Kollaboration und Networking in den DH

An der Ruhr-Universität Bochum sollen ab dem Studienjahr 2025/2026 Zertifikate in den Digital Humanities (DH) angeboten werden. Das Projekt wird durch die Fakultät für Philologie und das Methodenzentrum der Ruhr-Universität umgesetzt. Die bereits vorhandene Lehre wird gebündelt und durch neue Selbstlern- und Präsenzangebote ergänzt, um eine umfassende DH-Grundlagenausbildung zu gewährleisten. Durch die Zusammenarbeit mit der UDE und der TU Dortmund werden Studierende auch universitätsübergreifend Kurse belegen können. Ziel ist es, Lücken im Lehrangebot zu schließen und die Kompetenzen über entsprechende Module in den Optionalbereich der Ruhr-Universität zu integrieren. Eine Kompetenzmatrix, basierend auf Literaturrecherche und Interviews, identifiziert die für die Digital Humanities notwendigen "atomic skills" und ordnet sie in sechs Bereiche ein.

Die sechs Kompetenzbereiche und einige Beispielkompetenzen:

• DH-Grundlagen
  • DH & Ich: Wofür brauche ich persönlich DH-Methoden in meinem Studium?
  • Fragestellungen: Philologie, Soziologie, (Kunst-)Geschichte, Archäologie, etc.
  • Tools & Methoden: Digitale Editionen/Archive, Korpusanalyse, GIS, 3D-Design, etc.
  • Textdaten Grundlagen: TXT, MD, CSV, XML, HTML, TEI, etc.
  • Rechtliches: Datenschutz, Copyright
• Umgang mit dem PC
  • Dateien: Ordnerstruktur/Hierarchie, Pfade, Benennung, Arten, Konvertieren
  • Probleme selbst lösen (am Computer & im Code, richtig googlen, Tutorials befolgen)
  • Grundlagen Versionskontrolle/Datensicherung
  • Shell Grundlagen: „Was ist das?“, simple Commands, Unix vs. Windows
• Programmieren für DH
  • Python/R Grundlagen Programmieren (Schleifen, Logik, Funktionen, etc.)
  • Python/R korpusanalytische Verfahren (z.B. Webscraping, Tokenisierung, Annotation, Kookkurrenz-, Frequenzanalyse)
  • Python/R Datenvisualisierung
• Statistik für DH
  • Korrelation & Kausalität
  • Konzepte wie Schätzer, Konfidenzintervalle & Hypothesentests, Skalenniveaus
  • (Text-)Klassifikation: Naive Bayes, KNN, SVM, etc.
• DH-Methoden und Tools
  • Digitale Editionen erstellen/bearbeiten/pflegen
  • Korpusanalyse-Tools, Topic Modelling, etc.
  • KI-Überblick (High Level: wie funktioniert KI/ML/Klassifikation/Generation)
  • Datenbanken Grundlagen (Excel/CSV, SQL, Zugriff auf existierende DBs/APIs)
• DH-Projekt
  • Projektorientiertes Lernen
  • Tools und/oder Programmiersprache selbstständig auswählen und anwenden
  • Wissenskommunikation (Vorgehen & Ergebnisse nachvollziehbar darstellen)