Discourse Analysis Tool Suite

Discourse Analysis Tool Suite (DATS) – Eine innovative Plattform für digitale Diskursanalyse

Die Discourse Analysis Tool Suite (DATS) ist eine leistungsstarke, Open-Source-Arbeitsumgebung für die digitale qualitative Diskursanalyse in den Digital Humanities. Sie wurde entwickelt, um die Einschränkungen bestehender DH-Tools zu überwinden, die mit der stetig wachsenden Menge an heterogenen, unstrukturierten und multimodalen Daten nicht mehr Schritt halten können.

Um aus diesen Daten aussagekräftige Erkenntnisse zu gewinnen, kombiniert DATS modernste maschinelle Lerntechnologien aus den Bereichen Natural Language Processing (NLP) und Computer Vision (CV).

Quellcode & technische Informationen:

GitHub Repository
Wiki

Kernfunktionalitäten

DATS bietet eine integrierte, skalierbare Lösung zur Erfassung, Analyse und Annotation komplexer Datenquellen.

Import: Verarbeitung von multimodalen Daten (Text, Bild, Audio, Video)
Vorverarbeitung: Automatische Anreicherung von Dokumenten mit Metadaten & linguistischen Informationen
Exploration & Suche: Lexikalische & semantische Suchfunktionen zur schnellen Navigation
Annotation & Kodierung: Markierung von Textspannen, Bildausschnitten, Zeitstempeln & Video-Frames
Dokumentation & Reflexion: Automatische Dokumentation des Forschungsprozesses mit manuellen Notizen

Einblicke ins User Interface:

Komponenten der DATS-Suchoberfläche: 1) Suchleiste für lexikalische Suche und Filteroptionen; 2) Aktuell angewendete Filter; 3) Multimodale Suchergebnisse; 4) Statistiken zu Suchergebnissen; 5) Dokument mit Tags, Metadaten und Anmerkungen; 6) Tag-Editor-Popup

Komponenten der DATS-Annotationsschnittstelle: 1) Das geöffnete Dokument mit Annotationen des aktuellen Benutzers und automatischen Annotationen von dem System; 2) Dokumenten-Explorer mit Tag-Auswahl; 3) Annotation-Popup zur Codeauswahl; 4) Code-Explorer mit hierarchischen Codes; 5) Code Auswahl; 6) Schaltfläche zum Exportieren von Annotationen

Co-Creation als Entwicklungsprinzip

DATS wurde in einer engen interdisziplinären Zusammenarbeit zwischen dem Hub of Computing and Data Science (HCDS) und Wissenschaftler:innen verschiedener Disziplinen entwickelt. Unser Ziel ist es, aktuelle Herausforderungen multimodaler Daten, großer Datenmengen und Bedeutungspluralität in der Forschung zu adressieren.

Ein besonderer Fokus liegt auf der Frage, wie maschinelle Lerntechnologien sinnvoll in die menschliche Bedeutungsproduktion eingebunden werden können. Um diese Ziele zu erreichen, basiert unsere Entwicklungsstrategie auf einem dynamischen Co-Creation-Prozess, der kontinuierliches Feedback und agile Anpassungen ermöglicht.

Drei zentrale Bausteine unseres Co-Creation Ansatzes

1. User Stories – Forschung trifft Technologie
Wie entstehen Innovationen in DATS?

User Stories bilden die Schnittstelle zwischen den Forschenden und der technischen Entwicklung. Wissenschaftler:innen formulieren ihren Forschungsbedarf, während Entwickler:innen diese Anforderungen in technologische Lösungen überführen.

Enge Zusammenarbeit zwischen Geisteswissenschaftler:innen und IT-Expert:innen
Iterative Anpassung der Funktionen an aktuelle Forschungsfragen
Unterstützung aller Phasen qualitativer Forschung:
Suchen & Sammeln | Codieren & Organisieren | Reflektieren & Schreiben | Visualisieren & Publizieren

2. Hands-On-Sessions – Agile Entwicklung & Testing
Wie stellen wir sicher, dass DATS optimal nutzbar ist?

Regelmäßige Hands-On-Sessions ermöglichen:

Dokumentation & kontinuierliche Tests neuer Features
Feedback-Schleifen mit Forschenden, um Usability & Effizienz zu verbessern
Vergleich mit bestehenden qualitativen & quantitativen Analysetools
Weiterentwicklung von Diskursanalyse & hermeneutischen Methoden im Zusammenspiel mit KI

3. Fellow Workshops – Erweiterung der Perspektiven
Wie wird DATS universell einsetzbar?

Unser Fellow-Programm bringt externe Wissenschaftler:innen aus verschiedenen Forschungsbereichen zusammen.

Diskussion neuer Anforderungen & interdisziplinärer Perspektiven
Anpassung von DATS an vielfältige wissenschaftliche Nutzungskontexte
Sicherstellung, dass die Tool Suite robust, skalierbar & vielseitig bleibt

Warum DATS?

Open Source & erweiterbar – Forschende können DATS an ihre eigenen Bedürfnisse anpassen
Datenwissenschaft trifft Digital Humanities – Nutzung modernster ML-Technologien für qualitative Forschung
Multimodale Analyse – Bearbeitung komplexer Datenstrukturen in einer integrierten Plattform
Nachhaltige Entwicklung – Kontinuierliche Optimierung durch Co-Creation mit der wissenschaftlichen Community

Interesse an einer Zusammenarbeit oder der Nutzung von DATS für Ihre Forschung? Kontaktieren Sie uns!

Discourse Analysis Tool Suite