Logo Logo
Help
Contact
Switch language to German
Kunstgeschichte berechnet: Interdisziplinäre Bilddatenanalyse crowdgesourcter Annotationen
Kunstgeschichte berechnet: Interdisziplinäre Bilddatenanalyse crowdgesourcter Annotationen
Die mit dem kunstgeschichtlichen Online-Spiel ARTigo gesammelten Tags sind Gegenstand einer Datenanalyse. Es wird aufgezeigt, welche Information in den zumeist von Laien eingegebenen Schlagworten steckt. Zunächst werden historische Beispiele für Crowdsourcing genannt, die dieses Verfahren als Teil der Geschichte des Menschen beschreiben. Außerdem wird eine Einordnung in Kategorien existierender Crowdsourcing-Projekte aus dem Bereich der Kunstgeschichte vorgenommen. Darauf folgt eine kurze Gegenüberstellung von Metadaten von Expertensystemen mit jenen crowdgenerierter Systeme. Der anschließend dargelegte Zusammenhang zwischen Spielen und Lernen erklärt die Bedeutung des Spiels für institutionelle Lernprozesse. Den Schwerpunkt der Arbeit bildet eine umfangreiche Datenanalyse. Mittels verschiedener Verfahren, wie statistischen Berechnungen, Textmining-Analysen sowie Analysen mit verschiedenen webbasierten Tools werden kunstgeschichtliche und wahrnehmungspsychologische Zusammenhänge untersucht. Dies alles mündet in Überlegungen, welche Kriterien für Social-Tagging-Anwendungen mit Lerneffekt relevant sein könnten.
Tags, Annotation, Schlagwort, Crowdsourcing, Spielen, Lernen, Datenanalyse, Bilddaten, Bilddatenbank, Metadaten, Verschlagwortung, Wahrnehmung, Assoziation, Theorie zum Kunsterlebnis, Kreitler und Kreitler, Berlin und Kay, Farbe, Flow, Aufmerksamkeit, Kognition, Mengenanalyse, Schönheit, Farb-Tags, epochenspezifische Tags, Tag-Qualität,
Scherz, Sabine
2017
German
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Scherz, Sabine (2017): Kunstgeschichte berechnet: Interdisziplinäre Bilddatenanalyse crowdgesourcter Annotationen. Dissertation, LMU München: Faculty of History and the Arts
[img]
Preview
PDF
Scherz_Sabine.pdf

10MB
[img] ZIP
Scherz_container.zip

885MB

Abstract

Die mit dem kunstgeschichtlichen Online-Spiel ARTigo gesammelten Tags sind Gegenstand einer Datenanalyse. Es wird aufgezeigt, welche Information in den zumeist von Laien eingegebenen Schlagworten steckt. Zunächst werden historische Beispiele für Crowdsourcing genannt, die dieses Verfahren als Teil der Geschichte des Menschen beschreiben. Außerdem wird eine Einordnung in Kategorien existierender Crowdsourcing-Projekte aus dem Bereich der Kunstgeschichte vorgenommen. Darauf folgt eine kurze Gegenüberstellung von Metadaten von Expertensystemen mit jenen crowdgenerierter Systeme. Der anschließend dargelegte Zusammenhang zwischen Spielen und Lernen erklärt die Bedeutung des Spiels für institutionelle Lernprozesse. Den Schwerpunkt der Arbeit bildet eine umfangreiche Datenanalyse. Mittels verschiedener Verfahren, wie statistischen Berechnungen, Textmining-Analysen sowie Analysen mit verschiedenen webbasierten Tools werden kunstgeschichtliche und wahrnehmungspsychologische Zusammenhänge untersucht. Dies alles mündet in Überlegungen, welche Kriterien für Social-Tagging-Anwendungen mit Lerneffekt relevant sein könnten.