Humboldt-Universität zu Berlin | Institut für Bibliotheks- und Informationswissenschaft

DABI - Datenbank Deutsches Bibliothekswesen

Bibliografische Datenbank zum Handbuch "Das Bibliothekswesen der Bundesrepublik Deutschland"
Suche | Recherchehinweise | Über die Datenbank | Über das Handbuch | Kontakt | Statistik



Vollanzeige des Datensatzes 23735: Distant Viewing-Forschung mit digitalisierten Kinderbüchern: Voraussetzungen, Herausforderungen und Ansätze

Artikel-ID 23735
Titel Distant Viewing-Forschung mit digitalisierten Kinderbüchern: Voraussetzungen, Herausforderungen und Ansätze
Untertitel
Autoren Zellhöfer, David; Helm, Wiebke; Schmideler, Sebastian; Putjenter, Sigrun; Mandl, Thomas
Zeitschrift BIT online
Jahr 2019
Band 22
Heft 2
Anfangsseite 127
Endseite 134
URL Volltext
Abstract Bilderkennung durch KI ist derzeit in aller Munde. Ob im Einsatz großer Player wie Google & Co. oder der medizinischen Diagnostik - die Auswertung visuellen Materials spielt eine immer größere Rolle, auch im Bereich der Digital Humanities-Forschung. Nach jahrelanger Fokussierung auf den Text hat diese nun ihr Untersuchungsfeld auf das Bild erweitert. Doch wie sehr dieses Medium beim Digitalisieren von bibliothekarischen Altbeständen bisher vernachlässigt wurde, zeigt der folgende Anwendungsfall, der Desiderate bei der Retrodigitalisierung wie auch Grenzen bestehender Bibliothekskategorien und technischer Systeme in Bezug auf die nachträgliche Inklusion von fachwissenschaftlichen Metadaten und Machine Learning-Prozessen identifiziert. Aus diesen Erkenntnissen werden Aufgaben und Lösungsmöglichkeiten für die zukünftige Forschung abgeleitet.
Schlagwörter Kinderbuch; Altbestand; Machine Learning; Digitalisierung; Bild; Grenzen; Digital Humanities
Klassen Digitalisierung konventioneller Bestände


Datensatz im BibTeX-Format ausgeben

Datensatz als Zitation nach DIN 1505 ausgeben.

Angaben zur Zeitschrift: BIT online


Sie können mit den Schlagwörtern, Autoren und Klassen dieses Artikels weiterrecherchieren:

Schlagwörter:
Kinderbuch
Altbestand
Machine Learning
Digitalisierung
Bild
Grenzen
Digital Humanities

Autoren:
Zellhöfer, David
Helm, Wiebke
Schmideler, Sebastian
Putjenter, Sigrun
Mandl, Thomas

Klassen:
Digitalisierung konventioneller Bestände