Projektbeschreibung

Science Fiction Literatur kann einen wichtigen Beitrag zum Erkenntnisgewinn für die Einsatzfähigkeit neuer Technologien und Inspiration für Naturwissenschaftler*innen und Ingenieur*innen liefern. Besonders im Silicon Valley wurden die Erfinder*innen und Gründer*innen der Tech-Branche von Science Fiction maßgeblich mit beeinflusst. Mithilfe maschineller Datenverarbeitungsverfahren können große unstrukturierte Datenmengen heute sehr gut systematisch untersucht werden.

In diesem Projekt wird in zwei Schritten vorgegangen. Im ersten Schritt werden Metadaten der vorhandenen Science Fiction Literatur auf Muster und Cluster hin untersucht. Im Fokus stehen dabei in erster Linie die Titel und Klassifizierungen. Damit soll ein erster Bestandsüberblick gegeben werden. Im zweiten Schritt wird mithilfe eines gut abgrenzbaren Themas ein Topic Model aus dem Anwendungsfeld des Machine Learning entwickelt, um die Methode anhand der Science Fiction Literatur zu testen. Der Bereich Alterung und Gesundheit spielt gegenwärtig eine besonders große gesellschaftliche Rolle. Es gibt dazu in der Fachliteratur keine nennenswerte Empirie, die im Rahmen dieser Untersuchung näher betrachtet werden kann. Bei diesem Projekt geht es zunächst um den Test anhand eines kleinen Datensets. In einem weiteren Schritt außerhalb dieses Projektes könnte anschließend der gesamte Datenbestand der Science Fiction Literatur in der Deutschen Nationalbibliothek analysiert werden.

Das Projekt wurde von Philipp Köbe beantragt und bearbeitet.

Laufzeit

November 2023 - Februar 2024

Kontakt

DH-Stipendien@dnb.de