1Teil des Vortrags, gehalten im Rahmen des interdisziplinären Symposiums "Medien in der Hochschullehre" am 5. Oktober 2021 (via Zoom; Programm)
1. Was ist EisenzeitDigital (EZD)?
- EisenzeitDigital: interdisziplinäres e-Learning-Projekt im Bereich der Digital Humanities (DH)
- Forschungsnahe Lehre: Studierende sollten archäologische Fundstellen der Eisenzeit (ca. 800-15 v. Chr.) in Bayern sammeln, visualisieren und interpretieren
- Zweimalige Förderung durch Lehre@LMU
- Durchführung von SoSe 2017 bis WiSe 2020/21
- Zwei aufeinander aufbauende Lehrveranstaltungen:
- 1: "Eisenzeit digital: Datenanalyse mit MySQL und QGIS" (drei Mal durchgeführt: SoSe 2017, SoSe 2018, WiSe 2019/20)
- 2: "Statistik@EisenzeitDigital": Analyse der gesammelten Daten mit statistischen Methoden (SoSe 2020, WiSe 2020/21)
- DH-Projekt: Kooperation des Instituts für Vor- und Frühgeschichtliche Archäologie und Provinzialrömische Archäologie (Dr. Caroline von Nicolai) - der IT-Gruppe Geisteswissenschaften (Dr. Stephan Lücke) und des Instituts für Statistik (Prof. Dr. Helmut Küchenhoff)
- Doppelte Ausrichtung:
- fachwissenschaftliche Ausbildung
- Vermittlung von Zusatzqualifikationen in den Bereichen Geographische Informationssysteme und Statistik, auch für den außeruniversitären Arbeitsmarkt
- Weitere interdisziplinäre Zusammenarbeit:
- Mit dem Fachbereich Medieninformatik (Prof. Dr. Andreas Butz, Dr. David Englmeier; Visualisierung von Eisenzeit-Daten durch Nina Augustin im Rahmen einer Veranstaltung zur Informationsvisualisierung im WiSe 2018/19)
- Bachelorarbeit im FB Statistik: M. Kling, Siedlungspräferenzen in der Eisenzeit in Bayern. Modellbasierte Analyse (WiSe 2020/21; Betreuung: Sevag Kevork, Institut für Statistik)
- Praktika im FB Statistik anhand der EZD-Daten:
- Anfängerpraktikum WiSe 2018/19 (B. Arnthof, T. Landfarth, S. Musiol, J. Schaefer; Betreuung: Veronika Deffner)
- Anfängerpraktikum WiSe 2019/20 (M. Kling, M. Lorenz, G. Ramadani, Y. Ren; Betreuung: Sevag Kevork)
- Consulting-Praktikum WiSe 2020/21 (I. Dummert, L. Niedermaier; Betreuung: Sevag Kevork)
2. Wie hat EZD das DHVLab genutzt?
- Datensammlung in relationaler Datenbank: MySQL-Cluster des DHVLab
- Virtueller Desktop des DHVLab für Kartierung und Analyse (QGIS, R, Terminal u. a. für MySQL-Analysen)
- WordPress-Modul "DH-Lehre" für online-Publikation von Seminararbeiten (Moodle ungeeignet, da „Interaktivität“ z. B. mit Datenbanken eingeschränkt). Wird zur Demonstration auch bei diesem Vortrag eingesetzt.
- Cloud des DHVLab für Datenaustausch
3. Welche Erfahrungen haben wir gemacht?
- Aufs Ganze gesehen durchaus positiv:
- einheitliche Software-Umgebung für alle Teilnehmer (virtueller Desktop, Datenbanken)
- kein individueller Installationsaufwand
- leichter Datenaustausch über Cloud
- vorbehaltlos bewährt: MySQL-Cluster und Publikationsplattform DH-Lehre
- Inverted Classroom-Konzept: Studierenden hatten die Möglichkeit, sich mit Hilfe von Textbeiträgen, Lehrvideos und Übungsaufgaben auf die einzelnen Themen vorzubereiten. In den Präsenzsitzungen konnten so vor allem gemeinsam Probleme besprochen werden
- Gerade während Corona-Pandemie von großem Vorteil: problemlose Umstellung auf online-Lehre
- Anspruch: Alle Inhalte sollen nach Möglichkeit „FAIR“ – Findable, Accessible, Interoperable, Reusable – sein (⇒ Webtechnologie)
- Weiternutzung der gesammelten Daten zu Forschungszwecken
- Auch negative Erfahrungen:
- grundsätzliches Problem, nicht DHVLab-spezifisch: unterschiedliche Bereitschaft der Studierenden, sich auf die Technologien und Methoden einzulassen
- Doppel"belastung": fachwissenschaftliche Auseinandersetzung *und* Aneignung von DH-Kompetenzen
- dadurch relativ hohe Absprungquote
- technisch: Kapazitätsprobleme des Virtuellen Desktops bei rechenintensiven Anwendungen wie z. B. QGIS oder Bildbearbeitung
- Kein Videostreaming möglich, daher zusätzliche Nutzung von LMUCast
- Mühe der Teilnehmer, sich konsequent auf die Möglichkeiten und Erfordernisse der online-Publikation einzulassen (Einbindung multimedialer Inhalte, Kommunikationsmöglichkeiten über Kommentarfunktion in WordPress, Zurückhaltung bei Publikation...)
4. Kurze Einblicke in Lehrinhalte
- Einsatz von MySQL zur Datenanalyse:
-- Prozentualer Anteil aller Fundtypen am Gesamtbestand (nicht nur Eisenzeit) SELECT COUNT(*) AS Anzahl, ROUND(COUNT(*) / (SELECT COUNT(*) FROM fender_2017) * 100,2) AS Anteil_Prozent, a.Typ FROM fender_2017 a GROUP BY a.Typ ORDER BY Anteil_Prozent desc ;

- Erzeugung Karten mit dem Programm QGIS:
- Einbindung von externen Datenquellen über Web Map Services, zum Beispiel des Bayerischen Landesamt für Breitband, Digitalisierung und Vermessung, des Bayerischen Landesamtes für Umwelt und der Bundesanstalt für Geowissenschaften und Rohstoffe

Absolute Anzahl von Viereckschanzen (Wall-Graben-Anlagen des 2. und 1. Jh. v, Chr.) pro Gemeinde und durchschnittliche Sonnenscheindauer in Stunden pro Jahr
- Einbindung von SQL-Abfragen in QGIS:
- Beispiel für statistische Analyse, Übungsaufgabe 4: Zusammenhang zwischen Höhe über NN und Fundhäufigkeit nach eisenzeitlicher Periode (Hallstatt vs. La Tène)
- Zeitgemäße online-Publikation (zugangsbeschränkt) von wissenschaftlichen Beiträgen (auf dem Seminarportal auf DH-Lehre [Beispiel SoSe 2018])