Teil des Vortrags, gehalten im Rahmen des interdisziplinären Symposiums "Medien in der Hochschullehre" am 5. Oktober 2021 (via Zoom; Programm)

1. Was ist EisenzeitDigital (EZD)?

• EisenzeitDigital: interdisziplinäres e-Learning-Projekt im Bereich der Digital Humanities (DH)
• Forschungsnahe Lehre: Studierende sollten archäologische Fundstellen der Eisenzeit (ca. 800-15 v. Chr.) in Bayern sammeln, visualisieren und interpretieren
• Zweimalige Förderung durch Lehre@LMU
• Durchführung von SoSe 2017 bis WiSe 2020/21
• Zwei aufeinander aufbauende Lehrveranstaltungen:
  • 1: "Eisenzeit digital: Datenanalyse mit MySQL und QGIS" (drei Mal durchgeführt: SoSe 2017, SoSe 2018, WiSe 2019/20)
  • 2: "Statistik@EisenzeitDigital": Analyse der gesammelten Daten mit statistischen Methoden (SoSe 2020, WiSe 2020/21)

• DH-Projekt: Kooperation des Instituts für Vor- und Frühgeschichtliche Archäologie und Provinzialrömische Archäologie (Dr. Caroline von Nicolai) - der IT-Gruppe Geisteswissenschaften (Dr. Stephan Lücke) und des Instituts für Statistik (Prof. Dr. Helmut Küchenhoff)
• Doppelte Ausrichtung:
  • fachwissenschaftliche Ausbildung
  • Vermittlung von Zusatzqualifikationen in den Bereichen Geographische Informationssysteme und Statistik, auch für den außeruniversitären Arbeitsmarkt

• Weitere interdisziplinäre Zusammenarbeit:
  • Mit dem Fachbereich Medieninformatik (Prof. Dr. Andreas Butz, Dr. David Englmeier; Visualisierung von Eisenzeit-Daten durch Nina Augustin im Rahmen einer Veranstaltung zur Informationsvisualisierung im WiSe 2018/19)
  • Bachelorarbeit im FB Statistik: M. Kling, Siedlungspräferenzen in der Eisenzeit in Bayern. Modellbasierte Analyse (WiSe 2020/21; Betreuung: Sevag Kevork, Institut für Statistik)
  • Praktika im FB Statistik anhand der EZD-Daten:
    • Anfängerpraktikum WiSe 2018/19 (B. Arnthof, T. Landfarth, S. Musiol, J. Schaefer; Betreuung: Veronika Deffner)
    • Anfängerpraktikum WiSe 2019/20 (M. Kling, M. Lorenz, G. Ramadani, Y. Ren; Betreuung: Sevag Kevork)
    • Consulting-Praktikum WiSe 2020/21 (I. Dummert, L. Niedermaier; Betreuung: Sevag Kevork) 

2. Wie hat EZD das DHVLab genutzt?

• Datensammlung in relationaler Datenbank: MySQL-Cluster des DHVLab

• Virtueller Desktop des DHVLab für Kartierung und Analyse (QGIS, R, Terminal u. a. für MySQL-Analysen)
• WordPress-Modul "DH-Lehre" für online-Publikation von Seminararbeiten (Moodle ungeeignet, da „Interaktivität“ z. B. mit Datenbanken eingeschränkt). Wird zur Demonstration auch bei diesem Vortrag eingesetzt.
• Cloud des DHVLab für Datenaustausch

3. Welche Erfahrungen haben wir gemacht?

• Aufs Ganze gesehen durchaus positiv:    
  • einheitliche Software-Umgebung für alle Teilnehmer (virtueller Desktop, Datenbanken)
  • kein individueller Installationsaufwand
  • leichter Datenaustausch über Cloud
  • vorbehaltlos bewährt: MySQL-Cluster und Publikationsplattform DH-Lehre
  • Inverted Classroom-Konzept: Studierenden hatten die Möglichkeit, sich mit Hilfe von Textbeiträgen, Lehrvideos und Übungsaufgaben auf die einzelnen Themen vorzubereiten. In den Präsenzsitzungen konnten so vor allem gemeinsam Probleme besprochen werden
  • Gerade während Corona-Pandemie von großem Vorteil: problemlose Umstellung auf online-Lehre
  • Anspruch: Alle Inhalte sollen nach Möglichkeit „FAIR“ – Findable, Accessible, Interoperable, Reusable – sein (⇒ Webtechnologie)
  • Weiternutzung der gesammelten Daten zu Forschungszwecken

• Auch negative Erfahrungen:
  • grundsätzliches Problem, nicht DHVLab-spezifisch: unterschiedliche Bereitschaft der Studierenden, sich auf die Technologien und Methoden einzulassen
  • Doppel"belastung": fachwissenschaftliche Auseinandersetzung *und* Aneignung von DH-Kompetenzen
  • dadurch relativ hohe Absprungquote
  • technisch: Kapazitätsprobleme des Virtuellen Desktops bei rechenintensiven Anwendungen wie z. B. QGIS oder Bildbearbeitung
  • Kein Videostreaming möglich, daher zusätzliche Nutzung von LMUCast 
  • Mühe der Teilnehmer, sich konsequent auf die Möglichkeiten und Erfordernisse der online-Publikation einzulassen (Einbindung multimedialer Inhalte, Kommunikationsmöglichkeiten über Kommentarfunktion in WordPress, Zurückhaltung bei Publikation...)

4. Kurze Einblicke in Lehrinhalte

• Einsatz von MySQL zur Datenanalyse: 

-- Prozentualer Anteil aller Fundtypen am Gesamtbestand (nicht nur Eisenzeit)
SELECT 
COUNT(*) AS Anzahl,
ROUND(COUNT(*) / (SELECT COUNT(*) FROM fender_2017) * 100,2) AS Anteil_Prozent,
a.Typ
FROM fender_2017 a
GROUP BY a.Typ
ORDER BY Anteil_Prozent desc
;

• Erzeugung Karten mit dem Programm QGIS:

• Einbindung von externen Datenquellen über Web Map Services, zum Beispiel des Bayerischen Landesamt für Breitband, Digitalisierung und Vermessung, des Bayerischen Landesamtes für Umwelt und der Bundesanstalt für Geowissenschaften und Rohstoffe 

• Einbindung von SQL-Abfragen in QGIS: 

• Beispiel für statistische Analyse, Übungsaufgabe 4: Zusammenhang zwischen Höhe über NN und Fundhäufigkeit nach eisenzeitlicher Periode (Hallstatt vs. La Tène)
• Zeitgemäße online-Publikation (zugangsbeschränkt) von wissenschaftlichen Beiträgen (auf dem Seminarportal auf DH-Lehre [Beispiel SoSe 2018])