Die Massendigitalisierung historischer Quellen und das exponentielle Wachstum nativer digitaler Online-Quellen haben die Geschichtswissenschaft von einem „Zeitalter der Knappheit“ in ein „Zeitalter des Überflusses“ katapultiert. Um den „Big Data der Vergangenheit“ einen Sinn zu geben, bedarf es neuer Ansätze für Datenmanagement, Data Mining, Visualisierung und Interpretation von Daten.
In Zukunft wird die Untersuchung massiver Migrationsströme, klimatischer Veränderungen oder der öffentlichen Meinungsbildung auf Social-Media-Plattformen sowohl eine kritische digitale Kompetenz der Historiker als auch einen humanistischen Ansatz zur Datenanalyse erfordern.
„Deep Data Science of Digital History“ (D4H) ist eine neue Doktorandenausbildung (DTU), die durch das PRIDE-Programm des FNR finanziert wird und im Herbst 2022 startet. Diese interdisziplinäre DTU konzentriert sich auf zahlreiche Herausforderungen an der Schnittstelle zwischen den Disziplinen Geschichte und Datenwissenschaft und baut auf den erkenntnistheoretischen und methodologischen Erkenntnissen der interdisziplinären DTU „Digitale Geschichte und Hermeneutik“ auf.
Seine Hauptziele und Ambitionen sind:
- Die Forschung in den Geistes- und Naturwissenschaften durch die Schaffung einer interdisziplinären „Handelszone“ zu verbinden, die auf dem Konzept der „digitalen Hermeneutik“ aufbaut;
- eine neue Generation von Doktoranden mit digitaler Kompetenz auszubilden, die kritisch und kompetent mit den „Big Data der Vergangenheit“ umgehen können, indem sie die epistemische Tradition des close reading mit maschinengestützten Methoden des distant reading („scalable reading“) verbinden;
- ein gemeinsames Verständnis des Nexus Mensch/Maschine beim Sammeln, Kuratieren, Verwalten, Analysieren, Interpretieren und Visualisieren historischer Daten zu entwickeln;
- Problematisierung der vielschichtigen Zeitlichkeit von Datensätzen und Experimentieren mit neuen Formen und Formaten historischer Modelle und Simulationen in einer Longue-Durée-/Tiefenzeit-Perspektive.
An D4H sind das Centre for Contemporary and Digital History (C²DH) der Universität Luxemburg, die Fakultät für Wissenschaft, Technologie und Medizin (FSTM), die Fakultät für Geistes-, Erziehungs- und Sozialwissenschaften (FHSE), sowie das Luxembourg Institute of Science and Technology (LIST) und das Institute of Socio-Economic Research (LISER) beteiligt. Das DTU wird insgesamt 18 Doktorandenstellen umfassen. Sie wird von Andreas Fickers, dem Direktor des C2DH, geleitet werden.
Die neue Doctoral Training Unit will die interdisziplinäre Zusammenarbeit zwischen digitaler Geschichte und Informatik vertiefen, indem sie die Konzepte von Deep History und Deep Data Science erforscht. D4H wird sich auf drei thematische und methodologische Säulen konzentrieren:
1) Tiefe Daten und Wissen
2) Tiefgehende Analytik und Lernen
3) Tiefgehende Visualisierung und Interpretation.
Das Konzept „Deep Data and Knowledge befasst sich mit den Herausforderungen bei der Erstellung digitaler Datensätze, die im Bereich der Geschichtswissenschaft oft durch ihre Heterogenität und ihren instabilen oder fließenden Charakter in Bezug auf Volumen und Integrität gekennzeichnet sind. Die Doktoranden werden in der Analyse von Merkmalen, Formaten, Geschichten und Infrastrukturen historischer Daten geschult und bilden unsere Doktoranden in historischer Datenkritik und nachvollziehbarem Datenmanagement aus. Deep Analytics und Lernen befassen sich mit modernsten Ansätzen des maschinellen Lernens und dem Einsatz künstlicher Intelligenz zur Analyse großer historischer Datensätze. Deep-Visualisierung und -Interpretation führen epistemologische Diskussionen darüber, wie Visualisierungstechniken und dynamische Schnittstellen die historische Vorstellungskraft und Interpretation verändern. Auf der Grundlage aktueller Trends in den Bereichen erklärbare künstliche Intelligenz, Informationsvisualisierung und Mensch-Computer-Interaktion sollen kritische Debatten darüber gefördert werden, wie historische Argumente in „grafische Argumente“ umgewandelt werden können und wie neue Techniken zur Darstellung großer historischer Datensätze in explorative Modi für die zeitliche und räumliche Erfassung historischer Informationen umgewandelt werden können.
Für weitere Informationen über die Doktorandenausbildungseinheit, wenden Sie sich bitte an den Projektleiter: andreas.fickers@uni.lu