Lernmaterialien für Einführung in die Digital Humanitäres an der Universität Stuttgart

o Bei sensiblen Daten mit Zugriff von außen => MySQL o.a.
o Bei mehreren Nutzern, gleichzeitige Nutzung => MySQL o.a.
o Sensiblere Daten (Kundendaten, Nutzerdaten o.a.)

- Manhattan Distanz: Absolutwert der Häufigkeitsdifferenzen aller Wörter zwischen
zwei Texten
- Euklidische Distanz: Wurzel der Summe der quadrierten Differenzen
- Cosine Distance: Winkel der zwei Textvektoren
- Burrow’s Delta standardisiert die Daten:
o Abweichungen zweier Texte vom Gesamtdurchschnitt der Worthäufigkeit
o Geteilt durch die Gesamtstandardabweichung der Worthäufigkeit
o “zufällige” starke Abweichungen zw. Texten werden heruntergewichtet
o => Differenzen im “Stil” haben größere Chance, erkannt zu werden

- eine Datei mit Daten
- eine Datenstruktur (Modell/Methode)
- ein System zur Erstellung, Verwaltung und Speicherung einer Datenbank
o in Hardware
o in Software
- Datenbank (DB) + Datenbankmanagementsystem (DBMS) = Datenbanksystem (DBS)

SQL = Abfragesprache
mySQL = Datenbanksystem

o (Internet)anwendung mit nur wenigen Lesezugriffen
o (Internet)anwendung mit klar definierten Schreibzugriffen
o Datensicherheit nicht relevant
o Lokaler Zugriff, z.B. kleine Forschungsdatenbank

- Primäre Anwendungsfelder: Datenanalyse und Visualisierung
- Skriptsprache (interpretiert)
o R Kommandozeile (ähnlich wie Python oder IPython)
o modulorientiert, Installation sogenannter libraries
o RStudio: GUI für die flexible Datenanalyse (ähnlich Spyder für Python)
o Module wie stylo bieten High-Level-Interfaces und Benutzeroberflächen für
bestimmte Aufgaben

- R-Library
- Sammelpaket und Benutzeroberfläche für statistische Algorithmen, die in Stilometrie
eingesetzt werden
- Anwenderfreundliche Analyse stilistischer Ähnlichkeiten / Differenzen zwischen
Texten

<unclear> enthält ein Wort, einen Satz oder eine Textpassage, welche in der Quelle nicht oder nur schwer lesbar bzw. hörbar ist.

- Komplexe Hierarchien abbilden

- Einfache Tabelle -> Excel Spreadsheet reicht aus
- Komplexe, flexible Zusammenhänge zwischen Tabellen -> RDBS
o Tabellen drücken minimal gruppierte Informationen aus
o Daten aus verschiedenen Tabellen werden nach Bedarf per Abfrage
zusammengeführt
o Das geschieht über sogenannte Keys (in Form von Tabellenspalten)
- Customer IDs, Purchase IDs, Product IDs ... bestimmen Relationen zwischen Tabellen
- Multi-User Szenarien: RDBMS schützen vor Datenkorruption (e.g. vor
versehentlichem Überschreiben)

- Serverbasierte Systeme, für Verwaltung mehrerer Projekte
o Multi-User Szenarien: Mehrere Nutzer und Datenbanken in einem DBS
o Zugriff ggf. von “außen” (Webanwendung o.a.)
=> Nutzerverwaltung
=> Betrieb über Server (Client ist das Programm)

- Einzelsysteme, z.B. für kleine Projekte:
o ist eine einzige (u.U. sehr große) Datei
o keine Konfiguration nötig
o keine User und keine Nutzerverwaltung
o z.B. sqlite

- Anwendungsbereich Autorschaftsattribution: Literaturwissenschaft, Forensische
Linguistik, Korpuslinguistik
- Features: unterschiedlich, v.a. unbewusste sprachliche Eigenheiten (Funktionswörter,
Umfang des Vokabulars, most frequent words)

- Manhattan Distanz: Absolutwert der Häufigkeitsdifferenzen aller Wörter zwischen
zwei Texten
- Euklidische Distanz: Wurzel der Summe der quadrierten Differenzen
- Cosine Distance: Winkel der zwei Textvektoren
- Burrow’s Delta standardisiert die Daten:
o Abweichungen zweier Texte vom Gesamtdurchschnitt der Worthäufigkeit
o Geteilt durch die Gesamtstandardabweichung der Worthäufigkeit
o “zufällige” starke Abweichungen zw. Texten werden heruntergewichtet
o => Differenzen im “Stil” haben größere Chance, erkannt zu werden