#GraphReflex, oder: Von Knoten und Kanten zu Gedanken

Ein virtuelles BarCamp der AG Digital Humanities Theorie & AG Graphen & Netzwerke des DHd Verbands

Autor:innen:

• allgemeiner Teil:
  • Franziska Diehr (Co-Convenor der AG Graphen & Netzwerke),  f.diehr@fu-berlin.de 
  • Jonathan D. Geiger (Convenor der AG Digital Humanities Theorie), jonathan.geiger@adwmainz.de
  • Jan Horstmann, jan.horstmann@uni-muenster.de
• Abschnitt Bericht der AG Graphen & Netzwerke:
  • Franziska Diehr (Co-Convenor der AG Graphen & Netzwerke),  f.diehr@fu-berlin.de 
• Abschnitt Bericht der AG Digital Humanities Theorie:
  • Ramona Roller, rroller@ethz.ch

Wie lassen sich Graphentechnologien theoretisieren?

Was sind eigentlich “Knoten”? Sind Kanten schon immer da oder werden sie konstruiert? Welche Art von Erkenntnissen liefern Netzwerkanalysen? Inwiefern lässt sich von Graphenvisualisierungen als (Re)Ästhetisierungen von Daten sprechen? Diese Fragen standen am Anfang der Überlegungen, wie eine Kooperationsveranstaltung der beiden DHd-AGs Graphen & Netzwerke (ehemals Graphentechnologien) und Digital Humanities Theorie thematisch ausgerichtet werden könnte. Schnell wurden zwei Dinge klar: 1. Es gibt große Potenziale, in diesem Themenkreis gemeinsam zu forschen. 2. Das Panorama der Aspekte, Fragestellungen und Problematiken ist gar nicht so recht zu konturieren und einzuschätzen. Die beiden AGs beschlossen daher, es auf einen Versuch ankommen zu lassen, und entsprechend der sehr groben Themenausrichtung auch ein Veranstaltungsformat zu bemühen, dass diesem explorativen Ansatz gerecht wird: ein virtuelles BarCamp.

Mit dem Titel “Von Knoten und Kanten zu Gedanken: Theoretische Reflexionen zu Graphentechnologien” fand dieses virtuelle BarCamp am 11.11.2020 von 14 bis 17 Uhr statt und war insgesamt – aufgrund eines straff organisierten Zeitplanes, dem Einsatz zahlreicher digitaler Tools, der offenen Fragestellung, über 50 Teilgebenden und 17 Sessions – ein voller Erfolg.

Der Call kann auf den jeweiligen Seiten der AGs eingesehen werden:

• https://graphentechnologien.hypotheses.org/treffen-der-ag-graphentechnologien/von-knoten-und-kanten-zu-gedanken-theoretische-reflexionen-zu-graphentechnologien
• https://dhtheorien.hypotheses.org/879

Thematisch war die Veranstaltung bewusst offen gehalten. Insgesamt ging es um eine Exploration der Theoretisierungsmöglichkeiten von Graphentechnologien. Graphentechnologien, Netzwerke und vernetzte Daten sind – wie jede andere Technologie – nicht neutral oder objektiv, sondern satteln auf impliziten Vorannahmen und technischen Grammatiken auf. Da es bislang nur verstreute Theorieansätze in dieser Richtung gibt bzw. bestehende Theorien für diesen Themenkreis noch nicht fruchtbar (genug) gemacht worden sind, standen im Zentrum der thematischen Vorüberlegungen die Pluralität von Perspektiven und denkbaren Fragen:

• Sprachliche Ebene: Mit welchen Konzepten, Metaphern, Analogien und Bildern wird gearbeitet, wenn von “Graphen”, “Netzen” bzw. “Netzwerken”, “Kanten” und “Knoten” gesprochen wird?
• Technische Ebene: Welche Daten eignen sich besonders gut, um in Graphdatenbanken abgelegt zu werden? Welche nicht? Wo bestehen technische Vor- und Nachteile und wie wirken sich diese praktisch auf das Arbeiten mit Daten aus?
• Wissenschaftliche Ebene: In welchen anderen wissenschaftlichen Disziplinen gibt es ähnliche Konzepte von Netzen, Netzwerken und Graphen? Wo sind Gemeinsamkeiten und Unterschiede?
• Methodologische Ebene: Welche spezifischen Unterschiede gibt es bei der Datenmodellierung von Graphdatenbanken (im Unterschied zu anderen Datenbanksystemen)? Welche Heuristiken haben sich herausgebildet? Wo liegen Gefahren kognitiver Verzerrungen?
• Ontologische Ebene: Was sind Knoten und Kanten eigentlich? Werden Relationen von Modellierer:innen hergestellt oder sind diese schon (implizit) da? Knoten und Kanten müssen benannt werden – lassen sich also nur sprachlich artikulierbare Dinge modellieren? In welchen Relationen stehen Relationen zueinander?

Visualisierungsebene: Welche diagrammatische Funktion erfüllen Graphenvisualisierungen als Bindeglied zwischen menschlichem Erkenntnisvermögen und den Daten? Welche Möglichkeiten (Erkenntnis von Strukturen) und welche Gefahren (kognitive Verzerrungen) bieten Visualisierungen? Welche Rolle kommt ihnen in der Präsentation wissenschaftlicher Ergebnisse und auch der Wissenschaftskommunikation zu?

Welches experimentelle Format passt am besten? Ein virtuelles BarCamp!

Das BarCamp war auch hinsichtlich der Verschränkung von Inhalt und Format ein Experiment. An langen Abenden im gemütlichen Salon oder bei mehrstündigen Expertengesprächen kann man sich gut in theoretische Diskussionen vertiefen. Doch wie sieht es aus, wenn man nur 20 Minuten für ein Thema oder eine Fragestellung hat? Dahingehend bot unser BarCamp nicht die Möglichkeit für erschöpfende Betrachtungen, vielmehr wurde die Gelegenheit genutzt, um neue Diskussionsräume zu eröffnen. So konnte das BarCamp auch als Kennenlernplattform fungieren und hat erfolgreich Graphentechnologie- und Graphentheoriefreund:innen zusammengebracht, die nun in einen intensiven Austausch miteinander treten konnten.

Ablauf und technische Unterstützung des BarCamps

Bei der Gestaltung des BarCamps haben wir einen recht straffen Zeitplan aufgestellt. Nach kurzer Einführungsphase ging es bereits daran, die Ideen vorzustellen. Hier hatten alle Teilgebenden 30 Sekunden Zeit, den eigenen Vorschlag zu präsentieren. Die Ideen haben wir dann auf vier Zeitslots für die Sessions aufgeteilt. Pro Zeitslot haben sich mindestens vier Sessions ergeben.

Beim BarCamp kamen verschiedene Tools zum Einsatz. Um bereits vorab Ideen für Sessions aufzunehmen, Teilgebende zu listen, die BarCamp- und Videomeetingetikette zu teilen, haben wir ein Etherpad vom Service “https://yopad.eu/” genutzt. Das Videomeeting wurde mit Zoom durchgeführt, wobei die Breakout-Raum-Funktion besonders wichtig war, um die Teilgebenden in die entsprechenden Sessions einzuteilen. Für die Sammlung und zeitliche Aufteilung haben wir “Jamboard” von Google genutzt. Das hat sehr gut funktioniert und war für alle Teilgebenden gut handhabbar. In den Sessions wurden dann jeweils noch unterschiedliche Tools genutzt. Manche haben Notizen in verschiedenen Etherpads gemacht oder zusammen in einer Google-Präsentation oder an digitalen Zeichnungen gearbeitet. Als virtuellen Icebreaker haben wir eine Meme Challenge ausgerufen, für die wir den Memegenerator vom Imgflip genutzt haben. Während des BarCamps sind somit eine Reihe großartiger Memes entstanden, die auch zum Twittern über #GraphReflex genutzt wurden.

Das virtuelle BarCamp als Theorie-“experience” aus der Sicht von Teilgebenden …

… aus der AG Graphen & Netzwerke

Franziska Diehr (Co-Convenor der AG Graphen & Netzwerke) beschreibt sowohl aus Teilnehmerinnen- als auch aus Veranstalterinnensicht ihre Erfahrungen mit dem virtuellen BarCamp. Exemplarisch führt sie dazu einerseits eine Session zu Herbert Stachowiaks Allgemeiner Modelltheorie aus und erläutert andererseits das Interesse der AG Graphen & Netzwerke daran, Veranstaltungen für die Community zu organisieren, Vernetzung zu befördern und Kooperationen mit anderen DHd AGs zu initiieren. Der gesamte gleichnamige Bericht kann hier eingesehen werden.

… aus der AG Digital Humanities Theorie

von Ramona Roller

Als Mitglied der AG Digital Humanities Theorie und Netzwerkstatistikerin haben zwei Fragen mein Interesse besonders geweckt, die in vielen Sessions des BarCamps aufgegriffen wurden: “Warum brauchen wir Theorie in der Netzwerkanalyse?” und “Wo soll ich als Neuling bei der Netzwerkanalyse anfangen?”.

Der Sinn von Theorie: Theorie wird in der Netzwerkanalyse benötigt, um eine transparente Interpretation der Analyseergebnisse zu ermöglichen und um Daten für Netzwerkmodelle auszuwählen. Den ersten Grund diskutierten Teilgebende und ich in meiner Session am Beispiel von Zeitmodellierung in Netzwerken. In einer Auftaktpräsentation zeigte ich zunächst, dass wir beim Gebrauch von Netzwerkmodellen Annahmen über die Zeit machen, die die Interpretation unserer Ergebnisse beeinflussen. Wenn wir Netzwerke über die Zeit aggregieren, das heißt den Zeitstempel der Kanten (z. B. Sendedatum eines Briefs) nicht berücksichtigen, machen wir die theoretische Annahme der Transitivität: Ein Knoten A kann seinen Nachbarn B beeinflussen, unabhängig davon wer A zuvor beeinflusst hat. Diese theoretische Annahme ermöglicht es, dass sich Informationen im Netzwerk anachronistisch verteilen können. Wenn Knoten A an B heute einen Brief schreibt, aber C an A erst morgen einen Brief schreibt, kann A die Information aus C’s Brief nicht an B weitergeben. Denn A schreibt bereits heute an B, aber empfängt den Brief von C erst morgen. Im aggregierten Netzwerk hingegen könnte C seine Information über A an B weitergeben, obwohl die Information dadurch rückwärts in der Zeit laufen müsste. Nach diesem Auftakt diskutierten wir über mögliche Folgen der Transitivitätsannahme im Bezug auf die Ergebnisse und Anpassungen der Analyse. 

In der Session über Wikidata ging es um die Frage, wie Theorie eine Datenauswahl für Netzwerke verbessern kann. Konkret ging es um das Problem des Selektionseffekts bei Wikidata, wo einige Editoren entscheiden, welche Daten hochladungswürdig sind und welche nicht. Wissenschaftler:innen, die auf diese Daten angewiesen sind, oft aber bei der Datenauswahl nicht mitwirken, können so nicht an ihre Wunschdaten gelangen bzw. die Auswahl nicht begründen. Eine Auswahl aufgrund theoretischer Überlegungen könnte sinnvoll sein. In einer Diskussion besprachen wir Fragen wie “Welche theoriebasierten Kriterien lassen sich zur Auswahl von Daten heranziehen?”, “Wie können Wissenschaftler:innen mehr Einfluss auf den Selektionsprozess erlangen?” und “Welche alternativen Datenquellen gibt es, die das Datenmonopol von Wikipedia mindern?” Spannende Vorschläge von der Gründung wissenschaftlich geleiteter Wikipedia-Gruppen bis hin zu citizen science-Projekten wurden vorgeschlagen.

Netzwerkanalyse in der Praxis: In vielen Sessions, die ich besuchte, ging es um konkrete praktische Tipps für die Netzwerkanalyse. Die Ausgangssituation war für viele Teilgebende ähnlich: Ein fachspezifischer Datensatz war vorhanden, sowie der Wille, Netzwerkanalysen daran auszuprobieren. Allerdings fehlte vielen ein Grundverständnis für relevante Netzwerkstatistiken und eine Übersicht von gängigen Analysetools. Desweiteren suchten Lehrende nach Möglichkeiten diese Fertigkeiten Studierenden zu vermitteln. In einer bereichernden Vorstellungsrunde berichteten Teilgebende von ihre Vorgehensweisen bei der Netzwerkanalyse und konnten den Neulingen einige Starthilfe geben. Visualisierungsplattformen wie Gephi, Visione und Palladio wurden häufig als erste Schritte empfohlen. Fortgeschrittenen wurden Programmierpackages wie networkX, igraph und graphtool ans Herz gelegt. Allerdings wurde schnell klar, dass die Tiefen der Netzwerkanalyse nicht in einem Semesterkurs erlernt, sondern wie so oft durch jahrelange Praxis geübt werden. 

Stärkere Meinungsverschiedenheiten kamen bei der Frage auf, inwiefern Netzwerkvisualisierungen die Analyse und Interpretation der Ergebnisse leiten sollten. Die eine Seite argumentierte, dass Netzwerkvisualisierungen zu Beginn der Analyse zur Hypothesenfindung beitragen könne. Interessante Strukturen ließen sich in den Netzwerkvisualisierungen erkennnen, die dann in konkreten Analysen weiter vertieft werden könnten. Die andere Seite argumentierte, dass Netzwerkvisualisierungen immer am Ende der Analyse stehen sollten. Die Visualisierungsparameter könnten die Wahrnehmung in die Irre führen und Muster hervorheben, die einer statistischen Analyse nicht standhielten. Dies könne man sich allerdings auch zu Nutze machen, indem man die Parameter so wählt, dass sie die Ergebnisse aus der statistischen Analyse unterstreichen.

Allgemeinen Konsens erhielt der Vorschlag, ‘Benchmarkdatensätze’ für die Netzwerkanalyse in den DH zu entwickeln. Benchmarkdatensätze sind Datensätze, die in einer Community gut erforscht sind und an denen neue Fragestellungen und Methoden meist zuerst getestet werden. Sie sind gut vorbereitet, nicht übermäßig groß und eignen sich daher gut, um methodische Fertigkeiten zu erwerben. Netzwerkstatistiker:innen in anderen Wissenschaftsfeldern haben bereits Benchmarkdatensätze entwickelt. Zum Beispiel, in Computational Social Science benutzen Wissenschaftler:innen den Zachary’s karate club Datensatz, der gemeinsamen Treffen zwischen Mitgliedern eines Karatevereins enthält oder das Enron-Korpus, das E-Mails zwischen den Mitarbeiter:innen der Firma Enron enthält. Vielleicht können sich die DH hier etwas abschauen.

Zusammenfassend habe ich beim BarCamp an vielen inspirierenden Diskussionen teilgenommen, aus denen ich viele Ideen für meine eigene Forschung aufnehmen konnte. Das BarCamp war ein erfrischendes Format, da die relativ kurzen Sessions es mir ermöglichten, vielen Ideensträngen in kurzer Zeit nachzugehen. Das BarCamp eignet sich daher sehr gut, um zukünftige Veranstaltungen, bei denen einzelne Themen vertieft werden, vorzubereiten. Gerne mehr davon.

Zitationsvorschlag: Franziska Diehr, Jonathan D. Geiger, Jan Horstmann und Ramona Roller: „#GraphReflex, oder: Von Knoten und Kanten zu Gedanken“, in Digital Humanities Theorie, 15/02/2021, https://dhtheorien.hypotheses.org/909.

---

---