https://www.forschungsdaten.org/api.php?action=feedcontributions&feedformat=atom&user=Frank.wiegandForschungsdaten.org - Benutzerbeiträge [de]2026-04-10T22:51:16ZBenutzerbeiträgeMediaWiki 1.43.8https://www.forschungsdaten.org/index.php?title=Das_Deutsche_Textarchiv&diff=1592Das Deutsche Textarchiv2014-10-08T08:37:12Z<p>Frank.wiegand: /* Zugang zu den vom DTA bereitgestellten Forschungsdaten (Metadaten und Texte) */ typo</p>
<hr />
<div>{{Infobox Projekt<br />
|VollständigerName=Das Deutsche Textarchiv (DTA)<br />
|ZeitraumVon=2007<br />
|ZeitraumBis=2014/2015<br />
|Beteiligt=Berlin-Brandenburgische Akademie der Wissenschaften (BBAW)<br />
|Förderung=Deutsche Forschungsgemeinschaft (DFG)<br />
|Website=http://www.deutschestextarchiv.de<br />
}}<br />
'''Das Deutsche Textarchiv (DTA)'''<br />
<br />
==Projektbeschreibung==<br />
<br />
=== Ziel ===<br />
Ziel des von der Deutschen Forschungsgemeinschaft geförderten und an der Berlin-Brandenburgischen <br />
Akademie der Wissenschaften (BBAW) beheimateten Projekts Deutsches Textarchiv (DTA) ist<br />
es, einen disziplinenübergreifenden Bestand deutschsprachiger Texte vom Beginn des 17. bis zum<br />
Ende des 19. Jahrhunderts nach den Erstausgaben zu digitalisieren und als linguistisch annotiertes<br />
Volltextkorpus im Internet bereitzustellen. Alle Volltexte des DTA sind einheitlich in dem anhand<br />
der TEI P5 entwickelten DTA-Basisformat (DTABf) annotiert und schreibweisentolerant abfragbar<br />
(CAB). Das DTA-Basisformat wird als „Best-Practice“-Format für historische geschriebene <br />
Korpora im [[Clarin-D|CLARIN-D]]-Infrastrukturprojekt empfohlen (vgl. CLARIN-D-Benutzerhandbuch).<br />
<br />
=== Vorgehen ===<br />
Um den historischen Sprachstand möglichst genau abzubilden, werden als Vorlage für die Digitalisierung<br />
in der Regel die ersten selbstständigen Ausgaben der jeweiligen Werke zugrunde gelegt.<br />
Die Volltexterfassung erfolgt vorlagengetreu und unter Verzicht auf textkritische Eingriffe und<br />
Kommentierungen. Hierzu werden die Texte in einem standardisierten Prozess größtenteils manuell<br />
(im Double Keying-Verfahren) erfasst. Dies ist aufgrund der Textvorlagen, die überwiegend in<br />
Fraktur vorliegen, bedeutend zuverlässiger als eine Texterfassung durch OCR; jedoch wurden etwa<br />
200 vergleichsweise einfach strukturierte Werke aus dem Zeitraum 1780–1900 wurden per OCR,<br />
mit anschließender, intensiver manueller Nachkontrolle, erfasst. Sämtliche Korpustexte werden <br />
vollautomatisch linguistisch erschlossen (u. a. Tokenisierung, Lemmatisierung, POS-Tagging, <br />
Abbildung historischer Schreibweisen auf heutige Orthographie)<br />
<br />
=== Bestand und Integration externer Texte ===<br />
Hinsichtlich der Entstehungszeit der für das DTA erfassten Texte sowie in Bezug auf die dabei berücksichtigten<br />
Textsorten wird eine größtmögliche Ausgewogenheit angestrebt. Derzeit (Stand 11. August 2014) <br />
stehen auf der Webseite des DTA 1321 Werke im Umfang von etwa 425000 digitalisierten Seiten <br />
als elektronische Volltexte und digitale Faksimiles zur Verfügung (Umfang: ca. 100 Millionen Textwörter <br />
bzw. etwa 1 Milliarde Zeichen). Mit einem Umfang von mehr 1.300 Texten des 17.–19. Jahrhunderts <br />
entsteht mit dem Deutschen Textarchiv ein großes historisches TEI-kodiertes Kernkorpus deutschsprachiger Texte. <br />
Der Kernbestand wird über [http://www.deutschestextarchiv.de/doku/kooperationen Kooperationen] und die <br />
[http://www.deutschestextarchiv.de/clarin_kupro Integration externer Texte] systematisch erweitert <br />
(im Rahmen des DTA-Erweiterungsmoduls [DTAE]); die Qualitätssicherung erfolgt auf der webbasierten, <br />
kollaborativen Plattform [DTAQ]). Derzeit betrifft dies einen Gesamtbestand von etwa 120 Millionen Tokens.<br />
<br />
=== Ausblick ===<br />
Alle Texte der kooperierenden Partner werden ebenfalls im [DTABf] zur Verfügung gestellt und können somit interoperabel <br />
als Forschungsdaten verwendet werden. Die Korpora des Deutschen Textarchivs sollen insgesamt den Grundstock für ein<br />
zu erarbeitendes umfassendes historisches Referenzkorpus des Neuhochdeutschen bilden.<br />
<br />
== Zugang zu den vom DTA bereitgestellten Forschungsdaten (Metadaten und Texte) ==<br />
− Download des Gesamtkorpus und ausgewählter Pakete in TEI/P5-XML [DTABf]: http://www.deutschestextarchiv.de/download<br/><br />
− APIs für Feeds und OAI-PMH Harvest: http://www.deutschestextarchiv.de/api<br />
<br />
== Fakten zum Deutschen Textarchiv ==<br />
− Zeitraum: 1600-~1900 (Geschriebene Korpora)<br/><br />
− Umfang Kernkorpus: ca. 100 Millionen Tokens<br/><br />
− Umfang Ergänzungskorpora: ca. 120 Millionen Tokens (Stand: Juli 2014)<br/><br />
*Kooperationen: http://www.deutschestextarchiv.de/doku/kooperationen<br />
− DFG-gefördert: seit 2007<br/><br />
− Antragsteller: Wolfgang Klein, Martin Grötschel, Manfred Bierwisch<br/><br />
− Arbeitsstellenleiter: Alexander Geyken<br />
<br />
=== Team ===<br />
*Adrien Barbaresi (Computerlinguistik)<br />
*Matthias Boenig (geb. Schulz) (Koordination)<br />
*Susanne Haaf (Koordination)<br />
*Dr. Bryan Jurish (Computerlinguistik)<br />
*Christian Thomas (Koordination)<br />
*Frank Wiegand (Software-Entwicklung und Webapplikation)<br />
*Kai Zimmer (Systemadministration)<br />
<br />
== Weitere Informationen ==<br />
− [DTA]: http://www.deutschestextarchiv.de<br/><br />
− [DTAQ]: Verteilte web-basierte Korrekurumgebung: http://www.deutschestextarchiv.de/dtaq<br/><br />
− [DTAE]: DTA-Erweiterungen: http://www.deutschestextarchiv.de/dtae<br/><br />
− [DTABf]: DTA-Basisformat (DTABf): http://www.deutschestextarchiv.de/doku/basisformat (Interoperables TEI-P5-Format)<br/><br />
− [CAB]: Cascaded Analysis Broker, unter anderem für schreibweisentolerante Suche: Informationen zum Programm CAB, welches die<br />
Abbildung einer historischen Schreibung auf die heutige Orthographie realisiert:<br/><br />
* http://www.deutschestextarchiv.de/doku/software#cab bzw.<br/><br />
* Online-Demo: http://www.deutschestextarchiv.de/demo/cab/<br/><br />
− Veröffentlichungen: http://www.deutschestextarchiv.de/doku/publikationen<br/><br />
− [CLARIN Benutzerhandbuch] http://clarin-d.de/en/language-resources/userguide.html<br/><br />
<br />
<br />
[[Kategorie:Projekte]]</div>Frank.wiegandhttps://www.forschungsdaten.org/index.php?title=Das_Deutsche_Textarchiv&diff=1591Das Deutsche Textarchiv2014-10-08T08:36:36Z<p>Frank.wiegand: typos</p>
<hr />
<div>{{Infobox Projekt<br />
|VollständigerName=Das Deutsche Textarchiv (DTA)<br />
|ZeitraumVon=2007<br />
|ZeitraumBis=2014/2015<br />
|Beteiligt=Berlin-Brandenburgische Akademie der Wissenschaften (BBAW)<br />
|Förderung=Deutsche Forschungsgemeinschaft (DFG)<br />
|Website=http://www.deutschestextarchiv.de<br />
}}<br />
'''Das Deutsche Textarchiv (DTA)'''<br />
<br />
==Projektbeschreibung==<br />
<br />
=== Ziel ===<br />
Ziel des von der Deutschen Forschungsgemeinschaft geförderten und an der Berlin-Brandenburgischen <br />
Akademie der Wissenschaften (BBAW) beheimateten Projekts Deutsches Textarchiv (DTA) ist<br />
es, einen disziplinenübergreifenden Bestand deutschsprachiger Texte vom Beginn des 17. bis zum<br />
Ende des 19. Jahrhunderts nach den Erstausgaben zu digitalisieren und als linguistisch annotiertes<br />
Volltextkorpus im Internet bereitzustellen. Alle Volltexte des DTA sind einheitlich in dem anhand<br />
der TEI P5 entwickelten DTA-Basisformat (DTABf) annotiert und schreibweisentolerant abfragbar<br />
(CAB). Das DTA-Basisformat wird als „Best-Practice“-Format für historische geschriebene <br />
Korpora im [[Clarin-D|CLARIN-D]]-Infrastrukturprojekt empfohlen (vgl. CLARIN-D-Benutzerhandbuch).<br />
<br />
=== Vorgehen ===<br />
Um den historischen Sprachstand möglichst genau abzubilden, werden als Vorlage für die Digitalisierung<br />
in der Regel die ersten selbstständigen Ausgaben der jeweiligen Werke zugrunde gelegt.<br />
Die Volltexterfassung erfolgt vorlagengetreu und unter Verzicht auf textkritische Eingriffe und<br />
Kommentierungen. Hierzu werden die Texte in einem standardisierten Prozess größtenteils manuell<br />
(im Double Keying-Verfahren) erfasst. Dies ist aufgrund der Textvorlagen, die überwiegend in<br />
Fraktur vorliegen, bedeutend zuverlässiger als eine Texterfassung durch OCR; jedoch wurden etwa<br />
200 vergleichsweise einfach strukturierte Werke aus dem Zeitraum 1780–1900 wurden per OCR,<br />
mit anschließender, intensiver manueller Nachkontrolle, erfasst. Sämtliche Korpustexte werden <br />
vollautomatisch linguistisch erschlossen (u. a. Tokenisierung, Lemmatisierung, POS-Tagging, <br />
Abbildung historischer Schreibweisen auf heutige Orthographie)<br />
<br />
=== Bestand und Integration externer Texte ===<br />
Hinsichtlich der Entstehungszeit der für das DTA erfassten Texte sowie in Bezug auf die dabei berücksichtigten<br />
Textsorten wird eine größtmögliche Ausgewogenheit angestrebt. Derzeit (Stand 11. August 2014) <br />
stehen auf der Webseite des DTA 1321 Werke im Umfang von etwa 425000 digitalisierten Seiten <br />
als elektronische Volltexte und digitale Faksimiles zur Verfügung (Umfang: ca. 100 Millionen Textwörter <br />
bzw. etwa 1 Milliarde Zeichen). Mit einem Umfang von mehr 1.300 Texten des 17.–19. Jahrhunderts <br />
entsteht mit dem Deutschen Textarchiv ein großes historisches TEI-kodiertes Kernkorpus deutschsprachiger Texte. <br />
Der Kernbestand wird über [http://www.deutschestextarchiv.de/doku/kooperationen Kooperationen] und die <br />
[http://www.deutschestextarchiv.de/clarin_kupro Integration externer Texte] systematisch erweitert <br />
(im Rahmen des DTA-Erweiterungsmoduls [DTAE]); die Qualitätssicherung erfolgt auf der webbasierten, <br />
kollaborativen Plattform [DTAQ]). Derzeit betrifft dies einen Gesamtbestand von etwa 120 Millionen Tokens.<br />
<br />
=== Ausblick ===<br />
Alle Texte der kooperierenden Partner werden ebenfalls im [DTABf] zur Verfügung gestellt und können somit interoperabel <br />
als Forschungsdaten verwendet werden. Die Korpora des Deutschen Textarchivs sollen insgesamt den Grundstock für ein<br />
zu erarbeitendes umfassendes historisches Referenzkorpus des Neuhochdeutschen bilden.<br />
<br />
== Zugang zu den vom DTA bereitgestellten Forschungsdaten (Metadaten und Texte) ==<br />
− Download des Gesamtkorpus und ausgewählter Pakete in TEI/P5-XML [DTABf]: http://www.deutschestextarchiv.de/download<br/><br />
− APIs für Feeds und OIA-PMH Harvest: http://www.deutschestextarchiv.de/api<br />
<br />
== Fakten zum Deutschen Textarchiv ==<br />
− Zeitraum: 1600-~1900 (Geschriebene Korpora)<br/><br />
− Umfang Kernkorpus: ca. 100 Millionen Tokens<br/><br />
− Umfang Ergänzungskorpora: ca. 120 Millionen Tokens (Stand: Juli 2014)<br/><br />
*Kooperationen: http://www.deutschestextarchiv.de/doku/kooperationen<br />
− DFG-gefördert: seit 2007<br/><br />
− Antragsteller: Wolfgang Klein, Martin Grötschel, Manfred Bierwisch<br/><br />
− Arbeitsstellenleiter: Alexander Geyken<br />
<br />
=== Team ===<br />
*Adrien Barbaresi (Computerlinguistik)<br />
*Matthias Boenig (geb. Schulz) (Koordination)<br />
*Susanne Haaf (Koordination)<br />
*Dr. Bryan Jurish (Computerlinguistik)<br />
*Christian Thomas (Koordination)<br />
*Frank Wiegand (Software-Entwicklung und Webapplikation)<br />
*Kai Zimmer (Systemadministration)<br />
<br />
== Weitere Informationen ==<br />
− [DTA]: http://www.deutschestextarchiv.de<br/><br />
− [DTAQ]: Verteilte web-basierte Korrekurumgebung: http://www.deutschestextarchiv.de/dtaq<br/><br />
− [DTAE]: DTA-Erweiterungen: http://www.deutschestextarchiv.de/dtae<br/><br />
− [DTABf]: DTA-Basisformat (DTABf): http://www.deutschestextarchiv.de/doku/basisformat (Interoperables TEI-P5-Format)<br/><br />
− [CAB]: Cascaded Analysis Broker, unter anderem für schreibweisentolerante Suche: Informationen zum Programm CAB, welches die<br />
Abbildung einer historischen Schreibung auf die heutige Orthographie realisiert:<br/><br />
* http://www.deutschestextarchiv.de/doku/software#cab bzw.<br/><br />
* Online-Demo: http://www.deutschestextarchiv.de/demo/cab/<br/><br />
− Veröffentlichungen: http://www.deutschestextarchiv.de/doku/publikationen<br/><br />
− [CLARIN Benutzerhandbuch] http://clarin-d.de/en/language-resources/userguide.html<br/><br />
<br />
<br />
[[Kategorie:Projekte]]</div>Frank.wiegand