Gewinne:
- Fähigkeit, Muster aus großen Textmengen mithilfe von Techniken wie NER, Beziehungsextraktion, Zeitleisten- und Netzwerkanalyse zu extrahieren
- In der Lage sein, das Muster als Hypothese und nicht als Beweis zu betrachten, Entitäten mit der Quelle zu verknüpfen und sie mit menschlicher Zustimmung zu normalisieren
- Fähigkeit zu verstehen, wie Zahlen aufgrund fehlender Daten und Stichprobenverzerrungen irreführend sein können, und erfundene Beziehungen und Chronologien zu vermeiden.
Bei der historischen Forschung geht es nicht nur um die Lektüre einzelner Dokumente; Oft wird in großen Dokumentenmengen nach Mustern gesucht. In welchen Zusammenhängen taucht ein bestimmter Name im Laufe der Jahre auf? Welche Personen sind mit einer Siedlung verbunden? Wie verändert sich ein Thema im Laufe der Zeit? Wer korrespondiert mit wem? Solche Fragen erfordern die Betrachtung nicht eines einzelnen Dokuments, sondern der Gesamtheit von Hunderten von Dokumenten. Dies wird oft als Digital Humanities bezeichnet – die Anwendung rechnerischer Methoden auf Bereiche wie Geschichte und Literatur.
KI ist leistungsstark darin, strukturierte Informationen aus großen Textmengen zu extrahieren. In dieser Einheit lernen Sie NER (Named Entity Recognition), Muster- und Beziehungsextraktion, Themenmodellierungslogik und Zeitleistenerstellung; Aber wir werden auch die gefährlichste Falle dieser Techniken besprechen – die KI stellt sich so dar, als hätte sie ein Muster „gefunden“, das nicht existiert.
Grundlegende Techniken
- NER (Named Entity Recognition): Automatische Extraktion von Entitäten wie Person, Ort, Institution, Datum aus dem Text. Es erstellt in wenigen Minuten eine Liste wie „Alle in diesen 500 Dokumenten erwähnten Ortsnamen“.
- Beziehungsinferenz: Markierung von Verbindungen zwischen Entitäten („Person X am Ort Y“, „A entspricht B“).
- Themenmodellierung: Statistisches Auffinden von Clustern wiederkehrender Themen in einer großen Textmenge. Es zeigt, welche Themen sich in welchem Zeitraum konzentrieren.
- Zeitachseninferenz: Ordnen datierter Ereignisse in Dokumenten in chronologischer Reihenfolge.
- Netzwerkanalyse: Visualisierung zwischenmenschlicher/institutioneller Beziehungen als Netzwerk (wer ist das Zentrum, wer ist der Verbindungspunkt).
Allen gemeinsam ist das Ziel, Strukturen aufzudecken, die nicht in einem einzelnen Dokument, sondern in der gesamten Sammlung vorkommen. Diese Techniken machen Muster sichtbar, die allein durch das Lesen niemals sichtbar wären. Aber jedes von ihnen ist ein „Zeichen“, kein „Beweis“; Es ist unbedingt zu überprüfen, was im Originaldokument steht.
Ein in diesem Bereich häufig verwendetes Konzept ist die Unterscheidung zwischen Close Reading (einen Text ausführlich und Zeile für Zeile lesen) und Distance Reading (kollektives statistisches Betrachten von Hunderten/Tausenden Texten). KI macht es möglich, aus der Ferne zu lesen: Sie sehen Muster in einem Körper, der groß genug ist, um ein einziges Menschenleben zu überdauern. Aber wenn das Fernlesen auf ein Muster hinweist, ist es notwendig, zum Nahlesen, also zum Originaldokument, zurückzukehren, um es zu verstehen. Die beiden Methoden sind nicht austauschbar; Das eine zeigt das Muster, das andere gibt seine Bedeutung an. Die robusteste Forschung verwendet beide zusammen.
Tipp: Nutzen Sie die Musteranalyse als Hypothesengenerator: „Die KI hat hier ein Muster entdeckt, ist es real?“ Überprüfen Sie dann nacheinander dieses Muster in den Dokumenten. Das Muster ist der Ausgangspunkt Ihrer Forschung, nicht das Ergebnis.
Arbeitsablauf: Schritt für Schritt
1. Klären Sie die Frage. „Welche Personen kommen in dieser Sammlung am häufigsten zusammen vor?“ Eine klare Musterfrage wie.
2. Bereiten Sie die Daten vor und beschriften Sie sie. Organisieren Sie Text mit Quellenangaben, sodass alle gefundenen Assets wieder mit dem Dokument verknüpft werden können.
3. Das Objekt/Muster wird angezeigt. Generieren Sie NER-, Beziehungs- oder Zeitleistenumrisse mit KI.
4. Normalisieren. Kombinieren Sie verschiedene Schreibweisen derselben Person/des gleichen Ortes („Istanbul / Istanbul / Kostantiniyye“ derselbe Ort?). Dieser Schritt ist entscheidend; Wenn es weggelassen wird, zerfällt das Muster.
5. Im Dokument überprüfen. Überprüfen Sie die tatsächlichen Dokumente auf signifikante Muster, die gekennzeichnet sind. Stellen Sie sicher, dass die KI keinen erfundenen Link hinzufügt.
6. Kommentar. Was das Muster bedeutet, ist das Urteil des Historikers; KI markiert lediglich das Muster.
Zahlen- und Statistikfalle
Musteranalysen bringen häufig Zahlen hervor: „Name X kommt 47 Mal vor“, „Dieses Thema ist in 30 % der Dokumente vorhanden“. Diese Zahlen scheinen objektiv, können aber irreführend sein:
- Fehlende Daten: Wenn die Sammlung bereits unvollständig ist (Dokumente gingen verloren, eine Gruppe wurde nie erfasst), spiegelt die Zahl die erhaltenen Dokumente wider, nicht die Realität.
- Normalisierungsfehler: Wenn dieselbe Person unterschiedlich geschrieben und separat gezählt wird, ist die Zahl falsch.
- Kontextverlust: „kommt 47 Mal vor“ sagt nichts; Es ist wichtig, wie es weitergegeben wird (positiv/negativ, Subjekt/Objekt).
Musterausgabe
scheinbare Bedeutung
echtes Risiko
„X kommt 47 Mal vor“
wichtige Person
Unvollständige Sammlung, Abweichungen in der Schreibweise
„Thema 30 %“
dominierendes Thema
Stichprobenverzerrung
„A-B oft zusammen“
innige Beziehung
Zufall, fehlender Kontext
„Zeitleiste“
genaue Chronologie
Undatierte Dokumente, erfundener Auftrag
drei Mini-Koffer
Fall 1 – Die Netzwerkanalyse enthüllte einen versteckten Vermittler. Ein Forscher untersuchte eine Korrespondenzsammlung von 800 Briefen. Mit KI wurde ermittelt, wer wen anschreibt und ein Netzwerk geschaffen. Das Netzwerk zeigte, dass eine auf den ersten Blick unbedeutende Person tatsächlich der zentrale Kontaktpunkt zwischen den beiden Gruppen war. Der Forscher konzentrierte sich auf die Briefe dieser Person und kam zu einer neuen Erkenntnis. Habe aber zunächst alle Links in den Dokumenten überprüft.
Fall 2 – Ein Normalisierungsfehler hat die Zahl beschädigt. Ein Student ließ sie zählen, wie oft ein Ort in den Dokumenten auftauchte. Da die KI drei verschiedene Schreibweisen desselben Ortes separat zählte, stellte sich heraus, dass die Zahl ein Drittel der tatsächlichen Zahl betrug. Bei der Kombination der Schreibweisen lag „place“ tatsächlich an der dritthäufigsten Stelle. Lektion: Ohne Normalisierung kann der Zahl nicht vertraut werden.
Fall 3 – Erfundener Zeitplan. Ein Forscher hat aus undatierten Dokumenten eine Zeitleiste erstellt. Die KI ordnete die unbekannten Ereignisse in eine „logische“ Reihenfolge und präsentierte eine genaue Chronologie. Allerdings stand diese Sequenz nicht in den Unterlagen, die KI hatte sie erfunden. Lektion: Die Zeitleiste wird nur aus Ereignissen erstellt, die ein Datum im Dokument haben. der Rest bleibt „undatiert“.
Vier kopierbare Vorlagen
1) NER (Entitätsinferenz):
Die in den folgenden Dokumenten genannten Personen, Orte, Institutionen und Daten erscheinen als SEPARATE Listen. Geben Sie an, in welchem Dokument (Referenz) jede Entität erwähnt wird. Nehmen Sie nur das, was im Text KLAR steht; durch Vermutung hinzufügen. Markieren Sie [?], wenn Sie sich bei der Aussprache nicht sicher sind. Dokumente: [hier]
2) Entitätsnormalisierung:
Gruppieren Sie in der Entitätsliste unten verschiedene Schreibweisen, die sich auf dieselbe Person/den gleichen Ort beziehen könnten (z. B. „Istanbul / Kostantiniyye“). Schlagen Sie das mögliche gemeinsame Format für jede Gruppe vor, ABER schreiben Sie nicht die genaue Kombination vor. Fügen Sie den Hinweis „Vielleicht dasselbe, lassen Sie die Leute es überprüfen“ hinzu. Lassen Sie es lieber, wenn Sie sich nicht sicher sind. Liste: [hier]
3) Beziehungs-/Netzwerkübersicht:
Extrahieren Sie die Links „Wer ist mit wem verwandt“ aus der folgenden Reihe von Korrespondenz/Dokumenten. Geben Sie für jeden Link an, auf welchem Dokument (Referenz) er basiert. Es wurde eine Beziehung erfunden, die im Dokument nicht KLAR ist. Markieren Sie mehrdeutige Links [undeutlich]. Dokumentation: [hier]
4) Datierte Zeitleiste:
Listen Sie in chronologischer Reihenfolge nur die Ereignisse auf, die in den folgenden Dokumenten KLAR angegeben sind. Verknüpfen Sie jedes Ereignis mit seiner Quelle. Listen Sie die Ereignisse mit unsicherem Datum separat unter der Überschrift „undatiert“ auf und ordnen Sie sie NICHT. Erfinden Sie den voraussichtlichen Termin NICHT. Dokumentation: [hier]
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwach:
Analysieren Sie diese Dokumente und extrahieren Sie wichtige Muster, Beziehungen und Zeitpläne.
„Wichtige Muster extrahieren“ bringt die KI dazu, nicht existierende Zusammenhänge und präzise Chronologien zu erfinden und Zahlen ohne Normalisierung darzustellen.
Stark:
Extrahiert die Personen-/Ort-/Institutionsentitäten aus den folgenden Dokumenten, indem sie jeweils mit der Dokumentreferenz verknüpft werden. Markieren Sie unterschiedliche Schreibweisen, die möglicherweise identisch sind, mit „kann zusammengeführt werden“, aber verschmelzen Sie nicht. Beziehungen, die im Dokument nicht klar angegeben sind, und Ereignisse mit ungewissem Datum sind NICHT FAKE; Bewahren Sie diejenigen ohne Datum getrennt auf. Dokumentation: [hier]
Der Unterschied: Zuordnung zur Quelle, Überlassen der Normalisierung auf den Menschen, Verbot fiktiver Zusammenhänge/Geschichte und Trennung von undatierten Ereignissen machen das Muster vertretbar.
Häufige Fehler
- Das Muster mit Beweisen verwechseln. Das Muster ist die Hypothese; wird im Dokument überprüft.
- Normalisierung überspringen. Unterschiedliche Schreibweisen derselben Entität verzerren die Zahl und das Netzwerk.
- Blindes Vertrauen in Zahlen. Durch eine unvollständige Erhebung und Stichprobenverzerrung ist die Zahl irreführend.
- Erfundener Zeitplan. Undatierte Ereignisse werden nicht in die Chronologie einbezogen.
- Kontext ignorieren. Es kommt nicht darauf an, wie oft es bestanden wurde, sondern darauf, wie es bestanden wurde.
Zusammenfassend
Inhaltsanalyse und Mustererkennung sind ein leistungsstarkes Feld, in dem KI Strukturen sichtbar macht, die durch bloßes Lesen nicht sichtbar wären: Entitätsextraktion, Beziehungsnetzwerke, Themencluster, Zeitleisten. Aber jedes Muster ist eine Hypothese, kein Beweis. Verknüpfen Sie Assets mit der Quelle, normalisieren Sie sie sorgfältig und mit menschlicher Validierung, fragen Sie Zahlen nach fehlenden Daten und Verzerrungen ab und vermeiden Sie erfundene Beziehungen und Chronologien. KI markiert das Muster; Was es bedeutet und ob es wahr ist, ist das Urteil des Historikers.
Anwendungsaufgabe
Sammeln Sie mindestens 15 Unterlagen (mit Referenzen). Extrahieren Sie Personen und platzieren Sie Entitäten mit der Vorlage „NER“. Anschließend gruppieren Sie die verschiedenen Schreibweisen mit „Entity-Normalisierung“ und überprüfen die Gruppen selbst. Führen Sie abschließend die Vorlage „Datierter Zeitplan“ aus und sehen Sie, wie viele Ereignisse „undatiert“ bleiben. Vergleichen Sie, wie viele erfundene Links oder Chronologien die KI bei schlechter Eingabeaufforderung erzeugen würde.
Checkliste
- [ ] Ich habe meine Musterfrage klar definiert.
- [] Ich habe jede Entität mit der Dokumentreferenz verknüpft.
- [ ] Ich habe die Entitätstypisierung normalisiert und mit menschlicher Zustimmung kombiniert.
- [ ] Ich habe die Zahlen wegen fehlender Daten und Verzerrungen in Frage gestellt.
- [ ] Ich habe die undatierten Ereignisse nicht chronologisch geordnet, sondern getrennt aufbewahrt.