Abgeleitete Textformate: Text und Data Mining mit urheberrechtlich geschützten Textbeständen / Christof Schöch, Frédéric Döhl, Achim Rettinger, Evelyn Gius, Peer Trilcke, Peter Leinen, Fotis Jannidis, Maria Hinzmann, Jörg Röpke

Döhl, Frédéric *1978-* [VerfasserIn] ; Rettinger, Achim *1978-* [VerfasserIn] ; Gius, Evelyn [VerfasserIn] ; Trilcke, Peer *1981-* [VerfasserIn] ; Leinen, Peter *1959-* [VerfasserIn] ; Jannidis, Fotis *1961-* [VerfasserIn] ; Hinzmann, Maria [VerfasserIn] ; Röpke, Jörg [VerfasserIn]

Deutsch

2020

Online-Ressource (HTML, XML, PDF)

Enthalten in Forschungsverbund Marbach Weimar Wolfenbüttel: 2020

. - Bd. 5.2020, Seite Artikel 6

DOI: 10.17175/2020_006

*Digital Humanities / Data Mining / Literaturwissenschaft / Open Science / Text Mining / Urheberrecht

*Elektronische Publikation

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.

http://dx.doi.org/10.17175/2020_006 Open Access Lizenz

www.zfdg.de/2020_006 Open Access Lizenz