Abschlussarbeiten

In diesem MA-Projekt soll ein Prototyp entwickelt werden, mit dem schnell, unkompliziert und unter Nutzung mobiler Technologien (mobile first) und von Gamification-Ans?tzen Texte annotiert werden k?nnen. 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 k?nnen Nutzende im Backend hinterlegte Texte nach Vorliebe ausw?hlen und annotieren. Dabei k?nnen sie unterschiedliche Awards gewinnen und Statistiken zu ihren Annotationen einsehen.?

W?hrend das Annotationsfrontend vor allem auf mobilen Endger?ten nutzbar sein soll, kann das dahinter liegende Backend auf dem PC bedient werden. Hier muss es m?glich 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 k?nnen hier eingegeben werden. Beschreibungen und Schlagworte k?nnen 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 vollst?ndigen Annotationen eines Textes in Form von Goldstandard-Annotationen zusammengefasst und exportiert werden k?nnen. In diesem Szenario bedienen Projektleitende das Backend und Nutzende das Frontend.
2. Nutzung in der universit?ren Lehre
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die Frontend-Applikation vor allem niedrigschwellig und ohne l?ngere 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.
• B?gel, T. et al. (2015) ‘Collaborative Text Annotation Meets Machine Learning: heureCL?A, 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-Ans?tzen Bilder annotiert werden k?nnen. 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 k?nnen Nutzende im Backend hinterlegte Bilder nach Vorliebe ausw?hlen und annotieren. Dabei k?nnen sie unterschiedliche Awards gewinnen und Statistiken zu ihren Annotationen einsehen.?

W?hrend das Annotationsfrontend vor allem auf mobilen Endger?ten nutzbar sein soll, kann das dahinter liegende Backend auf dem PC bedient werden. Hier muss es m?glich 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 k?nnen hier eingegeben werden. Beschreibungen und Schlagworte k?nnen 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 vollst?ndigen Annotationen eines Bildes in Form von Goldstandard-Annotationen zusammengefasst und exportiert werden k?nnen. In diesem Szenario bedienen Projektleitende das Backend und Nutzende das Frontend.
2. Nutzung in der universit?ren Lehre
   Bei diesem Nutzungsszenario steht im Vordergrund, dass die Frontend-Applikation vor allem niedrigschwellig und ohne l?ngere 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.
• B?gel, T. et al. (2015) ‘Collaborative Text Annotation Meets Machine Learning: heureCL?A, 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.

K?nnen 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 ausl?sen, vor allem, wenn die Annahme, dass Text-generierende KIs (genAI oder genKI) menschliches Schreiben perfekt imitieren k?nnen (vgl. Bajohr und Roloff 2024), ungeprüft übernommen wird.
Im Projekt Der digitale Dichter werden mit unterschiedlichen GPT-Versionen künstlich generierte M?rchen, in denen Meerjungfrauen eine Rolle spielen, ver?ffentlicht, 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 ?hnlich 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 Prim?rtextkorpus 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 Ver?ffentlichung der Arbeit ist bei hervorragender Bewertung erwünscht.
?

Erwartete Grundkenntnisse: Gro?es Interesse an und gute Leistung in Umfrage-basierten Projektarbeiten, Literaturwissenschaftliches (Rezeptions?sthetisches) 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-Identit?t und Gender-Performanz fokussiert diese Arbeit den Aspekt des Doing Gender in literarischen Texten. Im Gegensatz zu Geschlecht und Gender-Identit?t ist die Gender-Performanz eine bewusst gew?hlte Strategie, mittels derer Gender-Stereotype aufgegriffen oder verworfen bzw. gebrochen werden k?nnen. In literarischen Texten k?nnen sowohl typische Handlungsweisen von Figuren unterschiedlicher Gender als auch ungew?hnliche Verhandlungsweisen dargestellt werden, die mit einem bin?ren Gender-Verst?ndnis brechen. In einem quantitativ angelegten Ansatz werden in dieser Arbeit anhand eines Korpus aus literarischen Texten typische, d.h. h?ufige, Handlungsweisen m?nnlicher und weiblicher Figuren ausgemacht. Dazu werden Methoden des Text Mining so kombiniert, dass zun?chst Figuren und Verben ausfindig gemacht und dann mittels Coreferenzresolution zusammengeführt werden. Das Korpus kann individuell gew?hlt werden, sollte aber als balancierte Sammlung aus Texten konzipiert sein, in denen sowohl Figuren bin?rer als auch non-bin?rer 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 pers?nlicher Wissenschaftskommunikation oder privat nutzen Forschende soziale Medien, um sich und / oder ihre Forschung zu zeigen. Der Narrative Identity These (Ricoeur) und Ans?tzen 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 Identit?ten 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 Identit?t“. 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 zun?chst 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 erg?nzt 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 au?erdem betreut von Anna Ananieva vom Projekt DeHisRe des Instituts für Ost- und Südosteuropaforschung)

weiterführende Quellen:

• Piatti, Barbara 1973-. Die Geographie der Literatur Schaupl?tze, Handlungsr?ume, 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. Au?erdem stand er in regem Austausch mit Gr??en seiner Zeit wie z.B. Christoph Martin Wieland. Ausgehend von der Frage, welche R?ume von Bronner beschrieben werden und mit welchen kulturellen Aspekten diese verknüpft werden, sollen unterschiedliche Textsorten und Dokumenttypen analysiert und visualisiert werden. Dabei k?nnen (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 Webpr?sentation der einer Bronner-Edition sein k?nnte. Besondere Berücksichtigung sollte dabei der Einbezug von Linked Open Data und g?ngigen Normdaten sowie der gemeinsamen Normdatenbank (GND) finden.

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

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