Donnerstag, 17. Dezember 2015

Processing in den Browser einbinden

Processing funktioniert nicht nur in der Entwicklungumgebung. Der selbe Code kann auch auf einer Webseite integriert werden. Dazu muss einfach die JavaScript-Bibliothek Processing.js in das HTML eingebunden werden.
Anschließend wird der Code, der auch in einer separaten .pde-Datei abgelegt sein kann, per canvas aufgerufen. Hier ein einfaches Beispiel:
void setup() {
size(100, 100);
background(100);
stroke(255);
ellipse(50, 50, 25, 25);}

Und hier das Ergebnis (zumindest in Firefox und Safari):



Weiter Informationen unter Getting Processing.js Working On WordPress (Or Any Other Site)

Dienstag, 15. Dezember 2015

Die Software Gephi – und wie man sie für Kunstgeschichte verwenden kann

Visualisierung von Daten aus der MoMA-Datenbank – Künstler und ihre Nationalität

Das Programm Gephi beschäftigt sich mit der Visualisierung von Netzwerken. Anhand von Daten, die man vorher bearbeiten kann und teilweise auch in der Software Gephi selbst, werden Verknüpfungen, bzw. Verbindungen zwischen ihnen sichtbar. 

Allgemeines zu Netzwerken

Die Beschäftigung mit Netzwerken hat ihre theoretischen Impulse aus der Soziologie und der Ethnologie. Für diese Felder ist die Netzwerkforschung ein zentrales Thema und wird häufig angewendet, um neue Ergebnissen oder neue Impulse in der Forschung zu erlangen.
Was ist überhaupt ein Netzwerk? Ein Netzwerk wird generell definiert als eine abgegrenzte Menge von Knoten (engl. nodes) oder Elementen und der Menge der zwischen ihnen verlaufenden Kanten (engl. edges).

Dabei repräsentieren die Knoten die Akteure und die Kanten symbolisieren die Beziehung zwischen ihnen. Um ein Netzwerk auszuwerten, liegt der Schwerpunkt der Beschäftigung auf den Kanten und deren Zusammenhängen.

Darstellung eines Netzwerks

Verschiedene Tools in dem Programm Gephi können das Netzwerk modifizieren. Das heißt, bestimmte Merkmale der Daten können hervorgehoben, oder nicht relevante Daten aussortiert werden, die jedoch nicht im Datensatz verschwinden, sondern nur auf der Visualisierungsebene. Übersichtlicher gestalten lässt sich das Netzwerk mit unterschiedlichen Layouts, die über Algorithmen die Daten sortieren und übersichtlich anordnen. 
Anhand von verschiedenen Filtermöglichkeiten kann man die Darstellung beeinflussen und die Analyse eines Netzwerks vereinfachen. Die Statistik-Funktion ermöglicht eine kritische Betrachtung des Netzwerks anhand von Kennzahlen. Durch diverse Optionen ist es möglich beispielsweise herauszufinden, wie hoch die maximale Anzahl von Kanten durch einen Knoten ist und durch die Filter würde sich dieser dann darstellen lassen. Um verschiedene Elemente eines Netzwerks voneinander abzuheben, gibt es zudem die Möglichkeit, das Netzwerk einzufärben und damit zusammenhängende Bereiche zu markieren. Die Größe der Knoten und die Breite der Kanten lassen sich ebenfalls einstellen, manuell oder anhand von ihrer Proportionalität zueinander. Äußerst praktisch ist auch die Darstellung der benannten Labels, also die Bezeichnungen der Knoten erscheinen in Textform im Netzwerk. Gephi bietet eine Vielzahl von Darstellungsmöglichkeiten, so dass jeder in der Lage ist, seine gewünschten Informationen aus einem Netzwerk herauslesen zu können.

Gephi in der Kunstgeschichte

Wie könnte sich Gephi, bzw. ein Visualisierungsprogramm von Netzwerken für die Kunstgeschichte anwenden lassen? Welche neuen Erkenntnisse könnte man daraus schließen?
Ähnlich der Soziologie, in der die Strukturen von Gesellschaften analysiert werden, oder sogar Facebook-Netzwerke erstellt und analysiert werden, könnte man es auch für die Kunstgeschichte verwenden. Wie wäre es mit einem Netzwerk der Maler im 15. Jahrhundert? Wer kannte wen? Wer ließ sich von wem inspirieren? Welche Schlüsse lassen sich daraus ziehen?
Durch diverse Plugins lassen sich z.B. Timelines oder Weltkarten integrieren, die dann beispielsweise aufzeigen könnten, wie sich die Kontakte eines Künstlers innerhalb der Jahre erweitert haben oder welcher Künstler durch die Welt reiste und welche Kontakte in den jeweiligen Ländern entstanden. Diese Fragestellungen lassen sich beliebig erweitern und würden durchaus zu neuen Erkenntnissen führen.  Netzwerkforschung für die Kunstgeschichte hat Potenzial, jedoch wird es zunächst mit den Daten etwas problematisch sein. Die Daten zu erfassen, die man benötigt und dann diese auch richtig zu verknüpfen und auszuwerten, wird sicher einige Zeit in Anspruch nehmen. Erst wenn die Daten vorhanden sind, kann eine solche Netzwerkforschung und deren Analyse beginnen. Aber wenn es soweit ist, wird sich ein Feld neuer Möglichkeiten ergeben.

Fazit

Wie viele andere Software-Programm auch, erfordert Gephi eine etwas tiefere Auseinandersetzung. Es ist nicht unbedingt selbsterklärend und kann anfangs zu Frustrationen führen, jedoch gleicht sich das schnell wieder aus, wenn man einige Tutorials in youtube zu Hilfe nimmt und man später mit wenigen Klicks wunderbare Netzwerke erstellen kann. Ein großes Problem mag der fehlende „rückgängig-Button“ sein, den es aber in der neuen Version, die Ende Dezember erscheint, geben wird.  



Montag, 14. Dezember 2015

Digitale Bildbearbeitung - Warum ist sie wichtig für Kunsthistoriker?

Die Aufgaben eines klassischen Kunst­historikers ist immer eng ver­bunden mit der Arbeit am Werk - wir be­sprechen und analysieren es, wir ver­suchen es historisch, kulturell und ikonografisch ein­zuordnen. Heute kommen wir nicht mehr umhin uns mit digitalen Bildern zu beschäftigen. Kunst­historische Daten zu kennen reicht in diesem Fall nicht immer aus, es ist wird immer wichtiger sich auch mit der technischen Seite vertraut zu machen. Stich­worte wie Originalität, Aura und Hand des Künstlers sind dabei nur die Spitze des Eis­bergs und werden in den nächsten Jahren sicher einer neuen Be­sprechung unterzogen werden. Grund­sätzlich kann man jedoch sagen, dass wir uns ein neues Hand­werk aneignen müssen: den Umgang mit digitalen Bildern. Um zu verstehen wie stark ein digitales Bild verändert werden kann, welche Aus­sagen wir über Größe und  Qualität  sowie Farb­tiefe und vieles mehr machen können, ist es die beste Methode sich mal ein Bild­bearbeitungs­programm näher anzusehen.

GIMP

GIMP (General Image Manipulation Program) pixelbasiertes Bildbearbeitungsprogramm. Es ist ein open source program, das cross-plattform anwendbar ist. Es  bietet quasi alle Auswahl­werkzeuge an, die von photoshop bekannt sind. Eine der wenigen Ausnahmen ist die Stapel­verarbeitung, die allerdings mit weiteren Plug-Ins möglich ist. Im folgenden gehe ich aber von der Standard download Version der GIMP website aus (https://www.gimp.org/downloads/ ). Dort findet man auch praktische Tips für den einfachen Einstieg, unter anderem ein Handbuch und mehrere Tutorials.

Bilder deren Farbe und Helligkeit durch Pixel bestimmt werden, werden Raster­bilder genannt. Foto­grafen arbeiten meistens mit dem Begriff "Pixel", während im Graphik Bereich dpi, also "dots per inch" gebräuchlicher ist. Ein Bild mit 2 Megapixeln könnte z.B. 1000 Pixel auf der X-Achse und 2000 Pixel auf der Y-Achse haben. Jeder einzelne feine Punkt lässt mehr Details und Farbnuancen zu. Bei dpi sind die Angaben ber die Anzahl der dots nur sinnvoll, wenn sie zusammen mit der Größe des jeweiligen Bildes gestellt werden. Dots per inch lässt sich ja mit "Punkte pro Zoll" übersetzen. 1 Zoll entspricht 2,54 cm. Folglich hat ein Bild mit 100 dpi 100 Pixel, oder dots pro 2,54 cm Bild.
GIMP bietet verschiedene Farbräume an: RGB, HSV und CYMK. Allerdings arbeitet es immer in RGB mit 8 Bit Farbtiefe.  
In der Farbenlehre wird so die scheinbare Sättigung einer Farbe genannt. In der digitalen Bildbearbeitung wird mittels des Begriffs der Farbtiefe die Anzahl der unterschiedlichen Farbabstufungen genannt, die jedem Farbpunkt/Pixel zugeordnet wird. Die Anzahl der Abstufungen werden in Bit gemessen. Bei zwei Abstufungen sprechen wir von einem Bit, bei vier Abstufungen von 2 Bit, bei 16 von 4 Bit und so fort.

Jedes Bit kodiert zwei Zustände. Bei 8 Bit kommen wir auf 256 Farbabstufungen. Dies ist der Bereich in dem Gimp arbeitet. 
Im RGB (Rot - Grün-Blau) Modus, kann jeder Farbe zu jedem Pixel nun ein Wert von 1-256 zugeordnet werden. Wenn wir zum Beispiel Lila wünschen, müssen die Werte des Rot und Blau Kanals hochgefahren werden, während Grün niedrig gehalten wird. Jede Farbe kann mit einem Wert von drei Zahlen, von 0 bis 255, bestimmt werden. Je niedriger desto dunkler, je höher desto heller der Tonwert. Das tiefste Schwarz hat einen Wert von 0/0/0, während weiß demnach 255/255/255 hat. Rechnet man mit der Möglichkeit einer Farbtiefe von 8 Bit, so ergibt dies mit den RGB Kanälen insgesamt 16,8 Millionen Farbmöglichichkeiten. 
Den RGB - Farbraum, der bei Gimp verwendet wird kann man sich als einen dreidimensionalen Raumkörper vorstellen, dessen Ecken durch die drei Farben Rot, Grün und Blau bestimmt werden. Alle Farben die durch die Mischung dieser drei Farben möglich ist, befinden sich innerhalb dieses Spektrums. Das RGB Farbmodell ist, im Gegensatz zum Beispiel vom CYMK Farbraum, ein additives Farbmodell. Das heißt Rot + Grün + Blau = Weiß. CYMK ist ein subtrahierendes System, und weist damit eine Sonderstellung auf. 

Möglichkeiten der Anwendung von GIMP

Mit GIMP ist beinahe das gesamte Spektrum der digitalen Bildbearbeitung möglich. Im einfachen Fall bedeutet dies das Beschneiden, Aufhellen, Verdunkeln von Bildern. Man bearbeitet Farbe und Kontraste im Bild, benutzt die Montage- oder Retusche Funktionen. Bei letzteren ist bereits einiges an Übung erforderlich. Doch die Basics können leicht erlent werden.
Wichtig ist der Werkzeugkasten:
Werkzeugkasten GIMP 
Hier finden wir alle "Werkzeuge" die eine schnelle Bildbearbeitung garantieren sollen.
Zum Beispiel:
GIMP-Werkzeugkasten: 'Ausschneiden' der Cutter: mit ihm können Bildbereiche be- und ausgeschnitten werden.
GIMP-Werkzeugkasten: 'Farbpipette' die Farbpipette: mit der Pipette können Farben aufgenommen/kopiert werden um z.B. anschließend einen anderen Bildbereich genauso einzufärben.
GIMP-Werkzeugkasten: 'Drehen, Vergrössern, Verkleinern, Scheren, Perspektive, Spiegeln' mittels dieser "Werkzeuge" können Bilder gedreht, gespiegelt, vergrößert, verkleinert oder auch ihre Perspektive verändert werden. 
GIMP-Werkzeugkasten: 'Pfad zeichnen'Pfade: hiermit können Rahmen, Linien und Pfade gezeichnet werden.

Natürlich kann GIMP noch vieles mehr. Am besten ausprobieren und sehen was für den eigenen Gebrauch nützlich ist. Díe Bearbeitung digitaler Bilder ist heute in sehr vielen verschiedenen Berufsbildern eines Kunsthistorikers wichtig. Um nur einige wenige zu nennen: in der Öffentlichkeitsarbeit, wofür jede Institution eine Abteilung hat, in der Galerie, Bilder für Angebote und den Online Auftritt verwendet werden oder auch in der Arbeit für Magazine und jeder Art von Print- und Online Medien.
                                                                                             

Sonntag, 13. Dezember 2015

Was meint ihr dazu? Probevisualisierung mit Gephi

Wie ein paar von euch vielleicht schon mitbekommen haben, schreibe ich gerade meine Bachelorarbeit zum Thema: Die Generierung von Metadaten in der Kunstgeschichte. Eine praktische Untersuchung.

Unteranderem habe ich in meiner Arbeit einen Fragebogen an die Museumsbesucher der Sammlung Schack verteilt, mit der Bitte, drei Bilder zu annotieren. (Anselm Feuerbach: Hafis am Brunnen & Der Garten des Ariost und Moritz von Schwind: Die Hochzeitsreise)
Diese Annotationen möchte ich jetzt sinnvoll auswerten Was ist aber die beste Methode?

Bei einem herkömmlichen Balkendiagramm in Excel stellt sich folgendes Problem: Die Liste wird einfach zu lang, wenn man jeden Tag berücksichtigt. Daher bin ich ganz nach ARTigo Regelung vorgegangen und habe nur alle Tags, die mehr als zwei Mal genannt wurden, berücksichtigt. Dadurch fallen aber 80% meiner Begriffe weg. Das ist ganz schön viel, vor allem, da es ja korrekte Bezeichnungen sind und sie eine viel größere Sprachvielfalt wiedergeben als bei ARTigo.
Dazu kommt, dass das Balkendiagramm zwar übersichtlicher ist, aber trotzdem noch lang. Auf jedes einzelne Wort will ich natürlich auch nicht eingehen, das ist auch bei einer Menge von ca. 250 unique Tags pro Bild unmöglich. Daher habe ich mich entschlossen die Begriffe in Gruppen einzuteilen, um so eine bessere Übersicht zu bekommen und alle Begriffe zu berücksichtigen. Die Einteilung in Nomen, Adjektiv und Verb greift hierbei aber zu kurz. Ich habe meine Liste daher noch etwas um Begriffe wie Stil, Analyse etc. erweitert.
Insgesamt hat meine csv-Datei jetzt 1566 Tags (so viele Schlagwörter sind für alle drei Bilder im Museum getaggt worden) Das ist eine viel zu große Menge an Daten, um das noch selbst fassen zu können. Eine Visualisierung muss einfach her!
Aber wie gehe ich am besten vor? Mein Freund hat zu mir gesagt: "Mach doch einfach ein Excel-Tortendiagramm, dann hast du die Prozentzahlen und deine Gruppen." Ich habe mich jetzt aber für Gephi entschieden, weil dabei die einzelnen Wörter als Knoten dargestellt werden. Ich kann meine Begriffsgruppen auch deutlicher hervorheben und die Tags, die stärker gewichtet sind, weil sie öfter getaggt wurden, stehen näher an der Begriffsgruppe.
So sieht das Ganze dann vorerst aus:
Man kann hier schon die dickeren Kanten (die Verbindungslinien) erkennen. Sie weisen größere Gewichtungen auf, als die Knoten, die weiter weg stehen und deren Kanten dünner sind. 
Das Programm erlaubt einem auch die Labels anzuzeigen (meine Tags). Allerdings wird es dadurch in der png Datei etwas unübersichtlich und verpixelt. Weiß jemand zufällig wie man dieses Problem löst?
Wenn ich die Darstellung als PDF sichere, kann ich richtig reinzoomen und alles ziemlich gut erkennen. Lasse ich mein Layout noch etwas weiterlaufen, damit die Knoten weiter auseinanderstehen, geht die Grafik einfach zu weit auseinander (finde ich). Ich habe mir auch überlegt, ob ich nur die Begriffsgruppen benennen soll und die Labels der Tags weglassen soll. 
Was meint ihr denn generell zu diesem Problem? 


Mittwoch, 9. Dezember 2015

Processing - Installationsanleitung

Processing bietet eine einfache Möglichkeit Programmieren im Kontext von visueller Kunst zu erlernen. Das Programm lässt sich kostenfrei (bzw. auf Spendenbasis) unter folgendem Link downloaden: https://processing.org/download/?processing


Hier nun Processing für euer Betriebssystem auswählen und die Datei speichern. Der Download sollte in wenigen Minuten abgeschlossen sein. Danach die Datei entpacken und den Ordner "processing-3.0.1." öffnen. So müsste der Inhalt des entpackten Ordners nun aussehen (bei Windows):
Jetzt nur noch die Datei "processing.exe" öffnen. Processing öffnet ein Programmiereditor und man kann direkt loslegen.

Wie Processing funktioniert und welche Möglichkeiten es uns bietet, erkläre ich euch nächsten Mittwoch im Seminar.

Dienstag, 8. Dezember 2015

Apache OpenOffice – Datenverarbeitung mit Calc


Apache OpenOffice ist ein Open Source Software Paket nach dem Standard der Open Source Initiative und für verschiedene Betriebssysteme (Windows, Mac OS, Linux) verfügbar.
Das Paket enthält ein Text­verarbeitungs-, Tabellen­kalkulations-, Datenbank- und Präsentations­programm und einen Formel­editor.
Mit Calc lassen sich Daten in einer Tabelle verarbeiten bzw. verwalten und analysieren. Dazu enthält Calc über 300 Formeln aus verschiedenen Bereichen der Mathematik.
Mit einer Verarbeitungs­kapazität von 100.000 „Objekten“ stößt man bei großen Daten­mengen schnell an die Grenzen des Programms. Auch einfache Aussagen zu Häufigkeits­verteilungen lassen sich mit Calc nicht ganz ohne Umwege treffen.
Um beispielsweise herauszufinden und zu visualisieren in welchem Zeitraum die meisten Arbeiten vom MoMA angekauft oder auf­genommen wurden, würde sich ein Balken­diagramm in Form eines Histo­gramms eignen.

Dazu:
  1. Zu der Spalte des auszu­wertenden Daten­satzes, bspw. Jahres­zahlen eine weitere Spalte mit entsprechenden Kategorien erstellen, bspw. Zeit­räume.
  2. Mit der Funktion Häufigkeit lässt sich nun berechnen wie oft eine Jahres­zahl in einem Zeit­raum vor­kommt.
  3. Aus den Daten der Ergebnis­spalte ein Balkendiagramm erstellen und bearbeiten.

Angesichts der größeren Daten­menge des MoMA-Bestands und dessen statistische Aus­wertung ist Calc also nur begrenzt zu empfehlen.
Durch eine verständliche und übersichtliche Benutzer­oberfläche  und zahlreiche Youtube-Tutorials lässt sich dafür leicht ein Einstieg finden.


Freitag, 4. Dezember 2015

Installationsanleitung für Gephi

Visualisierung von Netzwerken


Die OpenSource Software Gephi dient der Visualisierung von Netzwerken.
Da das Programm in Java geschrieben ist, ist eine aktuelle Java Version nötig.

1. Ist Java installiert? Wenn ja, dann weiter bei 2, wenn nicht, ist hier der Download möglich: https://www.java.com/de/download/manual.jsp

2. Gephi auf https://gephi.github.io/users/download/ für die jeweilige Betriebssoftware herunterladen




Der Download von Gephi sollte eigentlich keine Probleme bereiten. Wenn alles funktioniert hat und ihr das Programm öffnet, sieht die Benutzeroberfläche so aus:



Nun brauchen wir noch Daten, mit denen wir arbeiten können. In der Dropbox befindet sich eine csv-Datei. Diese beinhaltet eine gekürzte Version der MoMA-Daten, da sonst der Datensatz zu groß ist und das Bearbeiten erschwert wird. Runterladen könnt ihr den Datensatz hier:

https://www.dropbox.com/s/70soj0s27r22h2t/ArtistsAndCountry.csv?dl=0

Nun sollte einer Beschäftigung mit Gephi nichts mehr im Wege stehen.

Mittwoch, 2. Dezember 2015

Warum wir Open Data in der Kunstgeschichte brauchen!

Naturwissenschaftliche Forschung lebt vom Diskurs - und geteilten Daten 


In den Naturwissenschaften ist es mittlerweile Gang und Gäbe, Forschungsdaten als kollektive Quelle zu nutzen. Insbesondere in Disziplinen wie der Teilchenphysik wäre produktive Forschung ohne Open Data kaum mehr möglich, da die nötigen Experimente schlicht zu kostspielig sind, um von jedem Forschenden wiederholt zu werden. Zudem passiert der eigentliche Teil der Denkarbeit erst, wenn die Experimente bereits beendet sind und die Forschungsdaten vorliegen – schließlich geht es um die Analyse und Bewertung, um das Entwickeln neuer Ideen – weniger darum, wer wie viel Speicherplatz mit Forschungsdaten füllen kann.

Digitale Kunstgeschichte - wenig vertrauenserweckendes Neuland?


In der Kunstgeschichte stehen wir nicht so offensichtlich vor diesem Problem – doch die Tatsache, dass wir „auch gut ohne“ über die Runden kommen, hat die Notwendigkeit einer digitalen, vernetzten Kunstgeschichte bislang in großen Teilen untergraben. Sollen die hart erarbeiteten Früchte der eigentlichen Forschungsarbeit etwa „einfach so“ ins Netz gestellt werden, womöglich noch zur völlig freien Nutzung?!
Hinzukommt, dass wir als Geisteswissenschaftler kaum eigene Forschungsdaten generieren, unser Metier sind vielmehr die Bilder: Bilder, die andere (für uns) gemacht haben, ob Originale oder Reproduktionen. Warum das zum Problem werden kann, weiß jeder, der bereits eine Publikation veröffentlichen wollte. Denn da kommen auf einmal zahlreiche Fragen auf: Wer hält denn nun die Rechte an einem Kunstwerk oder einer Reproduktion davon? Ist es der Künstler? Ist es die Institution, in der sich das Werk befindet? Die Öffentlichkeit, aus deren Geldern diese Institutionen finanziert werden? Oder vielleicht doch der Fotograf, der die Reproduktion angefertigt hat? Darf ich Abbildungen aus digitalen Datenbanken wie Prometheus überhaupt veröffentlichen?

Schon mal von Open Data gehört?


Der aktuelle Prozess der Mannheimer Reiss-Engelhorn-Museen gegen die Wikimedia Foundation zeigt ganz deutlich, wie groß hier der Diskussionsbedarf und wie zahlreich die Missverständnisse noch sind. Das Amtsgericht Nürnberg hat die Klage der Stadt Mannheim zurückgewiesen, da das Museum die Gemeinfreiheit des Gemäldes einschränke (Fotografieren ist im Museum verboten) und wertet die Abmahnungen als Versuch, dem abgelaufenen Urheberrecht weiterhin Gültigkeit zu verleihen.

Die Reiss-Engelhorn-Museen schreiben in ihrer ausführlichen Presseerklärung zum Thema:
„Gerade weil das Fertigen der Fotografie mit Steuergeldern finanziert wurde und die Kulturetats immer knapper werden, verlangen wir für gewerbliche oder kommerzielle Nutzungen moderate Gebühren. An uns werden, was die Erfüllung unserer Aufgaben angeht, vom Publikum mit Recht hohe Erwartungen gestellt. Das kostet Geld. Wir halten es daher für nicht verwerflich, wenn wir für kommerzielle Nutzungen unserer Arbeitsergebnisse wenigstens einen Teil der Kosten wieder einspielen möchten. Andere öffentliche Institutionen handhaben dies im Übrigen nicht anders. Es gibt jedenfalls keinen Grundsatz, dass diese nur deswegen, weil sie mit Steuergeldern finanziert sind, ihre Leistungen für jedermann unentgeltlich zu erbringen haben. […] Unsere Gebührenordnung sieht für Internetnutzungen unterschiedslos einen einheitlichen Gebührensatz vor. Es kommt also nicht darauf an, wer die Anfrage stellt und welche Nutzung vorgesehen ist. Für eine zeitlich unbegrenzte Nutzung einer Fotografie im Internet fallen 250,00 EUR an.“ 
Ich kann nachvollziehen, dass insbesondere die kommerzielle Nutzung von Kunstwerken und deren Reproduktionen schwierig ist, zumal die meisten kulturellen Einrichtungen finanziell zu kämpfen haben und die Lizenzgebüren gut brauchen könnten. Aber nach der Argumentation dieser Presseerklärung habe ich mich gefragt, ob sich in Mannheim schon einmal jemand mit Open Data und Gemeinfreiheit beschäftigt hat. Den Verantwortlichen kann ich nur zur Lektüre der Grundsätze der Open Access Foundation raten: Durch öffentliche Gelder subventionierte Forschungsergebnisse sollten der Öffentlichkeit auch wieder frei zugänglich gemacht werden. Dies ist insbesondere deshalb wichtig, da nach der Veröffentlichung häufig Verlage die Rechte an den Publikationen halten und diese wiederum durch öffentliche Gelder zurückgekauft werden müssen, zum Beispiel von öffentlichen Bibliotheken.

Meines Erachtens sollte dieser Grundsatz nicht nur für wissenschaftliche Publikationen sondern genauso für Bilder gelten, die ja die Forschungsdaten der Kunstgeschichte sind. Insbesondere dann, wenn es sich um gemeinfreie Kunstwerke handelt, sollten qualitativ hochwertige Reproduktionen unter offenen Lizenzen im Internet zu finden sein, ob nun auf Wikimedia oder den jeweiligen Websites der Museen.
Hier geht es nicht nur um Firmen, die lustig bedruckte Kaffeebecher verkaufen möchten, sondern genauso um Forschung und gemeinnützige Projekte wie die Website http://musical-co.net/, ein gemeinnütziges Portal für Kinder und Jugendliche über Musiktheater, die ebenfalls von den Abmahnungen der Stadt Mannheim betroffen war.
Und wie soll gute, produktive Forschung möglich sein, wenn die jeweiligen Originale in Depots schlummern, man im Museum nicht fotografieren darf und keine bezahlbaren hochauflösenden Abbildungen zu bekommen sind?

Vernetzung in der Kunstgeschichte: Wozu das denn?


Ein weiteres Problem, das ich insbesondere für die Forschung sehe, ist die mangelnde Vernetzung der Kunsthistoriker auf digitaler Ebene. Corpora, deren Erarbeitung ein wichtiger Teil der Forschung ist, sind oft nur in den entsprechenden Monografien zu finden. Je nach Alter der Publikationen handelt es sich dabei mitunter lediglich um Schwarzweiß-Abbildungen zweifelhafter Qualität, jedoch sind hier Abbildungen von Werken versammelt, die anderswo nicht zu finden sind. Daher ist es dringend notwendig, wissenschaftliche Datenbanken mit hochauflösendenden Digitalisaten dieser Werke zu erstellen, um diese einem möglichst großen Kreis von Forschenden zugänglich machen zu können, bestenfalls unter einer offenen Lizenz. Fragen, die sich dabei leider immer wieder auftun: Wer kann eine Datenbank erstellen und online verfügbar machen? Und wer bezahlt das - also Software, Server, Arbeitszeit und falls nötig Bildlizenzen?

Ein großer Schritt für die Kunstgeschichte


Erste Schritte in eine offenere Richtung werden auch in der Kunstgeschichte bereits unternommen, ein Beispiel hierfür ist das Portal arthistoricum.net, dessen Publikationsplattform ART-Doc Kunsthistorikern die Möglichkeit bietet, ihre wissenschaftlichen Publikationen für Forschung und Lehre oder aber unter einer freien Lizenz kostenlos zur Verfügung zu stellen. Das Projekt FONTES, ebenfalls Teil von arthistoricum.net veröffentlicht wiederum kommentierte und bebilderte Volltext-Versionen frühneuzeitlicher Kunstliteratur - ebenfalls ein wichtige Quelle für kunsthistorische Forschung. 
Der Grund für für dem Mangel an Angeboten scheint also nicht die mangelnde Bereitschaft zu sein, in digitale Infrastrukturen zu investieren, sondern vielmehr das Zögern der Autoren und Datengeber . Besonders bei ART-Doc sticht es ins Auge: Ein Großteil der Autoren ist lediglich mit einigen wenigen Publikationen auf der Plattform vertreten, nur selten wird mehr online gestellt. Zudem ist ein Großteil der dort zu findenden Dokumente der Kategorie Artikel/Buchbeitrag zugeordnet. 
Zeigt sich hier das mangelnde Vertrauen der Autoren in diese neue Art des Publizierens? Oder sind hier vielmehr urheberrechtliche Fragen ausschlaggebend (Die Rechte an Monografien halten häufig die jeweiligen Verlage, sodass diese nicht einfach von den Autoren frei veröffentlicht werden können)?

Dienstag, 1. Dezember 2015

Bildvisualisierung mit Hilfe von ImagePlot - Installationsanleitung

Imageplot arbeitet in Form eines Macros in ImageJ, einem in Java geschriebenen Bildbearbeitungsprogramm.
Bitte schaut somit zuerst einmal nach, ob ihr die neuste Version von Java auf euren Computern installiert habt.
Für diejenigen von euch die Java noch nicht installiert haben, hier der Installationslink:

https://www.java.com/de/download/manual.jsp

Einfach das passende Betriebssystem auswählen und den Installationsanweisungen folgen.

Die Installation von ImagePlot ist recht simpel.
  1. http://lab.softwarestudies.com/p/imageplot.html
  2. Drückt entweder sofort auf Download oder scrollt auf der Seite nach unten bis ihr zum Punkt „Download ImagePlot 1.1“


  1. Wählt dann ImagePlot_v1.1.zip und der download startet. Die erste Zip-Datei ist umfangreicher als die zweite Datei und beinhaltet auch Beispielsdateien zu Van Gogh und Mondrian, mit denen wir uns in einem ersten Schritt befassen werden
  2. Nachdem der Download beendet ist (das dauert eine Weile) habt ihr einen Ordner namens Imageplot-master. Den setzt ihr euch dann bitte auf euren Desktop damit die Handhabung morgen einfacher ist
  3. Im Imageplot-master befinden sich verschiedene Ordner. Unter anderem auch die bereits oben erwähnten Beispielsdateien
  4. Wählt den Ordner „ImageJ“ aus
  5. Dort befindet sich dann das ImageJ Programm:


  1. Öffnet diesen und das Programm startet.
  2. So sieht die Benutzeroberfläche des Programmes dann aus:


Hier befindet sich noch ein weiterer Downloadlink. Dabei handelt es sich um eine Gemälde und eine txt.-Datei der Staatlichen Kunstsammlung Kopenhagen mit denen wir arbeiten werden.

https://www.files-send.com/fa329e00b9f943



Dienstag, 24. November 2015

R als Tool für die digitale Kunstgeschichte

R ist ein statistisches Softwarepaket, das über das Internet zur Verfügung gestellt wird. Es handelt sich um ein sogennates Open Source Projekt, bei dem der komplette Quelltext der Software eingesehen werden kann. Danach kann es auf unterschiedlichen Betriebssystemen verwendet werden, unter anderem Mac OS X, Linux, Sun Solaris und Windows. R zeichnet sich durch eine praktisch unbegrenzt mögliche Erweiterung durch neue Funktionen und Verfahren aus. Neben dem gut ausgetesteten Basispaket, welches bereits eine hohe Funktionalität hinsichtliche statistischer Verfahren und grafischer Darstellungsmöglichkeiten für Daten besitzt, gibt es eine große Anzahl an zusätzlichen R-Paketen mit modernsten statistischen Verfahren für die unterschiedlichsten Einsatzzwecke. 
Wenn man noch nie programmiert hat, ist es sehr hilfreich sich mit den Grundlagen vertraut zu machen. Als ersten Einblick sind YouTube Tutorials sehr empfehlenswert. (vor allem DIESES)
In diesem Blogpost erläutere ich kurz ein paar grundlegende Begriffe anhand von einigen Beispielen. 

Der erste Schritt ist in R Studio unter File --> New File ein "R Script" zu erstellen. Über der Konsole öffnet sich unsere Quelltext Editor. Hier können wir unsere Befehle eingeben, die dann in der Console ausgeführt werden. 

Ein essentieller Bestandteil des Programmierens sind zuallererst Variablen.  
Eine Variable ist eine Art Speicher, den man flexibel mit verschiedenen Datentypen füllen kann. Der Name einer Variable muss in R immer mit einem Buchstaben beginnen. 
Beispiel: 
b = 8
b <- 8 (der Pfeil ist für R das Üblichste)
assign (“ham“, 71)
Mit Variablen kann man mathematische Operationen durchführen wie Addition, Subtraktion, Division, Potenz etc. R funktioniert also wie ein großer Taschenrechner.

Merke: Variablen können nicht nur Nummern beinhalten sondern auch Textzeichen oder ein Datum.

Mit Hilfe der class –Function kann man sich den in einer Variablen hinterlegten Informationstypus ansehen:
Beispiel
> a <- 20
> b <- "kathi"
> class (a)
[1] "numeric"
> class (b)
[1] "character"

Vektoren:
Ein Vektor ist in R eine Liste von Elementen, das kann sehr hilfreich bei vielen Daten sein.
Der Nutzen von Vektoren ist, dass man eine mathematische Operation ganz einfach auf alle Inhalte des Vektors anwenden kann.  
1. Möglichkeit einen Vektor darzustellen: 
avektor <- c(1,2,3,4,5)
2. Möglichkeit einen Vektor darzustellen: 
bvektor <- 1:100

Mit Hilfe der length-Function kann man ganz leicht die Länge eines Vektors ermitteln.

Data.frame: 
Mithilfe von data-frames lassen sich mehrere Vektoren zu einer Datentabelle verknüpfen. Diese Datentabelle kann Vektoren verschiedenen Typus enthalten (character, numerisch etc.). Die Vektoren sollten allerdings gleich lang sein, also gleich viele Elemente beinhalten. Mit der data.frame()-Function lässt sich eine solche Datentabelle erstellen und zuweisen: 

Beispiel: 
id <- 1:15
alter <- c(17,22,58,54,26,37,54,35,22,31,34,25,39,76,66)
name <- c("Kathi","bob", "lili", "ana", "leni", "otto", "gabi", "uli", "chris", "ute", "andy", "tom", "robert", "lisa", "tim")
x <- data.frame(id,alter,name)
x


Wie man ganz bestimmte Elemente in der data.frame abruft:

x$alter Das Dollerzeichen ist ein Operator und sagt: "Gib mir die Spalte alter"
oder: 
x[]     
x[2,2]  bei zwei Zahlen in eckigen Klammern steht die Erste für die Zeile, die Zweite für die Spalte
x [3, 1:3] sagt: Zeige mir von der data.frame x Zeile 3 + Spalte 1-3


Wir wollen jetzt endlich zur Tat schreiten und einen Datensatz auswerten.
Als Beispiel dafür nehmen wir die Datei Artworks.csv (comma seperated value). Das ist der freizugängliche Datensatz des MOMA's.

Dazu laden wir uns den Datensatz herunter. Anschließend klicken wir rechts oben auf "Import Dataset"--> "From Text File" wählen unsere Datei aus und importieren sie. 

Nun sehen wir in unserem Quelltext Editor die Datentabelle. Wir können diese nach unterschiedlichen Kriterien mit dem Filter sortieren. 
Ein wirklich tolle Funktion in R ist die summary()-Function.
Mit diesem Befehl wird uns eine Übersicht über die Top 6 jeder Kategorie angezeigt: 


So sehen wir z.B. dass der häufigste Künstler Eugène Atget ist. Oder dass 10966 Kunstwerke aus der The Louis E. Stern Collection sind. Mit nur einer Zeile kann man sich in Nullkommanichts einen Überblick verschaffen! 

Besonders für die Kunstgeschichte kann so ein Programm, wenn man es beherrscht, eine wahre Arbeitserleichterung sein und Datensätze grafisch darstellbar machen. (Histogramme, Scatterplots, Boxplots etc.)
R ist ein sehr vielfältiges Programm, mit dem man sich jedoch eingehend und länger beschäftigen muss.