Abgeleitete Textformate: Text und Data Mining mit urheberrechtlich geschützten Textbeständen
Zeitschrift für digitale Geisteswissenschaften. Bd. 5. Wolfenbüttel: Forschungsverbund Marbach Weimar Wolfenbüttel 2020 S. 1
Erscheinungsjahr: 2020
ISBN/ISSN: 2510-1358
Publikationstyp: Zeitschriftenaufsatz
Sprache: Deutsch
Doi/URN: 10.17175/2020_006
Geprüft | Bibliothek |
Inhaltszusammenfassung
Das Text und Data Mining (TDM) mit urheberrechtlich geschützten Texten unterliegt trotz der TDM-Schranke (§ 60d UrhG) weiterhin Einschränkungen, die u. a. die Speicherung, Veröffentlichung und Nachnutzung der entstehenden Korpora betreffen und das volle Potenzial des TDM in den Digital Humanities ungenutzt lassen. Als Lösung werden abgeleitete Textformate vorgeschlagen: Hier werden urheberrechtlich geschützte Textbestände so transformiert, dass alle wesentlichen urheberrechtlich relevanten Me...Das Text und Data Mining (TDM) mit urheberrechtlich geschützten Texten unterliegt trotz der TDM-Schranke (§ 60d UrhG) weiterhin Einschränkungen, die u. a. die Speicherung, Veröffentlichung und Nachnutzung der entstehenden Korpora betreffen und das volle Potenzial des TDM in den Digital Humanities ungenutzt lassen. Als Lösung werden abgeleitete Textformate vorgeschlagen: Hier werden urheberrechtlich geschützte Textbestände so transformiert, dass alle wesentlichen urheberrechtlich relevanten Merkmale entfernt werden, verschiedene einschlägige Methoden des TDM aber weiterhin zum Einsatz kommen können. Mehrere abgeleitete Textformate werden aus Sicht der Computational Literary Studies, der Informatik, der Gedächtnisinstitutionen und der Rechtswissenschaften beleuchtet. » weiterlesen» einklappen
Autoren
Klassifikation
DFG Fachgebiet:
Literaturwissenschaft
DDC Sachgruppe:
Literatur, Rhetorik, Literaturwissenschaft
Verknüpfte Personen
- Jörg Röpke
- Mitarbeiter/in
(Universitätsbibliothek)
- Maria Hinzmann
- Mitarbeiter/in
(Kompetenzzentrum - Trier Center for Digital Humanities)