Mittelgeber: DFG
Förderbereich: Wissenschaftliche Literaturversorgungs- und Informationssysteme (LIS)
Programm: e-Research-Technologien
Projektnummer: 518919950

Daidalos

Entwicklung einer Infrastruktur zum Einsatz von Natural Language Processing (NLP) für Forschende der Klassischen Philologie

Daidalos

Development of an infrastructure for the use of natural language processing (NLP) for researchers in the field of Classics

Classical philology is undergoing a process of digitisation. Until a few decades ago, researchers had no choice but to make their way through their texts by hand. Although this way of working produced impressive and exemplary results, the digital research tools available today have the potential to save time and minimise the risk of errors. Daidalos is by no means the first Classics project to focus on digital research methods. Its unique selling point is that it attempts to combine existing digital methods of text analysis and visualisation in a web-based research infrastructure. It also seeks to evaluate and further develop these methods in an evidence-based and easily comprehensible way. Daidalos aims to be a platform for interested researchers (community of practice) and a learning environment where researchers can develop and expand their digital skills (digital literacy) with the help of various autodidactic learning modules.

Tailoring to needs of users through research teams (tandems)

To make an informed selection of the text corpora, analysis tools, methods of visualisation and learning modules offered by Daidalos, the first step for the project team is to evaluate the potential of selected NLP methods. This is done on the basis of real research questions (e.g. on authorship, intertextuality or discourse strategies) that are presented to the Daidalos project by members of the research community. Collaboration in these research tandems is organised as follows: In an initial consultation, the researchers present their research interest, a possible research question and the desired text corpus. The Daidalos team advises them on the specifics of the research question and explains which analysis tools (e.g. morphosyntactic taggers, working with word embeddings) and visualisation options (e.g. annotated text, graph) might be suitable. The machine language processing tools offered by Daidalos make it possible to analyse both linguistic phenomena (e.g. word types, collocations, syntax) and literary questions (e.g. genre features, paraphrase search, ancient concepts). As soon as the results of the analyses are available, the Daidalos team hands them over to the researchers for assessment. In a follow-up meeting, the researchers evaluate the quality of the results and the visualisation together with the Daidalos team. If necessary, the parameters are adjusted and further analyses are carried out. The insights gained from these use cases are channelled into the development of the website infrastructure and the design of the training material.

Interactive research infrastructure as a learning offer

The interactive access to ancient texts is not only intended to help answer research questions, but also to promote methodological reflection and empower users. Accordingly, the software offers the following content:
(a) Demo-workflows with configurable elements, e.g. corpus selection, with detailed explanations;
(b) a domain-specific interface with various features including interactions on research interest and method selection; storage of personalised settings; exercises and code snippets in Jupyter Notebooks;
(c) free configuration of text and method triangulation, integration of own source code for experienced users.

Principle Investigators

Prof. Dr. Anke Lüdeling	Direktor Malte Dreyer	Dr. Andrea Beyer
Korpuslinguistik	Computer- und Medienservice	Klassische Philologie

Wissenschaftliche Mitarbeiter

Nico Faltin	Konstantin Schulz	Florian Kotschka
Latinist	NLP-Spezialist	Softwarearchitekt

Studentischer Mitarbeiter

Florian Deichsler
Historischer Linguist

Forschungsbeispiele

Beispiel 1

Mit welchen Attributen ist bellum verknüpft? Ist die Kollokation bellum iustum als Konzept nachweisbar?
(vgl. Girardet, Klaus M. "Gerechter Krieg - Von Ciceros Konzept des Bellum Iustum bis zur UNO-Charta." In Res Publica und Demokratie, herausgegeben von Helmut König, Emanuel Richter und Rüdiger Voigt, 191-223. Baden-Baden: Nomos, 2007).

Mit Daidalos könnte man die Kontexte, in denen das Wort bellum vorkommt, auf ihre Assoziationsstärke hin untersuchen. Die Assoziationsstärke gibt an, wie häufig bestimmte Wörter gemeinsam auftreten. (Abb. 1).

Beispiel 2

Wie wird mit Faktualität (Gegensatzpaar: fabula - probata, "bloße Erzählung - überprüfte Fakten") in verschiedenen Gattungen umgegangen?
(vgl. Cordes, Lisa. "Wenn Fiktionen Fakten schaffen. Faktuales und fiktionales Erzählen in den spätantiken Panegyrici Latini." In Faktuales und fiktionales Erzählen II. Geschichte - Medien - Praktiken,herausgegeben von Dustin Breitenwischer, Hanna-Myriam Häger und Julian Menninger, 31-56. Baden-Baden: Ergon, 2020)

Daidalos könnte die Suche relevanter und oftmals unerwarteter Textstellen unterstützen, indem die Software mittels distributioneller Semantik die Suche nach Wortfeldern, Themen oder ähnlichen Diskursstrukturen ermöglicht (Abb. 2).

Nachgenutzte Software und Datensätze

Aktueller Stand der maschinellen Sprachverarbeitung für Latein und Altgriechisch

Was ist momentan grundsätzlich möglich?

Die aktuellen Möglichkeiten der maschinellen Sprachverarbeitung für Latein und Altgriechisch erlauben es uns beispielsweise,

• Informationslücken in historiografischen Texten zu finden, indem wir Personen, Orte und andere Eigennamen erkennen.
• die Rolle der Polis in Epitaphien zu untersuchen, indem wir
  • Wörter und Textstellen thematisch durchsuchen und gruppieren und
  • moralisch positive und negative Narrative identifizieren.
• die Imitation des Ciceronischen Stils in neuzeitlichen Aufsätzen nachzuweisen, indem wir
  • den Satzbau analysieren, z.B. Subjekte, Objekte, Prädikate,
  • Wortarten erkennen,
  • morphologische Informationen erkennen, z.B. Kasus, Numerus, Genus, Tempus, Modus.

Fehleranfälligkeit

Die maschinelle Sprachverarbeitung befindet sich in stetiger Weiterentwicklung. Systeme zur automatischen Analyse antiker Sprachen sind nie perfekt, machen also Fehler. Ein Beispiel ist die Lemmatisierung, wo flektierten Wörtern mitunter die falsche Grundform zugeordnet wird.

Geschwindigkeit der Weiterentwicklung

Dennoch wird die Leistung der Algorithmen tendenziell immer besser, d.h. sie machen ihre Arbeit schneller und zuverlässiger. Darum lohnt es sich, den Stand der Dinge im Blick zu behalten und regelmäßig neu zu evaluieren. Selbst wenn die Ergebnisse in einem bestimmten Fall noch nicht unseren Ansprüchen genügen, kann dies schon wenige Jahre später ganz anders aussehen.

Notwendigkeit der Fortbildung

Solange wir also mit solchen Algorithmen arbeiten, sollten wir uns regelmäßig fortbilden:

• Welche neuen Veröffentlichungen zum Thema gibt es?
• Wie funktionieren die neuen Algorithmen und Methoden?
• Was wird wahrscheinlich demnächst möglich sein?

Zum Nachlesen

Berti, Monica, ed. Digital Classical Philology: Ancient Greek and Latin in the Digital Revolution. Berlin: De Gruyter, 2019.

Johnson, Kyle P., Burns, Patrick J., Stewart, John, Cook, Todd G., Besnier, Clément und Mattingly, William J.B. “The Classical Language Toolkit: An NLP Framework for Pre-Modern Languages.” In Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing: System Demonstrations. Association for Computational Linguistics, herausgegeben von Heng Ji, Jong C. Park und Rui Xia, 20–9. Association for Computational Linguistics, 2021. PDF

Revellio, Marie. Classics and the Digital Age: Advantages and Limitations of Digital Text Analysis in Classical Philology. Digital Humanities Cooperation, 2015. PDF

Short, William. Blog: Computational Classics? Programming Natural Language Understanding. Society for Classical Studies Blog, 2019. PDF

Sommerschield, Thea, Assael, Yannis, Pavlopoulos, John, Stefanak, Vanessa, Senior, Andrew, Dyer, Chris, Bodel, John, Prag, Jonathan, Androutsopoulos, Ion, und de Freitas, Nando. “Machine Learning for Ancient Languages: A Survey.” Computational Linguistics 49, no. 3 (September 2023): 703–47.

Community of Practice

Im Rahmen des Daidalos-Projektes haben wir den überregionalen Arbeitskreis Digital Classics (BridgeClassics) aufgebaut, den wir zu einer Community of Practice (CoP) im Sinne des situierten Lernens (Lave und Wenger, Situated Learning) erweitern und mit DH-Workshops unterstützen.

Erfolgskriterien für eine CoP sind „leadership roles, personalized learning, guiding principles, organizational support, social learning and purpose“ (Trust und Horrocks, "Six Key Elements," 108)

Die CoP wird durch Forschungstandems ausgebaut, wie sie u. a. im Design-Based Research Ansatz (Bakker, Design Research) üblich und auch in unserer Fachcommunity (Freund und Jannsen, "Forschendes Lernen") bekannt sind.

Bakker, Arthur. Design Research in Education: A Practical Guide for Early Career Researcher. New York: Routledge, 2018.
Freund, Stefan und Janssen, Leoni. "Forschendes Lernen im Praxissemester unter den Bedingnungen kleiner Fächer. Ein Praxiskonzept für die Begleitung von Studienprojekten im Praxissemester am Beispiel des Faches Latein." Die Materialwerkstatt. Zeitschrift für Konzepte Und Arbeitsmaterialien für Lehrer*innenbildung Und Unterricht 2 no. 2 (2020): 66–74.
Lave, Jean und Wenger, Etienne. Situated Learning: Legitimate Peripheral Participation. Cambridge: Cambridge University Press, 1991.
Trust, Torrey und Horrocks, Brian. "Six Key Elements Identified in an Active and Thriving Blended Community of Practice." TechTrends 63, no. 2 (2019): 108-15.

Idealtypischer Ablauf eines Forschungstandems

1. Kontaktaufnahme
2. Erstgespräch: Forschungsfrage, Festlegung des Textkorpus und der NLP-Methode
3. Erstellung eines Prototypen
4. Zusendung der ersten Ergebnisse
5. Zweitgespräch: Ergebnisdiskussion
6. ggf. Anpassungen
7. Kooperative Publikation

Wir möchten Sie sehr herzlich zu unserem ersten Workshop einladen, mit dem wir unser DFG-Projekt Daidalos offiziell der interessierten Fachcommunity vorstellen und zum Mitmachen anregen wollen.

Anreise

Adresse:
Humboldt-Universität zu Berlin Unter den Linden 6
10117 Berlin
Raum 1066e (Erdgeschoss)

Der Veranstaltungsort ist fußläufig von den Bahnhöfen Friedrichstraße (U6, S1, S3, S5, S7, S75, S9), Unter den Linden (U6, U5) und Museumsinsel (U5) zu erreichen.

Vom Berliner Hauptbahnhof zur Humboldt-Universität

• U5 (Richtung Wuhletal) bis Unter den Linden, von dort 300m Fußweg

Vom Flughafen BER zur Humboldt-Universität

• FEX (Richtung Berlin Hbf) bis Ostkreuz, dort umsteigen in S3, S5, S7, S75, S9 bis Friedrichstraße, von dort 600 m Fußweg
• RE 8 (Richtung Wittenberge/Wismar) bis Friedrichstraße, von dort 600 m Fußweg
• S 9 (Richtung Spandau) bis Friedrichstraße, von dort 600 m Fußweg
• RB 23 (Richtung Potsdam/Golm) bis Friedrichstraße, von dort 600 m Fußweg

PKW - Parken und Anfahrt

• Direkt an der Straße "Unter den Linden" darf nicht geparkt werden. In der näheren Umgebung befinden sich aber verschiedene kostenpflichtige Parkmöglichkeiten, etwa in der Dorotheenstraße und in verschiedenen Tiefgaragen.
• Beachten Sie bitte die in der Innenstadt geltenden Umweltzonen. Die Nichtbeachtung kann ein Bußgeld nach sich ziehen.