Link

  • im Fall von VA: LESER → Datenbankabfrage der Primärdaten

Graphik 6 – Link

Wechsel der kommunikativen Rollen

im Fall von VA:

  • LESER → QUELLE (CS-Reaktion auf VA-Öffentlichkeitsarbeit)

Graphik 7 – Beispiel Januar 2021 (Facebook) Link

Graphik 8 – Beispiel April-Mai 2018 (HP BR, Bayern 2) Link

  • QUELLE → AUTOR
    • durch Eingabe neuer KONZEPTE, Button 'Begriffe vorschlagen', Link):

Graphik 9

    • Definition und Fixierung eigener Karten

Graphik 10 – Link

5. Herausforderungen der Virtualität/Digitalität für die Forschungskommunikation

  • Vorteile des gedruckten Buchs:
    • dauerhaft
    • unveränderbar
    • stabil zitierbar ⇒ Titel, Seite/Spalte
    • institutionell abgesichert ⇒ Bibliotheken
  • Vorteile von Digitalität/Virtualität:
    • (theoretisch) grenzenlose Verfügbarkeit
    • elektronische Verknüpfbarkeit von Inhalten
    • vergleichsweise geringe Kosten
    • Erleichterung von Zusammenarbeit (Erzeugung von Inhalten durch große Anzahl von Beteiligten/Autoren)
    • Multimedialität (Text, Ton, Bild – auch in 3D)
    • Erleichterung des bidirektionalen Austausches Autor ⇔ Leser (etwa durch Kommentarfunktion)
    • Unabhängigkeit von Verlagen
    • ...
  • Wesentliche Nachteile der Digitalität/Virtualität:
    • prekäre Stabilität ("Flüchtigkeit"; dabei geht es um Änderungen im Detail genauso wie um vollständiges Verschwinden)
    • Fehlen eines verbindlichen Referenzsystems (Ersatz für Buchseiten)
    • bislang noch nicht etablierte Strukturen bzw. Zuständigkeiten

ZIEL: Nutzung der Vorteile der Digitalität *ohne* Verlust der Vorteile des Buches

Antworten von VA

Prekäre Stabilität

  • Versionierung: Jeweils zu Jahresmitte und -ende "Einfrieren" des Datenbestands
    • Technisch: Anfertigung einer Kopie der Projektdatenbank:

Graphik 11 – Die verschiedenen Versionen der VA-Datenbank auf dem MySQL-Datenbankcluster der ITG

    • Arbeitsversion: XXX (bedingt zitierfähig; Stabilität der Inhalte nicht garantiert)
    • Wechsel in Zitierversionen ⇒ Inhalte garantiert stabil

Graphik 12

  • In zitierfähigen Versionen von VA: Einblendung von Zitierlinks:

Graphik 13 – Zitierlink in der Version 20/2 von VerbaAlpina

Adressierbarkeit

Feingranulare URLs/DOIs

VA und Normdaten

  • Normdaten generell wichtig für inhaltlich/semantisch exakte und außerdem maschinell operationalisierbare wechselseitige Referenzierung zwischen verschiedenen Datenbeständen (im Sinne der Forschungskommunikation)
  • Vorteile von Normdaten:
    • Normdaten schließen Ambiguitäten aus
    • Normdaten vereinfachen Datenmappings:

Graphik 14 – Vereinfachtes Mapping durch Verwendung  von Normdaten

    • Normdaten müssen klar definiert und stabil sein
    • Normdaten entfalten maximalen Nutzen bei maximaler Akzeptanz (nicht steuerbar)
  • VA-Nutzung externer Normdaten:
    • Identifikatoren von Referenzlexika (für morpholexikalische Typen)
    • Wikidata-QIDs (für Konzepte)
    • Geonames-IDs (für Georeferenzen)
    • künftig?: Wikidata L-IDs (für morpholexikalische Typen; aktuell problematisch, da mit VA inkompatibel)

Graphik 15 – Einbindung externer Normdaten (Geonames, Wikidata-QIDs, URLs von Referenzwörterbüchern) – Link

Graphik 16

Basistyp B180 im XML-Format (Screenshot)

Institutionelle Absicherung

  • Wesentlicher Aspekt: Für die dauerhafte Bewahrung von Wissen braucht es verantwortliche Institutionen mit unbefristeter Existenzperspektive
  • Aus Sicht von VA sind die wissenschaftlichen Bibliotheken der natürliche Partner
  • VA hat sich daher schon früh an die UB der LMU gewandt
  • VA-Daten werden in das Forschungsdatenrepositorium der UB übertragen (Entwicklung der entsprechenden Prozeduren in den letzten Jahren)
  • seit Mai 2021: Discover@UB:

Graphik 17 – Suchportal des UB-Forschungsdatenrepositoriums (Link)

    • Strukturierter Kerndatenbestand von VerbaAlpina
    • derzeit 222630 Datensätze (Versionen 19/1 und 19/2)
    • unterschiedliche Granularität (komplette Versionen,
    • Einbindung von generischen Metadaten (Datacite, DDC)
    • Ad-Hoc-Erzeugung von DOIs für Einzelobjekte

Graphik 18 – Ad-Hoc-Erzeugung einer DOI für einen VA-Datensatz auf Discover@UB (Link)

  • Neben UB: Enge Anbindung an ITG
  • ITG übernimmt Betrieb und Pflege des VA-Portals auch über das Projektende hinaus ("post mortem"; im Rahmen der technischen und personellen Möglichkeiten)

Graphik 19 – Institutionelle Einbettung von VerbaAlpina

Ungelöstes (unlösbares?) Problem: "Lebende" Systeme (Webportale)

  • Dauerhafter, unbefristeter Betrieb von Webportalen bedarf permanenter Pflege
  • Zwei Kernprobleme:
    • Ständige Veränderung der Softwareumgebung (Betriebssysteme, Frameworks) ⇒ Updates (v. a. wegen Sicherheitsproblematik)
    • Abhängigkeit von externen Ressourcen durch Vernetzung ("tote" Links; instabile Inhalte)
  • Beispiel für Abhängigkeit: VA auf archive.org:

Graphik 20 – Fehlermeldung von Google auf der frühesten bei archive.org archivierten VerbaAlpina-Version

  • ⇒ gekapselte Systeme (z. B. Dockerimages) keine Lösung wegen Abhängigkeiten durch Vernetzung
  • Notbehelf: Detaillierte Dokumentation der Funktionsweise des Webportals (zusammen mit Dokumentation von Datenbank und entwickeltem Softwarecode ⇒ Künftige "Rekonstruktion" der Funktionalitäten des Webportals zumindest theoretisch möglich)

 

Wir danken für Ihre Aufmerksamkeit!

***


  1. Die Überlegungen dieses Kapitels gehen im Kern auf Krefeld 2011 zurück; sie flossen also bereits in die Konzeption von VerbaAlpina ein und wurden im Zuge der Projektarbeit kontinuierlich elaboriert. 

  2. Der Ausdruck wird oft enger gefasst und im Sinne von "externer Forschungskommunikation" verwandt; dann bezeichnet er ausschließlich die divulgative "Kommunikation von Forschung über Fachgrenzen hinaus", so z. B. von Knöchelmann 2021; diese Verwendung wird der medialen Grundlage von Kommunikation und ihrer radikalen Veränderung nicht gerecht. Webbasierte Kommunikation muss gerade nicht trennscharf zwischen Laien- und Fachpublikum unterscheiden, sondern kann sich gleichermaßen – wenn auch nicht in identischer Weise – sowohl an das eine wie an das andere wenden. 


Bibliographie

  • Knöchelmann 2021 = Knöchelmann, Marcel (2021): Die Stunde der Vermittler, in: FAZ vom 19.5.2021, 4
  • Krefeld 2011 = Krefeld, Thomas: La raccolta di dati linguistici ai tempi dei nuovi media, Palermo, in: Gruppo di ricerca dell'Atlante Linguistico della Sicilia (Hrsg.), Per i linguisti del nuovo millennio. Scritti in onore di Giovanni Ruffino, Sellerio, 111-114

VerbaAlpina going FAIR – Was ein Projekt zu seiner Nachhaltigkeit beitragen kann (und was nicht) (Zitieren)

Thomas Krefeld | Stephan Lücke
(2780 Wörter)

Dieser Vortrag wurde für den Workshop Datensicherung im Forschungsprozess
geschrieben, der vom FID Romanistik in Verbindung mit der AG Digitale Romanistik organisiert und online durchgeführt  wurde (Bonn, 26./27.11.2020)

Eine Perspektive mit Horizonterweiterung

Unser Beitrag zielt auf sehr grundsätzliche Fragen; er ist jedoch aus der ganz konkreten Arbeit am geolinguistischen Projekt VerbaAlpina entstanden, genauer gesagt: aus der kontinuierlichen methodologischen Reflexion, oder:  aus der notwendigen theoretischen Selbstvergewisserung der mit dem Projekt befassten sieben Wissenschaftler, deren Arbeitskraft je zur Hälfte in die Informatik und in die Sprachwissenschaft investiert wird. Das Langzeitvorhaben der DFG, das seit 2014 gefördert wird, hat jedoch eine mehrjährige Vorgeschichte in Gestalt kleiner Projekte, von den zwei genannt werden sollen, nämlich:

  • der Atlante sintattico della Calabria (AsiCa; 2004-2007) – der inzwischen einen Relaunch als AsiCa 2.0 (2020) erfahren hat – und
  • der Audioatlas siebenbürgisch-sächsischer Dialekte (ASD; (2010-2013).

Das zuerst genannte Projekt markiert den für uns ebenso grundlegenden wie radikalen Übergang von traditioneller, auf Printpublikation zielender Arbeit zum systematischen und kategorischen Einsatz von Webtechnologie; denn der ursprünglich für den Druck entworfene AsiCa wurde im Verlauf seiner Durchführung methodologisch rekonzipiert und vom dialektologischen Kopf auf die informationstechnischen Füße gestellt. – Seitdem läuft er übrigens, auch noch in der ursprünglichen, von Stephan Lücke entwickelten Version, unermüdlich im Web.

Es waren also bereits vor dem Projektantrag Erfahrungen entstanden, und es wurde eine klare Perspektive fixiert, die bis heute gilt: Anvisiert wird die systematische Umstellung dieser linguistischen Subsdisziplin auf Webtechnologie – von Digital Humanities war zu der Zeit noch nicht die Rede und das Web 2.0 nahm just in diesen Jahren Gestalt an. So war es unvermeidlich, dass sich der Horizont von Projekt zu Projekt substantiell erweiterte und dass mit VerbaAlpina eine umfassende virtuelle Forschungsumgebung mit komplementären Funktionalitäten eingerichtet werden konnte. Im Rückblick ist man erstaunt, mit welcher Selbstverständlichkeit sich die mediale Horizonterweiterung in unserem Forschungsprozess abbildet, denn eigentlich war diese Entwicklung alles andere als ‘selbstverständlich’ und ohne die institutionellen Rahmenbedingungen an der LMU wäre es nicht dazugekommen. So ist man geneigt sich die Augen zu reiben und schlicht festzuhalten:  "Yes, we could".

Die methodologisch wichtigste Erfahrung war – und ist – wohl die permanente Herausforderung mit den ständig neuen Optionen der äußerst dynamischen Digital Humanities umzugehen. Es wurde daher das Prinzip festgeschrieben, alle konzeptionellen Grundbegriffe und ihre Entwicklung nicht nur umzusetzen, sondern auch in diskursiver Gestalt festzuhalten und zugänglich zu machen; diese oft sehr prägnanten und nicht sehr ausführlichen Texte finden sich unter dem Reiter Methodologie. Die Projektarbeit verfestigt sich also nicht nur in einem technischen und maschinenlesbaren Speicher sondern auch in einem menschlichen und menschenlesbaren Gedächtnis.

VerbaAlpina untersucht die romanischen, germanischen und slawischen Dialekte des Alpenraums; in ausgewählten Gegenstandsbereichen wird:

  • möglichst viel lexikalisches Material erfasst,
  • im Verbund – gewissermaßen als Mosaik aus vielen Steinchen – visualisiert
  • und lexikographisch typisiert.

Die Visualisierung erfolgt kartographisch. Es müssen also zahlreiche Quellen zusammengefügt werden, wie diese Auswahl zeigt. Die Quellen sind ganz verschiedenartig; den größten Teil bilden Sprachatlanten, wie z.B. der AIS, aber teils sehr umfangreiche Wörterbücher, wie z.B. der DRG kommen hinzu und ergänzen sich in der Dokumentation (vgl. diesen Ausschnitt). Bereichert werden diese wissenschaftlichen Quellen durch Crowd-Daten (vgl. die aktuelle Statistik). Unterschiedlich sind jedoch nicht nur die Quellengattungen, sondern auch ihre medialen Repräsentationen, denn manche liegen in gedruckter Form, andere in digitalen Formaten, wie z.B. der ALD-I und dritte in (noch) nicht publizierter, handschriftlicher Dokumentation vor, wie teilweise der SAO. Im übrigen wurden ganz unterschiedliche Transkriptions- und Schreibweisen verwandt. Es mussten also von Anfang an Prozeduren entwickelt werden, um die Daten in transparenter Weise in ein gemeinsames Format zu bringen.

Die lexikographische Typisierung, d.h. die Zusammenfassung von dialektalen Varianten unter gemeinsamen Nennformen (Lemmata), erfolgt von Hand; sie wird jedoch durch den systematischen Einbezug von – wenn irgend möglich – online verfügbaren  Referenzwörterbüchern abgesichert, deren Lemmata einzeln angesprochen werden können, wie dieses Beispiel zeigt.

Eine Implementierung der technischen Prozeduren zur Verknüpfung und Aggregation von Daten aus unterschiedlichen Beständen setzt jedoch das Einverständnis der Wissenschaftler*innen voraus, die für die eingebundenen Daten zuständig sind; auch das ist keineswegs selbstverständlich, so dass Strategien gefordert sind, um diejenigen, die über relevante Daten verfügen von geeigneten Lizenzierungsbedingungen (hier: CC BY SA)  zu überzeugen und durch formale Vereinbarungen (vgl. Kooperation) zu Partnern zu  machen (vgl. die Liste VA-Partner); diese Bemühungen sind uns nicht immer, aber doch meistens  gelungen. Daraus ist ein dichtes Netz kollaborativer Routinen hervorgegangen, das auch von außen als solches wahrgenommen wird, denn mittlerweile kommen bislang nicht teilnehmende Projekte mit Kooperationsanfragen auf uns zu, zuletzt das Dialektologische Informationssystem für Bayerisch-Schwaben (DIBS)

Man kann festhalten, dass die inhaltlichen Anforderungen der Geolinguistik eine grundsätzlich offene – das heißt potentiell über das initiale Projekt hinausweisende – Forschungsumgebung nahelegen, so bald man sich vom Druck als Medium der Publikation verabschiedet.

Digitale Medien im Forschungsprozess

Es wird in den geisteswissenschaftlichen Disziplinen zu wenig reflektiert, dass sich der methodologische Status der Medien im Forschungsprozess von Grund auf ändert, sobald man die Perspektive der Digital Humanities einnimmt: Traditionelle Forschungspraxis zielt auf den Druck, und die gedruckte Publikation schließt den vorhergehenden Forschungsprozess definitiv ab; das Medium des Druck ist gewissermaßen der Tod des Projekts, denn alle Daten (wenn man davon sprechen darf), die für die Produktion des Buchs gebraucht wurden, sind dem direkten Zugriff nach dem Druck entzogen; sie können keinerlei Produktivität in anderen Projekten erlangen und im Nachhinein allenfalls häppchenweise zitiert werden.

In webbasierter Forschungsarbeit ist das Medium – die mediale Zugänglichkeit – dagegen das Lebenselixir der Daten: Sie leben solange, wie menschliche oder maschinelle Nutzer auf sie zurückgreifen; Phasen ohne Zugriff versetzen sie nur in Schlaf, aus dem sie jederzeit wieder geweckt werden können. Die Medien sind so zu einer fundamentalen Komponente des Forschungsprozesses geworden; Forschungsarbeit ist jenseits der Medien gar nicht mehr möglich. Im Fall von VerbaAlpina wurden die Konzeption und Implementierung einer entsprechenden webbasierten Forschungsumgebung seit Arbeitsbeginn aus dem Projekt selbst heraus systematisch und erfolgreich umgesetzt. De facto kam VerbaAlpina damit bereits den erfüllbaren Forderungen nach, die erst im Laufe der Projektarbeit durch eine wichtige Initiative unter dem praktischen, aber unscharfen Akronym FAIR auf einen gemeinsamen Nenner gebracht wurden. Einschränkend muss man allerdings sofort hinzusetzen, dass diejenigen, die auf FAIRness verpflichtet werden, die Projektverantwortlichen, damit auch heillos – und unheilbar – überfordert sind, denn unausgesprochene Voraussetzungen dieser Forderungen können sie gar nicht erfüllen: Ihrem eigentlichen, das heißt medial angemessenen Zweck kann eine solche Umgebung nämlich erst dann gerecht werden, wenn sie auch noch durch Forscher ‘begangen’ und weiterentwickelt werden kann, die mit uns, d.h. mit den Wissenschaftlern, die ihre ursprüngliche Konzeption und Einrichtung in Werk gesetzt haben, gar nichts mehr zu tun haben. Es braucht ja keine visionäre Begabung, um den großen Mehrwert zu sehen, der sich ergibt, wenn über die Alpen hinaus die zahlreichen Sprachatlanten und Dialektwörterbücher des zusammenhängenden europäischen Sprachraums aus ihrer Datenfriedhofsruhe geweckt und in einem einzigen organischen Datenverbund belebt werden könnten – so wie der riesige Ficus an der Piazza Marina in Palermo aus einer Vielzahl von tragenden Stämmen besteht, die unter der Erde wie im Geäst an unterschiedlichsten Stellen zusammengewachsen sind, weil die Zellstruktur der Pflanze überall dieselbe ist.  

Es erübrigt sich darauf hinzuweisen, dass die hier am Beispiel der Geolinguistik skizzierten Erfahrungen, mutatis mutandis, von Forscher*innen aller linguistischen Subdisziplinen und vermutlich aller geisteswissenschaftlichen Disziplinen überhaupt gemacht werden, sobald sie die Perspektive der Digital Humanities einnehmen: Die technischen Bedingungen zur Einrichtung und zum Betrieb umfassender, offener Forschungsumgebungen sind gegeben und erprobt; ihre Gewährleistung liegt indes jenseits der Möglichkeiten von Projektverantwortlichen: Infrastrukturen verdienen ihren Namen erst dann, wenn sie Persistenz erlangen, auf die sich die ebenso unübersichtliche wie produktive Forschungspraxis verlassen kann. Forschungspraxis sollte FAIR sein, aber nachhaltig im strengen Sinn sind nur Strukturen und niemals Projekte (auch dann nicht, wenn sie den suggestiven Ausdruck Struktur in ihrem irreführenden Namen tragen). 


Grundlegende Fakten, Thesen und Positionen

VerbaAlpina versteht sich als rein digitales Forschungsprojekt und setzt sich seit seinem Start mit den unterschiedlichen Konsequenzen und Herausforderungen dieser Ausrichtung auseinander.

Vorab einige Feststellungen grundsätzlicher Natur. Anschließend stellen wir eine Reihe von Maßnahmen vor, die VerbaAlpina konkret umsetzt, um seine Projektergebnisse nachhaltig zu bewahren.

Infrastruktur

  • Projekte sind zeitlich befristet
  • Wir unterscheiden die folgenden Projektphasen:

ab ovo          —            in vita          —           post mortem

  • Ressourcen (Personal und Infrastruktur) stehen nur bis zum Projektende zur Verfügung
  • Vom Projekt erzeugte Daten müssen nach Projektende möglichst unbefristet verfüg- und nutzbar sein. Es gibt keinen Grund, von vornherein von einer Art "Ablaufdatum" auszugehen.
  • Das Konzept des "Life-Cycles" suggeriert ein Werden und Vergehen. Ein lineares Modell mit einem in die Zukunft gerichteten offenen Zeitstrahl erscheint angemessener.
  • Während der Projektlaufzeit erfolgen die Datengenerierung und Datenkuratierung durch die Projektmitarbeiter
  • Nach Projektende muss die *Verantwortung* für die Datenkuratierung von jemand anderem übernommen werden
  • Dabei sollte es sich um eine kompetente, verlässliche, nicht-kommerzielle Institution mit unbefristeter Existenzperspektive handeln.
  • Es bedarf *klarer*, möglichst verbindlicher Regelungen und Zuständigkeiten. Es kann nicht sein, dass Projekte sich individuelle Lösungen überlegen müssen, was mit ihren Daten nach Projektende passiert.

Daten

  • Was sind Forschungsdaten? Diese Frage ist am besten pragmatisch zu beantworten: Forschungsdaten sind sämtliche Daten, die von einem Projekt zu solchen erklärt werden.
  • Voraussetzung: Forschungsdaten müssen kohärent, konsistent und aus sich heraus verständlich sein.
  • Damit Daten aus sich heraus verständlich sind, müssen sie möglichst umfangreich und allgemein verständlich erläutert und dokumentiert sein.
  • Sämtliche Daten, die wechselseitig auf einander bezogen sind, dürfen nicht getrennt und müssen als Einheit betrachtet und langfristig bewahrt werden.
  • Anders formuliert: Daten, die andere Daten untermauern, dürfen nicht von diesen getrennt werden (klassisches "Forschungsdaten"-Szenario; z. B. Löschung von Messdaten)
  • Zentrales Problem der Digitalität ist die "Flüchtigkeit" der Daten
  • Herausforderung: Erzeugung von Stabilität
  • Paradigma: Das gedruckte Buch – Digitale Daten müssen genauso verlässlich auffind- und referenzierbar sein, wie beim Buchdruck
  • Daten sollten nach Möglichkeit im Internet verfügbar sein
  • Dabei sollte genuine Webtechnologie zum Einsatz kommen. – Pseudo-Digitale Technologien wie PDFs sollten gemieden, bestenfalls sekundär als Derivat zum Einsatz kommen. [Aus diesem Grund verzichten wir beim vorliegenden Beitrag auch auf den Einsatz von "Folien"]
  • Probate Mittel: Erzeugung von stabilen Datenbestandsversionen, Definition von ontologischen Entitäten, Erzeugung und Nutzung von Normdaten, Feingranulierung des Datenbestands, Verwendung von stabilen PIDs (z. B. DOIs)
  • Zumindest für den Bereich der Geisteswissenschaften sollte gelten: Die Quantität spielt im Hinblick auf die nachhaltige Bewahrung der Forschungs-/Projektdaten keine Rolle

VerbaAlpina

Unsere Infrastruktur

  • Zeitliche Begrenzung: DFG-Langfristvorhaben seit 2014 mit Perspektive bis 2025
  • Personal: 2 Projektleiter (unterschiedliche Zuständigkeiten), 3 Sprachwissenschaftler, 2 Informatiker, mehrere Hilfskräfte. Bislang zwei Personalwechsel im Bereich der wissenschaftlichen Mitarbeiter. Hinzu kommt eine Aufstockung im Bereich der Informatik zu Beginn der zweiten Förderphase.
  • Technische Infrastruktur: Nutzung der Ressourcen der IT-Gruppe Geisteswissenschaften (ITG) der LMU (professionelle IT-Umgebung mit hochverfügbarem, redundantem Datenbankcluster, Webservern, Backupverfahren, eigenem Personal für Systemadministration)

Unsere Daten

  • Wie schon gesagt: *rein* digital und übers Internet verfügbar
  • Heterogen:
    • hochgradig strukturierte Daten in einer MySQL-Datenbank
    • erläuternde und analytische Fließtexte
    • Computercode
    • Mediendaten (Bilder, Videos, Ton)
  • Die jüngste Version der MySQL-Datenbank von VA umfasst rund 1,8 GB. Eine Vervielfachung des Datenvolumens ergibt sich allerdings durch die Erzeugung von vollständigen Kopien der VA-Datenbank im Rahmen der halbjährlichen Versionierungen:

    Entwicklung der VA-Datenbank seit der ersten Versionierung im zweiten Halbjahr 2015. Das an einer Stelle sinkende Volumen ist durch Umstrukturierungen und Konsolidierungen zu erklären. Der nicht lineare Anstieg ist meist durch punktuellen Massenimport von Daten aus Partnerprojekten zu erklären.

    Alle Versionen der VA-Datenbank zusammen umfassen bislang rund 13,6 GB. Hinzu kommen die Daten des Webmoduls, also des Internetportals inklusive der Mediendateien, aktuell 37,7 GB. Alles in allem ergibt das 51,3 GB.

FAIR-Compliance von VerbaAlpina

  • Was sich hinter dem Akronym FAIR verbirgt, ist bekannt. Klar ist auch, dass schon die Abgrenzung der in FAIR versammelten Postulate gegeneinander unscharf ist. So ist z. B. Auffindbarkeit von Daten eine unverzichtbare Voraussetzung für deren Nachnutzung.
  • Bislang besteht keine *Verpflichtung* zur Einhaltung dieser Regeln

VerbaAlpina hat die Frage der Nachhaltigkeit und die Erfüllung der FAIR-Kriterien stets im Blick. Wir begegnen der Herausforderung mit einer ganzen Reihe von Maßnahmen. Deren Zuordnung zu den Teilbereichen des FAIR-Komplexes ist intuitiv und im Einzelfall diskutabel (s. die roten Anmerkungen von Thomas Krefeld); sie ist in Klammern hinter den einzelnen Punkten angegeben. Auch die Reihung der Maßnahmen ist intuitiv, folgt aber grosso modo dem Gedanken der abnehmenden Bedeutung.

  • Fundamental: Bewusstsein – Planung – Wachsamkeit – Flexibilität (FAIR)
  • Sorge um institutionelle Absicherung für die Phase post mortem: Suche nach geeigneten PartnernVA-Favorit: Die UB der LMU (FAIR)
  • Beteiligung an FD-Projekten (VA als Pilotprojekt bei GeRDI [Generic Research Data Infrastructure] und eHumanities – interdisziplinär) (FAIR)
  • Anreicherung mit standardisierten Metadaten nach dem Datacite- und dem Cidoc-CRM-Standard (FAI)
  • Generierung eigener und Nutzung fremder Normdaten (eigene Normdaten [Beispiel "Anke (gem m.)"] : VA-IDs für Einzelbelege, Morpholexikalische Typen, Konzepte und Orte; externe Normdaten: Wikidata-QIDs, geonames, PIDs von Partnerprojekten) (FAI)
  • Definition/Spezifizierung zentraler Entitäten (Einzelbelege – Morpholexikalische Typen – Konzepte – Orte) und entsprechende Feingranulierung der zentralen Projektdaten (I)
  • Überwiegender Einsatz von Webtechnologie: Webbasiertes multifunktionales Projektportal (https://dx.doi.org/10.5282/verba-alpina) (FAI)
  • Verwendung offener Lizenzen, möglichst CC BY-SA (nicht NC!)I (R)
  • Detaillierte Dokumentation möglichst aller Aspekte des Projekts in der Sektion Methodologie (R) #nicht auch Unterstützung von I ??#
  • Nutzung einer professionellen IT-Umgebung (konkret: der ITG) mit hoher Verfügbarkeit, Redundanzen und Backup-Verfahren (AI)
  • Verwendung und Entwicklung von Open Source Software (R) #nicht auch Unterstützung von I?#
  • Nach Möglichkeit Verzicht auf proprietäre Dateiformate (R)
  • Übertragung der VA-Daten in das Open-Data-Repositorium der UB der LMU (in Vorbereitung) (R)
  • Dadurch (Danach ...) Integration der Metadaten in die einschlägigen Discovery-Systeme der UB der LMU (OPAC, Blacklight [Screenshot]) (FA)
  • Ablage des Computercodes  für Funktionalitäten von Front- und Backend des Webportals auf Github unter einer offenen Lizenz (https://github.com/VerbaAlpina/; s. Nachnutzung durch das Projekt VerbaPicardia [VP-Karte]) (R)
  • Versionierungskonzept und Generierung von PIDs/stabilen URLs (IR)
  • Einrichtung einer API  (u. a. XML-Export) (IR)
  • (versuchsweiser) Betrieb einer älteren Version des "lebenden" VA-Webportals in einer Hyper-V-Umgebung der LMU UB (https://verba-alpina-archiv.ub.uni-muenchen.de/; aus Sicherheitsgründen seit einigen Monaten nur noch innerhalb des UB-Netzes verfügbar)
  • Ablage älterer Versionen des VA-Web-Portals auf archive.org (R)
  • (https://web.archive.org/web/*/http://verba-alpina.gwi.uni-muenchen.de/) (R)

Resumée

VerbaAlpina bemüht sich durch eine Vielzahl von Maßnahmen um Nachhaltigkeit seiner Projektergebnisse. Bislang ungelöste Probleme sind die folgenden:

  • Das Fehlen einer verlässlichen, dauerhaften und vor allem leistungsfähigen Infrastruktur, die die Verantwortung für die Bewahrung von Projektdaten über das Ende eines Projektes hinaus übernimmt. Die Universitätsbibliotheken besitzen zwar die nötige fachliche Kompetenz, Verlässlichkeit und unbefristete Existenzperspektive, sind bislang nach unserer Einschätzung jedoch nicht mit ausreichenden personellen, technischen und finanziellen Ressourcen ausgestattet, um dem stetig wachsenden Bedarf gerecht zu werden.
  • Der dauerhafte Betrieb des zentralen Webportals als lebendem System. Dieses bedarf permanenter Pflege durch Systemadministratoren und in unregelmäßigen Abständen eines sog. Re-Engineerings, das den Programmcode an neue Versionen der Serversoftware anpasst. In der Vergangenheit war das z. B. beim Wechsel von einer PHP Version zur nächsten der Fall.
  • Ein weiteres großes Problem stellt die Vernetzung dar. Diese stellt einerseits eine ganz wesentliche Errungenschaft und Bereicherung dar, ist gleichzeitig jedoch herausfordernd. Jeder kennt das Phänomen von toten Links. Ein anderes Beispiel ist die Nutzung von Google-Karten auf Projektseiten, so wie auch VerbaAlpina dies anfänglich getan hat. Bei Änderungen der Nutzungsbedingungen, besonders beliebt bei kommerziellen Dienstanbietern wie Google, oder auch technischen Modifizierungen (auch hier wieder das Beispiel Google mit seiner API) brechen unter Umständen zentrale Elemente eines Projektportals in sich zusammen. Dies ist schon ärgerlich während der in vita Phase eines Projekts, wobei man dann normalerweise noch wird reagieren können. Richtig schwierig ist es post mortem, da dann keine Ressourcen mehr verfügbar sind.

Aktuell befindet sich noch vieles im Umbruch. Die Herausforderungen der tiefgreifenden Digitalisierung der gesamten Forschungslandschaft sind noch relativ neu. Es wird derzeit noch nach geeigneten Lösungen gesucht. In diesem Kontext steht u. a. oder auch v. a. die NFDI-Initiative. Wir vertreten die Auffassung, dass möglichst stabile institutionelle Lösungen geschaffen oder genutzt werden müssen, die über eine möglichst langfristige, im Idealfall unbefristete Existenzperspektive verfügen. Vor diesem Hintergrund erscheinen uns projektgebundene Ansätze mit von vornherein festgelegtem Ablaufdatum ungeeignet, um die unbefristete Verfügbarkeit von Forschungsdaten zu gewährleisten. Solange sich noch keine stabilen Lösungen etabliert haben, können Projektverantwortliche nur die laufenden Entwicklungen verfolgen und – soweit dies personell und zeitlich möglich ist – ggf. mehrgleisig fahren, sprich: die eigenen Daten in verschiedenen Formaten bei unterschiedlichen Partnern oder Dienstleistern unterzubringen versuchen. Die permanente Überprüfung der eigenen Nachhaltigkeits-Strategie ist unerlässlich.


Bibliographie

  • AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
  • ALD-I = Goebl, Hans (1998): Atlant linguistich dl ladin dolomitich y di dialec vejins I, vol. 1-7 (sprechend: http://ald.sbg.ac.at/ald/ald-i/index.php), Wiesbaden, vol. 1-7, Reichert. Link
  • DRG = De Planta, Robert/ Melcher, Florian/ Pult, Chasper/ Giger, Felix (1938ff.): Dicziunari Rumantsch grischun, Chur, Inst. dal Dicziunari Rumantsch Grischun. Link
  • SAO = Adalbert-Stifter-Institut des Landes Oberösterreich (Hrsg.) (1998ff.): Sprachatlas von Oberösterreich

VerbaAlpina erklärt sich selbst – Teil 2: Informationstechnik (Zitieren)

Stephan Lücke
(1974 Wörter)

Grundsätzliches

  • VerbaAlpina (VA) beschäftigt sich mit der Frage, welche Bezeichnungen es für ausgewählte, für den Alpenraum typische Konzept/Begriffe es gab und gibt
  • VA ist mit diesem Ziel ein von der DFG gefördertes Langfristvorhaben mit Perspektive bis 2025 (derzeit dritte Teilphase [2019-2022] in Beantragung)
  • Die Untersuchung ist auf den Alpenraum beschränkt
  • Die Grenze des Untersuchungsgebiets ist das Perimeter der sog. Alpenkonvention (Link)
  • Das Sprachmaterial stammt hauptsächlich aus sog. Sprachatlanten und Wörterbüchern (letztere nur, wenn sie Auskunft über die regionale Verbreitung der verzeichneten Wörter geben; Beispiel: Idiotikon)
  • Neben Sprachatlanten und Wörterbüchern verwendet VA Methoden des Crowdsourcing ("citizen science") zur Sammlung von Sprachmaterial (dazu später mehr)
  • VA fragt nach der Verbreitung von Wörtern innerhalb des Alpenraums (welche Wörter werden wo verwendet und welche Bedeutung haben sie dort?)
  • Im Hinblick auf die Wörter ist VA im Wesentlichen an sog. Morpholexikalischen Typen (Morphtypen) interessiert. Diese sind letztlich vergleichbar mit den Lemmata von Wörterbucheinträgen
  • Ein Morphtyp im Sinn von VA wird definiert durch
    • die Orthographie,
    • die Zugehörigkeit zu einer Sprachfamilie (germanisch, romanisch, slawisch),
    • die Wortart,
    • das Genus und
    • die Affigierung (letztere z. B. -chen in Häuschen ⇒ eigener Morphtyp neben Haus)
    • Beispiel: la malga (romanisch, feminin, ohne Affigierung); zwei Morphtypen: die Butter und der Butter
  • VA befasst sich in der Hauptsache mit Dialektausdrücken (also nicht mit den Hochsprachen)
  • VA ist nur nachrangig an phonetischer Variation interessiert
  • Das geographische Bezugssystem innerhalb der Alpenkonvention wird durch die politischen Gemeinden gebildet (5771; statisches Referenzystem; Änderungen werden nicht berücksichtigt)
  • VA besitzt neben der diatopischen auch eine diachronische Dimension (Veränderungen über die Zeit; Sprachatlanten z. T. aus der 1. Hälfte des 20. Jh. ⇔ Daten aus dem Crowdsourcing von heute)
  • Die Kernentitäten von VA sind demnach:
    • Morphtyp
    • Konzepte (zur Unterscheidung von Wörtern stets in Versalien geschrieben; BUTTER meine das Konzept, also die Sache als solche; Butter hingegen meint das Wort "Butter")
    • Gemeinden
    • [Zeit]

⇒ Das Wort xy wurde/wird in den Jahren jjjj in der/den Gemeinde(n) yz zur Bezeichnung des Konzepts KO verwendet

  • Die Wechselbeziehung von Morphtypen und deren Bedeutung erzeugt vor dem Hintergrund von Raum und Zeit eine enorme Komplexität:

Zu den Kernentitäten gehört auch der sog. Basistyp. Damit sind Wörter gemeint, die in irgendeiner Weise ganz offenkundig mit einem Morphtypen verbunden sind, ohne dass der Zusammenhang im Detail geklärt werden kann. In aller Regel handelt es sich dabei um ältere Vorstufen. Hierzu ein Beispiel:

Das deutsche Wort Salamander hängt unverkennbar mit dem italienischen salamandra zusammen. Das Wort salamandra gab es schon im Lateinischen (Georges). Für das deutsche Salamander stellt sich nun die Frage, ob es sich direkt aus dem Lateinischen entwickelt hat (Etymologie-Szenario) oder ob es später aus dem Italienischen übernommen worden ist (Entlehnungs-Szenario). Fragen dieser Art sind häufig nur mit sehr großem Aufwand – wenn überhaupt – zu entscheiden. Dennoch besteht unverkennbar eine Verbindung. Um diese dokumentieren zu können, hat VA den Basistyp eingeführt. (anders als im Fall von lat. salamandra können manche Basistypen keiner spezifischen Sprache zugeordnet werden. Gleichwohl muss es sie gegeben haben. In solchen Fällen wird ein Basistyp rekonstruiert [Kennzeichnung durch * vor dem Basistypen]; Beispiel: *cala als Basistyp z. B. von frz. chalet)

  • In Sprachatlanten und Wörterbüchern werden vielfach keine Morphtypen, sondern Einzelbelege oder phonetische Typen dokumentiert (z. B. Kaas, Chaas, Käs – alles Varianten des Morphtyps der Käse) ⇒ Quelldaten müssen klassifiziert werden (sog. "Typisierung")
  • Im Zuge der Typisierung verknüpft VA nach Möglichkeit einen Morphtyp mit einem korrespondierenden Eintrag in einem sog. Referenzwörterbuch. Liste der Referenzwörterbücher (Beispiel: der Morphtyp "malga|rom|f|nicht affigiert" entspricht dem Eintrag malga im Vocabolario der Treccani; http://www.treccani.it/vocabolario/malga/)
  • VA sammelt bis zu einem gewissen Grad auch Daten zur sog. außersprachlichen Peripherie. Als Beispiel können die Fundorte lateinischer Inschriften im Alpenraum genannt werden. Diese geben können einen Hinweis auf die Intensität der Romanisierung geben. Dies wiederum kann etwa die heutige Verbreitung romanischer Basistypen in bestimmten Regionen mehr oder weniger plausibel erscheinen lassen.

Technik

  • VA ist ein rein digitales Projekt – praktisch vollkommener Verzicht auf traditionelle papiergebundene Methoden
  • verwendet Standardsoftware, quasi ausschließlich open source
  • knapp 50% der Projektbeteiligten sind im Informatik-Sektor des Projekts tätig (2 wiss. Mitarbeiter, 1 Hilfskraft)

Backend und Frontend

Backend

  • Backend wird gebildet von einer MySQL-Datenbank
  • Vorteile der MySQL-DB:
    • Web-fähig
    • an der ITG herrscht seit langem Expertise
    • große Anzahl weiterer Projektdaten in der selben Server-Umgebung (MySQL-Cluster), so dass technische/inhaltliche Verknüpfung theoretisch möglich (Demo)
  • Die VA-DB ist im Lauf der Zeit immer komplexer geworden (normaler Vorgang) – aktuell 156 Tabellen (Demo)
  • Tabellen der Kernentitäten:
    • Einzelbeleg: Tabellen "aeusserungen" und Tabelle "tokens"
    • Morphtyp: Tabelle "morph_typen"
    • Konzept: Tabelle "konzepte"
    • Ortschaft: Tabelle "orte"
    • Die Zusammenhänge zwischen den einzelnen Entitäten sind in der Datenbank aufgrund der sog. Normalisierung nur durch komplexe Operationen darstellbar. Nur eine kurze Skizze: Beispiel id_aeusserung = 89349
    • Daher Bündelung der verteilten Informationen in sog. Datenzugriffsschicht: vap_ling_de ("Human-readable interface"; in mehreren Sprachen verfügbar) und z_ling (für Maschinen)
  • jeweils aktuelle Arbeitsversion trägt den Namen va_xxx
  • VA-DB wird alle halbe Jahre versioniert
    • Erzeugung einer DB-Kopie, an der nichts mehr geändert wird.
    • Suffix: _jjh (j=Jahr; h=Halbjahr), z. B. va_191: Datenbankversion der ersten Jahreshälfte 2019 (erzeugt Ende Juni/Anfang Juli; die Versionen der 2. Jahreshälfte werden gegen Ende Dezember erzeugt).
    • Wichtig für Gewährleistung der Zitierfähigkeit! Ein Wechsel zwischen den Versionen ist im Frontend von VerbaAlpina möglich (Demo)
  • neben der VA-DB existiert eine Reihe von Datenbanken der offiziellen VA-Partner (Kooperationsvereinbarungen; bislang insgesamt 53). Präfix: pva_ (= Partner von VerbaAlpina; Demo)

Frontend

  • Standard-WordPress-Installation (Demo: https://www.verba-alpina.gwi.uni-muenchen.de/)
  • auch hier wieder: Front- und Backend (Demo)
  • ergänzt um Eigenentwicklungen, zumeist in Form von sog. Plugins (werden auf Github unter offenen Lizenzen (CC BY-SA,  zur Nachnutzung zur Verfügung gestellt: https://github.com/VerbaAlpina/)
  • Mehrsprachig: die wichtigsten Sprachen des Alpenraums + Englisch (verursacht großen Aufwand)
  • Multifunktional:
    • Arbeitsinstrument für Mitarbeiter
    • Dokumentation
    • Publikation
    • Datensammlung
  • Punkt Dokumentation: Methodologie (Reflexion vielfältiger Aspekte, sprachwissenschaftlicher ebenso wie informatischer) (Demo)
  • Weitere Kern-Module des Frontend neben der Methodologie:
    • Interaktive Karte (Demo: malga, HERDE;
      • Integration von semasiologischer und onomasiologischer Perspektive;
      • qualitative und quantitative Kartierung: quantitative Kartierung bildet die Häufigkeit der in einer Region auf der aktuellen Karte dargestellten Symbole durch Intensität der Flächenfärbung ab (Beispiel: malga|rom|f|- in der Bedeutung ALM)
      • Kombination mit Daten der außersprachlichen Peripherie;
      • Einbindung von Normdaten: Wikidata-Q-IDs und Geonames-IDs: Belegfenster malga ⇒ HERDE im Ort Stenico)
      • Auf der Karte können auch individuelle Suchanfragen in SQL formuliert werden, die dann kartiert werden (Beispiel: liefer alle Einzelbelege des Morphtyps Butter, die mit einem "P" beginnen: where Type_Kind = 'L' AND Type = 'Butter' AND Instance like 'p%')
      • Technisch hochperformant (Nutzung des Standards WebGL, der den direkten Zugriff auf die Grafikkarte erlaubt; s. den Methodologie-Eintrag)
    • Lexicon Alpinum (Demo alt; Neuentwicklung! ⇒ Demo)
    • Transkriptionstool: Operationalisierung der strukturierten Erfassung analoger Datenquellen, v. a. von Sprachatlanten (Demo; Verwendung des Betacodes ⇒ normale Tastatur, geringe Fehleranfälligkeit, schnell zu erlernen, keine Kenntnisse in phonetischer Transkription erforderlich; Automatisierung vor allem wegen Zuordnungsproblematik nicht möglich)
    • Typisierungstool: Klassifizierung/Typisierung der digitalisierten Daten (Demo)
    • Crowdsourcing-Tool(s) ...

Einsatz von Crowdsourcing

  • Motivation:
    1. Konsolidierung von Inkonsistenzen, die sich aus der inhomogenen Dokumentationslage auf Basis von Sprachatlanten und Wörterbüchern ergeben (Übersicht über unterschiedliche thematische Abdeckung verschiedener Atlanten) ⇒ regionale Begrenzung der Quellen und unterschiedlicher Inhalt: z. B. wird nicht jedes Konzept von jedem Sprachatlas berücksichtigt. ⇒ Beseitigung von Dokumentationslücken (Demo)
    2. Mithilfe bei Transkription (⇒ Zooniverse-Tool; ursprüngliche Absicht: Verwendung eines "Baukastens" ( Zooniverse Project Builder), der den Entwicklungsaufwand reduziert. Hoffnungen haben sich leider nicht bestätigt, Entwicklungsaufwand kaum geringer als bei Eigenentwicklung. Weiterer Nachteil: Nicht direkt ins VA-System integriert, sondern auf Server von Zooniverse. Bislang noch nicht beworben, daher noch nicht produktiv. Transkriptionsergebnisse müssen in csv-Datei exportiert werden, die dann in va-DB importiert wird. Entsprechende Prozedur wird derzeit entwickelt – (Demo) – Zooniverse ist ein "citizen science web portal ", das eine große Anzahl von Crowdsourcing-Projekten unterstützt und auf seinen Seiten hostet. Eines der sehr frühen Projekte: Klassifizierung von Glaxien, ähnliche Aufgabe wie bei VerbaAlpina: Transkription von Logbüchern von Arktisfahrern aus dem 19. und frühen 20. Jh. – Zooniverse ist an der Universität Oxford beheimatet und verfügt über eine sehr große Anzahl von *registrierten* freiwilligen "Crowdern" (über 1,5 Mio.); VerbaAlpina "not yet an official Zooniverse project" (aufwendiges Review-Verfahren)
  • Die Vitalität des Crowd-Sourcing-Tools 1) wird überwacht: CSGRAPH

Nachhaltigkeit

  • Sämtlicher "Output" von VA muss dauerhaft zugänglich und nutzbar sein
  • Paradigma ist – in dieser Beziehung – das traditionelle Buch auf Papier
  • Im Detail sind damit u. a. die folgenden Postulate verbunden:
    • Die Daten müssen dauerhaft auffindbar sein (Buch: Bibliothekskataloge; wichtig: Es muss klar sein, an welche Institution ich mich wende. Bei einem Buch geht man selbstverständlich zur Bibliothek)
    • Die Daten müssen dauerhaft zugänglich sein (Buch: Bibliotheken)
    • Inhalte müssen präzise und stabil zitierbar sein (Buch: Seitenzahlen)
  • Durch die Möglichkeiten der elektronischen Vernetzung kommen, gegenüber dem Paradigma des Buches, die folgenden Postulate hinzu:
    • Projektdaten sollten mit Daten außerhalb des Projekts verknüpft werden können.
    • Zu diesem Zweck müssen die Daten des Projekts zu Entitäten zusammengefasst werden. Jede Instanz einer Entität muss eindeutig identifizierbar sein und über eine elektronische Adresse ansprechbar sein.
    • Die Kernentitäten von VA sind wiederum die oben bereits genannten:
      • Morphtypen
      • Konzepte
      • Orte
      • Basistypen
    • Jede Instanz dieser Entitäten erhält einen innerhalb des Projekts eindeutigen Identifikator: Morphtypen Präfix L, Konzepte Präfix C, Orte Präfix A, Basistypen Präfix B) – Beispiele im Lexikon Alpinum
    • Die Identifikatoren können auch als "Normdaten" bezeichnet werden – Unter Normdaten versteht man eindeutige, numerische oder alphanumerische Zeichenketten, die eine Instanz einer bestimmten Entität eindeutig identifizieren. Frühe Normdatensysteme sind z. B. im Kontext des Bibliothekswesens entstanden; ein Motiv dabei ist gewesen, Autoren mit gleichlautenden Namen eindeutig identifizieren zu können (⇒ häufige Personennamen wie im Deutschen "Schmid" oder "Meier"). Bekannte Normdatensysteme sind z. B. die Gemeinsame Normdatei (GND) der deutschen Nationalbibliothek (Suchportal; Demo: Krefeld [123778689], Alexander der Große [118501828]). Ein für VA relevantes Normdatensystem ist z. B. die Wikidata (Beispiel folgt gleich)
    • Die projektspezifischen Normdaten können im Mapping-Verfahren mit bestehenden projektexternen Normdatensystem verknüpft werden (z. B. Wikidata-QIDs: VA-Konzept-ID C612 [ALMHÜTTE] ⇒ Wikidata Q-ID Q2649726])
  • Sofern diese inhaltliche Verknüpfung nicht von Menschen, sondern von Maschinen geleistet werden soll, spricht man von Interoperabilität.
  • Die interaktive Karte stellt im Hinblick auf die Zitierfähigkeit eine besondere Herausforderunge dar: Jeder User kann individuelle Kartenbilder erzeugen, die möglicherweise wesentlich für eine spezifische Argumentation sind. VA hat daher ein System entwickelt, das die Erzeugung individueller URLs erlaubt, deren Aufruf exakt das Kartenbild generiert, das bei Erzeugung der URL auf dem Bildschirm zu sehen war (Demo).
  • Wesentliche Voraussetzung für die uneingeschränkte Nachnutzbarkeit von Projektdaten ist eine möglichst offene Lizenzpolitik. Seit einigen Jahren bietet hier die Initiative Creative Commons (CC; gemeinnützige Organisation, gegründet 2001) generische Lizenzmodelle. VA stellt all seine Inhalte, soweit möglich, unter der CC-Lizenz BY-SA zur Verfügung. Einzige Bedingung ist dabei nur die Nennung des ursprünglichen Urhebers (BY) und die Weitergabe der Daten unter eben dieser Bedingung (SA = share alike)
  • Diese Postulate im Hinblick auf Nachhaltigkeit sind seit einigen Jahren im Akronym FAIR verankert (bereits von Thomas Krefeld angesprochen): Daten müssen Findable – Accessible – Interoperable und Reusable sein.
  • Übertragung der VA-Daten an die UB der LMU, dabei Anreicherung um Metadaten (Prozeduren derzeit noch in der Entwicklung)
  • Zu diesem Zweck: API (Application Programming Interface; dt: Programmierschnittstelle) – Ermöglicht Zugriff auf die Kerndaten von VA, gegliedert nach Morphtypen – Konzepten – Ortschaften – Einzelbelegen (Demo)
  • Wozu Metadaten? – Ein simples Beispiel: VA spricht in seinem Datenbestand von "morpholexikalischem Typ". In einem anderen Projekt wird dasselbe Konzept etwa als "Lemma" bezeichnet. Die Inhalte beider Kategorien sind jedoch aufeinander zu beziehen. Damit Menschen – und mehr noch Maschinen – erkennen können, dass es sich um kongruente, mit einander zu verknüpfende Daten handelt, können die jeweiligen Datenbestände auf ein gemeinsames, nach Möglichkeit weithin bekanntes und anerkanntes Bezugssystem abgebildet werden. Meist verwendet das Metadatenschema ein alphanumerisches System, das bestimmte Entitäten eindeutig identifiziert.
  • VA bzw. die UB der LMU verwenden zwei verschiedene, weit verbreitete Metadatenschemata, wobei das eine, vom Konsortium Datacite, im Wesentlichen für die Erfassung von üblicherweise in Bibliothekskatalogen erfassten Daten wie Autoren, Schlagwörter und Entstehungszeit und -ort bezieht (s. dazu den Best Practice Guide)
  • Für die inhaltliche Tiefenerschließung findet das Metadatenschema CIDOC CRM (das Conceptual Reference Model [CRM] geht zurück auf eine Arbeitsgruppe des Comité International pour la Documentation [CIDOC], das seinerseits eine Gliederung des International Council of Museums (ICOM) darstellt; seit Anfang der 1990er Jahre) Anwendung (Dokumentation):

 

VerbaAlpina – Digital Geolinguistics Dedicated to the Lexical Analysis of the Alpine Region (Zitieren)

Stephan Lücke
(5391 Wörter)

Abstract

Since 2014 the DFG-funded long term project VerbaAlpina (VA) is run at the Ludwig-Maximilians-University of Munich (LMU). VA is a cooperation of the Institute of Romance Studies and the LMU Center for Digital Humanities (DH; IT-Gruppe Geisteswissenschaften).

The project focuses on lexical variation throughout the Alpine area as defined by the so-called Alpine Convention (https://www.alpconv.org/). Whereas geolinguistic research within the Alpine region is traditionally orientated towards the spread of national languages and towards political borders, VA takes the homogeneous natural environment of the mountaneous region and the resulting uniform habitat conditions and ways of living as the guiding parameters defining its area of research.

VA is conceptualized as a strictly digital project that uses web technology for various purposes such as documentation, publication and visualisation. VA takes its data from traditional geolinguistic publications, mainly linguistic atlases and suitable dictionaries (i.e. dictionaries providing geographic information). The strictly digital approach is associated with several challenges starting from the difficulties regarding the transcription of the sometimes complex phonetic characters that are used especially in some of the linguistic atlases. VA has developed a series of specific reusable and freely available online tools that are used within the workflow of digitizing data from the printed sources. Another tool, the so-called Crowdsourcing tool, was built for gathering speech data from online users with the aim of filling documentation gaps that result from inconsistencies of the available printed sources.

An interactive online map that is using performant up-to-date graphical technology (WebGL) offers suggestive qualitative and quantitative visualisation of geographic distribution patterns from onomasiological and/or semasiological perspectives. These can also be combined with non linguistic data such as the sites of latin inscriptions.

In addition to the geolinguistic core themes of the project, VA is providing methodological reflexion on many of the issues deriving from the strictly digital orientation that should be of interest also beyond the borders of the project and even beyond the field of geolinguistics. In general, VA is looking for perspectives and solutions that allow the linkage of lexical data across so far isolated domains of geolinguistic research projects with the option of real interoperability (the “I” in the acronym FAIR).

The talk will provide more detailed information on the mentioned aspects of the project VerbaAlpina.


Talk*

One word in advance: It is still common to work with PowerPoint presentations on occasions like this. VerbaAlpina tries to avoid PowerPoint as it does not totally comply with the "FAIR"-criteria: At least a powerpoint presentation is not interoperable (FAIR) at all and usually hardly findable, accessible and reusable (FAIR). On the other hand, all these demands are met with a web-based contribution like the one you can see right here. This preamble is not meant as a criticism of using Powerpoint but rather as an apology for the use of this different kind of presentation.

You can scan the QR-Code below with your smartphone and follow the talk on your mobile device.

! Scan with Smartphon !

! Scan with Smartphon !

Introduction

Some of you might already know our project VerbaAlpina. Nevertheless, I will start my talk by sketching the overall frameset of VerbaAlpina.

Scientific Approach

VerbaAlpina is a linguistic project with mainly lexical orientation. The focus is on a simple question: We would like to know which terms are used for specific concepts in the Alpine region. The documentation is limited to concepts that are typical for the Alpine region, such as mountain pasture and dairy farming or the specific alpine flora and fauna. From the point of view of traditional geolinguistics, a fundamental innovation is certainly the definition of the research area. The scope of many of the existing speech atlases for example complies with political-administrative concepts such as national territories or the selection criterion is restricted to the distribution of national languages. In contrast, VerbaAlpina has chosen the homogeneity of the Alpine region in terms of landscape, culture, and economy as the decisive aspect for the definition of the research area.

As already mentioned, the focus of VerbaAlpina's interest is the lexical material. VerbaAlpina's database is primarily based on material published in traditional language atlases. To a certain extent dictionaries were also used, but only those whose entries contain information on the geographical distribution of the documented terms. Examples include the Swiss-German Idiotikon or the Dizionario di Montagne di Trento by Corrado Grassi (DizMT).1. Among the language atlases prominent examples are the Sprach- und Sachatlas Italiens und der Südschweiz (AIS) and the Vorarlberger Sprachatlas (VALTS).

VerbaAlpina sees itself as an entirely "digital" online project that completely refrains from publications in conventional book or atlas form. The term "digital" also refers to work with *structured* data, that means data enriched with metadata. All these data are managed in a relational database (MySQL).

VerbaAlpina's data model is dominated by the correlation between the world of language and the extralinguistic reality, that is the world of concepts. The following scheme illustrates this correlation and makes it clear that in principle a certain word can designate more than just one concept and vice versa several words can exist for one and the same concept. In the context of VerbaAlpina, concepts are always written in capitals to clearly distinguish between words and concepts:

Correlation between designations and concepts

This basic model, which initially appears very simple, quickly acquires a high degree of complexity by adding the dimensions of space and time. This is because certain terms for certain concepts are only used in certain regions. The location and size of these regions can change over time or even disappear altogether.

So the question is:

  • Which words are or have been used
  • at which places
  • at what time to designate
  • which concepts?

Since the dimension of space is one of the central factors, VerbaAlpina only collects language material with georeferencing, as is the case in language atlases or in some dictionaries.

VerbaAlpina's spatial dimension is defined by the perimeter of the so-called Alpine Convention. The Alpine Convention is a treaty under international law signed by the countries sharing the Alps. The perimeter is a boundary drawn by this organisation which defines the extent of the Alps administratively. For purely pragmatic reasons VerbaAlpina follows this border since a clear delimitation of the study area is organisationally indispensable and otherwise hardly possible.2

Within the study area all collected and georeferenced language material is related to the grid of political communities. In the case of large-scale distribution data such as "Ticino" or "Vorarlberg", the corresponding language data is attributed to all municipalities in these regions. Starting from the fine granulation of the political communes, the language material can be grouped in later analyses according to superordinate political units such as cantons, departments, government districts or regions and visualised on a map.

From VerbaAlpina's point of view, the dimension of time is a little problematic, since the data grid is still very patchy in terms of chronological distribution and unbalanced in relation to the entire Alpine region. Some of the sources evaluated by VerbaAlpina indicate the time of the collection of a single document very precisely, sometimes even to the day3, while for other sources the year of publication only provides a terminus ante quem for the language data recorded therein.

VerbaAlpina's data material acquires historical depth through the interlocking of the words drawn from the sources and the identification of similarities in the lexical basis. French salamandre, Italian salamandra and German salamander have the same lexical basis. It is obvious to assume a historical connection here. However, it is not easy to decide whether, for example, the German word is derived from one of the two Romance words (loanword scenario), or whether all three variants can be traced back to a common forerunner independently of each other. In such cases, VerbaAlpina identifies a lexical precursor from an earlier language spoken in the Alpine region and assigns it to the modern words in order to be able to grasp *that* there is a connection between the three words mentioned. VerbaAlpina refers to such precursors as "base types". In the case of the example this would be the Latin salamandra.

The reason for this simplification is twofold: on the one hand, it is often not possible to decide which of the possible scenarios mentioned is present in the individual case and on the other hand, corresponding searches may be very time-consuming, so that they cannot be carried out within the framework of the project due to time constraints. The VA base types have the great advantage that they can be used to represent obviously existing connections *without* forcing the specification of the connections in detail.

The central reference value of VerbaAlpina are the so-called "morpholexical types", hereinafter referred to as "morph types". These are lexical units that are distinct, that means unmistakable, with regard to the linguistic family they belong to, spelling, genus and the question of whether they have an affixation or not. In this respect, the morph types correspond roughly to the lemmas of traditional dictionaries. These are predominantly nomina, verbs only play a subordinate role in VerbaAlpina so far.

VerbaAlpina initially bases its typification on so-called reference dictionaries. If there is a suitable entry in these dictionaries, it is assigned to the selected tokens. If the type exists in several reference dictionaries, multiple assignments are made. If a morph type does not exist in any reference dictionary, VerbaAlpina creates its own new morph type which is then assigned.

For the data collected from language atlases and dictionaries the morph type they represent must be decided on a case-by-case basis. An automatic assignment seems impossible. VerbaAlpina has developed a special tool facilitating manual typification, in which the transcribed and then tokenised utterances can be assigned to morph types (screenshot; link [registered users only]).

VerbaAlpina deliberately refrains from assigning morph types to individual languages or even dialects. The reason is that linguistic landscapes and thus also the Alpine region basically represent continua within which clear demarcations are practically impossible. Strictly speaking, each locality can have its own dialect. When defining the morph types, therefore, only the assignment to one of the three language families existing in the Alpine region is made. The assignment to a language family is inherited from the sources from which the documents belonging to the respective morph type originate.

The phonetic dimension is largely ignored by VerbaAlpina but can be mapped in the VerbaAlpina data model and is already present selectively in the database.

Many project specific aspects, be it related to linguistics or computer sciences, are reflected and thus documented in the methodology section of the project website.

Technical Aspects

VerbaAlpina tools

VerbaAlpina uses standard software wherever possible which must also be open source. Essentially, this involves the MySQL database management system (DBMS) for managing the central database and the WordPress PHP framework for the project website. For the specific requirements of the project, however, tools based on the aforementioned basic technologies have been developed. All of them are available on Github for free re-use under the CC-BY-SA license (VerbaAlpina-Github-Repository). And there is already one case in which some of our tools is reused: The VerbaPicardia (APPI).

Betacode and Transcription Tool

Betacode

For the transcription of "exotic" writing systems, that primarily are found in language atlases, VerbaAlpina uses a concept that was developed and successfully used for the Thesaurus Linguae Graecae (TLG) in the 1970s (TLG-Betacode). In essence, the aim is to replace arbitrary characters and diacritics with defined and documented sequences of ASCII characters. The rules follow as simple and mnemotechnically favorable patterns as possible. For example, an acute on a base character is transcribed by a slash behind the base character.

The utterance you see here4:

taken from the AIS, is transcribed according to the transcription rules as follows:

la lac/a/

The sound value denoted by a sign is not important at all. This also means that identical signs such as the acute are always transcribed in the same way, that means with a slash after them, completely independent of the transcribed original and the possibly specific phonetic meaning. Only a source specific conversion procedure, in which all transcriptions are transferred into the IPA system, takes the sound values of the original source into account.

This method has several advantages:

  • It is possible to transcribe characters that are not yet Unicode-encoded.
  • The transcription can be done comfortably with standard keyboards and without complicated key combinations.
  • The transcriptors do not require knowledge of the meaning of the characters.
  • The transcriptions are – unlike multi-byte characters from UTF-8 – technically robust against unwanted changes.
  • Transcription takes place without loss of information.5

Transcription Tool

Especially, the automatic structured recording of lexical material from language atlases represents a considerable technical problem. It is not about the transformation of the partly exotic writing systems, which are sometimes used there. OCR programs such as Abbyy Finereader can be trained in such a way that they also correctly capture such writing systems and even produce the VerbaAlpina-specific beta code.6

In case of the linguistic atlases of the Romance tradition the real difficulty lies often in assigning the correct place, represented by a number, to the statements entered directly on the map. Machines are always overwhelmed by this task – and sometimes even humans are – when the entries on the map are too close together, as is the case, for example, in the AIS in southern Switzerland and neighbouring Italy.7

AIS-map 1218: Problem of assigning strings to numbers

From the point of view of automatic data acquisition the language atlases with point symbol maps, which are widely used in the field of German studies, appear to be even more complicated. In contrast to the Romance atlases data is usually displayed here in typified form. Concrete individual utterances of the informants are only presented occasionally.

Punktsymbolkarte germanistischer Tradition (VALTS IV 73: Die SENNHÜTTE)

The structured collection of data from these language atlases can therefore only be carried out manually. The problem is that consistent, error-free data collection requires a high degree of concentration and discipline. VerbaAlpina has developed a special transcription tool to make this work easier, to reduce the risk of errors and to ensure that the procedure is as systematic as possible.

Transcription tool

The tool synoptically combines a scan of the map to be transcribed and the form in which the transcriptions are entered. Maps and points on the map that have already been transcribed are marked accordingly. The system also prevents the duplicate capture of individual entries on the map. The transcriptor is given the numbers or signatures of the points on the map one after the other by the system. The transcription then takes place in the appropriate field of the form. The other parameters such as map number, location point number and concept assignment are specified by the system and are stored together with the transcription in the database. The registered data in the database then look like this:

The input mask presents the general transcription rules for data entry in beta code in a windowframe at the top right, so the transcriptor can consult them with as little effort as possible. The automatic conversion corresponding to the original script on the map is displayed to the right of the input field as the transcriptor is writing. Thus, the transcriptor can immediatly detect eventual typos. In addition, the system prevents entering invalid character combinations.

Crowdsourcing tool

The database compiled by VerbaAlpina from language atlases and dictionaries shows inconsistencies in several respects. These inconsistencies result mainly from the fact that the language atlases each cover only parts of the Alpine region and do not all comprise the same concepts. As a result, for a certain region there are terms for concepts that were not even queried elsewhere – which does not mean that they do not exist there. For example the concept BEE is only attested in the areas documented by the following atlases: AIS, ALF, ALJA, ASLEF, TSA as is visualized on the following maphttps://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=xxx&tk=2428)<br /> " rel="footnote">8

Missing attestations for the concept BEE

It is not possible to carry out any surveys to fill the gaps. VerbaAlpina is therefore using the idea of crowdsourcing to round off the database. The idea is that users on the Internet contribute previously undocumented terms for selected concepts. VerbaAlpina has developed a special crowdsourcing tool (CS tool) for this purpose (Link). The functionality is deliberately kept simple so as not to deter potential crowders.

The VerbaAlpina Crowdsourcing (CS) Tool

Each "crowder" has to select a location on a map and enters designations for selected concepts that are, in his opinion, common at this location. VerbaAlpina typifies the entire material as well as the data from atlases and lexica. A validation of the crowd material is theoretically possible through the principle of third-party confirmation but is currently not carried out by VerbaAlpina, mainly because the amount of data is still too small.

VerbaAlpina is monitoring the crowd activity (Link). Experience has shown that the vitality of the croudsourcing tool, that is: the number of entries, depends crucially on corresponding advertising activities. Immediately after media reports about VerbaAlpina and its crowdsourcing tool or corresponding propaganda in social media, the number of entries rises sharply but always falls again soon.

Mapping tool

The interactive online map appears as the, so to say, "showcase" of the project. It is designed as the central data access point for the public, enabling the representation of language data in the dimension of space and thus revealing connections that often remain hidden when data is viewed in table or list form.

The digital map offers both the possibility of accessing the database from the perspective of words, that means of mapping the various concepts that can be designated by a particular word, and the option of asking the opposite question: Which concepts are designated where with which words. In traditional publishing, these two perspectives could only be served by two different genera: The (onomasiological) language atlas and the (semasiological) dictionary. The digital online map even offers the possibility of synoptically mapping both perspectives.

The map essentially offers two different forms of visualization. he standard method is qualitative mapping where the individual data which are bundled according to political communities are first displayed on the map by symbols. The following example shows the mapping of the distribution of the Romanic morph type malga, grouped according to its regionally different meanings:

A click on the map symbols opens an info window in which the underlying language data is presented. In addition to the source, the concept designated with the word, the base type and the individual attestation of the respective source in IPA are also displayed. The framed letters behind morph and base types refer to the corresponding entries in the reference dictionaries and are partly interactive, depending on accessibility on the net. A click on the symbol then leads directly to the corresponding entry in the reference dictionary. The info window also includes norm data and links to them. A click on the globe symbol next to or below the municipality name leads to the corresponding Geonames page, the concept names are linked to the Wikidata entries.

In addition to qualitative mapping, VerbaAlpina also offers a quantifying presentation. A click on the Q in the circle next to the menu item "Areas and regions" acccumulates the currently mapped elements according to regions and colours them differently according to the number of elements mapped there. As default the large language areas form the reference pattern. By selecting the corresponding menu item "Areas and regions", the data can also be accumulated and mapped according to smaller administrative units down to the level of municipalities.

The following map shows the distribution of morph types connected to the (Latin) base type butyuru(m) (Link):

Distribution of morph types connected to the base type butyru(m) (qualitative mapping)

The same data accumulated on the quantifying map (Link):

quantifying representation of the distribution of morph types connected to the base type butyru(m)

In addition to the realistic representation of the geographical boundaries, the quantifying representation can also be visualized on a hexagon map. In this kind of map, the geographical units are represented by hexagons of identical size. Thus, visual distortion effects are avoided which result from the area sizes which differ strongly from each other in reality. Of course, this kind of mapping has the disadvantage that the geographical arrangement of the areas and especially the number of adjacent areas no longer corresponds to reality in most cases. The added value certainly results from the possibility of switching between the different mapping variants and thus gaining an almost objective impression.

Hexagon map

The sharing symbol at the top right-hand corner of the map allows you to call up a persistent link that refers stably to the current map view and can, for example, be sent by e-mail or used in texts.

The realization of the online map is based on the latest graphics technology (WebGL) and is extremely powerful. This performance becomes visible above all during zoom processes with a large number of map symbols and borders, which demand a high computing power from the computer. The use of WebGL allows the necessary calculations on the processor of the graphics card (GPU) which is responsable for the decisive performance gain.

Cross-linkage and sustainability

Access to VA-data

Access to VerbaAlpina data is possible in various ways:

  • Via the project portal, which is freely accessible on the Internet and above all via the interactive online map and the – not yet mentioned – Lexicon alpinum,
  • via the API, which is also freely accessible,
  • or by using the PMA interface of the MySQL database.

The API allows the download of finely granulated material in a number of different formats and aggregations. Access via the PMA interface is reserved for VerbaAlpina's official cooperation partners. The PMA interface allows data analysis using the SQL language. SQL-statements can also be executed using a form in the mapping tool. This function will be accessible to the public very soon. At present its use is restricted to registered users.

VerbaAlpina's core data is very finely granulated and the individual elements are uniquely identified with persistent identifiers and can therefore be addressed precisely. Ultimately, these alphanumeric identifiers fulfill the function of VerbaAlpina-specific norm data. In concrete terms, all morph types, concepts and political communities are given a unique number which can be used to access the specific data in different ways or be referenced externally. Identifiers of the morph types have the prefix L, concepts C and communities A. The ID L1435, for example, stands for the morph type "babeurre (m.) (roa.)". The first of the following addresses calls up a mapping of the distribution of this morph type, the second leads to the download of the data stored on this morph type in XML format and the last, finally, leads to the commentary in the Lexicon Alpinum – if available:

With a few exceptions, all URLs that refer to VerbaAlpina content contain a parameter that refers to a specific version of VerbaAlpina, marked in red in the examples above. The first two digits represent the year, the last one the version number of the year (191: first version in 2019). While the database of the working version, which is recognizable by the character string xxx, is subject to permanent changes, the contents of the other versions are stable. This ensures that references to these URLs always call up the same content and citation security is guaranteed. VerbaAlpina data is versioned twice a year, at mid-year and at year-end. You can choose between the available versions on the homepage.

The data of VerbaAlpina will soon also be transferred to the RDF schema of the Semantic Web. However, the establishment of a SPARQL endpoint is not planned for the time being; the corresponding implementation involves some effort and seems dispensable since there are a number of other ways of accessing the VerbaAlpina data. After all, VerbaAlpina meets the criteria of the "Linguistic linked open data" movement (http://linguistic-lod.org/).PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer." rel="footnote">9, and the data of VerbaAlpina will soon be included in this.

In the course of transferring the data of VerbaAlpina to the research data repository of the LMU-Library every item is enriched with DataCite metadata and is given a persistent DOI. The corresponding procedure is currently in development. It will soon be functional.

Linkage with external resources

VerbaAlpina links the three core categories of its database with external databases via the integration of suitable norm data.

In the case of morph types, corresponding links are established to the reference dictionaries. An interesting side effect is that the different suitability of the corresponding resources becomes clear. In terms of maximum interoperability, only some of the reference dictionaries provide suitable possibilities to technically address data in a desireable way. Positive examples include the portal of the Centre National de Ressources Textuelles et Lexicales ([Bibl:CNRTL]) or the Italian Treccani which offer transparent URLs for each lexical entry (e.g:  https://www.cnrtl.fr/definition/beurre, http://www.treccani.it/vocabolario/burro/). In some other cases references are only possible with great inaccuracy or not at all. It is not uncommon to encounter the phenomenon that the addressability of the contents still refers to the conventional page logic of book printing and to PDF documents or image files. This is, for example, the case with the French etymological dictionary (FEW).

For the concepts VerbaAlpina refers so far exclusively to the so-called Wikidata data objects. Each concept is assigned the respective Wikidata Q-ID in the database of VerbaAlpina. The corresponding link leads to the Wikidata data object page. There you will find links to the articles in the different Wikipedia of this concept. The link to the norm data of geonames has already been mentioned.

As we have already seen, links to all norm data are presented to the user in the info windows on the online map.

Some organizational stuff

VerbaAlpina started in 2014 and is funded by the German Research Foundation (DFG) with a perspective until 2025. The individual project terms comprise 3 years each. At the moment we are heading towards the last year of the second term and are about to prepare the application for the funding of the third term.

VerbaAlpina is directed by Thomas Krefeld and myself. The staff is divided into two parts: There are three linguists and two computer scientists who are each supported by assistants. Among the linguists there are two Romance scholars and one Germanist. One of the computer scientists is mainly responsible for all aspects of the core data (data modelling, interfaces, API), the other mainly for all questions of visualisation, mainly the interactive online map.

VerbaAlpina is thus an interdisciplinary DH project with parts of the classical humanities and computer science. The LMU Center for Digital Humanities (IT-Gruppe Geisteswissenschaften; ITG) is responsible for the informatics part. This institution was created in 2000, is largely financed by the six humanities faculties of the LMU and has an unlimited perspective of existence. The ITG is responsible for planning and operating the IT infrastructure in the Humanities area. One of the ITG's steadily growing areas of responsibility is support in the planning and implementation of DH projects. From the ITG's point of view, VerbaAlpina is only one of numerous projects whose project data is managed in the context of a heterogeneous, but uniformly – namely relationally – structured overall data pool. Over the years, this data pool has grown to considerable size and diversity, offering at least theoretically the perspective of data analysis across project boundaries. Against this background, the ITG is currently developing a cooperation with the LMU-Master's programme in Data Science, which was launched at the beginning of 2017.

The ITG also plays an important role with regard to the sustainability of the results produced by VerbaAlpina. After the end of project funding, the ITG will continue to operate the project portal as far as possible and perform the minimum maintenance work required for operation.


* Given at the colloqium „NEW WAYS OF ANALYZING DIALECTAL VARIATION“, held at Sorbonne University, Paris, 21-23 November 2019. The English version of the talk was initially produced with the help of DeepL (https://www.deepl.com/translator) and subsequently corrected or adapted where necessary.


  1. Grassi documents the local variation of a single small town in the Italian province of Trento 

  2. However, the chosen definition of the study area causes certain asymmetries, such as the fact that the Swiss Emmental, famous for its cheese, lies outside the Alpine Convention and is therefore not covered by VerbaAlpina, although this region could very well be considered part of the Alpine region from both an economic and an environmental point of view. 

  3. Such is the case in the AIS 

  4. AIS 1218_1, 129 

  5. This would be the case, for example, if the Böhmer Ascoli system, used for example in the AIS, were transcribed directly into IPA instead of the present one, since IPA does not allow such a fine differentiation with regard to the individual sounds as Böhmer Ascoli does 

  6. The procedure is sketched in S. Lücke / C. Riepl / C. Trautmann, Softwaretools und Methoden für die korpuslinguistische Praxis (Korpus im Text 1, München 2017, S. 126f. 

  7. A master thesis has just been completed at the Institute of Computer Science of the LMU, which was intended to design an algorithmic solution to this problem. Among other things, deep learning methods were used. As far as VerbaAlpina can judge, however, no success is in sight in this way either – not to talk about the technical availability of an appropriate tool. 

  8. AIS: Map 1152: un'ape; le api"
    ALF: Map 1: abeille"
    ALJA: Map 792: (l') abeille *(le) mâle des abeilles"
    ASLEF: Map 1148: ape"
    TSA: Map III_28: Biene"

    (cf. map https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=xxx&tk=2428)
     

  9. S. Chiarcos, Christian; McCrae, John; Cimiano, Philipp; Fellbaum, Christiane (2013). Towards open data for linguistics: Lexical Linked Data (PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer. 


Bibliographie

  • AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
  • ALF = Gilliéron, Jules / Edmont, Edmond (1897-1900): l’Atlas linguistique de la France, Paris , Champion. Link
  • ALJA = Martin, Jean-Baptiste / Tuaillon, Gaston (1971, 1978, 1981): Atlas linguistique et ethnographique du Jura et des Alpes du nord, Paris, vol. 1, 3, 3a, Éd. du Centre National de la Recherche Scientifique
  • ASLEF = Pellegrini, Giovan Battista (1974-1986): Atlante storico-linguistico-etnografico friulano, Padova, vol. 1-6
  • DizMT = Grassi, Corrado (2009): Dizionario del dialetto di Montagne di Trento, San Michele all'Adige
  • FEW = Wartburg, Walter (1922-1967): Französisches etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes , Basel, vol. 20, Zbinden. Link
  • Idiotikon = (1881 ff.): Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch, Basel. Link
  • TSA = Klein, Karl Kurt/ Kühebacher, Egon/ Schmitt, Ludwig Erich (1965, 1969, 1971): Tirolischer Sprachatlas, vol. 1-3, Innsbruck, Tyrolia-Verl. [u.a.]
  • VALTS = Gabriel, Eugen (1985-2004): Vorarlberger Sprachatlas mit Einschluss des Fürstentums Liechtenstein, Westtirols und des Allgäus , vol. 1-5, Bregenz, vol. 1-5, Vorarlberger Landesbibliothek

VerbaAlpina – Digital Geolinguistics Dedicated to the Lexical Analysis of the Alpine Region (Zitieren)

Stephan Lücke
(4649 Wörter)

Abstract

Since 2014 the DFG-funded long term project VerbaAlpina (VA) is run at the Ludwig-Maximilians-University of Munich (LMU). VA is a cooperation of the Institute of Romance Studies and the LMU Center for Digital Humanities (DH; IT-Gruppe Geisteswissenschaften).

The project focuses on lexical variation throughout the Alpine area as defined by the so-called Alpine Convention (https://www.alpconv.org/). Whereas geolinguistic research within the Alpine region is traditionally orientated towards the spread of national languages and towards political borders, VA takes the homogeneous natural environment of the mountaneous region and the resulting uniform habitat conditions and ways of living as the guiding parameters defining its area of research.

VA is conceptualized as a strictly digital project that uses web technology for various purposes such as documentation, publication and visualisation. VA takes its data from traditional geolinguistic publications, mainly linguistic atlases and suitable dictionaries (i.e. dictionaries providing geographic information). The strictly digital approach is associated with several challenges starting from the difficulties regarding the transcription of the sometimes complex phonetic characters that are used especially in some of the linguistic atlases. VA has developed a series of specific reusable and freely available online tools that are used within the workflow of digitizing data from the printed sources. Another tool, the so-called Crowdsourcing tool, was built for gathering speech data from online users with the aim of filling documentation gaps that result from inconsistencies of the available printed sources.

An interactive online map that is using performant up-to-date graphical technology (WebGL) offers suggestive qualitative and quantitative visualisation of geographic distribution patterns from onomasiological and/or semasiological perspectives. These can also be combined with non linguistic data such as the sites of latin inscriptions.

In addition to the geolinguistic core themes of the project, VA is providing methodological reflexion on many of the issues deriving from the strictly digital orientation that should be of interest also beyond the borders of the project and even beyond the field of geolinguistics. In general, VA is looking for perspectives and solutions that allow the linkage of lexical data across so far isolated domains of geolinguistic research projects with the option of real interoperability (the “I” in the acronym FAIR).

The talk will provide more detailed information on the mentioned aspects of the project VerbaAlpina.


Talk*

Englische Version

Einführung

Ein Wort vorab: Nach wie vor ist es üblich, bei Vorträgen mit PowerPoint-Präsentationen zu arbeiten. Es gehört zum Konzept von VerbaAlpina, darauf zu verzichten, und die Vorträge stattdessen als WordPress-Beiträge zu konzipieren, die im Internet frei verfügbar sind. Der Grund ist, dass PowerPoint-Präsentationen nicht "FAIR", also findable, accessible, interoperable und reusable sind, VerbaAlpina jedoch größten Wert auf die Einhaltung dieser Prinzipien legt. Mit WordPress-Beiträgen ist dies deutlich besser gewährleistet.

Some of you might already know our project VerbaAlpina, regardless I want to start my talk by sketching the overall frameset of VerbaAlpina in short terms.

Scientific Approach

VerbaAlpina ist ein im wesentlichen lexikalisch ausgerichtetes sprachwissenschaftliches Projekt. Im Zentrum des Interesses steht die vor der Hand einfache Frage, welche sprachlichen Bezeichnungen für ganz bestimmte Konzepte im Alpenraum verbreitet sind. Die Dokumentation ist dabei beschränkt auf Konzepte, die typisch für den Alpenraum sind, wie etwa die Alm- und Milchwirtschaft oder auch die spezifisch alpine Tier- und Pflanzenwelt. Eine aus Sicht der traditionellen Geolinguistik grundlegende Neuerung ist sicherlich der Zuschnitt des Untersuchungsgebiets, oder vielmehr die zugrundeliegende Motivation, die nicht, wie verbreitet der Fall, politisch-administrative Konzepte wie etwa Staatsgebiete, sondern vielmehr die naturräumliche und in der Folge kulturelle Homogenität einer Region zum Auswahlkriterium macht.

Wie bereits gesagt, steht das lexikalische Material im Mittelpunkt des Interesses von VerbaAlpina. Der Datenbestand von VerbaAlpina basiert zum einen auf dem Material, das in traditionellen Sprachatlanten publiziert vorliegt. Zum anderen wurden auch Wörterbücher herangezogen, allerdings nur solche, deren Einträge auch Informationen zur geographischen Verbreitung der Bezeichnungen enthalten. Als Beispiel können das Schweizerdeutsche Idiotikon oder auch der Dizionario di Montagne di Trento von Corrado Grassi genannt werden. Letzterer dokumentiert die lokale Variation eines einzelnen kleinen Ortes in der italienischen Provinz Trento. Von den Sprachatlanten können als prominente Beispiele der Sprach- und Sachatlas Italiens und der Südschweiz (AIS) oder auch der Sprachatlas von Vorarlberg (VALTS) genannt werden.

VerbaAlpina versteht sich als durch und durch "digitales" Online-Projekt, das vollständig auf Publikationen in herkömmlicher Buch- oder Atlasform verzichtet. Mit "digital" ist hier überdies die Arbeit mit *strukturierten*, also um Metadaten angereicherten, Daten gemeint. Diese werden in einer relationalen Datenbank verwaltet.

Das Datenmodell von VerbaAlpina wird dominiert von der Wechselbeziehung zwischen der Welt der Sprache und der außersprachlichen Realität, also der Welt der Konzepte. Das nachfolgende Schema illustriert diese Wechselbeziehung und macht deutlich, dass grundsätzlich ein bestimmtes Wort mehr als nur ein Konzept bezeichnen kann und umgekehrt auch mehrere Wörter für ein und dasselbe Konzept existieren können. Zur klaren Unterscheidung zwischen Wörtern und Konzepten werden im Kontext von VerbaAlpina Konzepte stets in Versalien geschrieben:

Zusammenhang zwischen Bezeichnungen und Konzepten

Dieses zunächst sehr simpel anmutende Basismodell erlangt sehr schnell hohe Komplexität durch die Hinzufügung der Dimensionen von Raum und Zeit. Denn bestimmte Bezeichnungen für bestimmte Konzepte sind nur in bestimmten Regionen gebräuchlich. Dabei können Lage und Größe dieser Regionen sich über die Zeit verändern oder auch ganz und gar verschwinden.

Die Fragestellung lautet also:

  • Welche Wörter werden oder wurden
  • an welchen Orten
  • zu welcher Zeit zur Bezeichnung
  • welcher Konzepte verwendet?

Da die Dimension des Raumes einen der zentralen Faktoren darstellt, sammelt VerbaAlpina ausschließlich Sprachmaterial mit Georeferenzierung, wie dies etwa in Sprachatlanten oder in manchen Wörterbüchern vorliegt.

Der Rahmen der räumlichen Dimension ist von VerbaAlpina durch das Perimeter der sog. Alpenkonvention abgesteckt. Die Alpenkonvention ist ein völkerrechtlicher Vertrag der Alpenanrainerstaaten. Das Perimeter ist eine von dieser Organisation gezogene Grenze, die die Ausdehnung der Alpen administrativ definiert. VerbaAlpina orientiert sich aus rein pragmatischen Gründen an dieser Grenze, da eine klare Abgrenzung des Untersuchungsgebiets  organisatorisch unerlässlich und anders kaum möglich ist. Allerdings bedingt die gewählte Definition des Untersuchungsgebiets gewisse Asymmetrien, wie etwa die Tatsache, dass das Schweizerische Emmental, berühmt für seinen Käse, außerhalb der Alpenkonvention liegt und daher nicht von VerbaAlpina erfasst wird, obwohl diese Region in wirtschaftlicher wie auch naturräumlicher Hinsicht sehr wohl zum Alpenraum gerechnet werden könnte.

Innerhalb des Untersuchungsgebiets stellen für VerbaAlpina die politischen Gemeinden das zentrale Referenzsystem dar: Sämtliches gesammeltes und georeferenziertes Sprachmaterial wird auf das Raster der politischen Gemeinden bezogen. Bei großflächigen Verbreitungsangaben wie etwa "Tessin" oder "Vorarlberg" werden die entsprechenden Sprachbelege auf sämtliche Gemeinden dieser Regionen übertragen. Ausgehend von der feinen Granulierung der politischen Gemeinden kann das Sprachmaterial bei späteren Analysen nach übergeordneten politischen Einheiten wie etwa Kantonen, Départments, Regierungsbezirken oder Regionen gruppiert und auf einer Karte visualisiert werden.

Ein wenig problematisch ist aus Sicht von VerbaAlpina die Dimension der Zeit, da das Datennetz im Hinblick auf die chronologische Streuung bislang noch sehr dünn und bezogen auf den gesamten Alpenraum unausgewogen ist. Manche der von VerbaAlpina ausgewerteten Quellen geben den Zeitpunkt der Erhebung eines Einzelbelegs sehr exakt, manchmal sogar tagesgenau, an, bei anderen Quellen liefert das Jahr der Publikation lediglich einen Terminus ante quem für die darin erfassten Sprachdaten.

Das Datenmaterial von VerbaAlpina erhält historische Tiefe durch die Verklammerung der aus den Quellen geschöpften Wörter durch die Feststellung von Gemeinsamkeiten bezüglich der lexikalischen Basis. So besitzen französisch salamandre, italienisch salamandra und deutsch Salamander dieselbe lexikalische Basis. Hier einen historischen Zusammenhang zu vermuten, liegt nahe. Es lässt sich jedoch nicht ohne weiteres entscheiden, ob z.B. das deutsche Wort aus einem der beiden romanischen Wörter hervorgegangen ist (Entlehnungsszenario), oder ob alle drei Varianten unabhängig von einander auf einen gemeinsamen Vorläufer zurückzuführen sind. Um dennoch erfassen zu können, *dass* zwischen den drei genannten Wörtern ein Zusammenhang besteht, identifiziert VerbaAlpina in solchen Fällen einen lexikalischen Vorläufer aus einer früheren im Alpenraum verbreiteten Sprache und weist diesen den modernen Wörtern zu. VerbaAlpina bezeichnet solche Vorläufer als "Basistypen". Im Fall des Beispiels wäre dies das lateinische salamandra.

Der Grund für diese Vereinfachung ist ein doppelter: Zum einen ist vielfach nicht zu entscheiden, welche der genannten Varianten im Einzelfall vorliegt, zum anderen sind entsprechende Recherchen unter Umständen sehr aufwendig, so dass sie im Rahmen des Projekts aus Zeitgründen nicht betrieben werden können. Die VA-Basistypen haben den großen Vorteil, dass sie offenkundig bestehende Zusammenhänge datentechnisch abbilden lassen, *ohne* zur Spezifizierung der Zusammenhänge im einzelnen zu zwingen.

Die zentrale Bezugsgröße von VerbaAlpina sind die sog. "morpholexikalischen Typen", im folgenden kurz "Morphtypen" genannt. Dabei handelt es sich um lexikalische Einheiten, die bezüglich ihrer Sprachfamilienzugehörigkeit, ihrer Schreibung, des Genus und der Frage, ob sie eine Affigierung aufweisen oder nicht, distinkt, also unverwechselbar sind. Insofern entsprechen die Morphtypen in etwa den Lemmata der traditionellen Wörterbücher. Dabei handelt es sich ganz überwiegend um Nomina, Verben spielen bei VerbaAlpina bislang eine untergeordnete Rolle.

Bei der Typisierung orientiert sich VerbaAlpina zunächst an sog. Referenzwörterbüchern. Sofern in diesen Wörterbüchern ein passender Eintrag vorhanden ist, wird dieser den ausgewählten Tokens zugewiesen. Existiert der Typ in mehreren Referenzlexika, erfolgen Mehrfachzuordnungen. Sollte ein Morphtyp in keinem Referenzlexikon vorhanden sein, erzeugt VerbaAlpina einen eigenen, neuen Morphtypen, der dann zugewiesen wird.

Für die aus Sprachatlanten und Wörterbüchern erfassten Daten muss jeweils im Einzelfall entschieden werden, welchen Morphtypen sie repräsentieren. Eine automatische Zuweisung erscheint unmöglich. Für die manuelle Typisierung hat VerbaAlpina ein eigenes Tool entwickelt, in dem die transkribierten und anschließend tokenisierten Äußerungen Morphtypen zugeordnet werden können.

VerbaAlpina verzichtet bewusst auf die Zuweisung der Morphtypen zu Einzelsprachen oder gar Dialekten. Der Grund ist, dass sich Sprachlandschaften und so auch der Alpenraum grundsätzlich als Kontinua darstellen, innerhalb derer klare Abgrenzungen praktisch unmöglich sind. Streng genommen kann jede Ortschaft ihren eigenen Dialekt besitzen. Bei der Definition der Morphtypen erfolgt daher lediglich die Zuweisung zu einer der drei im Alpenraum vorhandenen Sprachfamilien. Die Zuordnung zu einer Sprachfamilie wird dabei von den Quellen vererbt, aus denen die Belege stammen, die dem jeweiligen Morphtypen angehören.

Die phonetische Dimension wird von VerbaAlpina weitgehend ausgeblendet, ist im Datenmodell von VerbaAlpina jedoch abbildbar und punktuell im Datenbestand auch schon präsent.

Die Entwicklung der Sprache im Raum ist stets mehr oder minder stark beeinflusst von einer ganzen Reihe dynamischer Prozesse. Dazu gehören etwa Wanderungsbewegungen, Verdrängungen, Landnahmen, der Wandel von Wirtschaftsformen oder auch der klimatischen Rahmenbedingungen. Aus diesem Grund sammelt VerbaAlpina – allerdings unsystematisch und selektiv – auch nicht-sprachliche Daten, die die genannten Phänomene dokumentieren. Als Beispiel können Daten zu archäologischen Fundstätten der Völkerwanderungszeit oder auch die Informationen zu Verkehrswegen und Ortschaften genannt werden, die der Tabula Peutingeriana entnommen werden können. Auch die Daten dieser außersprachlichen Peripherie müssen georeferenzierbar sein. VerbaAlpina bietet den Nutzern die Möglichkeit, diese Daten in Beziehung zur Verbreitung sprachlicher Phänomene zu setzen und auf diese Weise historische Zusammenhänge sichtbar werden zu lassen.

Technical Aspects

VA-Tools

VerbaAlpina setzt nach Möglichkeit weit verbreitete Standardsoftware ein, die außerdem open source sein muss. Im Wesentlichen handelt es sich um das Datenbankmanagementsystem (DBMS) MySQL zur Verwaltung des zentralen Datenbestands sowie um das PHP-Framework WordPress. Für die spezifischen Anforderungen des Projekts wurden jedoch überwiegend auf den genannten Basistechnologien aufbauende Tools entwickelt, die allesamt auf Github zur freien Nachnutzung unter der CC-BY-SA-Lizenz verfügbar sind (https://github.com/VerbaAlpina?tab=repositories).

Der VA-Betacode und das VA-Tanskriptionstool

Betacode

Für die Transkription von "exotischen" Schriftsystemen, wie sie häufig gerade in Sprachatlanten anzutreffen ist, setzt VerbaAlpina ein Verfahren ein, das bereits in den 1970er Jahren für den Thesaurus Linguae Graecae (TLG) entwickelt und erfolgreich eingesetzt worden war. Im Kern geht es darum, beliebige Schriftzeichen durch definierte und dokumentierte Sequenzen von ASCII-Zeichen zu ersetzen. Die Regeln folgen möglichst einfachen und mnemotechnisch günstigen Mustern. So wird z.B. ein Akut auf einem Basiszeichen durch einen Slash hinter dem Basiszeichen transkribiert.

Die Äußerung1

wird gemäß den Transkriptionsregeln folgendermaßen transkribiert:

la lac/a/

Dabei spielt der mit einem Zeichen bezeichnete Lautwert keine Rolle. Das bedeutet auch, dass identische Zeichen wie z.B. der Akut vollkommen unabhängig von der transkribierten Vorlage und der möglicherweise spezifischen phonetischen Bedeutung stets gleich, nämlich mit einem nachgestellten Slash transkribiert wird. Erst ein vorlagenspezifisches Konvertierungsverfahren, bei dem sämtliche Transkriptionen in das IPA-System übertragen werden, berücksichtigt die Lautwerte der ursprünglichen Quelle.

Diese Methode besitzt gleich mehrere Vorteile:

  • Es ist die Transkription von Zeichen möglich, die bislang noch nicht unicode-kodiert sind
  • Die Transkription kann bequem mit Standardtastaturen und ohne komplizierte Tastenkombinationen erfolgen
  • Die Transkriptoren benötigen keine Kenntnisse über die Bedeutung der Zeichen
  • Die Transkriptionen sind – anders als Multi-Byte-Characters von UTF-8 – technisch robust gegen ungewollte Veränderung
  • Die Transkription erfolgt ohne Informationsverlust (was z.B. der Fall wäre, wenn anstelle des vorliegenden Böhmer-Ascoli-Systems direkt in IPA transkribiert werden würde, da IPA keine so feine Unterscheidung hinsichtlich der Einzellaute erlaubt wie Böhmer-Ascoli)

VA-Transkriptionstool

Speziell die automatische strukturierte Erfassung von lexikalischem Material aus Sprachatlanten stellt ein erhebliches technisches Problem dar. Dabei geht es nicht um die Verwandlung der, wie wir am Beispiel des AIS gesehen haben, teils exotischen Schriftsysteme, die dort bisweilen Verwendung finden. OCR-Programme wie z.B. Abbyy Finereader lassen sich so trainieren, dass sie auch solche Schriftsysteme korrekt erfassen und sogar den VerbaAlpina-spezifischen Betacode produzieren.

Im Fall der Sprachatlanten der romanistischen Tradition besteht die eigentliche Schwierigkeit darin, die direkt auf der Karte eingetragenen Äußerungen jeweils der richtigen Nummer zuzuordnen. Maschinen sind mit dieser Aufgabe immer dann überfordert, wenn die Eintragungen auf der Karte zu dicht beieinander liegen, wie dies z.B. im AIS im Bereich der Südschweiz und dem angrenzenden Italien der Fall ist. Am Institut für Informatik der LMU ist soeben eine Masterarbeit abgeschlossen worden, die eine algorithmische Lösung für dieses Problem entwerfen sollte. Dabei wurde u.a. mit Deep-Learning-Verfahren gearbeitet. Soweit VerbaAlpina es einschätzen kann, ist aber auch auf diesem Wege kein Erfolg in Sicht. Von einer technischen Verfügbarkeit eines entsprechenden Tools kann auf keinen Fall die Rede sein.

Aus Sicht der automatischen Datenerfassung noch komplizierter erscheinen die im Bereich der Germanistik verbreiteten Sprachatlanten mit Punktsymbolkarten, bei denen bestimmte Merkmalsausprägungen als Symbole auf der Karte dargestellt werden. Anders als bei den romanistischen Atlanten werden hier auch zumeist typisierte Daten abgebildet, konkrete Einzelbelege der Informanten werden nur in Ausnahmefällen präsentiert.

Punktsymbolkarte germanistischer Tradition (VALTS IV 73: Die SENNHÜTTE)

Die strukturierte Erfassung der Daten aus diesen Sprachatlanten kann also nur manuell erfolgen. Das Problem dabei besteht dann wiederum darin, dass die konsistente fehlerfreie Datenerfassung ein hohes Maß an Konzentration und Disziplin erfordert. Zur Erleichterung dieser Arbeit, und um die Fehleranfälligkeit zu verringern und außerdem ein möglichst systematisches Vorgehen zu gewährleisten, hat VerbaAlpina ein spezielles Transkriptionstool entwickelt.

Das Tool integriert einen Scan der zu transkribierenden Karte in das Formular, in das die Transkriptionen eingetragen werden. Bereits transkribierte Karten werden entsprechend farblich markiert, und auch die Doppelerfassung einzelner Eintragungen auf der Karte werden vom System verhindert. Dem Transkriptor werden vom System nacheinander die Nummern oder Siglen der Ortspunkte auf der Karte vorgegeben. Die Transkription erfolgt dann in das dafür vorgesehen Feld des Formulars. Die anderen Parameter wie Kartennummer, Ortspunktnummer und Konzeptzuweisung sind vom System jeweils vorgegeben und werden gemeinsam mit der Transkription in der Datenbank abgespeichert. Die Eingabemaske präsentiert in einem Teilfenster rechts oben die allgemeinen Transkriptionsregeln für die Datenerfassung im Betacode, so dass der Transkriptor sie mit möglichst geringem Aufwand konsultieren kann. Zur Kontrolle für den Transkriptor wird rechts vom Eingabefeld simultan mit der Transkription die Originalschreibweise der Vorlage eingeblendet.

Crowdsourcingtool

Der von VerbaAlpina aus Sprachatlanten und Wörterbüchern zusammengetragene Datenbestand weist in mehrfacher Hinsicht Inkonsistenzen auf. Diese ergeben sich z.B. dadurch, dass die Sprachatlanten, die jeweils nur einen Teil des Alpenraums abdecken, nicht alle dieselben Konzepte dokumentieren, wie dies die folgende Abbildung ersichtlich macht:

[Screenshot]

In der Folge liegen also für eine bestimmte Region Bezeichnungen für Konzepte vor, die an anderer Stelle gar nicht abgefragt wurden – was nicht heißt, dass diese dort nicht existieren.

Die Durchführung von Nacherhebungen vor Ort ist nicht durchführbar. Daher setzt VerbaAlpina die Idee des Crowdsourcings ein, um den Datenbestand zu arrondieren. Die Idee ist, dass User im Internet bislang nicht dokumentierte Bezeichnungen für ausgewählte Konzepte beisteuern. Zu diesem Zweck hat VerbaAlpina ein spezielles Crowdsourcing-Tool (CS-Tool) entwickelt. Die Funktionalität ist bewusst simpel gehalten, um potentielle "Crowder" nicht abzuschrecken.

Jeder "Crowder" wird zu Beginn gefragt, welchem Dialekt seine Beiträge zuzuordnen sind. Anschließend muss er auf einer Karte einen Ort auswählen und gibt dann nach seiner Meinung an diesem Ort gebräuchliche Bezeichnungen für ausgewählte Konzepte ein. Das auf diese Weise gesammelte Material wird von VerbaAlpina ebenso typisiert wie die Daten aus Atlanten und Lexica. Eine Validierung des Crowd-Materials ist rein theoretisch durch das Prinzip der Fremdbestätigung möglich (Motto: Einmal ist kein Mal, zweimal ist immer), wird aktuell von VerbaAlpina aber nicht durchgeführt, nicht zuletzt, weil die Datenmenge bislang noch zu gering ist.

Die Erfahrung der vergangenen Jahre hat gezeigt, dass die Vitalität des Croudsourcing-Tools, also die Menge der Eintragungen, ganz entscheidend von entsprechenden Werbeaktivitäten abhängt. Nach Medien-Berichten über VerbaAlpina und sein Crowdsourcing-Tool oder entsprechende Propaganda in den sozialen Medien, steigen die Eintragungen jeweils stark an, sinken jedoch bald wieder ab.

Auch das CS-Tool kann unter der CC-BY-SA-Lizenz nachgenutzt werden.

Kartentool

Gleichsam das Schaufenster des Projekts bildet die interaktive Online-Karte. Sie ist als der zentrale Datenzugriffspunkt für die Öffentlichkeit konzipiert, der die Abbildung der Sprachdaten in der Dimension des Raums ermöglicht und somit Zusammenhänge offenbaren kann, die bei Betrachtung der Daten in Tabellen- oder Listenform häufig verborgen bleiben.

Die digitale Karte bietet sowohl die Möglichkeit, auf den Datenbestand aus der Perspektive der Wörter zuzugreifen, also sich die verschiedenen Konzepte kartieren zu lassen, die mit einem bestimmten Wort bezeichnet werden können, wie auch die Option, die umgekehrte Frage zu stellen: Welche Konzepte werden wo mit welchen Wörtern bezeichnet. Im traditionellen Publikationswesen konnten diese beiden Perspektiven nur durch zwei unterschiedliche Genera bedient werden: Den Sprachatlas und das Wörterbuch. Die digitale Online-Karte bietet sogar die Möglichkeit, beide Perspektiven synoptisch zu kartieren.

Die Karte bietet im wesentlichen zwei unterschiedliche Formen der Visualisierung an. Standard ist die qualitative Kartierung, bei der die Einzeldaten gebündelt nach politischen Gemeinden zunächst durch Symbole auf der Karte abgebildet werden. Das nachfolgende Beispiel zeigt die Kartierung der Verbreitung des romanischen Worttyps malga, gruppiert nach dessen regional unterschiedlichen Bedeutungen:

https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=191&tk=2414

Ein Klick auf die Kartensymbole öffnet ein Info-Window, in dem die zugrundeliegenden Sprachdaten präsentiert werden. Neben der Quelle werden auch das mit dem Wort bezeichnete Konzept, der Basistyp sowie der Einzelbeleg der jeweiligen Quelle in IPA-Transkription angezeigt. Die umrahmten Buchstaben hinter Morph- und Basistypen verweisen auf die entsprechenden Einträge in den Referenzwörterbüchern und sind z.T. interaktiv; ein Klick auf das Symbol führt dann direkt zum entsprechenden Eintrag im Referenzwörterbuch. In das Info-Window sind außerdem Normdaten eingebunden und entsprechend verlinkt. So führt ein Klick auf das Erdkugelsymbol neben oder unter dem Gemeindenamen auf die entsprechende Seite von Geonames, die Konzeptnamen sind mit den Einträgen bei Wikidata verknüpft.

Neben der qualitativen Kartierung bietet VerbaAlpina auch eine quantifizierende Darstellung an. Ein Klick auf das Q im Kreis neben dem Menüpunkt "Flächen und Regionen" kumuliert die im Moment kartierten Elemente nach Regionen und färbt diese entsprechend der Anzahl der dort kartierten Elemente unterschiedlich ein. In der Grundeinstellung bilden die großräumigen Sprachgebiete den Referenzrahmen. Durch entsprechende Auswahl über den Menüpunkt "Flächen und Regionen" kann die Kumulierung und Kartierung der Daten auch auf Basis kleinerer administrativer Einheiten erfolgen.

Neben der realitätstreuen Abbildung der geographischen Grenzverläufe kann die quantifizierende Darstellung auch auf der Grundlage einer Hexagonkarte erfolgen. Bei dieser Art der Kartendarstellung werden die geographischen Einheiten durch Hexagone mit jeweils identischer Größe dargestellt. Dadurch werden visuelle Verzerrungseffekte vermieden, die sich durch die in der Realität stark von einander unterscheidenden Flächengrößen ergeben. Natürlich ergibt sich bei dieser Art der Kartierung wiederum der Nachteil, dass die geographische Anordnung der Flächen und vor allem die Anzahl angrenzender Flächen in den meisten Fällen nicht mehr der Realität entspricht. Der Mehrwert besteht sicherlich in der Möglichkeit, zwischen den verschiedenen Kartierungsvarianten wechseln zu können und auf diese Weise einen annähernd objektiven Eindruck gewinnen zu können.

Das Teilensymbol am rechten oberen Rand der Karte erlaubt den Abruf eines persistenten Links, der stabil auf die aktuelle Kartenansicht verweist und z.B. über Mails versandt oder in Texte eingesetzt werden kann. Außerdem können ganz bestimmte Kartenansichten mit einer spezifischen Art und Anzahl von ausgewählten Daten als synoptische Karten unter einem frei wählbaren Namen gespeichert und mit einem ausführlichen Kommentar versehen werden. Anschließend erscheinen diese Karten im Menü "synoptische Karte". Allerdings ist diese Funktion registrierten Benutzern vorbehalten.

Die Realisierung der Online-Karte basiert auf modernster Graphiktechnologie (WebGL) und ist extrem leistungsfähig. Sichtbar wird diese Leistungsfähigkeit vor allem bei Zoom-Vorgängen mit einer großen Anzahl von Kartensymbolen und Grenzverläufen, die dem Computer eine hohe Rechenleistung abverlangen. Der Einsatz von WebGL erlaubt die erforderlichen Berechnungen auf dem Prozessor der Graphikkarte, was den entscheidenden Leistungsgewinn mit sich bringt.

Vernetzung und Nachhaltigkeit

Zugriffsmöglichkeiten von außerhalb

Der Zugriff auf die Daten von VerbaAlpina ist auf verschiedene Weise möglich:

  • Über das im Internet frei zugängliche Projektportal und dort vor allem über die interaktive Online-Karte und das Lexicon alpinum
  • Über die, ebenfalls frei zugängliche, API
  • Über die PMA-Schnittstelle der MySQL-Datenbank

Die API erlaubt den Download des sprachlichen Kernmaterials in einer Reihe unterschiedlicher Formate und in unterschiedlicher Aggregierung. Der Zugriff über die PMA-Schnittstelle ist den offiziellen Kooperationspartnern von VerbaAlpina vorbehalten. Die PMA-Schnittstelle erlaubt Datenanalysen unter Einsatz der Sprache SQL.

Der Kerndatenbestand von VerbaAlpina ist sehr fein granuliert und die Einzelelemente sind mit persistenten Identifikatoren eindeutig identifiziert und somit präzise ansprechbar. Letztlich erfüllen diese alphanumerischen Identifikatoren die Funktion von VerbaAlpina-spezifischen Normdaten. Konkret erhalten unter anderem alle Morphtypen, Konzepte und politischen Gemeinden eine eindeutige Nummer, unter deren Verwendung dann auf unterschiedlichen Wegen auf die spezifischen Daten zugegriffen werden bzw. von externer Seite darauf referenziert werden kann. Identifikatoren der Morphtypen tragen das Präfix L, Konzepte C und Gemeinden A. Die ID L1435 steht beispielsweise für den Morphtypen "babeurre (m.) (roa.)". Die Adresse db=191&single=L1435" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435 ruft sodann eine Kartierung der Verbreitung dieses Morphtyps auf, der Link version=191&format=xml&empty=0" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?api=1&action=getRecord&id=L1435&version=191&format=xml&empty=0 führt zum Download der zu diesem Morphtyp gespeicherten Daten im XML-Format und der Link db=191#L1435" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=2374&db=191#L1435 schließlich auf den Kommentar im Lexicon Alpinum (sofern vorhanden).

Mit wenigen Ausnahmen enthalten alle URLs, die sich auf Inhalte von VerbaAlpina beziehen, einen – in den Beispielen von gerade eben rot markierten – Parameter, der sich auf eine ganz bestimmte Version von VerbaAlpina bezieht. Die beiden ersten Ziffern stehen jeweils für das Jahr, die letzte für Versionsnummer im Jahr (191: Erste Version im Jahr 2019). Während der Datenbestand der Arbeitsversion, die an der Zeichenfolge xxx erkennbar ist, permanenten Änderungen unterliegt, sind die Inhalte der anderen Versionen jeweils stabil. Dadurch ist sichergestellt, dass Verweise auf diese URLs stets dieselben Inhalte aufrufen und Zitationssicherheit gewährleistet ist. Die Versionierung der VerbaAlpina-Daten erfolgt zweimal im Jahr, jeweils zu Jahresmitte und zu Jahresende. Auf der Homepage ist die Auswahl zwischen den vorhandenen Versionen möglich. Für alle Inhalte von VerbaAlpina sind auch DOIs verfügbar.2

Demnächst werden die VerbaAlpina-Daten auch in das RDF-Schema des Semantic Web übertragen. Die Einrichtung eines SPARQL-Endpoints ist jedoch zunächst nicht vorgesehen; die entsprechende Umsetzung ist mit einigem Aufwand verbunden und erscheint entbehrlich, da es eine Reihe anderer Zugriffsmöglichkeiten auf die VerbaAlpina-Daten gibt. Immerhin erfüllt VerbaAlpina die Kriterien der "Linguistic linked open data"-Bewegung (LLOD; http://linguistic-lod.org/).PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer." rel="footnote">3, und die VerbaAlpina-Daten werden bald auch in die LLOD-Cloud eingebunden sein.https://lod-cloud.net/add-dataset" rel="footnote">4

Verknüpfung mit externen Ressourcen

VerbaAlpina verknüpft die drei Kernkategorien seines Datenbestands über die Einbindung geeigneter Normdaten mit externen Datenbeständen.

Im Fall der Morphtypen werden entsprechende Verbindungen zu den Referenzlexika hergestellt. Ein interessanter Nebeneffekt ist, dass dabei die unterschiedliche Eignung der entsprechenden Ressourcen deutlich wird. Im Sinne maximaler Interoperabilität sind bislang die Inhalte nur weniger der von VerbaAlpina erfassten Referenzwörterbücher adressierbar. Positive Beispiele wären etwa das Portal des Centre National de Ressources Textuelles et Lexicales ([Bibl:CNRTL]) oder die italienische Treccani, die jeweils transparente URLs für jeden lexikalischen Eintrag anbieten (z.B.:  https://www.cnrtl.fr/definition/beurre, http://www.treccani.it/vocabolario/burro/). In manch anderen Fällen sind Referenzierungen entweder nur mit großer Ungenauigkeit oder auch gar nicht möglich. Nicht selten begegnet man dem Phänomen, dass sich die Adressierbarkeit der Inhalte noch an der herkömmlichen Seitenlogik des Buchdrucks und auf PDF-Dokumente oder Bilddateien bezieht. Dies ist etwa der Fall beim Französischen etymologischen Wörterbuch, ursprünglich von Walter Warburg (FEW).

Für die Konzepte verweist VerbaAlpina bislang ausschließlich auf die sog. Wikidata-Datenobjekte. Jedem Konzept ist in der VerbaAlpina-Datenbank die jeweilige Q-ID der Wikidata zugeordnet. Der entsprechende Link führt auf die Datenobjektseite bei Wikidata. Dort wiederum befinden sich Links zu den Artikeln in den verschiedensprachigen Wikipedien zu diesem Konzept. Bereits erwähnt wurde die Verknüpfung mit den Normdaten von geonames. Links für alle Normdaten der genannten Kategorien werden dem Nutzer in den Info-Windows auf der Online-Karte präsentiert.

Some organizational stuff

VerbaAlpina started in 2014 and is funded by the German Research Foundation (DFG) with a perspective until 2025. The individual project terms comprise 3 years each. At the moment we are heading towards the last year of the second term and are about to prepare the application for the funding of the third term.

Der Mitarbeiterstab ist zweigeteilt: Es gibt drei Sprachwissenschaftler und zwei Informatiker, die jeweils noch von Hilfskräften unterstützt werden. Unter den Sprachwissenschaftlern befinden sich zwei Romanisten und ein Germanist, von den Informatikern ist einer hauptsächlich für alle Belange der Kerndaten zuständig (Datenmodellierung, Schnittstellen, u.a. API), der andere überwiegend für alle Fragen der Visualisierung, hauptsächlich die interaktive Online-Karte.

VerbaAlpina stellt somit ein interdisziplinäres DH-Unternehmen mit Anteilen in den klassischen Geisteswissenschaften und in der Informatik dar. Der informatische Teil ist an der IT-Gruppe Geisteswissenschaften (ITG) angesiedelt. Diese Einrichtung besteht seit dem Jahr 2000, wird getragen von den sechs geisteswissenschaftlichen Fakultäten der LMU und besitzt eine unbefristete Existenzperspektive. Die ITG ist zuständig für Planung und Betrieb der IT-Infrastruktur im Bereich der Humanities. Einen stetig wachsenden Aufgabenbereich der ITG stellt die Unterstützung bei Planung und Durchführung von DH-Projekten dar. VerbaAlpina stellt aus Sicht der ITG also nur eines von zahlreichen Projekten dar, dessen Projektdaten im Kontext eines heterogenen, jedoch einheitlich – nämlich relational – strukturierten Gesamtdatenbestand verwaltet werden. Dieser im Lauf der Jahre auf beachtliche Größe und Vielfalt angewachsene Datenpool bietet zumindest theoretisch die Perspektive der Datenanalyse über Projektgrenzen hinweg. Vor diesem Hintergrund entwickelt sich zur Zeit eine Kooperation der ITG mit dem Master-Studiengang Data Science, der Anfang 2017 ins Leben gerufen wurde.

Die ITG spielt auch im Hinblick auf die Nachhaltigkeit der von VerbaAlpina erarbeiteten Ergebnisse eine wichtige Rolle. Nach dem Ende der Projektförderung wird die ITG das Projektportal im Rahmen ihrer Möglichkeiten weiter betreiben und das für den Betrieb erforderliche Minimum an Wartungsarbeit leisten.


* Given at the colloqium „NEW WAYS OF ANALYZING DIALECTAL VARIATION“, held at Sorbonne University, Paris, 21-23 November 2019


  1. AIS 1218_1, 129 

  2. Fragezeichen und Ampersands (&) müssen dabei durch den jeweiligen Hexadezimalwert des Zeichens in der Unicode-Tabelle (? = 3f, & = 26) mit vorangestelltem % ersetzt werden. Die DOI der URL https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435 liest sich wie folgt: https://dx.doi.org/10.5282/verba-alpina?urlappend=/%3fpage_id=133%26db=191%26single=L1435 

  3. S. Chiarcos, Christian; McCrae, John; Cimiano, Philipp; Fellbaum, Christiane (2013). Towards open data for linguistics: Lexical Linked Data (PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer. 

  4. Die Erzeugung der RDF-Struktur wird derzeit vorbereitet. Die Registrierung erfolgt anschließend unter der Adresse https://lod-cloud.net/add-dataset 


Bibliographie

  • FEW = Wartburg, Walter (1922-1967): Französisches etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes , Basel, vol. 20, Zbinden. Link
  • VALTS = Gabriel, Eugen (1985-2004): Vorarlberger Sprachatlas mit Einschluss des Fürstentums Liechtenstein, Westtirols und des Allgäus , vol. 1-5, Bregenz, vol. 1-5, Vorarlberger Landesbibliothek