Digitale geletterdheid

NIEUW HANDBOEK – BESCHIKBAAR VANAF ACADEMIEJAAR 2018-2019

. Nederlandstalig handboek voor onderzoekers en studenten in de geesteswetenschappen
. brede kijk op het omgaan met digitale data in de geesteswetenschappen
. analyse en contextualisering van verschillende tools en technieken
. heldere voorbeelden en getuigenissen van onderzoekers uit verschillende disciplines

Als onderzoeker of student in de geesteswetenschappen werk je vandaag in een omgeving waarin je slechts enkele muisklikken bent verwijderd van miljoenen teksten, beelden en geluidsopnames uit bibliotheken, archieven en databanken overal ter wereld. Je vindt daarnaast ook vlot je weg naar talloze blogs, tweets, onderzoekspapers en andere digitale publicaties. Deze overvloed aan data, ook wel ‘big data’ genoemd, biedt ongekende mogelijkheden, maar brengt ook een aantal uitdagingen met zich mee. Hoe bepaal je bijvoorbeeld welk materiaal relevant is voor jouw specifieke project? En welke onderzoeksvragen moet je stellen als je met een algoritme duizenden teksten kan doorzoeken? Om het maximum te kunnen halen uit de heterogene en vaak grote gegevensverzamelingen die vandaag voorhanden zijn, heb je gespecialiseerde kennis en vaardigheden nodig. Dit boek wil daarbij helpen. Het legt uit hoe je best informatie en data beheert, onderzoeksdatabanken aanmaakt en bevraagt, data visualiseert en analyseert, en hoe je deze data ook kan delen en publiceren.

Het handboek Digitale geletterdheid is geschreven voor onderzoekers en studenten en biedt een brede kijk op het omgaan met digitale data in het onderzoek binnen de geesteswetenschappen. De verschillende technieken en methodologische ontwikkelingen worden gecontextualiseerd en aan de hand van heldere voorbeelden uit verschillende disciplines uitgelegd.

Voorwoord
Inleiding: Data, informatie, kennis en de computer
De DIKW-piramide (Data, Informatie, Kennis, Wijsheid) Wat zijn data? Wat is informatie? Informatie en kennis
De computer in de geesteswetenschappen
Informatie- en databeheer Zelfmanagement De data life cycle en het management van een onderzoeksproject
1 Data voorbereiden 1.1 Inleiding 1.2 Data cleaning en data transformation 1.2.1 Data cleaning 1.2.2 Data transformation 1.3 Meetniveaus 1.4 Tabellen 1.5 Een eenvoudige tabel maken in SQL 1.6 Een complexere databank ontwerpen 1.7 Relationele databanken 1.7.1 Entity-relationship models 1.7.2 Van ER-model naar een databank zonder redundantie 1.8 Geavanceerdere zoekopdrachten met SQL 1.8.1 De SELECT- en FROM-clauses 1.8.2 De WHERE-clause 1.8.3 Booleaanse operatoren 1.8.4 De IN- en LIKE-nabewerkingen 1.8.5 De GROUP BY-clause 1.8.6 De HAVING-clause 1.8.7 Gegevens uit verschillende tabellen combineren 1.8.8 Subqueries 1.8.9 Overzicht en verdere toepassingen 1.9 Hiërarchische datastructuren 1.10 Slotbedenking
2 Data visualiseren 2.1 Inleiding 2.2 Een grafi sche vorm kiezen voor je gegevens 2.3 Data visualiseren met rekenbladen 2.3.1 Van database naar spreadsheet 2.3.2 Datasets importeren in Excel 2.3.3 Eenvoudige ‘databanktechnieken’ in Excel 2.3.4 Grafi eken in Excel: eigenschappen en toepassingen 2.3.5 Exploratieve visualisaties interpreteren 2.3.6 Datavisualisaties bewerken met beeldbewerkingssoft ware 2.4 Beeldbewerking 2.4.1 Bestandsformaten en eigenschappen van digitale afbeeldingen 2.4.2 Beeldbewerkingstechnieken 2.5 Visuele gegevens verzamelen, aanmaken en hergebruiken 2.6 Slotbedenking
3 Data analyseren 3.1 Inleiding 3.2 Tekst en de computer 3.3 Van individuele lettertekens tot computerbestanden 3.3.1 Bits en bytes 3.3.2 Tekensets 3.4 Tekst in digitale bestanden 3.4.1 Tekstbestanden 3.4.2 Binaire bestanden 3.5 Tekstuele gegevens verzamelen of aanmaken 3.6 Text mining met ‘out-of-the-box-tools’ 3.6.1 Text mining met behulp van een teksteditor en reguliere expressies 3.6.2 Text mining met AntConc 3.6.3 Text mining met Voyant Tools 3.6.4 Text mining met de Google Books Ngram viewer 3.7 Zelf pipelines voor text mining ontwikkelen 3.8 Slotbedenking
4 Data delen 4.1 Inleiding 4.2 Wetenschappelijk publiceren (scholarly communication) 4.3 Data ‘publiceren’ 4.4 Je online identiteit opbouwen, netwerken en zichtbaarheid creëren voor je werk 4.4.1 Jezelf uniek identifi ceren als auteur met een ORCID iD 4.4.2 (Academische) sociale media 4.4.3 Contentmanagementsystemen 4.5 Zelf een website bouwen met behulp van de mark-uptaal HTML en de stijlspecificatietaal 4.5.1 Procedurele versus declaratieve mark-up 4.5.2 De basis van HTML 4.5.3 Lay-out in HTML 4.6 Een website opmaken met de stijlspecificatietaal CSS 4.6.1 De externe stylesheet 4.6.2 Interne stylesheets en inline styles 4.6.3 Fonts, tekstuitlijning en kleuren 4.6.4 Het kadermodel (box model) van CSS 4.7 HTML- en CSS-code valideren en de website publiceren 4.8 Slotbedenking
Nawoord Appendix: website Eindnoten Herkomst van de afbeeldingen Verklarende woordenlijst

Tom Willaert

Tom Willaert is onderzoeker in Digital Humanities aan de Faculteit Letteren van de KU Leuven en expert digital scholarship in the humanities bij KU Leuven Bibliotheken Artes.

Dirk Speelman

Dirk Speelman doceert Methodologie in de Onderzoekseenheid Taalkunde van de Faculteit Letteren van de KU Leuven.

Fred Truyen

Fred Truyen doceert Online Publiceren in de opleiding Culturele Studies van de Faculteit Letteren van de KU Leuven.