Im Rahmen des Kolloquiums „Colloquium in Digital Cultural Heritage“ der Universität zu Köln stellte Dr. Patricia Murrieta-Flores ihr Projekt „Digging into early colonial Mexico – A large-scale computational analysis of 16th century historical documents“ vor (hier geht es zum Vortrag). Dr. Patricia Murrieta-Flores ist Co-Direktorin der digitalen Geisteswissenschaften und Computerarchäologin an der Lancaster Universität in Großbritannien. Sie widmet sich der Frage, wie Computerarchäologie und digitale Geisteswissenschaften zusammengebracht werden können, um digitale Forschungsmethoden sowohl in der Archäologie als auch in der Geschichtswissenschaft zu unterstützen. 

Das Projekt ist in einer Zusammenarbeit mit drei unterschiedlichen Instituten entstanden:

1. Zentrum der digitalen Geisteswissenschaften und dem Fachbereich Geschichte der Lancaster Universität in Großbritannien 
2. Institut für System- und Computertechnik der Universität in Portugal 
3. Mexikanisches Nationalinstitut für Anthropologie und Geschichte in Mexiko-Stadt  

Beteiligt waren WissenschaftlerInnen aus den Bereichen Geographie, Geschichte, Informatik und Linguistik. 

Mit Hilfe von Sprachtechnologie und raumbezogener Analyse soll die Erarbeitung wichtiger Fragestellungen zur frühen Kolonialisierung Amerikas erleichtert werden. Das Team entwickelt neuartige computergestützte Ansätze für die halbautomatische Exploration eines großen Korpus von Text und Bildmaterial aus dem 16 Jahrhundert. Das Korpus besteht aus dem „Relaciones Geográficas de la Nueva España“, einer der wichtigsten kolonialen Quellen Amerikas. Dieses Korpus stellt das Herzstück des Projekts dar.

Das Team analysiert, extrahiert und visualisiert die Informationen aus der Quelle, um das Verständnis der Periode zu verbessern. Dazu müssen Techniken aus unterschiedlichen Disziplinen kombiniert werden. Unter anderem werden Technologien aus der Korpuslinguistik, dem Text Mining, der Sprachtechnologie, dem maschinellen Lernen und aus geografischen Informationssystemen verwendet. 

Ein wichtiger Aspekt des Projekts ist die Entwicklung computergestützter Methoden für Bild und Text Mining, um neue Erkenntnisse über die Geschichte der frühen Kolonialzeit und die Eroberung Amerikas zu erlangen. Des Weiteren stellte das Team digitale Datensätze zusammen, um ein Gazetteer zu erstellen, ein Nachschlagwerk, dass die in der Quelle genannten Gemeinden und Orte auflistet. Ein dritter wichtiger Aspekt, ist die groß angelegte Quellenanalyse der „Relaciones Geográficas de la Nueva España“.

Das verwendete Korpus

Dem Korpus liegt eine sehr bedeutsame Quelle der südamerikanischen Kolonialzeit zugrunde: Die „Relaciones Geográficas de la Nueva España“ (1577-1585).
Die Berichte schildern die Situation, der von der spanischen Krone regierten amerikanischen Kolonien, sie beschreiben die Lebensweise ihrer Bewohner und den Zustand der Gebiete fünf Jahrzehnte nach der Eroberung durch die Spanier. 

Das Korpus gilt als eine der wichtigsten Wissensquellen über die Geschichte, Kultur, Religion und Wirtschaft Mexikos und Guatemalas im 16. Jahrhundert. Es gibt Aufschluss über die Beziehungen der indigenen Völker zu den spanischen Beamten. 

„Relaciones Geográficas de la Nueva España“ besteht aus 168 Manuskripten und 78 Karten. Weitere 26 Manuskripte und 16 Karten sind über die Zeit verloren gegangen.

Es braucht viel Zeit, um solch eine umfangreiche Quelle zu analysieren. Der Einsatz von computationeller Methoden bietet einen Ansatz, die Zugänglichkeit und das Studium dieser Quelle erheblich zu verbessern.  

Ein Gazetteer des 16. Jahrhunderts

Mit Hilfe des Gazetteer sollen WissenschaftlerInnen die in der Quelle genannten Orte lokalisieren können. Die verscheidenden Ortsnamen zu definieren und zu bestimmtem, stellte das Team vor einige Herausforderungen. Denn viele Siedlungen trugen schlicht die gleichen Namen oder änderten ihre Namen im Laufe des 16. Jahrhunderts um. Manche Siedlungen wechselten sogar den Ort. Man kann sich vorstellen, dass es eine große Herausforderung ist, diese Entwicklungen technisch einzufangen und darzustellen.

Hierzu entwickelte das Team ein spezielles System, welches wesentliche Begriffe in Kategorien wie Ortsnamen, Tiere, Aktivitäten, Datum und Wetter einteilt. Um die einzelne Begriffe im Text zu finden und den Kategorien zuzuordnen, verwendet das Team ‚Natural Language Processing’. ‚Natural Language Processing’ ist ein Verfahren, bei dem ein Programm erlernt, natürliche Sprachstrukturen zu erkennen. Im Zusammenspiel mit ‚Name Entity Recognition’ können so alle Eigennamen im Text nicht nur automatisch identifiziert und markiert werden, sondern auch einer der Kategorien zugeordnet werden. 

Die eingangs geschilderten Probleme, Orte eindeutig zu benennen und zu lokalisieren können über Maschine Learning Verfahren halbautomatisch gelöst werden. Inzwischen enthält der Gazetteer mehr als 14000 Ortsnamen. Der Datensatz soll als Open Data demnächst für die Forschung zur Verfügung stehen.

Geographic Text Analysis Software

Um das vollständig annotierte Korpus und den Gazetteer zusammenzuführen, entwickelte das Team die „Geographic Text Analysis Software“. Diese Software, alle Ressourcen und der Code, die im Rahmen des Projekts erzeugt werden, werden in einem offenen kollaborativen Repository (GitHub) gespeichert.

Bereits zwölf Bände sind annotiert. WissenschaftlerInnen, die sich mit der Literatur auseinandersetzen, können dann sowohl nach Kategorien als auch nach speziellen Begriffen suchen und Informationen extrahieren, die sich auf die Berichte der „Relaciones Geográficas de la Nueva España“ beziehen. Die Software visualisiert sowohl das Korpus als auch den Gazetteer. Sie extrahiert Informationen aus allen Bänden und gibt die Informationen über den gesuchten Begriff in Form von Metadaten (Text ID, Position im Text, Standort, Koordinaten), aber auch die zugehörige Kategorie und den inhaltlichen Kontext aus. 

Außerdem lassen sich mit der Software geographische Informationskarten erstellen und es ist möglich eine Information anzuklicken und genau zu der Stelle zurückzukehren, an der die Information im Text steht. Somit ermöglicht die Software eine Art Interaktion oder auch eine Überschneidung zwischen ‚close reading’ und ‚distant reading’. Es können einerseits Informationsmuster identifiziert werden, andererseits kann durch das Zurückkehren zum Text die genaue Bedeutung der Textstelle durch close reading extrahiert und analysiert werden.

Ausblick

Das Team erarbeitet erste Fallstudien. Die erste Fallstudie befasst sich mit der territorialen Definition der Ausdehnung und der Standorte von spanischen und indigenen Städten in Neuspanien. Die zweite Fallstudie konzentriert sich auf die großen Epidemien des 16. Jahrhunderts. Diese wird in Zusammenarbeit mit einer amerikanischen Universität erstellt. Es wird untersucht, wie Krankheiten zu der Zeit wahrgenommen wurden, wie diese sich geographisch verteilten und welche Hilfsmittel der Medizin bereits vorhanden waren. Weiterhin arbeitet das Team auch mit den Karten der „Relaciones Geográficas de la Nueva España“. Es erstellt eine Ontologie für die Annotation der Karten und veranstaltet zudem öffentliche Workshops. Darüber hinaus organisieren sie ‚Mappathons’ für die Annotation der 65 Karten. 

Die Entwicklung der Software zur geographischen Textanalyse soll sobald wie möglich abgeschlossen werden. Die Methoden und Werkzeuge, die entwickelt wurden, sind generisch und auf viele andere Korpora anwendbar. Weiterhin fokussiert sich das Team auf die Weiterführung und Fertigstellung der Fallstudien. 

Die Zusammenführung von GTA und Korpuslinguistik ist die Kernaufgabe des Projekts. Mit diesen Techniken werden historische Quellen nicht nur digitalisiert, sondern auch visualisiert und mit Metainformationen versehen. Die Software ermöglicht einen schnellen Zugriff auf spezifische Informationen. WissenschaftlerInnen wird dadurch die Erforschung und das Studium von historischen Textquellen vereinfacht, indem sie Inhalte kontextualisiert und kategorisiert einsehen können. 

Weiterhin generiert das Projekt innovative Methoden für die Identifizierung, Extraktion und Vernetzung von Informationen aus historischen Quellen, die neue Formen der Analyse und Interpretation ermöglichen. So lassen sich mit Hilfe der Software interessante Fragen zum Leben im 16. Jahrhundert einfacher erforschen. Außerdem schafft sie ein besseres Verständnis für die Lebensbedingungen im kolonialisierten Mexiko und Guatemala.

Zur Autorin: Leoni Salbert hat ihren Verbunds-Bachelor in Medienkulturwissenschaften und Medieninformatik an der Universität zu Köln abgeschlossen und studiert aktuell Informationsverarbeitung im Master. Sie arbeitet im Bereich Technik/IT, Ressort Infrastructure als studentische Aushilfe bei Cologne Broadcasting Center.

---

---