Archiv

Abstract

Das Zeitalter der Aufklärung ist für die Geschichte des Wissens eine Phase des Übergangs, in der sich die frühneuzeitliche Gelehrtenrepublik zur Scientific community der Moderne zu transformieren beginnt. Das Seminar positioniert sich in einer Wissensgeschichte, die weniger das fertige Wissen als den Prozess seiner Produktion untersucht und den kollaborativen Charakter betont. 
Für diese Forschungsperspektive stellt die Daten- und Editionsplattform hallerNet vielfältige Materialien bereit. Die rund 130'000 kuratierten Strukturdaten von Personen, Publikationen, Orten und Institutionen sind systematisch verknüpft mit umfangreichen Texteditionen von Briefen, Rezensionen, Arztkonsultationen und Meetings sowie zeitgenössischen Bibliothekskatalogen, Mitgliedschaftsverzeichnissen und Pflanzenlisten. Damit bietet sich die Möglichkeit, ein breites Spektrum an Themen zu untersuchen. Im Seminar kann der Fokus beispielsweise auf den Austausch, die soziale Position und die Netzwerke ausgewählter Akteur:innen gelegt werden. Oder es ist möglich, die Wissensproduktion nach räumlichen Kriterien und anhand einzelner Entitäten (z.B. Pflanzen) zu thematisieren. Zur Exploration und Präsentation der Bestände kommen digitale Tools und Methoden spielerisch-experimentell zum Einsatz. Dabei stehen sowohl einfache Verfahren der quantitativen Textanalyse als auch Ansätze zur Visualisierung komplexer Datenstrukturen zur Auswahl. 
Im ersten Teil des Kurses erhalten die Studierenden eine Einführung in die Wissensgeschichte, die Plattform hallerNet sowie in die verschiedenen Themengebiete für das eigene Projekt. Zusätzlich werden Tools und Methoden der Digital Humanities anhand von Praxisbeispielen vorgestellt und im Kontext der Digital History diskutiert. Im zweiten Teil entwickeln und bearbeiten die Studierenden in Zweierteams ein Thema. Die Ergebnisse werden auf einer digitalen Publikationsplattform veröffentlicht, begleitet von einer methodischen Reflexion. Beides wird von den Studierenden im Plenum vorgestellt und diskutiert.

Seminar bei Dr. Martin Stuber und Dr. des. Lukas Heinzmann

Learning Outcomes

Im Forschungsseminar erwerben und vertiefen die Studierenden ihre Kenntnisse in der Erschliessung und Auswertung von archivalischen und gedruckten Quellen des 18. Jahrhunderts. Sie lernen, Methoden der KI-gestützten Handschriftenerkennung anzuwenden und Forschungsergebnisse für das Web-Publishing aufzubereiten.

Abstract

Die kritische Auseinandersetzung mit Machine-Learning-Systemen und ihren gesellschaftlichen Auswirkungen ist in der heutigen Zeit von höchster Relevanz. Während KI-Technologien zunehmend Einzug in alle Bereiche unseres Lebens halten - von der Gesundheitsversorgung über die Strafverfolgung bis hin zu Finanzdienstleistungen und sozialen Medien - wächst auch ihr Potenzial, bestehende soziale Ungleichheiten zu verstärken oder sogar neue zu schaffen. Die Fähigkeit, diese Systeme zu verstehen, ihre Auswirkungen auf bereits minorisierte Gesellschaftsgruppen kritisch zu hinterfragen und Lösungen für eine gerechtere Gestaltung zu entwickeln, ist entscheidend für eine ethisch verantwortungsvolle und sozial gerechte technologische Zukunft. Dieses Kolloquium befähigt Studierende, aktiv an dieser wichtigen gesellschaftlichen Debatte teilzunehmen und trägt zur Entwicklung von KI-Systemen bei, die das Gemeinwohl fördern und nicht untergraben.

In diesem Kolloquium untersuchen die Studierenden den gesamten Lebenszyklus von Machine-Learning-Systemen und dessen Auswirkungen auf gesellschaftliche Ungleichheit. Der Kurs beleuchtet, wie bewusste und unbewusste menschliche Verzerrungen und Vorurteile in jeder Phase des ML-Lebenszyklus eingebettet werden können und wie diese zu Diskriminierung in verschiedenen gesellschaftlichen Kontexten führen.

Aufbauend auf den theoretischen Grundlagen der Critical Algorithm Studies lernen die Studierenden, die ethischen, politischen, ökologischen und ökonomischen Implikationen von ML-Technologien zu analysieren. Der Kurs ist entlang des ML-Lebenszyklus strukturiert:

• Architekturauswahl: Diskussion verschiedener ML-Architekturen und ihrer Auswirkungen auf Modellkapazitäten und -grenzen. Kritische Betrachtung, wie architektonische Entscheidungen bestimmte Voreingenommenheiten einbetten können.
• Datensammlung: Untersuchung von Datenquellen, Kuratierungs- und Filterprozessen. Kritische Perspektiven auf Repräsentationsprobleme, Copyright-Fragen und Umweltkosten der Datenspeicherung.
• Training: Technische Aspekte des Trainingsprozesses und Auswahl von Hyperparametern. Kritische Betrachtung der Umweltauswirkungen, Arbeitsbedingungen in der KI-Industrie und Machtkonzentration bei ressourcenstarken Unternehmen.
• Anwendung: Analyse verschiedener Anwendungsfälle von ML-Systemen, Feinabstimmung für spezifische Aufgaben und Bereitstellungsstrategien. Kritische Diskussion ethischer Überlegungen, potenzieller Missbrauchsszenarien und Fragen der Transparenz und Erklärbarkeit.
• Evaluation und Überwachung: Methoden zur Bewertung von Modellleistung und Verzerrungen. Kritische Perspektiven auf die Grenzen aktueller Evaluierungsmetriken.
• Governance und Regulierung: Diskussion aktueller und vorgeschlagener Regulierungsrahmen, ethischer Richtlinien und Herausforderungen bei der Steuerung sich schnell entwickelnder KI-Technologien.

Der Kurs kombiniert theoretische Reflexion mit praktischen Übungen. Die Studierenden werden sowohl mit den theoretischen (nicht mathematischen) Grundlagen des maschinellen Lernens vertraut gemacht als auch in die Lage versetzt, kritische Analysen auf Basis aktueller Forschungsergebnisse durchzuführen und die Implikationen für minorisierte Bevölkerungsgruppen von KI in der Gesellschaft zu verstehen. Praktische Beispiele, Fallstudien und Diskussionen aktueller Forschungsarbeiten werden regelmässig in die Lehrveranstaltung integriert.

Kolloquium bei Dr. Moritz Mähr und Rachel Huber

Learning Outcomes

• Den gesamten Lebenszyklus von Machine-Learning-Systemen zu verstehen und kritisch zu reflektieren
• Die Auswirkungen von Entscheidungen in jeder Phase des ML Lebenszyklus auf potenzielle Verzerrungen und Diskriminierungen zu analysieren
• Formen der algorithmischen Diskriminierung in verschiedenen Anwendungskontexten zu identifizieren und zu analysieren
• Die ethischen, gesellschaftlichen und wirtschaftlichen Implikationen von ML-Anwendungen zu bewerten
• Die Rolle kommerzieller Interessen und Geschäftsmodelle in der Entwicklung und dem Einsatz von ML-Systemen zu verstehen
• Lösungsstrategien für eine gerechtere und ethischere Gestaltung algorithmischer Systeme zu entwickeln
• Eine produktiv-kritische Haltung im Umgang mit KI und ML einzunehmen, die technische, ethische und ökonomische Aspekte berücksichtigt
• Aktuelle Regulierungsansätze und Governance-Herausforderungen im Bereich KI und ML zu diskutieren und zu bewerten

Abstract

Im Lab vertiefen die Studierenden ihre Kenntnisse und Fähigkeiten aus der Einführung in die DH.
Einzeln oder in Gruppen werden Übungen gelöst und gleichzeitig eigene Vertiefungsprojekte (für
Abschluss MA) diskutiert. Die Mitarbeitenden der DH stehen bei Fragen und Unklarheiten zur
Verfügung.

Übung bei Prof. Dr. Tobias Hodel

Learning Outcomes

Die Studierenden

• formulieren und präsentieren eigene Abschlussarbeiten
• lösen selbständig angewandte Probleme der DH/methodischen Potentials einzuordnen und zu kritisieren
• bekommen über externe und interne Referierende Einblicke in laufende Projekte der DH sowie State-of-the-art Ansätze und Lösungen

Abstract

In den Kirchen und Klöstern der Schweiz haben sich mittelalterliche Textilien sowohl im Kontext der Reliquienverehrung als auch als Grabbeigaben und Paramente erhalten. In abgelegenen Tälern und urbanen Zentren des Alpenraums sind bemerkenswerte textile Schätze bewahrt geblieben, fernab der grossen europäischen Metropolen. Diese Funde spiegeln einerseits die strategische und geopolitische Bedeutung der Täler und Pässe als zentrale Bestandteile weitreichender Handels- und Kommunikationsnetzwerke wider und verdeutlichen andererseits die Rolle der Abgeschiedenheit bei der Bewahrung historischer Objekte. Brigitta Schmedding hat Anfang der 1970er Jahre den Bestand mittelalterlicher Textilien in Schweizer Kirchen und Klöstern systematisch erfasst und mit dieser grundlegenden Arbeit den Weg für die weitere Erforschung dieser Gewebe geebnet. Aufbauend auf dieser Publikation möchten wir einen praxisorientierten Ansatz verfolgen: Wie können wir diese Objekte digital in Form von Metadaten und mit bildgebenden Systemen einer breiten Öffentlichkeit zugänglich gemacht würden? Welche Forschungsfragen werden möglich, wenn die Stofffragmente recherchierbar und miteinander in Beziehung gesetzt werden könnten? Welche Anforderungen muss eine Datenbank erfüllen, die sowohl kleine Stofffragmente als auch komplette liturgische Gewänder abbildet? Und welche Auswirkungen hätte ein solches Projekt für die jeweiligen Kirchen und Klöster? Die Lehrveranstaltung ist als Projektseminar konzipiert. Studierende arbeiten in Gruppen an einem selbstgewählten Fallbeispiel aus Schmeddings Katalog. Die Meilensteine des Seminars umfassen die Beschreibung und Analyse des Textilbestands, die Bestimmung der erforderlichen Informationen für die Datenbank und die Entwicklung eines Digitalisierungskonzepts. Diese Meilensteine werden im Verlauf des Seminars erarbeitet und münden in ein abschliessendes Digitalisierungskonzept, das die Seminararbeit ersetzt.

Das Seminar bietet den Teilnehmenden die Möglichkeit, sich intensiv mit mittelalterlichen Textilien in Schweizer Kirchen und Klöstern auseinanderzusetzen und sich gleichzeitig mit Fragen der Digitalisierung von textilen Objekten und den Digital Humanities zu beschäftigen. Es erfordert ein hohes Mass an Engagement und Eigenständigkeit und richtet sich an fortgeschrittene BA- Studierende sowie Masterstudierende. Erwartet werden eine aktive Teilnahme (maximal 2 Absenzen), eine eine engagierte Beteiligung an Diskussionen sowie die kontinuierliche Erarbeitung des Portfolios.

Seminar bei Prof. Dr. Tobias Hodel und Prof. Dr. Corinne Mühlemann

Learning Outcomes

Studierende der Kunstgeschichte sammeln erste Erfahrungen im Feld der Digital Humanities.
Studierende der Digital Humanities sammeln erste Erfahrungen im Umgang mit historischen Textilien.

• Die Studierenden können gemeinsam Datenmodelle entwickeln und kritisieren.
• Die Studierenden üben sich in der interdisziplinären Zusammenarbeit.
• Die Studierenden sammeln praktische Erfahrungen in den Digital Humanities in Kombination mit den textilen Künsten, die für die berufliche Zukunft relevant sein kann.

Abstract

In diesem Seminar lernen Studierende, wie soziolinguistische Daten mithilfe von R bzw. R Studio aufbereitet und analysiert werden können. Übergeordnetes Ziel ist es, dass die Studierenden am Semesterende über die wichtigsten Werkzeuge und Kenntnisse verfügen, um Datensätze eigenständig aufzubereiten und einfache statistische Analysen durchzuführen. In einem zweiwöchigen Format wechseln sich Grundlagen und Übungen jeweils ab: In der ersten Woche werden neue Themen eingeführt, in der Folgewoche wird das Erlernte durch gezielte Übungen vertieft. Dabei steht den Studierenden frei, ob sie diese Übungen im Selbststudium oder in der Seminarsitzung vor Ort bearbeiten wollen. Es werden keine Vorkenntnisse in R erwartet, jedoch werden in diesem Kurs keine theoretischen Grundlagen erarbeitet und es wird dringend empfohlen, das Seminar zu quantitativen Methoden der Soziolinguistik vorgängig zu absolvieren. Unterrichtssprache des Seminars ist grundsätzlich Deutsch. Literatur und Übungsmaterialien werden aber z.T. auf Englisch zur Verfügung gestellt und Studierende dürfen sich auch auf Englisch äussern.

Kolloquium bei Dr. Carina Steiner

Learning Outcomes

Nach Besuch dieses Seminars Kurses können die Studierenden

• die Grundfunktionen von R bzw. R Studio zuverlässig nutzen (Daten organisieren und einlesen, Pakete installieren/aktivieren, Skripte schreiben, dokumentieren und exportieren etc.)
• Datensätze aufbereiten und bereinigen (Informationen abrufen, Datenstruktur verändern, Datensätze zusammenfügen oder umgestalten, Variablen transformieren etc.)
• Daten deskriptiv analysieren und visualisieren (Lage- und Streuungsmasse berechnen, Daten zusammenfassen, univariate und bivariate Analysen/Visualisierungen)
• Daten mit grundlegenden inferenzstatistischen Verfahren analysieren (einfache und multiple Regression, Modellannahmen testen, Modelle vergleichen, Umgang mit verschiedenen Datentypen, Einblick in komplexere Modelle)

Abstract

Algorithmen und Computer dominieren unseren Alltag und auch in den Geisteswissenschaften wird seit einigen Jahren durch Forschende Rechnerleistung genutzt, um im digitalen Raum "Experimente" mit digitalen oder digitalisierten Materialien durchzuführen. Ein Ausgangspunkt bleiben dabei Texte und Bilder, die in quantitativ grossen Mengen zwecks neuer Interpretationen ausgewertet werden. Im Unterschied zu naturwissenschaftlichen Beobachtungen ist die Auswertung dieser "Daten" weit weniger kanonisiert. Analysemodelle und -theorien (wie Stilometrie oder Distant Reading) werden ständig verworfen und neu propagiert. Darüber hinaus werden Verknüpfungen, Visualisierungen und Darstellungen möglich, die nach Auswertungen und neuen Narrativen verlangen.

Die Übung führt in die Digital Humanities ein und dient als «Hands-On» Veranstaltung, um den eigenen Umgang mit digitalen Materialien einzuüben und die jeweiligen Vorannahmen bei der Entwicklung von digitalen Tools, die medialen Umsetzungen und Auswertungen von Daten gesellschaftskritisch analysieren und kontextualisieren zu können. Gleichzeitig spielt die nachhaltige Aufbereitung von Daten und Algorithmen eine wichtige Rolle, die wiederholt angesprochen wird.

Informatische Vorkenntnisse sind keine gefordert, jedoch die Offenheit, mit Daten-, Text- und Bildbeständen zu spielen.

Übung bei Prof. Dr. Tobias Hodel

Learning Outcomes

Die Studierenden

• kennen die Diskussionen zur Definition und Einordnung der digital humanities,
• vermögen digitale Anwendungen hinsichtlich ihres epistemologischen/ heuristischen/methodischen Potentials einzuordnen und zu kritisieren
• sind in der Lage ein eigenes digitales Projekt aufzusetzen

Abstract

In den aktuellen, digitalen Editionsprojekten hat sich die Repräsentation von Texten mittels XML (Extensible Markup Language) nach den Richtlinien der Text Encoding Initiative (TEI) als faktischer Standard durchgesetzt. Der Kurs vermittelt die Grundlagen von XML und der TEI P5 Richtlinien. Dies erfolgt vorwiegend durch die praktische Codierung und Annotation von Texten mit dem XML- Editor Oxygen anhand von Beispielen aus der Gotthelf-Edition. Zusätzlich werden nützliche Funktionen von Oxygen erprobt und der Nutzen der XML-TEI-Codierung für die weitere Verwendung der Texte ausgelotet. Vorkenntnisse im Programmieren sind nicht erforderlich.

Prüfungsform: praktische Übung

Kolloquium bei Dr. des. Silvio Raciti

Learning Outcomes

Nach Besuch des Kurses könne die Studierenden

• Vorzüge und Nachteile unterschiedlicher digitaler Repräsentationsformen von Texten nachvollziehen,
• die theoretisch-technischen Grundlagen von XML/TEI verstehen
• Texte mittels XML-Editor erfassen und annotieren
• weitere Möglichkeiten des XML-Editors Oxygen ausschöpfen

Abstract

“Things that Matter” addresses the tension between sources' materiality and digitization.  
The recent advances in digital technology have created new modes of reproduction
and forms of consumption that have substantially reshaped the concepts of ‘object’ and of ‘collection’ at the heart of cultural institutions such as libraries and museums.  

This preparatory course engages with critical questions arising from studying the past in the digital age. These issues include the changing nature of objects such as books and scientific instruments as source materials, the history and practice of collections and collecting digitization, and technological and intellectual challenges.

“Things that Matter” maps the possibilities and challenges the digital age poses for researchers. The ongoing process of digitization makes sources of the past available to a previously unknown extent, but what does this mean for researchers? 

In the course, we will create a virtual exhibition based on objects from your University library/University collection. Furthermore, we will tackle questions of using OMEKA-S as a virtual means to present exhibits online.

Please be advised: The course requires participating online with international partners (in Groningen, Durham, Uppsala, and Tübingen).

--> The language of the course (at least within the hybrid parts) is going to be English.
--> The course can be taken independently from the summer school.

Colloquium with Dr. des. Christa Schneider and Prof. Dr. Tobias Hodel

Learning Outcomes

After this course, the students will: 
- Know how to prepare and critically conduct a virtual exhibition on a (digital) object.
- Be able to cooperate in an international context.
- Be familiar with the literature on challenges related to the digitisation of historical materials.

Abstract

Das Historische Lexikon der Schweiz (HLS) bietet einen riesigen Schatz an überprüften Daten zur Schweizer Geschichte. Während Nutzer:innen der digitalen Plattform des HLS nach Orten, Namen und Themen suchen können, fehlen bisher überzeugende Such- und Darstellungsfunktionen für die wohl zentralste Kategorie historische Forschung: die Zeit. In der interdisziplinären Veranstaltung beschäftigen wir uns zuerst mit der Geschichte und Theorie chronologischer Ordnungsmodelle und digitalen Methoden der Ereignisdatenvisualisierung und -analyse. Dann suchen wir in Kooperation mit dem Digital-Services-Team des HLS nach kreativen Lösungen für die Aufbereitung, Analyse und Darstellung von historischen Ereignisdaten der Schweizer Geschichte. Dieses Experiment findet im Rahmen eines gemeinsame Besuch des Swiss Open Cultural Data Hackathon «GLAMHack» 2025 in Winterthur (13.-15.11.2025) statt, wo sich die Teilnehmer:innen der Veranstaltung in der praktischen Arbeit mit den HLS-Daten üben und mit Vertreter:innen von Gedächtnisinstitutionen und der Digital Humanities ins Gespräch kommen können.

Seminar bei Prof. Dr. Tobias Hodel und Prof. Dr. Nadir Weber

Learning Outcomes

Die Studierenden lernen die Grundlagen der Chronologie als Hilfswissenschaft kennen 
Sie üben den Umgang mit digitalen Daten in Erfassung, Analyse und Auswertung
Sie erarbeiten in Gruppen Umsetzungsvorschläge für zeitliche Visualisierungen.

Abstract

Nach dem 28. Oktober 2023 war in der British Library nichts mehr wie zuvor: Eine Cyberattacke der Hackergruppe Rhysida legte den Zugang zu digitalen Ressourcen und Systemen grösstenteils lahm. Die Gruppe forderte 20 Bitcoins oder ca. 600’000£ von der Institution, um gestörte Dienste wiederherzustellen und gestohlene Daten zurückzugeben. Welches Ausmass der Angriff auf die Institution und auf die Bibliotheksnutzer*innen (in diesem Fall eine internationale Öffentlichkeit) hat, zeigt sich erst allmählich – noch immer sind nicht alle Daten wiederhergestellt und noch immer kann nicht auf alle Systeme und Ressourcen zugegriffen werden. Dieser Angriff zeigt, dass Cyberkriminalität eine reale Bedrohung für öffentliche Institutionen, Unternehmen und die Gesellschaft darstellt. Vermehrt werden solche Angriffe auf kritische (öffentliche und halb-private) Infrastrukturen, Unternehmen und Verwaltungen von den Medien aufgenommen und demonstrieren, wie verwundbar die digitale (und nicht zuletzt auch die analoge) Welt ist. Die Auswirkungen solcher Angriffe sind oft verheerend: Datenverluste, Erpressungen und massive Störungen des öffentlichen Lebens müssen in Kauf genommen werden. Trotz der hohen Relevanz von und der zunehmenden Sensibilisierung für Cyberkriminalität ist die tatsächliche Tragweite solcher Angriffe besonders in der Öffentlichkeit eher unbekannt.

Eine thematisch fokussierte Ringvorlesung (RVL) wird betroffene Institutionen und Cybersecurity-Expert*innen zusammenbringen. Die eingeladenen Spezialist*innen werden die enorme Breite von digitaler Kriminalität / Kriminalität im Digitalen Raum, (hypothetische) Abläufe von Cyberangriffen sowie technische und rechtliche Dimensionen solcher Angriffe aus ihrem Blickwinkel erläutern und ihre Arbeit im Kampf gegen Cyberkriminalität vorstellen. Darüberhinaus will die Ringvorlesung die direkten Folgen von Cyberkriminalität nicht nur für Institution oder Unternehmen, sondern auch für die Gesellschaft aufzuzeigen. Die Vorträge werden jeweils durch Diskussionsrunden abgeschlossen, um den Austausch und die Vernetzung der Teilnehmenden zu fördern. Die Kombination aus Praxisberichten und fachlichen Analysen ermöglicht einen tiefen Einblick in die Arbeit mit und den Auswirkungen von Cyberkriminalität.

Die Veranstaltung findet hauptsächlich auf Deutsch statt, einzelne Beiträge können aber in Englisch gehalten werden.

Vorlesung bei Dr. des. Christa Schneider

Learning Outcomes

Die Teilnehmenden
... können zentrale Begriffe und Typologien von Cyberkriminalität erläutern
... kennen exemplarisch Cyberangriffe und können Ablauf und Auswirkungen in Grundzügen beschreiben
... können die direkten und indirekten Folgen von Cyberangriffen auf die Gesellschaft kritisch bewerten.
... sind in der Lage, einige technische, organisatorische und rechtliche Maßnahmen zur Prävention und Bekämpfung von Cyberkriminalität zu identifizieren
... sind in der Lage, Strategien zur Stärkung der Resilienz von Institutionen und Gesellschaft gegenüber Cyberangriffen vorzuschlagen
... können komplexe Inhalte der Cybersecurity verständlich aufbereiten und in Form eines Blogbeitrags zielgruppengerecht kommunizieren.

Abstract

Writing is an everyday activity, whether we are writing an email, an article, a short story, or a memo. But how do the tools and technologies we use affect our writing? What is the difference between writing by hand and on screen? Do we only write linear text on the screen? Where does the software we use come from?
This course explores the evolution of textual technologies and their impact on information processing and literary practices, on how we write and read texts. It draws on approaches from digital humanities, tool criticism, information science, software studies, book history, and digital philology. The first part of the course is more theoretical, looking at the codex and the book as technologies, at conceptual and mechanical tools for managing information, and at early software development. The second part engages students with concepts of writing, programming, and ergodic literature through hands-on experimentation.
By combining historical perspectives with practical applications, students will gain an understanding of how textual technologies shape human expression over time.
No prior knowledge or skills are required.
The course will be held in English.

Colloquium with Prof. Dr. Elena Spadini 

Learning Outcomes

By the end of this course, students will:
- Be familiar with textual technologies and their impact on information processing and literary practices
- Critically assess the use of software as scholarly tools
- Develop awareness about using born-digital sources for scholarly work
- Place current word processing software in historical context
- Gain hands-on experience with software for creating interactive fiction or other forms of creative writing

Abstract

This course examines an essential activity in the digital humanities: data modelling. Data modelling involves identifying which aspects of the object of study are relevant, determining how to represent them, and defining their relationships. This process is akin to deciding which features of a territory are depicted on a map. Explicitly formalizing a data model for computational use is a foundational step in numerous digital humanities projects.
Throughout the course, students will engage with both the theoretical foundations of data modelling and its practical implementation. They will learn how to transform conceptual models into computational ones using different technologies (XML trees, relational database tables, and semantic web graphs) and about their affordances.
We will work on a contemporary Swiss author and on texts available in German, French, Italian and English.

The course will be held in English.

No previous knowledge or skills are required.

Seminar with Prof. Dr. Elena Spadini

Learning Outcomes

By the end of this course, students will:
- Understand the role and significance of data models in digital scholarship.
- Develop the ability to design simple data models, identifying relevant features and their relationships.
- Gain familiarity with key literature on data modelling in digital humanities.
- Acquire practical skills to implement conceptual models into computational frameworks.

Abstract

Large Language Models (LLMs) wie Chatbots eröffnen eine Vielzahl neuer Möglichkeiten für die Gewinnung und Verarbeitung von Informationen aus Text- und Bilddaten, insbesondere im Kontext historischer Dokumente und Forschungsdaten. Gleichzeitig basieren diese Modelle auf umfangreichen Trainingsdatensätzen, die inhärente Verzerrungen (Bias) reproduzieren können.
In diesem Seminar untersuchen wir kritisch und produktiv den Einsatz von LLMs in den Geistes- und Sozialwissenschaften. Wir gehen folgenden zentralen Fragen nach:
• Wie können wir LLMs kritisch reflektieren und gleichzeitig produktiv nutzen, um Informationen aus Text- und Bilddaten zu extrahieren, zu analysieren und zu verarbeiten?
• Wie verändert sich die Rolle und die Arbeit von Textwissenschaftler:innen und anderen Forschenden durch die Interaktion mit Prompts und Chatbots? Welche neuen Kompetenzen werden benötigt?
• Welche ethischen und methodologischen Herausforderungen ergeben sich aus dem Einsatz von LLMs in der Forschung (z.B. in Bezug auf Datenqualität, Transparenz und Interpretierbarkeit der Ergebnisse)?
• Wie können wir potenzielle Abhängigkeiten von Technologieunternehmen und ihren proprietären Modellen minimieren und alternative, quelloffene Ansätze fördern?
• Welche spezifischen Anwendungsfälle und Forschungsprojekte bieten sich für den Einsatz von LLMs in unseren Disziplinen?
Das Seminar verbindet theoretische Auseinandersetzung mit praktischen Anwendungen. Wir werden uns mit den Grundlagen von LLMs beschäftigen, verschiedene Tools und Methoden kennenlernen und gemeinsam Strategien für einen verantwortungsvollen und innovativen Umgang mit dieser Technologie entwickeln.

Seminar bei Prof. Dr. Tobias Hodel

Learning Outcomes

Nach erfolgreicher Teilnahme an diesem Seminar sind die Studierenden in der Lage:
•    Grundlagen verstehen: Die Funktionsweise und architektonischen Prinzipien von Large Language Models (LLMs) zu erläutern und deren Potenzial und Grenzen für die geistes- und sozialwissenschaftliche Forschung zu beurteilen.
•    Kritische Reflexion: Die Chancen und Risiken des Einsatzes von LLMs in Bezug auf Bias, Datenqualität, Transparenz und Interpretierbarkeit kritisch zu reflektieren und ethische Implikationen zu diskutieren.
•    Methodische Kompetenz: Strategien und Methoden zur Extraktion, Analyse und Verarbeitung von Informationen aus Text- und Bilddaten mithilfe von LLMs zu identifizieren und anzuwenden.
•    Prompt Engineering: Effektive Prompts zu formulieren und Chatbots gezielt für Forschungsfragen einzusetzen.
•    Rollenverständnis: Die sich verändernde Rolle von Forschenden in der Interaktion mit LLMs zu analysieren und neue Kompetenzanforderungen zu reflektieren.
•    Technologieabhängigkeit: Möglichkeiten und Herausforderungen der Vermeidung von Abhängigkeiten von proprietären Technologien und die Bedeutung quelloffener Alternativen zu bewerten.
•    Anwendungsperspektiven: Konkrete Anwendungsfälle und Forschungsprojekte für den Einsatz von LLMs in verschiedenen geistes- und sozialwissenschaftlichen Disziplinen zu entwickeln und zu diskutieren.
•    Praktische Anwendung: Grundlegende Werkzeuge und Schnittstellen für die Interaktion mit LLMs zu nutzen und gegebenenfalls einfache Anwendungen zu konzipieren und umzusetzen.
•    Kollaboration: In einem hybriden Lernumfeld effektiv zusammenzuarbeiten und sich mit Studierenden und Forschenden der Partneruniversität auszutauschen.
•    Diskursfähigkeit: Fachbezogene Diskussionen über den Einsatz von LLMs in der Forschung fundiert und differenziert zu führen.

Info

Abstract

Im Lab vertiefen die Studierenden ihre Kenntnisse und Fähigkeiten aus der Einführung in die DH. Einzeln oder in Gruppen werden Übungen gelöst und gleichzeitig eigene Vertiefungsprojekte (für Abschluss MA) diskutiert. Die Mitarbeitenden der DH stehen bei Fragen und Unklarheiten zur Verfügung.

Learning Outcomes

Die Studierenden:
…formulieren und präsentieren eigene Abschlussarbeiten
…lösen selbständig angewandte Probleme der DH
…bekommen über externe und interne Referierende Einblicke in laufende Projekte der DH sowie State-of-the-art Ansätze und Lösungen

Info

Abstract

Digital Humanities is field of computer-based research in the humanities and social sciences. The lecture series provides an overview over the most important developments and research priorities in the Digital Humanities at Swiss universities & cooperation partners abroad and is organised with the support of the initiative Digital Humanities Switzerland (DHCH). The interdisciplinary and inter-university event is aimed at all students, no prior expertise in Digital Humanities is necessary

The course will take place virtually and the individual lectures can be viewed online as videos. There are two consultation hours, in which students can exchange with the lecturer in an open discussion. Links to the videos and information for the consultation hours will be available on ILIAS by early February the latest.

Learning Outcomes

tba

Info

Abstract

[Attention: The course begins on February 25, 2026] Texts are often more dynamic and problematic than they seem: what is the text of Anne Frank's diary, published only posthumously from several private notebooks and revised versions? What is the text of Dante's Commedia, among the more than 500 divergent copies? How to study and represent ancient texts preserved in fragmented documents, or the creative process of a modern author? Scholarly editions aim to answer these questions by producing critical texts and documenting the genetic process and/or textual transmission. Digital methods offer new approaches to this millennia-old discipline, contributing to data-driven workflows in line with open science.
The course will provide a theoretical and practical introduction to digital scholarly editing, including text encoding, automatic collation, web publishing, and editions in the web of data.
The course will be taught in English. We will primarily work with English texts, but we may also use texts in French, Italian, German, or Spanish depending on the students’ curricula.

Learning Outcomes

The participants
… gain an overview of the field of digital philology
… appreciate the diversity of editions, their theoretical positions and technical implementations
… learns to describe the main features of a digital scholarly edition
… are able to encode a text according to the TEI standard and to prepare a simple web publication
… are able to use automatic collation tools
… are able to define a basic workflow for the creation of a digital scholarly edition

Info

Abstract

Algorithmen und Computer dominieren unseren Alltag und auch in den Geisteswissenschaften wird seit einigen Jahren durch Forschende Rechnerleistung genutzt, um im digitalen Raum "Experimente" mit digitalen oder digitalisierten Materialien durchzuführen. Ein Ausgangspunkt bleiben dabei Texte und Bilder, die in quantitativ grossen Mengen zwecks neuer Interpretationen ausgewertet werden. Im Unterschied zu naturwissenschaftlichen Beobachtungen ist die Auswertung dieser "Daten" weit weniger kanonisiert. Analysemodelle und -theorien (wie Stilometrie oder Distant Reading) werden ständig verworfen und neu propagiert. Darüber hinaus werden Verknüpfungen, Visualisierungen und Darstellungen möglich, die nach Auswertungen und neuen Narrativen verlangen.

Die Übung führt in die Digital Humanities ein und dient als «Hands-On» Veranstaltung, um den eigenen Umgang mit digitalen Materialien einzuüben und die jeweiligen Vorannahmen bei der Entwicklung von digitalen Tools, die medialen Umsetzungen und Auswertungen von Daten gesellschaftskritisch analysieren und kontextualisieren zu können. Gleichzeitig spielt die nachhaltige Aufbereitung von Daten und Algorithmen eine wichtige Rolle, die wiederholt angesprochen wird.

Informatische Vorkenntnisse sind keine gefordert, jedoch die Offenheit, mit Daten-, Text- und Bildbeständen zu spielen.

Learning Outcomes

Die Studierenden
- kennen die Diskussionen zur Definition und Einordnung der digital humanities,
- vermögen digitale Anwendungen hinsichtlich ihres epistemologischen/heuristischen/methodischen Potentials einzuordnen und zu kritisieren
- sind in der Lage ein eigenes digitales Projekt aufzusetzen

Info

Abstract

This seminar will introduce students to some of the key data analysis methodologies used in the humanities and social sciences (HSS), including descriptive statistics, multivariate analysis, network analysis, and the spatial projection of features. They will also learn about some classical machine learning approaches such as community detection and logistic regression. Using information from the Semantic Web in the form of Linked Open Data (LOD), particularly from DBpedia and Wikidata, as well as from German and French libraries and other topic-related resources, students will define research questions they wish to address regarding their chosen topic. They will then learn how to retrieve, clean and prepare data in order to apply analysis tools. They will gain new insights from the collected LOD information and discover how to answer research questions in the HSS domain and generate new knowledge from existing data.

Each student's individual seminar work will be documented in a GitHub repository comprising a project description, Jupyter notebooks detailing the analysis process, and web pages presenting the research process and results, including figures and comments. The aim is to present the insights discovered as a narrative and provide full documentation of the underlying process.
Participants will need to bring their own laptops to the seminar. While previous Python skills are not required, they are welcome and can be helpful.

Learning Outcomes

The seminar aims to provide a solid grounding in the basic data analysis methodologies used in the humanities and social sciences (HSS), and to explore the entire knowledge production cycle as it is practised in data science. Given the domain of interest, the produced knowledge will be descriptive rather than predictive, but will nonetheless be based on empirical evidence and statistical models.
Students will also learn the basic concepts of RDF and Semantic Web knowledge bases, and how to retrieve data using SPARQL queries from different connected triplestores. They will finally learn how to manage their own local RDF database for data storage and manipulation.
Further skills provided include using GitHub notebooks to document the entire research process and applying basic elements of data science storytelling from the perspective of HSS research.

Info

Abstract

“Things that Matter” addresses the tension between sources' materiality and digitization.
The recent advances in digital technology have created new modes of reproduction
and forms of consumption that have substantially reshaped the concepts of ‘object’ and of ‘collection’ at the heart of cultural institutions such as libraries and museums.

This preparatory course engages with critical questions arising from studying the past in the digital age. These issues include the changing nature of objects such as books and scientific instruments as source materials, the history and practice of collections and collecting digitization, and technological and intellectual challenges.

“Things that Matter” maps the possibilities and challenges the digital age poses for researchers. The ongoing process of digitization makes sources of the past available to a previously unknown extent, but what does this mean for researchers?

In the course, we will create a virtual exhibition based on objects from your University library/University collection. Furthermore, we will tackle questions of using OMEKA-S as a virtual means to present exhibits online.

Please be advised: The course requires participating online with international partners (in Groningen, Durham, Uppsala, and Tübingen).

--> The language of the course (at least within the hybrid parts) is going to be English.
--> The course can be taken independently from the summer school.

Learning Outcomes

After this course, the students will:
- Know how to prepare and critically conduct a virtual exhibition on a (digital) object.
- Be able to cooperate in an international context.
- Be familiar with the literature on challenges related to the digitisation of historical materials.

Info

Abstract

Zusammen mit Prof. Dr. Silke Schwandt, Universität Bielefeld

Künstliche Intelligenz und insbesondere maschinelle Lernverfahren ermöglichen umfangreiche historische Textkorpora für Forschung und Lehre verfügbar zu machen. Dazu müssen jedoch sinnvolle Workflowteile entwickelt und kombiniert werden.
Im Kurs diskutieren wir die verfügbaren Ansätze und testen sie an Datensätze aus Bielefeld, Bern und Lübeck aus.
Dabei werden sowohl die Grenzen als auch die Möglichkeiten der Verfahren getestet und erfahren.
Es werden keine Programmierkenntnisse vorausgesetzt, teilweise wird jedoch Python zum Prozessieren eingesetzt.

Vorbereitungstermine am 18.05 & XX.XX erfolgen hybrid/online
Blockdaten vom 08.06 - 10.06 an der Unitobler.

Learning Outcomes

Die Studierenden
- verstehen die Basics maschineller Lernverfahren
- können selber Ground Truth (Transkriptionen/Annotationen) herstellen
- können Workflow-Tools testen und einsetzen
- reflektieren den Einsatz der Tools auf grosse Korpora

Info

Abstract

Data management plans (DMPs) are an indispensable tool for the organization of individual work in research projects, but also for project planning and management. They help researchers keep track of their data and systematically plan their research data management activities. The early creation and continuous development of a DMP is central to this process. This enables researchers to address specific challenges (e.g., handling large amounts of data, managing sensitive data, or archiving data) at an early stage. Participants learn about the benefits of DMPs at different stages of the project life cycle, develop practical skills using concrete examples, and create a first draft DMP for their own project.

Learning Outcomes

Participants will be able to
- discuss the benefits of a data management plan for project organization
- explain the requirements of research funding agencies (especially the SNSF) for data management plans
- develop a data management plan for their own project

Info

Abstract

tba

Learning Outcomes

tba

Info

Abstract

Active research data management, the management of research data during an ongoing project, is an essential part of good scientific practice. Participants learn how to increase the efficiency of individual work processes and collaborations in larger teams by structuring data systematically. They will learn how to describe data with metadata and other forms of documentation in order to make the collection, preparation, and analysis of data transparent, thereby increasing the (re)usability of research data. In addition, concrete methods will be presented for ensuring the integrity and availability of data through a storage strategy, and for protecting data from loss and unauthorized access.

Learning Outcomes

Participants will be able to
- develop/optimize and document a file naming convention and folder structure
- choose appropriate file formats for reuse and archiving
- create their own data documentation
- explain the relevance of metadata and metadata standards and generate suitable metadata describing their dataset
- develop a reliable backup strategy using the resources available at UniBE and, if necessary, secure their data against unauthorized access using basic tools

Info

Abstract

Publishing research data at the end of a project, as a supplement to a book or article publication, or as a stand-alone publication is essential for documenting research results transparently and making them available for reuse by other researchers. Therefore, it is required by research funding agencies such as the Swiss National Science Foundation. However, some data - e.g., personal data - cannot always be shared openly for legal and ethical reasons. In this module, participants learn to apply typical workflows for publishing data in accordance with current best practices. They familiarize themselves with standards in the area of persistent identifiers (PID) and learn to select and apply licenses for their own data publication. Finally, access restrictions depending on the sensitivity of the data will also be discussed. An additional focus will be on finding and evaluating data for participants’ own project.

Learning Outcomes

Participants will be able to
- Explain criteria for evaluating research data for publication and reuse.
- publish data sets in a repository according to typical workflows and, if necessary, apply access restrictions with regard to data protection requirements
- explain the relevance of persistent identifiers
- select and apply appropriate licenses for data and software upon publication

Info

Abstract

The International Image Interoperability Framework (IIIF) is a set of open standards for the publication, manipulation and reuse of high-quality digital images across the web. These standards are widely adopted in libraries, archives, and collections and they guide best practices for image distribution. This submodule of the PPP course within the Digital Humanities Major Master program introduces participants to the basic concepts and workflows of IIIF, as well as ways to use it for their own projects. Through hands-on exercises and practical examples, participants will gain conceptual and technical insights into how IIIF supports the sustainable and interoperable use of digital images within the humanities. The submodule covers everything from image manipulation and annotation to publication via the UB IIIF server. While it is helpful to have some background in data management (e.g. the RDM I – III submodules within the DH program, offered by Open Science/UB), this is not a requirement.

Information on a bibliography will be communicated shortly before the workshop..

Learning Outcomes

Students are capable to
- describe the benefits of IIIF
- understand the core IIIF specifications
- work with IIIF-Manifests (create, manipulate, update)
- understand the concept of canvas
- of combining and manipulating images in Mirador/URL
- add annotation layers to images
- create a short presentation combining images from different sources
- use the UB playground to publish and manage images according to IIIF

Info

Abstract

Das Seminar untersucht anhand von neusten Auseinandersetzungen die Transformation in der Anthropologie durch die digitale Wirklichkeit. Wir problematisieren die Unterscheidung und die innige Verflechtung zwischen Realität und Virtualität, Mensch und Maschine, materiellen Räumen und virtuellen Räumen und reflektieren wie Netzwerke, Beziehungen und Gemeinschaften «online» gestaltet werden.
Hauptthemen:
Wirklichkeit, Identität, Körper, Leben, Gesicht, Verstand, Herz,
Beziehung, Ritual, Spiritualität, Transzendenz, Kreativität.

Learning Outcomes

Die Studierenden können:
• Begriffe wie «virtual reality», «augumented reality”, “mixed reality”, “cyberspace” definieren und in anthropologischen Problematisierungen anwenden;
• neue Sichten über die Transformation der Kategorien wie „Identität“, „Körper“, „Relation“, „Gemeinschaft“ durch die digitale Revolution verstehen und vergleichen;
• die Neugestaltung der Gemeinschaften, Beziehungen und sozialen Netzwerken im virtuellen Raum analysieren und definieren, und in Beziehung mit dem „relationen Turn“ in der Philosophie und Theologie bringen;
• heutige Positionen in der „digitalen Theologie“ und „digitalen Anthropologie“ gegenüber „Embodiment“-Theologien reflektieren;
• eine eigene Fragestellung in „digitaler Anthropologie“ entwickeln und eine eigene Position in Auseinandersetzung mit den studierten Texten erarbeiten.

Info

Abstract

Detailinformationen: https://www.unibe.ch/programmieren

Unsere Mission
Alle reden von Digital Skills – wir unterrichten diese für Nicht-Informatiker*innen! Die Fähigkeit, Computer nicht einfach nur passiv als Anwendende zu nutzen, sondern diese aktiv zu programmieren ist heute unabdingbar in allen Studienrichtungen und im gesamten Wissenschaftsbetrieb. Der Grundkurs Programmieren bietet einen Einstieg in dieses Thema und rüstet die Teilnehmenden dazu aus, sich weiterhin auch selbstständig weiterzubilden.

Kursinhalt
Der Kurs beinhaltet eine Einführung in das "Scientific Computing" mit der Programmiersprache Python.

Methodik
Der Kurs wird in einer "Inverted Classroom" Methodik unterrichtet. Das heisst, die Studierenden bearbeiten den Lerninhalt selbstständig und im eigenen Tempo. Dazu gibt es die Möglichkeit von Peer-Feedback über ein Forum (siehe unten), eine Präsenzstunde (jeweils Freitags von 13:15-15:00), wo die wichtigsten Themen der Woche zusammengefasst werden und die Möglichkeit besteht, Fragen zu stellen. Weiter ermutigen wir zur Bildung von studentischen Lerngruppen, um die Themen als Gruppe zu vertiefen.

Learning Outcomes

Der Grundkurs Programmieren schliesst mit einer 90 minütigen Prüfung ab. Die An/Abmeldung zur Prüfung findet ausschliesslich über ILIAS statt. Das bestehen dieser benoteten Prüfung ist Voraussetzung für den Erhalt der ECTS Punkte. Die Prüfung wird pro Semester zweimal durchgeführt. Bei einem allfälligen Nichtbestehen der Prüfung kann sie einmal wiederholt werden (im gleichen oder in einem späteren Semester). Eine Anmeldung zum zweiten Prüfungstermin ist auch ohne Absolvierung des ersten Termins möglich oder erst nach Nichtbestehen des ersten Termins. Die Prüfung wird auf dem eigenen Laptop vor Ort an der Uni Bern geschrieben. Es wird dazu ILIAS als Prüfungsplattform verwendet. Die Nutzung von Quellen aus dem Internet ist erlaubt. Nicht erlaubt ist jedoch die Kommunikation mit anderen Kursteilnehmenden, weiteren Personen oder KI Assistenten.

Info

Abstract

Der Einsatz von Computern spielt bei der Erstellung von Editionen eine zentrale Rolle. Im weitesten Sinne sind bereits heute alle Editionen digital, und zwar insofern, als sie nicht mehr von Hand geschrieben, sondern am Computer erstellt werden. Die Anwendung der Computertechnologie bringt einige Probleme, aber insbesondere auch eine Vielzahl von Möglichkeiten mit sich, die über den blossen Einsatz von Textverarbeitungsprogrammen hinausgehen. Zu den Problemfeldern gehören Fragen der Langzeitarchivierung und der richtigen Auszeichnung von Daten sowie die Gestaltung der interdisziplinären Zusammenarbeit zwischen Informatikern und Geisteswissenschaftlern. Die Liste der Möglichkeiten ist lang und noch keineswegs zu Ende gedacht: Maschinelle Verarbeitung und Durchsuchbarkeit der Daten, ihre intertextuelle Vernetzung im Internet sind nur einige offensichtliche Vorteile der Digitalisierung. Eine wissenschaftliche Basis erhält die Aufarbeitung dieser Themenfelder in den Digital Humanities, die sich neben den genannten pragmatischen Aspekten auch mit der grundlegenden Frage beschäftigt, inwieweit die Digitalisierung und Vernetzung von Daten unser Verständnis von Texten verändert. All diese Aspekte sollen im vorliegenden Kurs in einem praxisnahen Umfeld näher gebracht werden, und zwar anhand eines Einblicks in die Arbeitsabläufe des an der Universität Bern angesiedelten ‚Parzival‘-Projekts, einer digitalen Edition von Wolframs von Eschenbach bedeutendem Gralsroman (ca. 24‘800 Verse) aus der Zeit zwischen 1200 und 1210, der in 16 Handschriften, einem Druck und 72 Fragmenten überliefert ist. Die Teilnehmer/innen erhalten dabei die Möglichkeit, ein kurzes Textstück der Edition selbstständig zu erarbeiten, und dabei alle nötigen Arbeitsschritte von der Sichtung der Handschriften bis zum fertigen Editionstext aus nächster Nähe kennen zu lernen.

 Bitte zuerst für die 0-ECTS-Variante und im Laufe des Kurses auch für die 6-ECTS-Leistungskontrolle anmelden.

Literatur
Wolfram von Eschenbach: Parzival. Nach der Ausgabe Karl Lachmanns, revidiert und kommentiert von Eberhard Nellmann. Übertragen von Dieter Kühn. 2 Bde. Frankfurt am Main: Deutscher Klassiker Verlag 2006.
Thomas Bein: Textkritik – Eine Einführung in die Grundlagen germanistisch-mediävistischer Editionswissenschaft. Ein Lehrbuch mit Übungsteil. 2., überarb. und erw. Aufl. Frankfurt am Main u.a.: Lang 2011.
Michael Stolz: Wolframs ›Parzival‹ als unfester Text. Möglichkeiten einer überlieferungsgeschichtlichen Ausgabe im Spannungsfeld traditioneller Textkritik und elektronischer Darstellung. In: Wolfram von Eschenbach – Bilanzen und Perspektiven. Eichstätter Kolloquium 2000. Hrsg. von Wolfgang Haubrichs/Eckart C. Lutz/Klaus Ridder. Berlin: Erich Schmidt 2002 (Wolfram-Studien 17), S. 294–321
Michael Stolz: Intermediales Edieren am Beispiel des ›Parzival‹-Projekts. In: Wege zum Text. Beiträge des Grazer Kolloquiums über die Verfügbarkeit mediävistischer Editionen im 21. Jahrhundert (17.–19. September 2008). Hrsg. von Wernfried Hofmeister und Andrea Hofmeister-Winter. Tübingen: Max Niemeyer Verlag 2009 (Beihefte zu editio 30), S. 213–228.

Learning Outcomes

Nach dem Besuch der Vorlesung können die Studierenden …
- Grundbegriffe, Konzepte und Methoden des elektronischen Edierens erklären und anwenden,
- wichtige Positionen zur Bedeutung der Digital Humanities nennen und erläutern,
- die Abläufe eines aktuellen Editionsprojekts einordnen und auf eigene Projekte übertragen.

Info

Abstract

Deutungskontroversen gehören seit jeher zur Geschichtswissenschaft. Das Aufkommen von generativer Künstlicher Intelligenz (KI) stellt die fachwissenschaftlichen Debatten um die Auslegung der Vergangenheit vor zusätzliche Herausforderungen. Wie kann man erkennen, ob bestimmte Geschichtsvorstellungen auf tatsächlich existierenden Quellen basieren oder ob diese durch KI erstellt wurden? Wie gehen KI-Tools mit konflikthaften Interpretationen und Deutungskonkurrenzen um? Wo ist historisches Fachwissen noch gefragt? Der Kurs will sich diesen Fragen mit Studierenden für Studierende widmen und in 14-tägigen Blocknachmittagen gemeinsam Antworten finden. Während wir uns im ersten Teil des Semesters mit der Funktionsweise und den Merkmalen verschiedener KI-Tools auseinandersetzen, wollen wir im zweiten Teil des Semesters deren Arbeitsweise an ausgewählten, konflikthaften Interpretationen der west- und osteuropäischen Geschichte des 20. Jahrhunderts testen. Die Veranstaltung ist als Geschichtswerkstatt konzipiert, bei der die Studierenden aktiven Anteil an der Entwicklung der Übung haben sollen. In Gruppen werden wir anhand der kontroversen Forschungsdebatten eine disziplinäre Auseinandersetzung mit den Stärken und Schwächen der KI-Modelle für das universitäre Geschichtsstudium erarbeiten.
Die KI-Übung findet 3-stündig jeweils von 14:00-17:00 Uhr an folgenden Freitagen statt: 20.02., 06.03., 20.03., 27.03., 17.04., 01.05. sowie am 22.05.2026.

Learning Outcomes

Studierende lernen anhand konflikthafter Darstellungen der Vergangenheit den kritischen Umgang mit generativer Künstlicher Intelligenz und online verfügbaren Quellen und Geschichtsbildern. Sie lernen verschiedene KI-Modelle kennen, erhalten anhand praktischer Übungen einen fundierten Einblick in die Stärken und Schwächen der jeweiligen KI-Tools und erkennen hierbei die Relevanz, quellenbasiert stringent zu argumentieren.

Info

Abstract

Digitalisation, and the information age which it has fostered, have fundamentally altered the day-to-day practices of academic researchers. Almost without exception, every field has embraced modern methods from the broad new field known as data science. Historians may now analyse and synthesise swatches of historical texts in the blink of an eye; psychologists can examine the real-time behaviour of thousands of individuals simultaneously and extract elaborate patterns of their behaviour; economists may simulate and manipulate the dynamics of whole economic systems; climate scientists can incorporate real-time, granular data to predict climatic patterns in very specific regions of the world.
Despite the ubiquity of data science practices across these disciplines, the specific methods which are employed (and the reasons for which they are employed) can vary drastically, and methods which are employed widely in one field can be rather uncommon, or even ignored altogether, by another field. The goal of this lecture series is to facilitate the transdisciplinary use of data science methods and foster conversations across disciplines regarding the theory and practice of data science in the academy.
This lecture series is aimed at researchers from all academic disciplines, and lecturers are encouraged to make content jargon-free and accessible, using general and broad examples wherever possible. Each lecture should act as a jumping-off point on the relevant topic which can encourage attendees to explore topics of interest further.

Bachelor students are very welcome! However, the course can only be credited in the Master's program.

Learning Outcomes

Participants will understand the theoretical foundations and conceptual frameworks of data science in digitalised contexts.
Participants will gain familiarity with a variety of data science methods applicable across academic disciplines.
Participants will develop practical skills in data workflow management and implementing robust research practices.
Participants will critically evaluate the transdisciplinary application of data science methods and identify opportunities for cross-disciplinary collaboration.
Participants will be informed about cutting-edge advancements in machine learning and their implications for academic research.

Info

Abstract

This course provides students with an introductory overview of quantitative research methods in sociolinguistics, including different field research methods (surveys, interviews) and experimental techniques. By discussing key aspects of data collection and analysis, students learn how to devise appropriate research hypotheses, collect data for subsequent quantitative analysis, and perform a variety of the quantitative analytical techniques most commonly used in the social sciences (including analyses of variation, regression modelling, and certain non-parametric tests). Students also learn how to effectively summarize and present quantitative findings to both specialist and non-specialist audiences.

This 7 ECTS version of this course is required for MA Sociolinguistics Mono and Major students. The 4 ECTS version of this course is required for MA Sociolinguistics Minor students.

4 practical data collection/analysis exercises conducted during the semester (40%)
Written seminar paper (60%)

Learning Outcomes

By the end of this course, students will

• Have knowledge of the various quantitative methods most commonly used in linguistics and the social sciences, including the theory behind these methods (data assumptions, restrictions on interpretations of findings, etc.)
• Understand hypothesis-driven, deductive research methods more broadly, including devising appropriate data collection methods for subsequent analysis
• Be able to design empirically sound data collection methods
• Have the skills to identify and perform appropriate quantitative data analysis techniques
• Know how to extrapolate and support general findings from incomplete information
• Be empowered to think analytically about a given problem
• Feel confident presenting complex information in a concise and effective fashion, tailored to a particular audience

Info

Abstract

Bitte beachten: Wer an der Summer School teilnehmen möchte, muss sich nicht nur via KSL, sondern auch per Email bei der Programmkoordination (christa.schneider@unibe.ch). Eine Anmeldung ist erst gültig, wer eine Bestätigung von der Programmkoordination bekommen hat.

Kursbeschrieb und Programm folgen im FS 2026

Weitere Informationen folgen.

Learning Outcomes

tba

Info

Abstract

The Summer School, within the framework of ENLIGHT (university network), brings together doctoral and MA students from the universities of Durham, Uppsala, Tübingen, and Bern for a joint reflection on the digital turn in research for early modern times.

This summer school will take place in Uppsala, Sweden.

If you are interested, please contact Christa Schneider (christa.schneider@unibe.ch) in parallel to book the course.

Ideally, (at least) parts of the "Things that matter" course should be attended.

Learning Outcomes

A small research project with doctoral students and students from the partner universities.

Info

Abstract

The course aims to provide a comprehensive understanding of foundational theories and methods for studying science, technology, and society, focusing on their interdisciplinary nature, historical evolution, and key theoretical frameworks. Students will develop scientific literacy and proficiency in understanding the interplay between science, technology, and society. They will learn to identify and apply suitable concepts and approaches for examining specific contemporary socio-technical phenomena.

Grading: Participation (20%), Mid-term assignment (30%), Final paper and presentation (50%)

For more information, see the course website

Info

Abstract

Info

Abstract

Info

Abstract