Abschlussarbeiten

In diesem MA-Projekt soll ein Prototyp entwickelt werden, mit dem schnell, unkompliziert und unter Nutzung mobiler Technologien (mobile first) und von Gamification-Ansätzen Texte annotiert werden können. Nutzende müssen zuerst ein Annotationstraining bestehen, bei dem ein Text anhand von im Tool hinterlegten Annotationsrichtlinien (Guidelines) annotiert wird. Stimmt die Annotation des Nutzenden zu mindestens 80% mit einer Goldstandard-Annotation überein (IAA 0,8), so wird der eigentliche Annotationsbereich freigeschaltet. Hier können Nutzende im Backend hinterlegte Texte nach Vorliebe auswählen und annotieren. Dabei können sie unterschiedliche Awards gewinnen und Statistiken zu ihren Annotationen einsehen. 

Während das Annotationsfrontend vor allem auf mobilen Endgeräten nutzbar sein soll, kann das dahinter liegende Backend auf dem PC bedient werden. Hier muss es möglich sein, dass Projektleitende und Mitarbeitende Texte im Annotationsformat (txt, xml, csv, tsv, evtl. auch docx und pdf) hinterlegen. Auch die Beschreibungen der Texte, die Nutzenden angezeigt werden und Schlagworte für die jeweiligen Texte können hier eingegeben werden. Beschreibungen und Schlagworte können dann auch als Basis für die Statistiken der Annotierenden genutzt werden. Die Applikation sollte für folgende Nutzungsszenarien optimiert sein:

1. Nutzung in Forschungsteams
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die unterschiedlichen vollständigen Annotationen eines Textes in Form von Goldstandard-Annotationen zusammengefasst und exportiert werden können. In diesem Szenario bedienen Projektleitende das Backend und Nutzende das Frontend.
2. Nutzung in der universitären Lehre
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die Frontend-Applikation vor allem niedrigschwellig und ohne längere Einführung genutzt werden kann. Wichtig ist auch, dass Nutzer in einem geschützten-Login-Bereich annotieren. In diesem Szenario bedienen Nutzende sowohl das Backend als auch das Frontend und lernen so, mit mehreren Rollen umzugehen.

Erwartete Vorkenntnisse: Gute Programmierkenntnisse (v.a. Webapplikationen), grundlegende Kenntnisse von Annotationstechniken und -Workflows, Interesse an Gamification

Kontaktperson: Mareike Schumacher

Weiterführende Quellen:

• Artstein, R. (2017) ‘Inter-annotator Agreement’, in N. Ide and J. Pustejovsky (eds) Handbook of Linguistic Annotation. Dordrecht: Springer Netherlands, pp. 297–313. Available at: https://doi.org/10.1007/978-94-024-0881-2_11.
• Artstein, R. and Poesio, M. (2008) ‘Inter-Coder Agreement for Computational Linguistics’, Computational Linguistics, 34(4), pp. 555–596. Available at: https://doi.org/10.1162/coli.07-034-R2.
• Bögel, T. et al. (2015) ‘Collaborative Text Annotation Meets Machine Learning: heureCLÉA, a Digital Heuristic of Narrative’. Available at: https://doi.org/10.5281/ZENODO.3240591.
• Frey-Endres, M. and Simon, T. (2021) Digitale Werkzeuge zur textbasierten Annotation, Korpusanalyse und Netzwerkanalyse in den Geisteswissenschaften. Edited by S. Bartsch et al. Darmstadt. Available at: tuprints.ulb.tu-darmstadt.de/17850/ (Accessed: 7 April 2021).
• Pagel, J. et al. (2020) ‘Annotation als flexibel einsetzbare Methode’, in N. Reiter, A. Pichler, and J. Kuhn (eds) Reflektierte algorithmische Textanalyse. De Gruyter, pp. 125–142. Available at: https://doi.org/10.1515/9783110693973-006.
• Reiter, N. (2020) ‘Anleitung zur Erstellung von Annotationsrichtlinien’, in Reiter, Nils, A. Pichler, and J. Kuhn (eds) Reflektierte algorithmische Textanalyse. Berlin: De Gruyter, pp. 193–202. Available at: https://doi.org/10.1515/9783110693973-009.
• Reiter, N. and Konle, L. (2022) ‘Messverfahren zum Inter-annotator-agreement (IAA)’. Available at: https://doi.org/10.47952/gro-publ-103.
• Wissler, L. et al. (2014) The Gold Standard in Corpus Annotation. Available at: doi.org/10.13140/2.1.4316.3523.
   

In diesem MA-Projekt soll ein Prototyp entwickelt werden, mit dem schnell, unkompliziert und unter Nutzung mobiler Technologien (mobile first) und von Gamification-Ansätzen Bilder annotiert werden können. Nutzende müssen zuerst ein Annotationstraining bestehen, bei dem eine Anzahl von Bildern anhand von im Tool hinterlegten Guidelines annotiert wird. Stimmt die Annotation des Nutzenden zu mindestens 80% mit einer Goldstandard-Annotation überein (IAA 0,8), so wird der eigentliche Annotationsbereich freigeschaltet. Hier können Nutzende im Backend hinterlegte Bilder nach Vorliebe auswählen und annotieren. Dabei können sie unterschiedliche Awards gewinnen und Statistiken zu ihren Annotationen einsehen. 

Während das Annotationsfrontend vor allem auf mobilen Endgeräten nutzbar sein soll, kann das dahinter liegende Backend auf dem PC bedient werden. Hier muss es möglich sein, dass Projektleitende und Mitarbeitende Bilder im Annotationsformat (png, jpeg, pdf) hinterlegen. Auch die Beschreibungen der Bilder, die Nutzenden angezeigt werden und Schlagworte für die jeweiligen Bilder können hier eingegeben werden. Beschreibungen und Schlagworte können dann als Basis für die Statistiken der Annotierenden genutzt werden. Die Applikation sollte für folgende Nutzungsszenarien optimiert sein:

1. Nutzung in Forschungsteams
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die unterschiedlichen vollständigen Annotationen eines Bildes in Form von Goldstandard-Annotationen zusammengefasst und exportiert werden können. In diesem Szenario bedienen Projektleitende das Backend und Nutzende das Frontend.
2. Nutzung in der universitären Lehre
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die Frontend-Applikation vor allem niedrigschwellig und ohne längere Einführung genutzt werden kann. Wichtig ist auch, dass Nutzer in einem geschützten-Login-Bereich annotieren. In diesem Szenario bedienen Nutzende sowohl das Backend als auch das Frontend und lernen so, mit mehreren Rollen umzugehen.

Erwartete Vorkenntnisse: Gute Programmierkenntnisse (v.a. Webapplikationen), grundlegende Kenntnisse von Annotationstechniken und -Workflows, Interesse an Gamification

Kontaktperson: Mareike Schumacher

Weiterführende Quellen:

• Artstein, R. (2017) ‘Inter-annotator Agreement’, in N. Ide and J. Pustejovsky (eds) Handbook of Linguistic Annotation. Dordrecht: Springer Netherlands, pp. 297–313. Available at: https://doi.org/10.1007/978-94-024-0881-2_11.
• Artstein, R. and Poesio, M. (2008) ‘Inter-Coder Agreement for Computational Linguistics’, Computational Linguistics, 34(4), pp. 555–596. Available at: https://doi.org/10.1162/coli.07-034-R2.
• Bögel, T. et al. (2015) ‘Collaborative Text Annotation Meets Machine Learning: heureCLÉA, a Digital Heuristic of Narrative’. Available at: https://doi.org/10.5281/ZENODO.3240591.
• Frey-Endres, M. and Simon, T. (2021) Digitale Werkzeuge zur textbasierten Annotation, Korpusanalyse und Netzwerkanalyse in den Geisteswissenschaften. Edited by S. Bartsch et al. Darmstadt. Available at: tuprints.ulb.tu-darmstadt.de/17850/ (Accessed: 7 April 2021).
• Pagel, J. et al. (2020) ‘Annotation als flexibel einsetzbare Methode’, in N. Reiter, A. Pichler, and J. Kuhn (eds) Reflektierte algorithmische Textanalyse. De Gruyter, pp. 125–142. Available at: https://doi.org/10.1515/9783110693973-006.
• Reiter, N. (2020) ‘Anleitung zur Erstellung von Annotationsrichtlinien’, in Reiter, Nils, A. Pichler, and J. Kuhn (eds) Reflektierte algorithmische Textanalyse. Berlin: De Gruyter, pp. 193–202. Available at: https://doi.org/10.1515/9783110693973-009.
• Reiter, N. and Konle, L. (2022) ‘Messverfahren zum Inter-annotator-agreement (IAA)’. Available at: https://doi.org/10.47952/gro-publ-103.
• Wissler, L. et al. (2014) The Gold Standard in Corpus Annotation. Available at: https://doi.org/10.13140/2.1.4316.3523.

Können Tools wie ChatGPT wirklich den Stil berühmter Autor*innen imitieren? Wird unsere Literatur in Zukunft nur noch künstlich generiert werden? Und: Wollen Lesende Geschichten, die nicht von Menschen geschrieben wurden, überhaupt lesen? Die rapide Entwicklung von KI-Tools wie ChatGPT kann Sorgen um die Literaturszene auslösen, vor allem, wenn die Annahme, dass Text-generierende KIs (genAI oder genKI) menschliches Schreiben perfekt imitieren können (vgl. Bajohr und Roloff 2024), ungeprüft übernommen wird.
Im Projekt Der digitale Dichter werden mit unterschiedlichen GPT-Versionen künstlich generierte Märchen, in denen Meerjungfrauen eine Rolle spielen, veröffentlicht, um zu zeigen, wie solche Literatur heute aussieht und inwiefern sie sich von Version zu Version verbessert. In diesem MA-Projekt soll nun systematisch im Rahmen einer Rezeptionsstudie untersucht werden

1. Welche Texte von Lesenden wie gut als KI-generierte Texte erkannt werden und
2. Als wie ähnlich der Autorenstil im Vergleich mit dem Vorbild-Autor bewertet wird
   a. wenn Lesende wissen, dass es sich um KI-generierte Texte handelt und
   b. wenn Lesende nicht wissen, dass es sich um KI-generierte Texte handelt.

Für die Studie wird das Primärtextkorpus des digitalen Dichters und ein Vergleichskorpus mit von Menschen geschriebenen Meerjungfrau-Narrativen zur Verfügung gestellt. Ziel der Studie ist, auf Basis einer belastbaren Datengrundlage die Forschungsfragen zu beantworten. Eine Veröffentlichung der Arbeit ist bei hervorragender Bewertung erwünscht.
 

Erwartete Grundkenntnisse: Großes Interesse an und gute Leistung in Umfrage-basierten Projektarbeiten, Literaturwissenschaftliches (Rezeptionsästhetisches) Interesse.

Kontaktperson: Mareike Schumacher

Weiterführende Quellen:

• Bajohr, H. (2022) Dumb Meaning: Machine Learning and Artificial Semantics. Available at: https://doi.org/10.13140/RG.2.2.13207.65444/1.
• Bajohr, H. (2025) Thinking with AI: Machine Learning the Humanities. Open Humanites Press. Available at: www.openhumanitiespress.org/books/titles/thinking-with-ai/ (Accessed: 22 April 2025).
• Bajohr, H. and Roloff, S. (2024) Digitale Literatur zur Einführung. Hamburg: Junius Verlag (Zur Einführung).
• Chakrabarty, T. et al. (2024) ‘Art or Artifice? Large Language Models and the False Promise of Creativity’, in Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems. New York, NY, USA: Association for Computing Machinery (CHI ’24), pp. 1–34. Available at: https://doi.org/10.1145/3613904.3642731.
• Mirowski, P. et al. (2024) ‘A Robot Walks into a Bar: Can Language Models Serve as Creativity SupportTools for Comedy? An Evaluation of LLMs’ Humour Alignment with Comedians’, in Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency. New York, NY, USA: Association for Computing Machinery (FAccT ’24), pp. 1622–1636. Available at: https://doi.org/10.1145/3630106.3658993.
• Rettberg, S. (2023) ‘Cyborg Authorship: Writing with AI – Part 1: The Trouble(s) with ChatGPT’. Available at: https://doi.org/10.7273/5SY5-RX37.
• Rettberg, S. and Rettberg, J.W. (2024) ‘Algorithmic narrativity: Literary experiments that drive technology’, Dialogues on Digital Society, p. 29768640241255848. Available at: https://doi.org/10.1177/29768640241255848.
• Vlaad, S. (2025) ‘Texts without authors: ascribing literary meaning in the case of AI’, The Journal of Aesthetics and Art Criticism, 83(1), pp. 4–11. Available at: doi.org/10.1093/jaac/kpae047.

Ausgehend von der Idee einer Dreiteilung von Gender in Geschlecht, Gender-Identität und Gender-Performanz fokussiert diese Arbeit den Aspekt des Doing Gender in literarischen Texten. Im Gegensatz zu Geschlecht und Gender-Identität ist die Gender-Performanz eine bewusst gewählte Strategie, mittels derer Gender-Stereotype aufgegriffen oder verworfen bzw. gebrochen werden können. In literarischen Texten können sowohl typische Handlungsweisen von Figuren unterschiedlicher Gender als auch ungewöhnliche Verhandlungsweisen dargestellt werden, die mit einem binären Gender-Verständnis brechen. In einem quantitativ angelegten Ansatz werden in dieser Arbeit anhand eines Korpus aus literarischen Texten typische, d.h. häufige, Handlungsweisen männlicher und weiblicher Figuren ausgemacht. Dazu werden Methoden des Text Mining so kombiniert, dass zunächst Figuren und Verben ausfindig gemacht und dann mittels Coreferenzresolution zusammengeführt werden. Das Korpus kann individuell gewählt werden, sollte aber als balancierte Sammlung aus Texten konzipiert sein, in denen sowohl Figuren binärer als auch non-binärer Gender vorkommen.

Erwartete Vorkenntnisse: Vertiefte Kenntnisse im Textmining und grundlegende Programmierkenntnisse sollten vorhanden sein.

Kontaktperson: Mareike Schumacher

Weiterführende Quellen:

• Butler, Judith 1956-. Das Unbehagen der Geschlechter. 1. Aufl., [Nachdr.]. Edition Suhrkamp: Gender studies: Vom Unterschied der Geschlechter. Frankfurt am Main: Suhrkamp, 2003.
• Jockers, Matthew, und Gabi Kirilloff. „Understanding Gender and Character Agency in the 19th Century Novel“. Journal of Cultural Analytics 2, Nr. 2 (1. Dezember 2016). doi.org/10.22148/16.010.
• Baylog, Oliver, Laura Dimmit, T. Heller, Gabi Kirilloff, Shannon Smith, G. Thomas, Chandler Warren, und James Wehrwein. „" More than Custom has Pronounced Necessary ” : Exploring the Correlation between Gendered Verbs and Character in the 19 th Century Novel Nebraska Literary Lab“, 2016. www.semanticscholar.org/paper/%22-More-than-Custom-has-Pronounced-Necessary-%E2%80%9D-%3A-the-Baylog-Dimmit/631b70f5581d6df8b1e35f9f679465a119b499ba.

Beschreibung: Im Rahmen persönlicher Wissenschaftskommunikation oder privat nutzen Forschende soziale Medien, um sich und / oder ihre Forschung zu zeigen. Der Narrative Identity These (Ricoeur) und Ansätzen der soziolinguistischen (Georgakopoulou, Bamberg) sowie der multimedialen Narratologie (Page, Ryan) folgend gehen Sie in dieser Arbeit der Frage nach, wie Forschende sich selbst darstellen und welche narrativen Identitäten sie ausbilden. Ein besonderes Augenmerk liegt dabei auf der (Selbst-)Darstellung von Wissenschaftlerinnen: Stellen Frauen sich und ihren Arbeitsalltag anders dar als Personen, die sich mit anderen Genderformen identifizieren? Die Fragen werden entweder anhand eines Vorgegebenen Twitter- oder eines Instagram-Korpus untersucht. Aus dem Gesamtkorpus wird eine relevante Teilmenge extrahiert und analysiert. Dabei werden Methoden des Textminings und der digitalen Social-Media-Analyse angewendet.

Erwartete Vorkenntnisse: Kenntnisse in digitaler Social-Media-Analyse und grundlegende Kenntnisse im Coden sollten vorhanden sein.

Kontaktperson: Mareike Schumacher

Weiterführende Quellen:

• Bamberg, Michael. „Identity and Narration“. In the living handbook of narratology, 2019.
• Bamberg, Michael. „Narrative Discourse and Identities“. In Narrative Discourse and Identities, 213–38. De Gruyter, 2008. doi.org/10.1515/9783110201840.213.
• Georgakopoulou, Alexandra. Small Stories, Interaction and Identities. Sin.8. John Benjamins Publishing Company. Zugegriffen 1. Juni 2023. benjamins.com/catalog/sin.8.
• Page, Ruth. Narratives Online: Shared Stories in Social Media. Cambridge University Press, 2018.
• Ricoeur, Paul. „Narrative Identität“. In Heidelberger Jahrbücher, herausgegeben von Elmar Mittler, 57–67. Heidelberger Jahrbücher. Berlin, Heidelberg: Springer, 1987. doi.org/10.1007/978-3-642-71777-2_5.
• Ryan, Marie-Laure, James Ruppert, und John W. Bernet. Narrative Across Media: The Languages of Storytelling. U of Nebraska Press, 2004.

Anhand eines Textkorpus digitalisierter Reiseberichte des wahlschweizer Dichters und Publizisten Franz Xaver Bronner sollen zwei prototypische Anwendung entwickelt und unter Usability-Aspekten vergleichend evaluiert werden. Ziel ist es, die Reiserouten interaktiv erfahrbar zu machen. Dazu sollten relevante Kategorien der Raumdarstellung zunächst in einem Text Mining automatisch oder teilautomatisch annotiert und dann in eine Geovisualisierung übertragen werden. Im Abgleich mit digitalen Editionen anderer Reiseberichte wie zum Beispiel Humboldt digital oder dem literarische Atlas Europas (Piatti) sollte der State of the Art kulturgeographischer Visualisierungen berücksichtigt und ggf. durch innovative Aspekte ergänzt werden. Auch von klassischer Geovisualisierung abweichende graphische Darstellungen sind denkbar, die statt eines geographischen z.B. eher einen kultursoziologischen Blick auf die Texte erlauben.  

Erwartete Vorkenntnisse: grundlegende Kenntnisse in Text Mining und vertiefte Kenntnisse in Geovisualisierung erwünscht

Kontaktperson: Mareike Schumacher (die Arbeit wird außerdem betreut von Anna Ananieva vom Projekt DeHisRe des Instituts für Ost- und Südosteuropaforschung)

weiterführende Quellen:

• Piatti, Barbara 1973-. Die Geographie der Literatur Schauplätze, Handlungsräume, Raumphantasien. Wallstein, 2008.

Der Schriftsteller und Journalist Franz Xaver Bronner publizierte im ausgehenden 18. und frühen 19. Jahrhundert eine Reihe von Reiseberichten, die bis heute einen Blick auf das Europa seiner Zeitgenossen erlauben. Außerdem stand er in regem Austausch mit Größen seiner Zeit wie z.B. Christoph Martin Wieland. Ausgehend von der Frage, welche Räume von Bronner beschrieben werden und mit welchen kulturellen Aspekten diese verknüpft werden, sollen unterschiedliche Textsorten und Dokumenttypen analysiert und visualisiert werden. Dabei können (historische) Karten mit Reintext in Bericht- und Briefform sowie digitalen Faksimile verknüpft werden. Die wissenschaftliche Auseinandersetzung mit raumbezogenen intertextuellen Verweisen wie z.B. wiederkehrenden Raumnarrativen in Reisebericht und Briefen soll zur Basis eines Knowledge Graphs werden, der wiederum Teil einer Webpräsentation der einer Bronner-Edition sein könnte. Besondere Berücksichtigung sollte dabei der Einbezug von Linked Open Data und gängigen Normdaten sowie der gemeinsamen Normdatenbank (GND) finden.

Erwartete Vorkenntnisse: Erfahrungen mit Textannotation, Linked Open Data und Graphdatenbanken erwünscht

Kontaktperson: Mareike Schumacher (die Arbeit wird außerdem betreut von Sandra Balck vom Projekt DeHisRe des Instituts für Ost- und Südosteuropaforschung)