Encoding Cultures – Joint MEC and TEI Conference 2023. Zur Kodierung von Personenbeziehungen in digitalen Editionen

Die Konferenz

Von 5. bis 8. September 2023, mit Pre-Conference-Workshops am 4. und 5. September, fand an der Universität Paderborn die Konferenz “Encoding Cultures“, eine gemeinsame Veranstaltung der Music Encoding Initiative (MEI) und der Text Encoding Initiative (TEI) statt. Die Konferenz markierte die erstmalige Vereinigung der MEI- und TEI-Gemeinschaften, die sich beide der Digitalisierung und Codierung von kulturellen Erbstücken verschrieben haben.

Abbildung 1: Universität Paderborn, Konferenz “Encoding Cultures”

Universität Paderborn, Konferenz “Encoding Cultures”

Während Musik und Text auf den ersten Blick weit voneinander entfernt zu sein scheinen, gibt es auffällige Überschneidungen in ihren Ansätzen zur Datenmodellierung, Kodierungstheorie und digitalen Veröffentlichung. 

Das übergreifende Thema der Konferenz lautete “Encoding Cultures” – dieses Thema umfasst zwei wesentliche Dimensionen; nämlich die Kodierung verschiedener Kulturen und kultureller Ausdrucksformen sowie die Vielfalt der Kodierungskulturen, die innerhalb und zwischen unseren Gemeinschaften existieren.

Themen

Die Keynotes wurden von Anna Kijas (“Preserving Cultural Heritage through Digital Activism and Community”) und Till Grallert (“Mind the <gap/>s! Digital editing in a world in crisis”) gehalten. Die Themen der Short Papers und Long Papers reichten von Datenstrategien, Datenverbindungen, Text und Musik, Tools und Workflows, Datenanalyse, Kodierungsherausforderungen, Kodieren von Semantik und Entitäten, Genetischen Editionen, Kodierungsstrategien und Infrastrukturen bis über Korpusbildung. Daneben fanden zum Beispiel Panels zu den Themen Materialität, Metadaten im <teiHeader>, ODD, TEI und das Semantic Web und Unterrichten von Kodierung statt. Außerdem kamen die Special Interest Groups (z.B. TEI Ontology, TEI Manuscripts, TEI Graph Technologies und TEI Correspondance) zusammen, um über im letzten Jahr Geschehens und zukünftige Vorhaben zu berichten und zu diskutieren. So wurde in der SIG Manuscripts beispielsweise über eine Anpassung der Definition des <object>-Elements und über die Einführung von <objectContents> diskutiert.

Abbildung 2: Poster Slam

Nach dem unterhaltsamen Poster Slam am Donnerstagnachmittag, dem 07.09, wurden bei der Poster Session insgesamt 24 Poster zu unterschiedlichsten Themen präsentiert.

Beitrag zur Konferenz: relation^3

Aus dem Projekt der digitalen Edition der Memoiren der Gräfin Schwerin wurden Überlegungen zur Modellierung der Personenbeziehungen präsentiert. Beziehungen, insbesondere Verwandtschafts- und informelle Beziehungen, spielten eine zentrale Rolle im Leben der Gräfin und waren entscheidend für ihre soziale Stellung. In der digitalen Edition sollen diese Beziehungen unter dem Aspekt der “assertive edition” (Vogeler 2019) modelliert werden. Der Beitrag widmete sich somit der Frage, wie Text, der Beziehungen beschreibt, mit einer strukturierten Kodierung dieser Beziehungen verbunden werden kann (Galka/Vogeler 2023). Hier kann die entsprechende Präsentation eingesehen werden.

“assertive edition”

Das Konzept der “assertiven edition” basiert auf einer mehrschichtigen Darstellung. Um die in einem Text enthaltenen Fakten als Aussagen zu modellieren, werden eingebettete Anmerkungen mit TEI/XML mit externen Informationsstrukturen verknüpft, wie z.B. mit RDF. Die TEI bietet das Element tei:relation mit den Attributen @name, @active, @passive und @mutual zur Kodierung von Personbeziehungen innerhalb von tei:listPerson an.

Verknüpfung von TEI und RDF

Um TEI und RDF miteinander zu verknüpfen, gibt es unterschiedliche Möglichkeiten (Boot/Koolen 2021), darunter die Verwendung von RDFa (Resource Description Framework in Attributes), einer Semantic-Web-Technologie, die RDF-Aussagen in andere Dialekte (z.B. HTML oder XML) einbindet und diese mit semantischen Inhalten anreichert.

Eine weitere Option zur Verknüpfung von TEI und RDF ist das TEI-Element tei:xenoData, das die Einbettung von RDF-Aussagen im TEI-Dokument ermöglicht. tei:xenoData wird jedoch im tei:teiHeader eingebunden und dient vor allem der Kodierung von Metadaten. Beide der erwähnten Methoden haben außerdem den Nachteil, die menschliche Lesbarkeit des TEI-Dokuments zu beeinträchtigen.
Außerdem wurde auch tei:relation verwendet, um RDF-Strukturen in TEI/XML einzubetten (SAWS-Projekt, Jordanous 2015), aber wie von Tittel et. al. (2018) erwähnt, handelt es sich um einen Fall von Tag abuse, da dieser Tag eigentlich auf Named Entities beschränkt ist.

Modellierungsvorschlag

Wir schlagen vor, das TEI-Element tei:relation für die Modellierung der Personenbeziehungen zu verwenden, wobei die Attribute @type für eine genauere Spezifikation der Beziehung, @name für den Beziehungstyp und @mutal, @active oder @passive für die beteiligten Personen genutzt werden.

Die prosopographischen Informationen werden mit dem Text verknüpft, indem der Text mit tei:seg annotiert und auf das @xml:id von tei:relation mit dem Attribut @ana verwiesen wird. Alle diese Informationen, die in TEI/XML codiert sind, werden auch mit Ontologien wie FOAF in RDF gemappt (vgl. Abbildung 3).

Abbildung 3 : Kodierungsbeispiel

Es gibt bereits Projekte, die sich ähnlich wie unser Ansatz auf die Verwendung von tei:relation zur Darstellung der Beziehungen stützen, nämlich die Projekte Syriaca und SPEAR, die auf Factoid-Prosopographie beruhen (Schwartz/Gibson/Torabi 2022). Factoide sind Personendaten, die aus historischen Quellen stammen. Die angewandte Verknüpfungsmethode in den Projekten ist allerdings viel weniger granular, da das allgemeine Factoid-Modell keine detaillierte Annotation der Quelle erfordert, auf der die Behauptung des Factoids beruht. Es gibt nur Verweise auf ein ganzes Werk. In unserem Fall annotieren wir den Text einer Ausgabe in der Granularität des Lesers der Textpassage und verknüpfen ihn mit einer Interpretation.

Verknüpfung von Relationen und Text: tei:annotation

Was die Verknüpfung der kodierten Relationen und den Text betrifft, wäre es auch möglich, tei:annotation zu verwenden – dieser Ansatz folgt dem Web Annotation Model. Mit tei:annotation wird in den Text gezeigt (tei:annotation, tei:ptr), wobei man diese Referenzierungsmethode als “inward pointing” bezeichnen könnte. Die TEI schließt nicht aus, eine alternative Methode des Verweises anzuwenden, die nicht dem Web Annotation Model entspricht. Wir wenden diese Methode, bei der auf die <relation> über den @ana-Mechanismus aus dem bearbeiteten Text heraus verwiesen wird, und bezeichnen sie als “outward pointing”. Wir verweisen dabei aber nicht auf die generische Annotation in tei:anntation sondern auf die semantisch spezielle in tei:relation.

Ausblick

Wir haben uns soweit für die einfachste Kodierungsmöglichkeit entschieden; außerdem kann die Kodierung mit XSLT problemlos nach tei:annotation und tei:xenoData konvertiert werden (siehe GitHub). Sowohl die manuelle Kodierung von tei:xenoData als auch tei:annotation würden einen zusätzlichen Aufwand im Arbeitsprozess entstehen lassen, ohne dass mehr Informationen hinzugefügt werden, die für unsere Edition notwendig sind.Darüber hinaus ist die “outward-pointing”-Methode besser mit den von Elena Pierazzo (2015, 43) oder Patrick Sahle (2013:III, 251–340) vorgestellten mehrschichtigen editorischen Konzepten vereinbar, bei denen die Annotation als Interpretation der Textpassage betrachtet wird, d.h. als ein analytischer Schritt auf der Grundlage des Textes selbst. Mit unseren Modellierungsvorschlägen müssten keine neuen TEI-Elemente oder -Attribute definiert werden, alle Informationen sind im TEI/XML verfügbar und können mit geeigneten Transformationen nach RDF gemapped werden.

Literatur

Boot, Peter and Koolen, Marijn. “Connecting TEI Content Into an Ontology of the Editorial Domain.”. In Graph Data-Models and Semantic Web Technologies in Scholarly Digital Editing, edited by Elena Spadini, Francesca Tomasi, and Georg Vogeler, 9–29. Norderstedt: BoD, 2021.

Pierazzo, Elena. Digital Scholarly Editing: Theories, Models and Methods. Farnham: Ashgate, 2015. https://journals.openedition.org/variants/pdf/408.

Project: SAWS. https://ancientwisdoms.ac.uk/. Composed of teams working at King’s College London, the Newman Institute, Uppsala, and the University of Vienna.

Project: Syriaca.org. Vanderbilt University, Princeton University, and the Contributor(s), 2014. URL: https://syriaca.org/index.html [2023-04-13].

Projekt: SPEAR. Syriac Persons Events and Relations.  https://spear-prosop.org/index.html

Jordanous, A. (2015). Enhancing information retrieval and resource discovery from data using the Semantic Web. In 4th International Symposium on Emerging Trends and Technologies in Libraries and Information Services (ETTLIS-2015), pages 105–110. IEEE.

Sahle, Patrick. Digitale Editionsformen. Zum Umgang mit der Überlieferung unter den Bedingungen des Medienwandels. Teil 3: Textbegriffe und Recodierung. Schriften des Instituts für Dokumentologie und Editorik 9. Norderstedt: Books on demand, 2013.

Schwartz, Daniel L., Nathan P. Gibson, und Katayoun Torabi. „Modeling a Born-Digital Factoid Prosopography Using the TEI and Linked Data“. Journal of the Text Encoding Initiative, 21. März 2022. https://doi.org/10.4000/jtei.3979.

Tittel, Sabine, Helena Bermúdez-Sabel, und Christian Chiarcos. 2018. „Using RDFa to Link Text and Dictionary Data for Medieval French“. In Proceedings of the 6th Workshop on Linked Data in Linguistics (LDL-2016): Towards Linguistic Data Science. European Language Resources Association (ELRA), herausgegeben von John P McCrae, 30–38.

Vogeler, Georg. “The ‘assertive edition’: On the consequences of digital methods in scholarly editing for historians.” International Journal of Digital Humanities 1 (2019): 309–322.

Bisheriger Workflow der Erstellung der Digitalen Edition

Transkription

Die Transkription der Handschrift MS W erfolgte mittels der Transkriptionssoftware Trankribus. Transkribus erlaubt eine automatische Layouterkennung, Text-Bild-Verknüpfung und das Versehen der Transkription mit Markup; außerdem auch einen Export nach TEI/XML. In Transkribus wurden Textphänomene wie Streichungen (<del>), Hinzufügungen (<add>), unklare Textstellen (<unclear>), Kommentare (<note>) und Unterstreichungen (<hi>) getagged. Die neuen Textstellen gegenüber der Handschrift MS A wurden vorerst mit eckigen Klammern ausgewiesen, diese sollen in einem späteren Arbeitsschritt in eine TEI/XML-Kodierung überführt werden. Randglossen wurden in Transkribus als eigene Textregion mit dem @type=”marginalia” markiert; Einfügungen mit Einweisungszeichen im marginalen Bereich wurden vorerst mit @type=”other” markiert.

Abbildung: Transkription mit Transkribus

Der TEI/XML-Export der Transkription entspricht noch keinem für das Projekt geeigneten Datenmodell, so gibt es einerseits die Möglichkeit, den Export mit einem XSLT-Stylesheet von Dario Kampkasar (page2tei) zu erstellen, welches die Transkription mit <ab>-Elementen, <pb> für Seitenanfänge und wahlweise mit <l> oder <lb> zur Markierung der einzelnen Zeilen abbildet. Das Stylesheet für den Client-Export gibt ein TEI-Dokument aus, welches die Transkription mit <p>-Elementen und innerhalb dieser mit <lg> und wahlweise <lb> oder <l> wiedergibt.

Das finale Datenmodell soll die Transkription jedoch innerhalb von <sourceDoc> im <teiHeader> abbilden. Das Datenmodell soll auch die neuen Textstellen gegenüber der Handschrift MS A mit <ms>-Elementen wiedergeben – der Anfang der neuen Textstelle wird beispielsweise mit <milestone unit=”add” type=”start” xml:id=”ms1″ spanTo=”#ms2″> markiert, das Ende mit <milestone unit=”add” type=”end” xml:id=”ms2″>. Für Einweisungszeichen soll das Element <metamark> mit dem Verweis auf die jeweilige @xml:id im Textbereich verwendet werden. Nachträglich kodiert werden müssen letztendlich noch die unterschiedlichen Schreiberhände.

Die Kollation der Transkription erfolgte einerseits in Transkribus, andererseits aber auch mittels einer ersten lokalen HTML-Ansicht, die mit einem projektspezifischen XSLT-Stylesheet generiert werden kann und auch ungefähr der letztendlichen Darstellung in der digitalen Edition entspricht. Dies ermöglichte eine leichtere Kontrolle des korrekten Taggings. Die Transkription von MS W hat derzeit einen vorläufigen Zwischenstand erreicht und wird im Laufe des Projekts überarbeitet.

Abbildung: Lokale HTML-Ansicht zur Kollation, generiert mit XSLT

Lesefassung

Momentan wird an der Kodierung der Lesefassung im XML-Editor Oxygen gearbeitet. Vorlage für den Text ist ein Word-Dokument der Transkription von Manuskript A (Daumas/Ulbrich 2013). Dieser Text ist normalisiert, z.B. wurden Personennamen aufgelöst und Interpunktion eingefügt. Da Word XML-basiert ist, konnte dieser Text leicht mittels des Webservices Oxgarage in ein erstes TEI/XML-Dokument transformiert werden. Aus der gedruckten Edition entstand außerdem ein Personenregister, welches in ein Google-Sheet zur kollaborativen Bearbeitung und Erweiterung überführt wurde. Jede Person erhält eine projektinterne ID; genauso wird mit den Orten und erwähnten Werken verfahren.

In der Lesefassung sollen letztendlich Personen, Orte, Werke, Schlagworte, Personenbeziehungen und die von MS A und MS W sich unterscheidenden Textstellen kodiert werden. Um die Kodierung der Personen und Orte zu erleichtern, wurde die Methode des NER (Named Entity Recognition) getestet und angewandt. Bei Named Entity Recognition handelt es sich um eine computergestützte Methode zur automatisierten Erkennung, Klassifizierung und Markierung von Eigennamen (Named Entities), welche in vielen Bibliotheken für NLP (Natural language processing) enthalten ist, wie z.B. in spaCy, flair, nltk oder WebLicht (Eder 2021). Für das Französische bieten spaCy, flair und CamemBERT (Louis/Muller/Suárez et al. 2020) NER-Modelle an. Named Entity Recognition stellt eine nützliche Methode innerhalb der Digital Humanities dar, allerdings können sich vor allem im Hinblick auf historische Quellen bzw. Texte Herausforderungen und Probleme ergeben, z. B. aufgrund der nicht standardisierten Orthographie oder von Nested Entities (Entitäten, die ein oder mehrere Entitäten enthalten, wie z.B. “Herzog Otten von Luneburg”, vgl. More 2021, 66).

Zum damaligen Zeitpunkt war das Ergebnis der automatisch erkannten Entitäten in der Lesefassung nicht zufriedenstellend, so wurden oft nur Teile erkannt (z.B. nur “Schwerin” statt “Comte de Schwerin”), Entitäten falsch klassifiziert (“Schwerin” als Ort) oder viele falsch erkannte Entitäten markiert (False Positives). Die Ergebnisse konnten jedoch genutzt werden, um einen ersten Einblick in den Text zu erhalten. Alle gefundenen unterschiedlichen Personen und Orte wurden in Listen verzeichnet, auf Basis derer aufgrund einer Vorkenntnis des Textes ein erstes (semi-)automatisiertes Tagging vorgenommen werden konnte.

Abbildung: NER mit spaCy, Visualisierung der Lesefassung und den klassifizierten Named Entities mit displaCy

Im nächsten Schritt werden die weiteren Personen und Orte und die abweichenden Textstellen kollaborativ mittels GitHub-Desktop kodiert. Nebenbei erfolgt kontinuierlich die Weiterentwicklung des Datenmodells, z.B. im Hinblick auf die Personenbeziehungen.

Archiv und Interface

Parallel zur Arbeit an den Texten wurden mittels Figma, einem Tool für kollaboratives Interface-Design, Mockups erstellt, auf Basis derer das Webinterface der digitalen Edition mit den vorläufigen Daten und Texten beständig entwickelt, erweitert und bearbeitet wird.

Abbildung: Erstes Mockup der Startseite der Digitalen Edition

Sämtliche Texte der digitalen Edition werden im Langzeitrepositoirum GAMS (Geisteswissenschaftliches Asset Management System) unter einem Persistent Identifier (PID) archiviert – das Webinterface wird direkt aus den dort abgelegten Daten mittels X-Technologien on-the-fly mit gängigen Webtechnologien generiert.

Literatur

Daumas, Maurice und Claudia Ulbrich (Hg.), unter Mitarbeit von Sebastian Kühn, Nina Mönich und Ines Peper. Mémoires de la comtesse de Schwerin. Une conversion au XVIIIe siècle. Bordeaux 2013.

Eder, Elisabeth. Named Entity Recognition (NER). In: KONDE Weißbuch. Hrsg. v. Helmut W. Klug unter Mitarbeit von Selina Galka und Elisabeth Steiner im HRSM Projekt “Kompetenznetzwerk Digitale Edition”, 2021. Aufgerufen am: 4.5.2023. Handle: hdl.handle.net/11471/562.50.141. PID: o:konde.141

Figma. URL: https://www.figma.com/de/ [2023-06-19].

flair. URL: https://github.com/flairNLP/flair [2023-06-19].

GAMS (Geisteswissenschaftliches Asset Management System). URL: https://gams.uni-graz.at/ [2023-06-19].

GitHub Desktop. URL: https://desktop.github.com/ [2023-06-19].

Manuskript A. Aix-en-Provence, Bibliothèque Méjanes, Ms 1190–1191.

Manuskript W. Wien, Haus-, Hof- und Staatsarchiv, SB Khevenhüller-Riegersburg 184/5.

Martin, Louis; Muller, Benjamin und Pedro Javier Ortiz Suárez et al. CamemBERT: a Tasty French Language Model. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics 2020, 7203–7219.

More, Jacqueline. Theorie und Anwendung von Named Entity Recognition in den Digital Humanities mit Fokus auf historische Texte des 17. Jahrhunderts. Masterarbeit, Universität Graz, 2021. http://unipub.uni-graz.at/obvugrhs/6203623 [2023-06-19].

OxGarage Conversion. URL: https://oxgarage.tei-c.org/ [2023-06-19].

Oxygen XML Editor. URL: https://www.oxygenxml.com/ [2023-06-19].

pagetei – XSLT-Stylesheet für Transkribus Export von Dario Kampkaspar. URL: GitHub – dariok/page2tei [2023-06-19].

spaCy. URL: https://spacy.io/ [2023-06-19].

Text Encoding Initiative (TEI). URL: https://tei-c.org/ [2023-06-19].

Transkribus. URL: https://readcoop.eu/de/transkribus/ [2023-06-19].

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search