Offizielle Kursbeschreibung
[h1]Forschungsdaten in Spätmittelalter und früher Neuzeit (VD16)[/h1]
In diesem Seminar soll der Umgang mit Python3 zur Analyse großer Metadatenbestände praktisch erprobt werden. Am Beispiel von Metadaten zu deutschsprachigen Drucken des 16. Jahrhunderts wird ausgelotet, wie bibliographische Informationen mittels Python analysiert und visualisiert werden können. In den Metadaten enthalten sind facettenreiche Informationen zu Verfassern, Druckern, Druckorten, Buchformaten, Umfängen, Buchillustrationen, etc., die vielfältige Möglichkeiten zur Datenanalyse eröffnen.
Umfangreiche und vorlagengetreue Titelwiedergaben ermöglichen in Ansätzen auch die Auswertung von Titelblattgestaltungen und Werbestrategien. Auf der anderen Seite können Lücken in den Metadaten näher beleuchtet und adressiert werden, beispielsweise fehlende Angaben zu Sprache oder Gattungszugehörigkeit von Drucken.
Zum Einsatz kommen im Seminar einschlägige Pythonbibliotheken zur Datenanalyse und -visualisierung (pandas, seaborn, matplotlib, etc.). Grundlegende Python-Kenntnisse sind erwünscht.
Die Analyseergebnisse sollen interaktiv mittels Jupyter Notebooks präsentiert und dokumentiert werden.
[b]Organisatorischer Hinweis:
Aufgrund einer fehlerhaften Ankündigung des Seminars im Vorlesungsverzeichnis wird das Seminar bis zur ersten Dezemberwoche ausgesetzt und der nachfolgende Semesterplan entsprechend zeitlich angepasst.
Verspätete Anmeldungen zum Seminar nach Semesterbeginn sind unter diesen Umständen entsprechend willkommen und erwünscht.[/b]
Online-Angebote
moodle
[h1]Forschungsdaten in Spätmittelalter und früher Neuzeit (VD16)[/h1]
In diesem Seminar soll der Umgang mit Python3 zur Analyse großer Metadatenbestände praktisch erprobt werden. Am Beispiel von Metadaten zu deutschsprachigen Drucken des 16. Jahrhunderts wird ausgelotet, wie bibliographische Informationen mittels Python analysiert und visualisiert werden können. In den Metadaten enthalten sind facettenreiche Informationen zu Verfassern, Druckern, Druckorten, Buchformaten, Umfängen, Buchillustrationen, etc., die vielfältige Möglichkeiten zur Datenanalyse eröffnen.
Umfangreiche und vorlagengetreue Titelwiedergaben ermöglichen in Ansätzen auch die Auswertung von Titelblattgestaltungen und Werbestrategien. Auf der anderen Seite können Lücken in den Metadaten näher beleuchtet und adressiert werden, beispielsweise fehlende Angaben zu Sprache oder Gattungszugehörigkeit von Drucken.
Zum Einsatz kommen im Seminar einschlägige Pythonbibliotheken zur Datenanalyse und -visualisierung (pandas, seaborn, matplotlib, etc.). Grundlegende Python-Kenntnisse sind erwünscht.
Die Analyseergebnisse sollen interaktiv mittels Jupyter Notebooks präsentiert und dokumentiert werden.
[b]Organisatorischer Hinweis:
Aufgrund einer fehlerhaften Ankündigung des Seminars im Vorlesungsverzeichnis wird das Seminar bis zur ersten Dezemberwoche ausgesetzt und der nachfolgende Semesterplan entsprechend zeitlich angepasst.
Verspätete Anmeldungen zum Seminar nach Semesterbeginn sind unter diesen Umständen entsprechend willkommen und erwünscht.[/b]
Online-Angebote
moodle
- Lehrende: Anonym
Semester: WiSe 2020/21