In einem gleichnamigen Beitrag habe ich diese Thesen unl\u00e4ngst f\u00fcr die Zeitschrift „Rechtsgeschichte<\/a>“ 24\/2016 ein klein wenig ausf\u00fchrlicher dargelegt (erscheint demn\u00e4chst). Hier eine K\u00fcrzestfassung.<\/p>\n <\/p>\n Zur ersten These:<\/strong> Die Forschungsagenda der „Visual Analytics“, in moderner Form erstmal 2005 von Thomas\/Cook in „Illuminating the Path“ dargelegt, ist eine Reaktion auf die Terroranschl\u00e4ge von 9\/11. Es sollen „advanced information technologies to support the homeland security mission“ (Thomas\/Cook 2005: i) entwickelt werden. Auch einige Jahre sp\u00e4ter klingt das noch \u00e4hnlich: Das Ziel visueller Analysemethoden ist „identifying a plot or threat that is hinted at, but not clearly communicated, by a small subset of documents in the collection“ (G\u00f6rg\/Liu\/Stasko 2014).<\/p>\n Abseits von Geheimdiensten sind nat\u00fcrlich wirtschaftliche Interessen forschungsleitend: Die Daten enthalten interessante Informationen, die sich monetarisieren lassen. Es geht also darum, das Monster oder aber den Schatz zu finden.<\/p>\n Monster \u2013 ok, eigentlich Yoda (Moritz, 6)<\/p><\/div>\n Dieses Ziel ist legitim. Als Geisteswissenschaftler glaube ich allerdings nicht an Monster und Sch\u00e4tze. Oder richtiger: Nicht an DAS Monster und DEN Schatz. Und ich glaube, ich bin nicht alleine: Seien es Paradigmen wie Poststrukturalismus, Dekonstruktivismus, Diskursanalyse, Kulturanalyse, Gender Studies, Systemtheorie und weitere mehr: Nach diesen gibt es in den Daten, Quellen oder Artefakten kein Schatz (und auch kein Monster), das einfach da ist und nur gefunden werden muss. Eher sieht jede Forscherin und jeder Forscher andere Sch\u00e4tze und Monster, je nach Fokus, wissenschaftlicher Sozialisation, disziplin\u00e4rem Denkstil und Erkenntnisinteresse.<\/p>\n Wenn ein (Visualisierungs-)Tool, das DAS Monster finden kann, in den Humanities verwendet wird, wird es zu einem anderen Instrument. DAS Monster ist dann wom\u00f6glich nicht mehr interessant; das Instrument soll nicht dem utilitaristischen Topos folgend ein „effektives Analysetool“ sein, um den „Informationsfluss zu z\u00e4hmen“. Stattdessen ist es vielleicht eher dann „n\u00fctzlich“ (besser: „anschlussf\u00e4hig“), wenn das Instrument reiche Nahrung f\u00fcr die Deutung bietet, etwa im Sinne einer „dichten Beschreibung“ (Geertz 1987).<\/p>\n Ich glaube deshalb, dass visuelle Analyseinstrumente f\u00fcr die Humanities von Grund auf anders entwickelt werden m\u00fcssen \u2013 und dass wir als Humanists das selber machen m\u00fcssen, oder zumindest uns sehr genau mit den technischen (und damit auch theoretischen) Fundamenten der Visual Analytics auseinandersetzen m\u00fcssen.<\/p>\n Zur zweiten These:<\/strong>\u00a0Visuelle Analysemethoden nutzen Algorithmen, um Daten nach bestimmten Prinzipien in ein anderes Zeichensystem, n\u00e4mlich ein grafisches, \u00fcberf\u00fchren zu k\u00f6nnen. Der Algorithmus ist in einer bestimmten Programmiersprache implementiert. Macht es einen Unterschied, ob daf\u00fcr die Programmiersprache C oder Javascript eingesetzt worden ist?<\/p>\n Ich habe im letzten Blogeintrag bereits \u00fcber den Zusammenhang von Programmiersprachen und Denkstilen und \u00fcber Coding Cultures<\/a> geschrieben. Deshalb fasse ich mir hier kurz: Programmieren ist eine zutiefst kulturell gepr\u00e4gte T\u00e4tigkeit (Coleman 2012, Manovich 2014, Ford 2015). Mit der Wahl einer Programmiersprache und einer Programmierumgebung schreibt man sich in eine Programmierkultur ein, die von bestimmten Idealen und Topoi gepr\u00e4gt ist. Eine Javascript-Bibliothek ist Ergebnis und f\u00f6rdert gleichzeitig einer bestimmten Programmierkultur (Open Source, freie Distribution, Experiment, Copy and Paste, Remix), die auch wissenschaftliches Arbeiten ver\u00e4ndert. Die H\u00fcrden, als technischer Banause eine bestimmte Datenvisualisierung auf die eigenen Daten anzuwenden und weiter zu entwickeln ist deutlich niedriger als noch vor ein paar Jahren.<\/p>\n Das bedeutet aber auch, dass es f\u00fcr mich als Analyst relevant ist, in welcher Programmiersprache das Tool, das ich verwende, programmiert ist, da mir das auch zeigt, in welche Coding Culture es eingebettet ist. (Dass ich mir auch im Klaren \u00fcber den Algorithmus sein muss, ist klar und wurde\u00a0in den Digital Humanities schon intensiv diskutiert.)<\/p>\n Zur dritten These:<\/strong> \u00a0In den Visual Analytics gibt es ein \u201eMantra\u201c, das ein \u201egutes\u201c Werkzeug beschreibt: \u201cOverview first, zoom and filter, then details-on-demand\u201d (Shneiderman 1996). Die Visualisierung soll also sowohl den \u00dcberblick \u00fcber die Daten, als auch den Fokus auf das einzelne Datum erlauben. Bei der Arbeit mit Textdaten wird dies oft so interpretiert, dass mit dem Analyseinstrument letztlich jederzeit auf das einzelne Textdokument zugegriffen werden k\u00f6nnen muss.<\/p>\n So plausibel diese Forderung auf den ersten Blick ist: Sie huldigt einem wissenschaftlichen Gestus, der nach wie vor dem Einzeltext huldigt und in der quantitativen Datenanalyse ein Mittel sieht, diese Aufgabe, das Lesen von Texten, schneller erledigen zu k\u00f6nnen. Interessant an solchen Analysen ist jedoch weniger das Lesen der Texte, sondern in den Daten ein emergentes Ph\u00e4nomen zu finden, das nicht einfach die Summe seiner Einzelteile ist. Das geht, indem die Einheit des Textes aufgebrochen wird.<\/p>\n Ein mit statistischen Methoden erstelltes Kollokationsprofil eines Wortes ist ein solches Ph\u00e4nomen: Es fasst das statistisch \u00fcberzuf\u00e4llige Kovorkommen von W\u00f6rtern in gro\u00dfen Textkorpora so zusammen, dass daraus ein Bild entsteht, wie das Wort in den Daten normalerweise verwendet wird (Evert 2009). In weiteren Abstraktionsschritten k\u00f6nnen die Kollokationsprofile maschinell nach \u00c4hnlichkeit gruppiert werden, um semantische Felder (Keibel\/Belica 2007) zu berechnen oder Lexempaare zu finden, die in gleichen semantischen Relationen zueinander stehen (etwa nach Mikolov u.\u00a0a. 2013). Der Einzelbeleg ist dabei unbedeutend \u2013 er kann dem emergenten Profil sogar widersprechen. Interessant ist die zusammenfassende Darstellung, die genug ungenau<\/strong> ist, um das Wesentliche vom Unwesentlichen zu trennen.<\/p>\n Es mag ein versch\u00e4rftes Problem in den Philologien sein, sich nicht vom Einzeltext l\u00f6sen zu k\u00f6nnen. Im Data-Mining, das wirtschaftlichen Interessen folgt, ist das Interesse am Einzeldatum wohl kaum pr\u00e4sent.<\/p>\n Klar ist aber auch, dass es verheerend w\u00e4re, verl\u00f6ren\u00a0die Humanities ihr Interesse an qualitativer Lekt\u00fcre. Quantitative, visuelle Analysemethoden jedoch sind dann interessant, wenn sie nicht dazu bem\u00fcht werden, alte Fragestellungen zu beantworten (wo sie oft scheitern), sondern neue Fragen behandeln zu k\u00f6nnen.<\/p>\n Literatur<\/em><\/span><\/p>\n Coleman, E. Gabriella (2012): Coding Freedom: The Ethics and Aesthetics of Hacking, Princeton University Press, http:\/\/gabriellacoleman.org\/Coleman-Coding-Freedom.pdf<\/a>.<\/span><\/p>\n Evert, Stefan (2009): \u201e58. Corpora and collocations\u201c, in: L\u00fcdeling, Anke und Merja Kyt\u00f6 (Hrsg.): Corpus Linguistics, Bd. 2, Handb\u00fccher zur Sprach- und Kommunikationswissenschaft\u00a029, hg. von. Hugo Steger und Herbert Ernst Wiegand, Berlin, New York: Mouton de Gruyter, S.\u00a01212\u20131248.<\/span><\/p>\n Ford, Paul (2015): \u201eWhat Is Code? If You Don\u2019t Know, You Need to Read This\u201c, Businessweek, http:\/\/www.bloomberg.com\/whatiscode\/<\/a>.<\/span><\/p>\n Geertz, Clifford (1987): \u201eDichte Beschreibung. Bemerkungen zu einer deutenden Theorie von Kultur\u201c, Dichte Beschreibung. Beitr\u00e4ge zum Verstehen kultureller Systeme, stw\u00a0696, Frankfurt am Main: Suhrkamp, S.\u00a07\u201343.<\/span><\/p>\n G\u00f6rg, Carsten, Zhicheng Liu und John Stasko (2014): \u201eReflections on the evolution of the Jigsaw visual analytics system\u201c, Information Visualization 13\/4, S.\u00a0336\u2013345.<\/span><\/p>\n Keibel, Holger und Cyril Belica (2007): \u201eCCDB: A Corpus-Linguistic Research and Development Workbench\u201c. Proceedings of the 4th Corpus Linguistics conference, Birmingham, http:\/\/corpora.ids-mannheim.de\/cl2007-134.pdf<\/a>.<\/span><\/p>\n Manovich, Lev (2014): \u201eSoftware is the Message\u201c, Journal of Visual Culture 13\/1, S.\u00a079\u201381.<\/span><\/p>\n Mikolov, Tomas u.\u00a0a. (2013): \u201eEfficient Estimation of Word Representations in Vector Space\u201c, arXiv:1301.3781 [cs], http:\/\/arxiv.org\/abs\/1301.3781<\/a>.<\/span><\/p>\n Shneiderman, Ben (1996): \u201eThe Eyes Have It: A Task by Data Type Taxonomy for Information Visualizations\u201c, http:\/\/dl.acm.org\/citation.cfm?id=832277.834354<\/a>.<\/span><\/p>\n Thomas, James J. und Kristin A. Cook (Hrsg.) (2005): Illuminating the Path: The Research and Development Agenda for Visual Analytics, National Visualization and Analytics Ctr., http:\/\/vis.pnnl.gov\/pdf\/RD_Agenda_VisualAnalytics.pdf<\/a>.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" Visualisierungen wissenschaftlicher Daten boomen. Sie werden eingesetzt, um riesige Datenmengen \u00fcberhaupt \u00fcberblicken zu k\u00f6nnen, z.B. indem Beziehungen zwischen Akteuren als Netzwerk visualisiert werden. Dann wird pl\u00f6tzlich sichtbar, welche Akteure besonders eng verbandelt sind und wer besonders einflussreich ist. Solche „visuellen … Weiterlesen ![\"yoda_klein\"](\"https:\/\/www.bubenhofer.com\/sprechtakel\/wp-content\/uploads\/2016\/06\/yoda_klein.gif\")
<\/a>