Die AG Graphen & Netzwerke
Als Arbeitsgruppe Graphen & Netzwerke des Verbandes Digital Humanities im deutschsprachigen Raum beschäftigen wir uns mit der Anwendung und Entwicklung von graphen- und netzwerkbasierten Forschungsmethoden für die digitalen Geistes- und Sozialwissenschaften.
Die Gründung erfolgte 2017 als AG Graphentechnologien. Gewinnen Sie hier einen Überblick über die bisherigen Jahrestreffen der Arbeitsgruppe, unseren Aktivitäten sowie den Jahrestagungen und erfahren Sie mehr über die Convenor der Arbeitsgruppe.
Haben Sie Interesse mitzuwirken? Dann nehmen Sie einfach mit uns Kontakt auf!
Nächstes Stammtisch Treffen: Dienstag, 11. Juni 2024, 17 Uhr
Schwerpunkte der AG Graphen & Netzwerke
Die Modellierung von Daten in einer graphenbasierten Struktur ermöglicht es, Informationen in einer flexiblen Art und Weise in Bezug miteinander zu setzen. Modelliert werden nicht in Dokumenten zusammengesetzte Informationseinheiten (wie etwa Tabellen bei relationalen Datenbanken) sondern distinkte Entitäten, die durch Relationen miteinander verknüpft ein semantisches Netz bilden.
Graphdatenbanken zeigen beim Umgang mit Metadaten eine hohe Performanz und liefern qualitativ hochwertige Suchergebnisse. Die Visualisierung der Daten als Graph, oder auch semantisches Netz, bieten dem Betrachter eine intuitiv-zugängliche Darstellungsform und kann damit auch Ausgangspunkt für weitere Analyseansätze sein.
Graphen können zusammen mit dem Forschungsgegenstand Text als Erschließungs- oder Modellierungsinstrument eingesetzt werden. Sie können dabei das funktionale Äquivalent von Registern oder Indizes bilden, ohne auf deren Ein- bis Zweidimensionalität begrenzt zu sein. Stattdessen können sie verweisende und vernetzte Erschließungen nativ als solche speichern. Darüber hinaus bieten sie die Möglichkeit, die Erschließung zu einer Ontologie oder einem semantisch reichhaltigen Property-Graph mit attributierten Kanten auszubauen. Semantisch ist der Graph selbstverständlich nicht auf wiedergebende Erschließung beschränkt, sondern kann auch interpretierende Modellierungen aufnehmen – Modellierungen etwa von Textinhalten, Aussagen oder Themen, aber auch Beziehungen zwischen Texten oder Textteilen. Die Verbindung zwischen Graph- und Textdaten kann dabei auf verschiedene Arten realisiert werden: nach dem standoff property-Prinzip mit im Graph gespeicherten Positionsindizes; mittels IDs die zwischen Graph und Text abgeglichen werden; oder indem der Text vollständig in den Graph eingebunden wird (text as a graph). Alle diese Szenarien versprechen eine effiziente Datenhaltung, einen hohen Grad semantischer Dichte, nutzungsorientierte Präsentationsmöglichkeiten, und Möglichkeiten zur tiefergehenden Abfrage und Analyse.
Durch die semantische Verknüpfung der Informationen miteinander und das sich daraus ergebende Potenzial der komplexen Abfragemöglichkeiten bieten Graphentechnologien sehr interessante Perspektiven für neue methodische Fragestellungen in den digitalen Geisteswissenschaften. Für die Langzeitarchivierung lassen sich Graphdaten in andere Formate konvertieren (wie z.B. XML), für die bereits Workflows für die Langzeitarchivierung etabliert sind.
Graphentheorie bildet zudem eine der Grundlagen geisteswissenschaftlicher Netzwerkforschung. In den letzten Dekaden wurde insbesondere in den Geschichtswissenschaften, aber auch in Archäologie, Literaturwissenschaften, Linguistik und weiteren Disziplinen der Netzwerkbegriff zunehmend nicht mehr nur metaphorisch angewendet, sondern im Kontext der Auswertung formaler quantitativer Analysen. Dies führte zum Einen zur Evaluierung und Übertragung epistemologischer Paradigmen z. B. der Soziologie auf geisteswissenschaftliche Anwendungskontexte sowie zum Anderen zu einer regen Theorieentwicklung in den einzelnen Disziplinen.
Als zentrales Merkmal der netzwerktheoretischen Perspektive steht nicht die isolierte Entität – seien es Personen, Quellen oder Objekte – im Mittelpunkt der Betrachtung, sondern ihre Einbettung in ein Geflecht von Beziehungen, die Strukturen, die sich aus diesen ergeben, und die Konsequenzen für Handlungs- und Wirkungsspielräume. Weitere Schwerpunkte bestehen in der Identifikation und den Dynamiken von Gruppen, der Bedeutung, den Rollen und den Positionen von Akteur:innen im Netzwerk sowie der Betrachtung dieser Phänomene auf der Mikro-, Meso-, Makroebene und dem Wechsel zwischen diesen Ebenen. Insbesondere in Verbindung mit der Visualisierung von Graphen sind ferner explorative Ansätze zum Umgang mit komplexen Datensätzen zu nennen. Themen der Netzwerkforschung in den Digitalen Geisteswissenschaften beinhalten z. B. die Analyse von Handels- und Tauschnetzwerken, von Finanz- und Unternehmensverflechtungen, Migrationsforschung, Heirats- und Verwandschaftsbeziehungen, die Diffusion von Wissen, Innovationen und Informationen, Korrespondenznetzwerke, Ko-Okkurenzen in textuellen Quellen, und viele mehr. Dabei nehmen vor allem in den historischen und archäologischen quellenkritische Überlegungen zur Anwendung formaler Methoden auf lückenhaft überlieferte Quellenkorpora einen großen Stellenwert ein; auch der Umgang mit den Dimensionen von Zeit und Raum in komplexen, hochstrukturierten Datensätzen stellt eine der Herausforderungen geisteswissenschaftlicher Netzwerkforschung dar.
Ziel der Arbeitsgruppe Graphen & Netzwerke ist die Förderung des Informationsaustausches und der Diskussion zu Entwicklung und Anwendung digitaler Methoden und Standards der Wissensmodellierung und der Analyse mit Graphen und Netzwerken.
Von Interesse sind dabei unter anderem folgende Fragestellungen:
- Modellierungsbeispiele und Standards für die digitalen Geisteswissenschaften
- Wandel der wissenschaftlichen Methodik vor dem Hintergrund der zunehmenden Digitalisierung
- Best practice Beispiele
- Welchen Mehrwert bieten Graphen bei der Modellierung (insbesondere für Text): mehrdimensionale, überlappende Hierarchien, semantische Erschließung, …
- Versionierungsfragen und Zitierfähigkeit
- Kollaborative Textproduktion, Annotation und Kommentar
- Langzeitarchivierungsstrategien für graphbasierte Daten
- Analysepotenziale von Graphen und Netzwerkmetriken