Introducing
Your new presentation assistant.
Refine, enhance, and tailor your content, source relevant images, and edit visuals quicker than ever before.
Trending searches
Long Data: Digital Humanities im Kontext der geisteswissenschaftlichen Langzeitvorhaben der Akademie
12
Forschungsbericht des Analysten Doug Laney (Gartner, 2011):
Die Herausforderungen des Datenwachstums sind dreidimensional.
Die drei Dimensionen beziehen sich auf ein ansteigendes Volumen (volume) der Daten, auf eine ansteigende Geschwindigkeit (velocity), mit der Daten erzeugt und verarbeitet werden und auf eine steigende Vielfalt (variety) der erzeugten Daten.
3. Trends
2. Beispiele
4. Zusammenfassung
1. Vorüberlegungen
Qualitativ/Inhaltlich
Formal
3. Trends
Akademievorhaben mit digitalen Komponenten (kumulativ) nach Jahren
Operativ
1. Vorüberlegungen
Big Data
Long Data
"By 'long' data, I mean datasets that have a massive historical sweep [...] Big data puts slices of knowledge in context. But to really understand the big picture, we need to place a phenomenon in its longer, more historical context. [...] Datasets of long timescales not only help us understand how the world is changing, but how we, as humans, are changing it [...]"
Quelle: STI International: The Future of the Internet (youtube.com/watch?v=off08As3siM)
Quelle: http://www.gi.de/nc/service/informatiklexikon/detailansicht/article/big-data.html
Samuel Arbesman, "Stop Hyping Big Data and Start Paying Attention to ‘Long Data’", http://www.wired.com/2013/01/forget-big-data-think-long-data/
Regesta Imperii
.
Projektlaufzeiten im Akademienprogramm
Quelle: http://www.gartner.com/newsroom/id/1731916
Betrachtungszeiträume von Akademieprojekten
1)
Nach Aiden/Michel produziert die Menschheit aktuell 5 Zetabytes an Daten pro Jahr. Das sind 40 Sextillionen Bits:
40.000.000.000.000.000.000.000
Ausgeschrieben reicht der jährliche Datenstrom bis in das Herz unserer Milchstraße.
Long Data: Digital Humanities im Kontext
der geisteswissenschaftlichen Langzeitvorhaben
der Akademie
2. Mainzer Profiltalk – 07.10.2014 – Torsten Schrade
4. Zusammenfassung
"Long Data" und "Big Data" stellen zwei sich ergänzende Konzepte dar.
"Long Data" kann als qualitativer Aspekt von "Big Data" begriffen werden. "Long Data" Repositorien sollten immer inhaltlich und nicht im Datenumfang beurteilt werden.
Die zeitliche Dimension von "Long Data" wirkt sich auf mehreren Datenebenen aus: formal (Heterogenität), qualitativ (Erschließungstiefe), inhaltlich (Betrachtungszeitraum) und operativ (Verfügbarkeit).
"Long Data" erfordert mitunter ähnlich komplexe Verfahrensweisen wie "Big Data".
Das Potential von "Long Data" liegt im Erkentnissgewinn für übergreifende kulturelle Entwicklungen, die lange Zeiträume umfassen.
"Long Data" Repositorien und Dienste sind die vorherrschenden digitalen Grundlagen des Akademienprogramms.
Die Frage, wie "Long Data" Repositorien und Dienste sowohl nach Ablauf der Projektförderung, als auch technologisch begleitend während der Projektlaufzeit für Jahrzehnte aufrecht erhalten werden können, ist aktuell ungelöst und steht erst am Anfang der Diskussion.
2. Beispiele
2008
1912
1876
1951
2030
3 Jahre
2016 (eXist 2.1)
?
2016 (PHP 5.4)
2017 (TYPO3 6.2)
Planbarer technischer Horizont in einem Langzeitvorhaben