Syllabus: Data Literacy: Digitale Tools und Arbeitstechniken für die Geschichtswissenschaften

Allgemeine Informationen

Kontakt der Ansprechperson

Philipp Schneider (philipp.schneider.1@hu-berlin.de)

Betreuung und Kommunikation

Allgemeine Sprechstunde: max. 30 min (Anmeldung)
Sprechstunde für Unterstützung bei konkreten Aufgaben: 45 min (Anmeldung)
Email

Beteiligte Institutionen

Professur für Digital History

Ressourcen zum Kurs

Moodle-Kurs

Formale Informationen

Data Literacy: Digitale Tools und Arbeitstechniken für die Geschichtswissenschaften – 51464
Übung
Donnerstag: 14-16 Uhr
Präsenz (mit Möglichkeit für hybride Lehre in Ausnahmefällen)
Ort: Dorotheenstraße 26, Raum 117 (Flexpool)
Beginn: 23. Oktober 2025

Kommentartext

Daten werden in den Geschichtswissenschaften zunehmend als Forschungsressource relevant. Gleich ob Der Umgang mit digitalen Medien, Werkzeugen und Daten gehört mittlerweile zu den grundlegenden Fertigkeiten moderner Gesellschaften und wird mehr und mehr auch zu einer zentralen Voraussetzung für das spätere Berufsleben von Historiker*innen – ob an der Universität, in Archiven, Bibliotheken oder Verlagen, aber auch weit darüber hinaus.

Im Rahmen der Übung werden Sie ausgewählte grundlegende Technologien und Werkzeuge hierfür kennenlernen und sich damit das notwendige Rüstzeug für die historische Arbeit mit digitalen Daten und Methoden aneignen. Zugleich erwerben Sie ganz nebenbei allgemeine informationstechnologische Kompetenzen, die Sie auf die digitale Arbeitswelt vorbereiten. Dazu gehören ein grundlegendes Verständnis von Algorithmen und Datenmodellen ebenso wie der Umgang mit offenen Datenformaten (CSV, JSON, XML) und grundlegenden Tools für die Geschichtswissenschaften. Sie lernen mit Google Ngram und Voyant Tools erste einfache Anwendungen für die digitale Textanalyse kennen, werden mit OpenRefine Daten bereinigen und hierfür die allgegenwärtigen regulären Ausdrücken für die Metasuche über Textdaten (Regex) nutzen, und unter Rückgriff auf Linked Data Georeferenzierungen erstellen und diese schließlich visualisieren. Vor allem aber werden Sie lernen, all diese und andere Tools fachlich reflektiert anzuwenden und deren Ergebnisse kritisch einzuordnen.

Die Übung vermittelt Ihnen anhand einfach zugänglicher Beispiele die grundlegende Data Literacy für die Arbeit mit digitalen Forschungsdaten und Werkzeugen im Geschichtsstudium, die aber auch weit darüber hinaus eingesetzt werden können.

Die Veranstaltung funktioniert zugleich als begleitende Übung zur Einführungsvorlesung Einführung in die Digital History. Technische oder mathematische Vorkenntnisse sind keine notwendig

Präsenztermine

15 Termine á 1,5 Std.
Präsenzzeit: 25 Stunden
Selbstlernzeit: 65 Stunden für die Vor- und Nachbereitung der LV und der speziellen Arbeitsleistung
Gesamt: 90 Stunden

(nach Modulbeschreibung M-02 Methodik und Theorie)

Sprache des Lernangebots

Deutsch

Inhaltlich-thematische Zuordnung

Thematischer Inhalt

Die Übung vermittelt grundlegende Kompetenzen in Data Literacy für die Geschichtswissenschaften durch praktische Arbeit mit digitalen Tools und Daten. Die Studierenden lernen verschiedene Datenformate (CSV, JSON, XML) sowie grundlegende Konzepte von Datenmodellierung und Formalisierung kennen. Sie erproben Werkzeuge für Transkription (Transkribus, OCR4all), digitale Textanalyse (Voyant Tools, LLMs), Datenbereinigung (OpenRefine) und Datenvisualisierung (Palladio). Weitere Schwerpunkte bilden Bildannotation mit multimodalen KI-Tools, Semantic Web-Technologien für Georeferenzierung sowie Fragen der Datenethik.

Formal laut Modulbeschreibung M-19 Geschichte als Praxis

Praktisch ausgerichtete Übung und Exkursion zu möglichen Berufsfeldern

Erkundung möglicher Berufsfelder oder praktische Tätigkeiten einer Historikerin bzw. eines Historikers im Rahmen des Studiums. z.B. EDV-Erfahrungen, Kommunikations- und Medienkompetenzen, Präsentationstechniken, Moderationstechniken und weitere Anwendungsmöglichkeiten historischer Theorien, Methoden und Techniken

Curriculare Verankerung des Lernangebots

Die Veranstaltung kann in den Modulen M-02 “Methodik und Theorie” oder M-19 “Geschichte als Praxis” belegt werden.

Siehe den Strukturbaum bei AGNES

Art des Leistungsnachweises

Laut Anlage 2 der Studienordnung sind verschiedene Optionen für einen Leistungsnachweis möglich.

schriftliche Ausarbeitungen (je ca. 10 Seiten/25.000 Zeichen inkl. Leerzeichen)

Für die Übung Data Literacy: Digitale Tools und Arbeitstechniken für die Geschichtswissenschaften erfolgt der Leistungsnachweis über eine Arbeitsprobe, in der die Anwendung eines der im Seminar vorgestellten Tools auf einen selbst gewählten oder vorgegebenen Datensatz dokumentiert und kritisch reflektiert wird.

zu erlangende ECTS

2-3 LP

Studienleistung (unbenotet)

Die Punkte für die Studienleistung setzen sich auf die folgende Weise zusammen:

Teilnahme und Mitarbeit macht 1 LP aus:

Regelmäßige Teilnahme an den Präsenzsitzungen
Bearbeitung wöchentlicher Kursaufgaben

+ 1 LP (insgesamt 2 LP):

Kleine Arbeitsprobe (ca. 5 Seiten) mit einem der im Seminar vorgestellten Tools
Anwendung des Tools auf einen selbst gewählten oder vorgegebenen Datensatz
Dokumentation des Arbeitsprozesses und kritische Reflexion der Ergebnisse
Es gelten die üblichen Vorgaben zu wissenschaftlichem Arbeiten, auch hinsichtlich Rechtschreibung, Literatur- und Quellenangaben sowie Anmerkungsapparat

+ 2 LP (insgesamt 3 LP):

Erweiterte Arbeitsprobe (ca. 10 Seiten) mit einem der im Seminar vorgestellten Tools
Anwendung des Tools auf einen selbst gewählten oder vorgegebenen Datensatz
Ausführliche Dokumentation des Arbeitsprozesses und vertiefte kritische Reflexion der Ergebnisse und Methode
Es gelten die üblichen Vorgaben zu wissenschaftlichem Arbeiten, auch hinsichtlich Rechtschreibung, Literatur- und Quellenangaben sowie Anmerkungsapparat

Modulabschlussprüfung (benotet)

Für eine Modulabschlussprüfung (2 LP) in den Modulen Methodik und Theorie oder Geschichte als Praxis ist zusätzlich zur unbenoteten Studienleistung noch folgende Leistung zu erfüllen:

Reflexionsessay oder Literaturüberblick (ca. 10 Seiten)

Kritische Auseinandersetzung mit Datafizierung und Digitalisierung in den Geschichtswissenschaften auf konzeptueller Ebene
Mögliche Themen und Ansätze umfassen u.a.: Reflexion über veränderte Arbeitsweisen und neue Formen der Wissensproduktion durch digitale Methoden, Analyse von Data Literacy-Kompetenzrahmen, kritische Bewertung digitaler Tools und Methoden, oder Literaturüberblick zu Kernaspekten von Data Literacy in den Geschichtswissenschaften
Die konkreten Anforderungen und möglichen Themenstellungen werden im Verlauf des Seminars besprochen und können individuell abgestimmt werden
Es gelten die üblichen Vorgaben zu wissenschaftlichem Arbeiten, auch hinsichtlich Rechtschreibung, Literatur- und Quellenangaben sowie Anmerkungsapparat

Adressierte Zielgruppe

Masterstudierende im 1. Semester des Master-Schwerpunkts Digital History sowie Studierende anderer geisteswissenschaftlicher Fächer.

Vorwissen der Zielgruppe

Für die Teilnahme sind keine technischen oder Programmierkenntnisse erforderlich. Die Veranstaltung setzt lediglich allgemeine Computerkenntnisse (Umgang mit Betriebssystem, Dateiverwaltung, Webbrowser) voraus.

Heterogenität der Zielgruppe

Unterschiedliche Kenntnisstände im Bereich Data Literacy und digitaler Methoden
Unterschiedliche Vertrautheit im Umgang mit digitalen Tools
Verschiedene Lernpräferenzen (Text, Videos, Unterrichtsgespräch, praktisches Ausprobieren)

Anzahl der Lernenden

zwischen 15 und 25

Lernergebnisse und Kompetenzen

Learning Outcomes

Die Übung vermittelt grundlegende Data Literacy für die Geschichtswissenschaften. Die Studierenden lernen verschiedene Datenformate und Konzepte der Datenmodellierung kennen, erproben konkrete Tools für Transkription, Textanalyse, Datenbereinigung und Visualisierung und entwickeln KI-Literacy im Umgang mit LLMs. Sie lernen, digitale Methoden nicht nur anzuwenden, sondern auch kritisch zu reflektieren und ethische Fragen im Umgang mit Daten zu berücksichtigen.

Lernziele – Die Studierenden sind in der Lage:

verschiedene Datenformate zu verstehen und deren Einsatzmöglichkeiten einzuschätzen
Konzepte der Datenmodellierung und Formalisierung auf historische Daten anzuwenden
digitale Tools für Transkription, Textanalyse, Datenbereinigung und Visualisierung einzusetzen
LLMs für text- und bildanalytische Aufgaben zu nutzen und deren Grenzen und Bias kritisch zu bewerten
ethische Fragen im Umgang mit digitalen Daten zu reflektieren
digitale Methoden und ihre Ergebnisse methodenkritisch zu reflektieren

Angestrebte Kompetenzen und Kompetenzniveaus

Fachliche Kompetenzen

Digitale Tools für historische Forschung selbstständig anwenden
Digitale Daten strukturieren, bereinigen und modellieren
Digitale Methoden methodenkritisch reflektieren

Soziale Kompetenzen

Zusammenarbeit beim Einsatz digitaler Tools
Frustrationstoleranz bei technischen Herausforderungen

Didaktisches Konzept

Lern-/Lehrmethoden

Hands-on-Übungen mit digitalen Tools
Unterrichtsgespräch mit Reflexionsphasen
Gruppen- und Einzelarbeitsphasen
Wöchentliche Aufgaben im Selbstlernen
Exkursion (Rechenzentrum der UB)
Projektarbeit (Arbeitsprobe)

Syllabus