Annotation
Die manuelle oder automatische Hinzufügung von Zusatzinformationen zu einem Text. Bereits eine Kursivierung oder Fettung können in einem weiten Begriffsgebrauch als Annotationen bezeichnet werden.
Browser
Meint i. d. R. Webbrowser. Computerprogramm, mit dem das Anschauen, Navigieren auf und Interagieren mit Webseiten möglich wird. Am häufigsten genutzt sind Chrome, Firefox, Safari oder der Internet Explorer.
Browsersuchfunktion
Um in einem Browser-Fenster nach Inhalten zu suchen, klicken Sie auf Ihrem Mac „cmd” + „F” und auf Ihrem Windows PC „Strg” + „F”. In das sich öffnende Suchfenster tragen Sie Ihren Suchbegriff ein und die jeweils geöffnete Seite wird darauf hin durchsucht.
Close Reading
Sorgfältige Lektüre und Interpretation eines einzelnen oder weniger Texte.In der digitalen Literaturwissenschaft verbunden mit der manuellen Annotation textueller Phänomene. Vgl. Distant Reading.
Commandline
Auch Kommandozeile, Konsole, Terminal oder Eingabeaufforderung genannt. Programme ohne grafische Benutzeroberfläche werden i. d. R. durch Texteingabe in die Commandline gesteuert. Um die Commandline zu öffnen, klicken Sie auf Ihrem Mac „cmd” + „space”, geben „Terminal” ein und doppelklicken Sie auf das Suchergebnis. Bei Windows klicken Sie die Windowstaste + „R”, geben „cmd.exe” ein und klicken Enter.
CSV
Steht für Comma Separated Values. Dateiformat in Tabellenform mit dem Kürzel .csv. In der Datei sind Werte durch Kommata getrennt; in Programmen wie Excel können sie als Tabelle angezeigt werden.
Distant Reading
Als Gegenbegriff zu Close Reading ursprünglich von Franco Moretti (2000) geprägt. Distant Reading analysiert (häufig große Mengen an) Textdaten, ohne dass man den Text oder die Texte selbst liest. Meist stehen hier quantitative Analysen im Vordergrund, es lassen sich jedoch auch qualitative Metadaten quantitativ vergleichen.
Double-Keying
Variante des Keying, bei der zwei Personen den Inhalt eines Dokumentes abtippen. Anschließend sucht ein Computerprogramm nach Differenzen. Die so gefundenen Tippfehler werden von einer dritten Person korrigiert. So entstehen nahezu fehlerfreie Textdigitalisate.
Feature
Merkmale eines zu untersuchenden Phänomens für eine statistische Auswertung. Im Natural Language Processing (NLP) sind dies beispielsweise Groß- und Kleinschreibung oder die Position eines Wortes im Satz.
HTML
Steht für Hypertext Markup Language und bezeichnet das Format für Texte auf Webseiten. Zusätzliche Informationen in spitzen Klammern (< und >) geben dem Browser die Struktur und Online-Darstellung des Textes vor, sind auf den Webseiten selbst jedoch unsichtbar.
HTR
Steht für Handwritten Text Recognition und bezeichnet die automatische Erkennung von Handschriften und Umformung in einen elektronischen Text. Die Automatisierung beruht auf einem Machine Learning. Zur automatischen Texterkennung vgl. auch OCR.
Keying
In den Bibliotheks- und Textwissenschaften das manuelle Erfassen eines Textes (d. h. das „Abtippen”) im Zuge seiner Digitalisierung. Vgl. Double-Keying
Korpus
Das Korpus, Plural die Korpora. Eine Sammlung von Texten, typischerweise nach Autor, Textsorte oder Epoche organisiert.
KWIC
Steht für Keyword in Context. Eine Visualisierung, die ein ausgewähltes Wort eines Textes oder einer Textsammlung als Liste in seinen diversen Kontexten (= Umgebungswörtern) zeigt. Die Größe der Kontexte kann individuell festgelegt werden.
Machine Learning
Ein Computer erkennt und trainiert auf Grundlage möglichst vieler (Text-)Daten die (häufig sehr komplexen) Muster bestimmter Phänomene und ist anschließend in der Lage, diese Muster in anderen als den Trainingsdaten wieder zu finden.
Markup Language
Computergestützte Auszeichnungssprache. Auch HTML ist eine solche Markup Language. Mit der Digitalisierung oder digitalen Erstellung von Annotationen werden auch diese zu Markup.
Metadaten
Daten, die andere Daten beschreiben. Unterschieden werden administrative, deskriptive, strukturelle und technische Metadaten. Auch Annotationen bzw. Markup sind Metadaten, da sie Daten/Informationen sind, die den eigentlichen Textdaten hinzugefügt werden.
N-Gramm
In der Linguistik eine Sequenz von N Einheiten in einem Text. Es gibt Bigramme, Trigramme etc. Der Satz „Marie erforscht Literatur digital” hat bspw. drei Bigramme: „Marie erforscht”, „erforscht Literatur” und „Literatur digital”.
Natural Language Processing (NLP)
Im Deutschen auch Neurolinguistisches Programmieren genannt. Bezeichnet die Bemühungen, Computern beizubringen, natürlichsprachliche Äußerungen korrekt zu verarbeiten und zu analysieren (z. B. Lemmatisierung, Wortartenerkennung etc.). In der digitalen Literaturwissenschaft häufig als Routinen des Preprocessing eingesetzt.
OCR
Steht für Optical Character Recognition. Bezeichnet die automatische Texterkennung von gedruckten Texten, d. h. ein Computer „liest” einen gescannten Text und verwandelt diese Bilddatei in einen elektronischen Text.
Steht für Portable Document Format. Format, das eine Datei auf jedem Gerät und in jedem Programm gleich anzeigt. PDF-Dateien können Bilddateien (z. B. Scans von Texten) oder computerlesbarer Text sein. Ein lesbares PDF ist entweder ein OCRter Scan oder ein am Computer erstellter Text.
Preprocessing
Für viele digitale Methoden müssen die zu analysierenden Texte vorab „bereinigt” werden. Für statistische Zwecke werden Texte bspw. häufig in gleich große Segmente unterteilt (chunking), Großbuchstaben werden in Kleinbuchstaben verwandelt oder Wörter werden lemmatisiert.
Property
Auch Eigenschaft, Komponente oder Attribut. Eine abgrenzende Bestimmung, um eine Klassenzugehörigkeit anzuzeigen.
Query
Eine computergestützte Abfrage zur Analyse eines Textes in einer bestimmten Form. Alle möglichen Queries bilden zusammen die Query Language eines Tools.
Scalable Reading
Die Kombination aus Distant Reading- und Close Reading-Methoden angewandt auf einen Untersuchungsgegenstand.
Server
Kann Hardware, Software oder eine Kombination aus diesen sein. Ein Server führt einen spezifischen Service für andere Programme aus, mit denen er über ein Netzwerk verbunden ist.
Tagset
Die Taxonomie, anhand derer Annotationen erstellt werden. Ein Tagset beinhaltet immer mehrere Tags und ggf. auch Subtags. Tags sind deskriptive Kategorien, wohingegen Annotationen die einzelnen Vorkommnisse dieser Kategorien im Text sind.
TEI
Steht für Text Encoding Initiative. Das Kollektiv entwickelt Standards für die digitale Repräsentation von Texten, also beispielsweise eine bestimmte semantische Struktur für XML-Dateien (wie die Kennzeichnung von Überschriften, Absätzen, Kapiteln etc.). Der sog. TEI-Header enthält die deskriptiven Metadaten eines Textes.
Text Mining
Der Prozess, computergestützt und automatisch Informationen aus Texten oder Textsammlungen zu extrahieren.
Type/Token
Begriff aus der Linguistik. Während Type jeden in einem Text oder einer Textsammlung vorkommenden Wort-Typ bezeichnet (z.B. „Katzengold”), bezeichnet Token jedes Vorkommnis dieses Typs (d. h. bspw. drei Mal „Katzengold” in Goethes Wanderjahren).
Wiki
Eine Webseite mit Informationen zu ausgewählten Themen, die i. d. R. von mehreren Nutzer*innen zusammengestellt werden. Zu jedem Eintrag in einem Wiki gibt es eine Diskussionsseite, die auch frühere Versionen des Eintrags anzeigt.
Wordcloud
Eine Visualisierung von Worthäufigkeiten in einem Text oder einer Textsammlung. Häufige Wörter werden i. d. R. größer dargestellt als weniger häufige Wörter. Die horizontale/vertikale Ausrichtung und die Farbe von Wörtern hat meistens keinen semantischen Mehrwert.
XML
Steht für Extensible Markup Language. Eine Form von Markup Language, die sowohl computer- als auch menschenlesbar und hochgradig anpassbar ist. Zusatzinformationen werden i. d. R. in einer anderen Farbe als der eigentliche (schwarz gedruckte) Text dargestellt.