Digitale geletterdheid en praktijk Lunchlezing UGent 25 februari

Digitale geletterdheid en praktijk Lunchlezing UGent 25 februari 2019 Tom Willaert tom. willaert@kuleuven. be

Over mezelf • KUL: Ph. D (2016), Big Data & Analytics (2017) • KUL: Coördinator digital scholarship (2016 -2019) • RDM, informatievaardigheden • KUL: Docent dataverwerking (BA) en Linked Data Scholarship (MA digital humanities) (2018 -) • VUB: Postdoc AI Lab (2019 -) 2

Over mezelf • Studie van technologie en informatie • Hoe kan technologie creatie en disseminatie van (wetenschappelijke) kennis faciliteren? • Hoe kunnen (digitale) technologieën gegevens informatiever maken? • Maatschappelijke en wetenschappelijke inbedding en impact van technologische innovaties • Theoretisch en toegepast • Cultuurhistorische contextualisering, mediatheorie, information science • ‘The further backward you look, the further foward you can see’ – W. Churchill 3

Publicaties • De fonograaf en de grammofoon in de Nederlandstalige literatuur (1877 -1935). Een media-archeologisch onderzoek (Garant 2018) • Digitale geletterdheid. Dataverwerking in de geesteswetenschappen (LUP 2018) • ORCID (RDM, digital scholarship) 4

Digitalscholarship. be “ 5 The aim of this continuously growing publication is to keep track of our ever-changing interactions with (digital) data and information. Digital Scholarship offers a platform through which practitioners from a range of disciplines and fields can offer their perspective on the past, present and future of our digital (knowledge) society. The ambition of this blog project is to create a collection of contributions that grows over time, so that in due course it might serve as a time capsule for readers to retrace and analyze our digital transformation. https: //www. digitalscholarship. be/about/

Digitalscholarship. be “ By means of interviews and guest posts, contributors offer their unique views on topics including (but not limited to): • Digital research methods, research data management, open science, scholarly communication • Ethical, legal and social implications of digital information technologies • Data and information literacy, misinformation, disinformation • Data and information policies and politics 6 https: //www. digitalscholarship. be/about/

Centrale vragen • Geesteswetenschappen in ruimte van digitale data en informatie? • ‘Digital scholarship in the humanities’? • Hoe ervoor zorgen dat onderzoekers /studenten zich in de digitale ruimte kunnen oriënteren en positioneren? • Welke bagage en hoe die meegeven? • Welke kennis? • Welke vaardigheden? 7

Aanpak • Achtergrond • Maatschappelijke en wetenschappelijke ontwikkelingen • Digital humanities en de data turn • Case: Digitale geletterdheid. Dataverwerking in de geesteswetenschappen (2018) • Uitgangspunten • Doelstellingen • Uitwerking • Lessen en conclusies 8

‘You are here’ 9 https: //www. slideshare. net/IBMBluemix/ibm-watson-55138189

‘You are here’ 10 http: //www. singularity. com/charts/

Uitdagingen • Overload van (heterogene) data en informatie • Misinformatie, disinformatie (fake news) • Selectie, relevantie en preservatie “ 11 Of course my own archival needs are only a microcosm of the exponentially expanding knowledge base that human civilization is accumulating. It is this shared specieswide knowledge base that distinguishes us from other animals. Other animals communicate, but they don’t actually accumulate an evolving and growing base of knowledge to pass down to the next generation. Since we are writing our precious heritage in what medical informatics expert Bryan Bergeron calls ‘disappearing ink’, our civilization’s legacy would appear to be at great risk. The danger appears to be growing exponentially along with the growth of our knowledge bases. The problem is further exacerbated by the accelerating speed with which we adopt new standards in the many layers of hardware and software we employ to store information. Ray Kurzweil, The Singularity is Near (2005), 329

Opportuniteiten • Data mining, toegang, inferentie (afleiden nieuwe kennis) “ 12 As human knowledge migrates to the Web, machines will be able to read, understand, and synthesize all humanmachine information. The last time a biological human was able to grasp all human scientific knowledge was hundreds of years ago (261) Ray Kurzweil, The Singularity is Near (2005), 261.

Opportuniteiten “ “ With the accumulated knowledge of human civilization increasingly accessible online future AIs will have the opportunity to conduct their education by accessing this vast body of information. From the arts and sciences, it is the importance of knowledge. Knowledge goes beyond information. It’s information that has meaning for conscious entities: music, art, literature, science, technology. These are the qualities that will expand from the trends I’m talking about. 13 Ray Kurzweil, The Singularity is Near (2005), 294, 375.

Positie geesteswetenschappen “ The humanities represents, in a single domain, the most complex aspects of the entire discovery challenge, with content that is globally distributed, in multiple formats, is both structured (databases) and unstructured (text, images, and video), and is consumed by a broad variety of users across disciplines, including academics and non-academics. The humanities also represents a community undergoing transformation, looking to embrace the digital world, and to build a collaborative environment that will be both transformative and inclusive. 14 Marie Wallace, IBM

Digitalisering van de geesteswetenschappen • Opmars van informatietechnologieën heeft gezorgd voor softwaretoepassingen die nuttig zijn voor geestesteswetenschappers en kenniswerkers in gerelateerde velden • • • 15 Data-analyse Consulting Bibiotheek- en informatiesector Journalistiek Spin-offs voor taaltechnologie en AI

Digitalisering van de geesteswetenschappen • Algemeen onderscheid • Software en toepassingen voor analyse van tekstuele data • Bv. Onderzoek naar talen, literaire teksten • Software en toepassingen voor de analyse van geluiden, beelden en andere niettekstuele data • Bv. Onderzoek naar artefacten en tastbare objecten • Kruisbestuivingen mogelijk en wenselijk 16 Afbeeldingen: pexels

Digitalisering van de geesteswetenschappen • Tendensen binnen gebruik van de computer in de geesteswetenschappen • Gangbaar onderzoek ondersteunen met digitale middelen • Ontstaan van nieuwe onderzoeksparadigma’s en subdisciplines • Incl. intensieve reflectie over de band tussen data en informatie 17

Digitalisering van de geesteswetenschappen • Digitale bibliotheek als spil voor onderzoek • Full text-databanken en digitaal geïntegreerde bibliotheekcatalogi • Zoektermen in de tekst van documenten • Kruisverbanden tussen bronnen • Belangrijk omwille van (mogelijk) brede opzet van onderzoekspapers in de geesteswetenschappen • Inspanningen om ook primaire data uit onderzoeksdatabanken te ontsluiten • Bv. door middel van technologieën zoals linked data, waarmee gegevens uit verschillende bronnen aan elkaar kunnen worden gekoppeld 18

Digitalisering van de geesteswetenschappen • Onderzoek gebeurt grotendeels voor het computerscherm • Door aandachtig en volgehouden te zoeken een zo volledig mogelijk beeld krijgen van onderzoeksobject • Centrale vragen: 1. 2. 3. 4. Wat zoeken we? Waar kunnen we zoeken en vinden? Hoe zoeken we dat allemaal? Hoe ordenen we wat we hebben gevonden? • Hoe verwerken we de verzamelde of geïdentificeerde data en informatie? 19

Digitalisering van de geesteswetenschappen • Algemeen: twee stromingen binnen geesteswetenschappen die voortrekkersrol spelen op gebied van digitale gegevensverwerking • Gevestigde gebruik van computationele technieken in de taalkunde • Digital humanities (digitale geesteswetenschappen), stroming van meer recente datum 20

Digitalisering van de geesteswetenschappen • Computationele technieken in de taalkunde: corpuslinguïstiek en ontwikkeling van NLP-toepassingen (natural language processing) • • • 21 Keyword analysis Collocation analysis Machine translation Question answering Named entity recognition (NER) Sentiment analysis Distributional semantics Lectometrische analyse Distant reading, stylometrie

Digitalisering van de geesteswetenschappen • Digital humanities • onderzoek op snijvlak van geesteswetenschappen en computerwetenschappen • Digital humanists actief in verschillende disciplines • • Geschiedenis Literatuurwetenschap Archeologie Musicologie Taalkunde Informatiewetenschappen, computerwetenschappen Enz. • Onderzoek op heterogene data, waaronder teksfragmenten, audio, video en afbeeldingen • Gebruik van innovatieve technieken zoals datavisualisaties, social network analysis (SNA) en geographic information systems (GIS) 22

Digitalisering van de geesteswetenschappen • Introductie van computationele technieken (onder meer in computationele taalkunde en digital humanities) heeft onderzoeksparadigma’s veranderd • Voorbeeld: schaal waarop fenomenen kunnen worden bestudeerd • Distant reading vs. Close reading • Distant reading: proces waarbij motieven, thema’s, genrekenmerken of andere fenomenen die worden uitgedrukt in teksten, worden bestudeerd op basis van grote verzamelingen teksten. De bedoeling hiervan kan bijvoorbeeld zijn om diachrone veranderingen in kaart te brengen? • Close reading: lezen met oog voor detail, vaak op basis van een beperkt aantal teksten (bijvoorbeeld een essay of roman). 23

Digitalisering van de geesteswetenschappen 24

digital humanities en de data turn • Digital humanities (‘digital scholarship in the humanities’ ) = erg divers • Constructief paradigma: data science • Focus op research- en data life cycles • Input, verwerking, output • Transfereerbare methoden, interdisciplinariteit • Belang didactiek en onderwijs 25

Situering Case L-Dataverwerking • Programmapunten/speerpunten faculteit (onderzoek, informatievaardigheden) • L-vakken faculteit letteren • L-Informatievaardighden (BA 1) • L-Dataverwerking (BA 2) • Werkgroep, fasering, verdere geplande vakken • Manama DH, doctoraatsopleiding • Samenwerking Artesbibliotheek 26

Achtergrond en doelstellingen • Studenten in de geesteswetenschappen wegwijs maken in de wereld van digitale data en informatie • ‘Big data’; Tweets, digitale bibliotheken, archieven, databanken, enz. • Verkennen hoe de computer kan worden ingezet om data informatiever te maken • Verwerven van competentie die we ‘digitale geletterdheid’ noemen 27 Afbeelding: pexels

Achtergrond en doelstellingen • ‘digitale geletterdheid’ • invulling ‘geletterdheid’ of ‘belezenheid’ waarmee studenten in de geesteswetenschappen al generaties kunnen uitpakken • ‘pen en papier’-vaardigheden vertalen naar verwerken en interpreteren van elektronische gegevens en informatie • • 28 Logisch en systematisch nadenken over tekensystemen Abstract en analytisch redeneren Patronen en samenhang zien in grote hoeveelheden informatie ~ voorbereiden en structureren van data, gegevens visualiseren, dataminingprogramma’s schrijven, gegevens publiceren op zelfgebouwde websites

Achtergrond en doelstellingen • Uitdagen om nieuwe technieken uit te proberen en te experimenteren • Getuigenissen van onderzoekers, proces van trial-and-error • • Een databank bouwen om gegevens op een gestructureerde manier op te slaan Gegevens visualiseren om zo inzicht te krijgen in sociale netwerken Digitale teksten doorzoeken om zo delen van het onderzoek te automatiseren Websites, blogs en digitale tentoonstellingen ontwikkelen om ruchtbaarheid te geven aan onderzoek • Oefeningen en opdrachten (in eigen oefenomgeving) 29

Achtergrond en doelstellingen • Kennis en vaardigheden die in dit vak worden aangereikt kunnen… • …eigen studie en onderzoek verrijken • …nuttig zijn voor verdere loopbaan • Belang van data- en informatievaardigheden 30 Afbeelding: pexels

Docententeam Tom Willaert 31 Dirk Speelman Fred Truyen Joachim Bovin

Digitale geletterdheid: dataverwerking in de geesteswetenschappen • Vertrekpunt: vertaaloefening; onderzoeksvaardighden, operaties van kennisproductie in geesteswetenschappen afstemmen op data life cycle en ondersteunende technologie • Bv. idee van scholarly primitives • Inspelen op sterktes van studenten • Aandacht voor rol van de mens in het onderzoeksproces (Madsbjerg, Sensemaking) 32

Vertaaloefening 33 Lisa Gitelman, Raw Data is an Oxymoron, pp 3 -4

Vertaaloefening 34 Lisa Gitelman, Raw Data is an Oxymoron, pp 3 -4

Programma en inhoud • Handboek behandelt de volledige ‘levenscyclus’ van gegevens • Vier hoofdstukken, behandelen elk aspect van de verwerking en interpretatie van (digitale) gegevens • Data voorbereiden; structureren en modelleren van gegevens, omgaan met ontbrekende of foutieve gegevens, werkinstrument SQL • Data visualiseren; gegevens grafisch voorstellen en verkennende analyses uitvoeren; rekenbladen (Excel) + beeldbewerkingssoftware • Data analyseren; dieper duiken in gegevens, analyse van teksten (Antconc, Ngram viewer) • Data delen; gegevens ‘publiceren’ op het web, optreden als auteur op het web (HTML, CSS) 35

Programma en inhoud • Elk hoofdstuk gekaderd door getuigenis van onderzoeker • Junior researcher, postdoc, hoogleraar • Begin van hoofdstuk = omschrijving van bepaalde probleemstelling • Einde van hoofdstuk = gekozen oplossing, evaluatie, advies 36

Inleiding • Conceptueel en historisch kader • Data, informatie, kennis • Rol van computer in geesteswetenschappen • Informatie- en databeheer • Zelfbeheer • Data life cycle 37

Hoofdstuk 1: ‘data voorbereiden’ • Data cleaning en data transformation • Meetniveaus • Tabellen in SQL • Complexere datamodellen • Relationele databases in SQL • Geavanceerde zoekopdrachten in SQL 38

Hoofdstuk 2: ‘data visualiseren’ • Overzicht grafische vormen en functies • Gegevens visualiseren met rekenbladen • Excel, draaitabellen • Beeldbewerking • Bestandsformaten voor afbeeldingen, basisbewerkingen • Omgaan met afbeeldingen • O. a. Creative Commons 39

Hoofdstuk 3: ‘gegevens analyseren’ • Tekst en de computer • Interne representatie van tekst, tekensets (van bits en bytes tot niveau van bestanden) • Verzamelen of aanmaken van tekstuele gegevens • Text mining met gebruiksvriendelijke tools • Antconc • Voyant • Google Books Ngram viewer • Overzicht NLP-toepassingen 40

Hoofdstuk 4: ‘data delen’ • Introductie wetenschappelijk publiceren (scholarly communication) • Aandacht voor ‘publiceren’ van gegevens • open access, open science • Je online identiteit opbouwen en beheren • Alternatieve publicatieplatformen, blog, persoonlijke website • ORCID • Zelf een website bouwen • HTML • CSS 41

Praktische tegenhanger boek • Hoorcolleges • Portfolio-opdrachten • Ontwikkelde infrastructuur/oefenplatform • Drie opdrachten doorheen semester: SQL, visualisaties, text mining + HTML • Spreekuren • Vooropgestelde vaste contactmomenten • Eigen initiatief studenten 42

Discussie • Studentenbevraging (nog in verwerking) • Voorlopige vaststellingen • Belang van breed gedragen verhaal • Cf. opeenvolging van L-boeken • Cf. binnen bredere maatschappelijk context/onderzoekscontext • Belang ervaringen en input bibliotheek 43

Links • Handboek universitaire pers: https: //lup. be/products/108222 • Blog: www. digitalscholarship. be 44

Vragen? 45