Fiktionale Texte sind aufgrund hoher Lizenz- und Aufbereitungskosten in den gängigen deutschen Referenzkorpora stark unterrepräsentiert. Text+ schafft mit DeLiKo-XL@DNB einen möglichen Ausweg aus diesem Dilemma. Darin erschließt die Deutsche Nationalbibliothek (DNB) zusammen mit dem Leibniz-Institut für Deutsche Sprache (IDS) erstmals einen umfangreichen Bestand für die Forschung.
Mit 287 585 fiktionalen Publikationen umfasst das Korpus alle deutschen im EPUB-Format veröffentlichten belletristischen E-Books zwischen 2012 und 2024 sowie alle 362 digital verfügbaren Titel, die jemals für den Deutschen Buchpreis nominiert waren – insgesamt sind das 20,9 Milliarden Token (Wörter und Satzzeichen).
Mit der Korpus-Analyseplattform KorAP kann das Korpus auf vielfältige Weise genutzt werden. Möglich sind zum Beispiel die flexible, metadatenbasierte Erstellung virtueller Unterkorpora, mehrschichtige Annotationen, komplexe Suchanfragen in sechs Sprachen (u. a. CQP). Dabei unterstützt ein Anfrage Assistent das Formulieren von Suchanfragen und eine Query by Example-Funktion das Auffinden komplexer Konstruktionen anhand von Beispielen. Für die praktische Anwendung bieten R- und Python-Bibliotheken sowie Video-Tutorials der Universität Mannheim einen niederschwelligen Einstieg.
Möglich wurde diese Nutzbarmachung durch die Einführung der Urheberrechtsschranke §60d UrhG, die Text-und-Data-Mining zu wissenschaftlichen Zwecken erlaubt. Auf dieser rechtlichen Grundlage und unter der Voraussetzung, dass die Volltexte, deren Annotation und die KorAP-Instanz stets in der Infrastruktur der DNB verbleiben, können Forschende ohne Anmeldung das Korpus frei und online durchsuchen und analysieren. Die einzige Einschränkung ist ein Kontext von 50 Wörtern pro Suchtreffer.
Zum DeLiKo-Korpus:
KorAP-Quellcode:
Andere Beiträge
GND-Agentur: Geschichtswissenschaft, Normdaten und Datenkuration (NFDI4Memory)
Das HistData-MLU baut im Rahmen von NFDI4Memory eine GND-Agentur für die Geschichtswissenschaft auf und unterstützt die strukturierte Vernetzung historischer Daten. Mit Plattformen wie FactGrid und umfangreicher Normdatenarbeit werden Forschungsdaten besser zugänglich, verknüpft und nachhaltig nutzbar gemacht.
GHGA-Datenportal: Eine nationale Plattform für sichere Genomdaten
Sichere Genomdaten für die Forschung von morgen
Das GHGA-Datenportal ermöglicht die sichere Nutzung sensibler Genomdaten und etabliert sich als zentrale nationale Plattform für verantwortungsvollen Datenaustausch. Mit wachsender Datenbasis und steigender Nachfrage stärkt es die Forschung und schafft eine Grundlage für Fortschritte in der Präzisionsmedizin.
FAIRagro und das bayrische StMELF – eine Geschichte über Kulturwandel im FDM
Mit Unterstützung von FAIRagro führt das StMELF ein koordiniertes Forschungsdatenmanagement ein – von Sensibilisierung über verpflichtende Datenmanagementpläne bis hin zu klaren Leitlinien. Erste Ergebnisse zeigen: mehr Bewusstsein, bessere Zusammenarbeit und langfristig effizientere Prozesse.
Recent Comments