` mit CSS class `'herounit-homepage herounit-homepage--default'` untergeordnet ist und können diesen und alle untergeordneten Tags (sogenannte \"children\") mit `beautifulsoup` extrahieren.\n"
- ]
+ "source": "### Ausschnitt identifizieren\nWir sehen, dass der links abgebildete Inhalt dem div-Container `
` mit CSS class `'herounit-homepage herounit-homepage--default'` untergeordnet ist und können diesen und alle untergeordneten Tags (sogenannte \"children\") mit `beautifulsoup` extrahieren.\n"
},
{
"cell_type": "code",
@@ -403,10 +382,7 @@
"cell_type": "markdown",
"id": "878ca3f8-c774-4a8b-9aa4-e24356136112",
"metadata": {},
- "source": [
- "Wir sehen, dass die Links keine vollständigen URLs sind, da sie weder mit `www.` noch mit `https://` anfangen. Diese Links nennen wir **relative URLs**. Sie verweisen auf Unterseiten der aktuellen Seite (die Startseite der Senatskanzlei). Die Adresse der Unterseiten wird relativ zur aktuellen Seite angegeben.\n",
- "Die Abfrage dieser relativen URLs in einem Browser funktioniert nicht, es wird ein `File not found`-Error zurückgegeben, da der Browser versucht eine Datei im lokalen Dateisystem zu öffnen und die angegebene Datei nicht findet. Um die Website abfragen zu können, müssen wir die relativen URLs in absolute URLs umwandeln. Beim Umwandeln wird das Präfix der aktuellen Seite vorangestellt werden, in unserem Fall \"https://www.berlin.de/\"."
- ]
+ "source": "Wir sehen, dass die Links keine vollständigen URLs sind, da sie weder mit `www.` noch mit `https://` anfangen. Diese Links nennen wir **relative URLs**. Sie verweisen auf Unterseiten der aktuellen Seite (die Startseite der Senatskanzlei). Die Adresse der Unterseiten wird relativ zur aktuellen Seite angegeben.\nDie Abfrage dieser relativen URLs in einem Browser funktioniert nicht, es wird ein `File not found`-Error zurückgegeben, da der Browser versucht eine Datei im lokalen Dateisystem zu öffnen und die angegebene Datei nicht findet. Um die Website abfragen zu können, müssen wir die relativen URLs in absolute URLs umwandeln. Beim Umwandeln wird das Präfix der aktuellen Seite vorangestellt, in unserem Fall \"https://www.berlin.de/\"."
},
{
"cell_type": "code",
@@ -441,17 +417,7 @@
"cell_type": "markdown",
"id": "cd340922-a662-4388-8062-0f598b335bbb",
"metadata": {},
- "source": [
- "## Zusammenfügen der Daten \n",
- "Wir haben nun unterschiedliche drei Listen mit zusammenhängende Daten aus dem HTML-Code extrahiert:\n",
- "* Titel\n",
- "* Teaser-Text\n",
- "* URLs zu den vollständigen Artikeln\n",
- "\n",
- "Diese wollen in einem nächsten Schritt zusammenfügen. Dafür prüfen wir zuerst die Vollständigkeit der Daten, das heißt, ob alle Listen die gleiche Länge haben. Da wir die Daten immer in derselben Reihenfolge abgeschritten sind, können wir die Reihenfolge der Listen nutzen, um sie zusammenzufügen. \\\n",
- "Wir speichern zusätzlich ein weiteres Metadatum und zwar das Datum der Extraktion. \\\n",
- "Die Daten bilden wir in einer Tabelle ab, da sich diese Datenstruktur gut für relationale Daten eignet. "
- ]
+ "source": "## Zusammenfügen der Daten \nWir haben nun unterschiedliche drei Listen mit zusammenhängenden Daten aus dem HTML-Code extrahiert:\n* Titel\n* Teaser-Text\n* URLs zu den vollständigen Artikeln\n\nDiese wollen wir in einem nächsten Schritt zusammenfügen. Dafür prüfen wir zuerst die Vollständigkeit der Daten, das heißt, ob alle Listen die gleiche Länge haben. Da wir die Daten immer in derselben Reihenfolge abgeschritten sind, können wir die Reihenfolge der Listen nutzen, um sie zusammenzufügen. \\\nWir speichern zusätzlich ein weiteres Metadatum und zwar das Datum der Extraktion. \\\nDie Daten bilden wir in einer Tabelle ab, da sich diese Datenstruktur gut für relationale Daten eignet. "
},
{
"cell_type": "code",
diff --git a/html_intro/html-intro_summary.md b/html_intro/html-intro_summary.md
index 0f2f3829d..c788a5122 100644
--- a/html_intro/html-intro_summary.md
+++ b/html_intro/html-intro_summary.md
@@ -11,7 +11,7 @@ Es gibt unterschiedliche Dateiformate, in denen Text gespeichert sein kann. Wäh
**HTML-Dokumente**
Die Grundlage von Websites sind HTML-Dokumente, die die Website-Inhalte (Text, Bilder, Links etc.) strukturieren und speichern. HTML besteht aus sogenannten Tags und deren Inhalt. Die Tags geben Metainformationen dazu, um welche Form von Inhalt es sich handelt, z.B. `
` für Titel, ``, `` und `- ` für Listen oder `
` für Tabellen.
-Zusätzliche Informationen können in sogenannten Attributes der HTML-Tags gespeichert werden. Das Design von Websites wird über CSS festgelegt.
+Zusätzliche Informationen können in sogenannten Attributen der HTML-Tags gespeichert werden. Das Design von Websites wird über CSS festgelegt.
**Parsen von HTML-Dokumenten**
diff --git a/html_intro/html-intro_text_as_digital_objects.md b/html_intro/html-intro_text_as_digital_objects.md
index 0a079f40f..1f153f7b2 100644
--- a/html_intro/html-intro_text_as_digital_objects.md
+++ b/html_intro/html-intro_text_as_digital_objects.md
@@ -1,7 +1,7 @@
(html-intro_text_as_digital_objects)=
# Elemente von Korpora: Texte als digitale Objekte
-Texte können digital auf sehr unterschiedliche Weisen gespeichert, prozessiert und repräsentiert werden. Die vielfältige Formen von Text im Digitalen weisen dabei jeweils spezifische Eigenschaften und Einsatzmöglichkeiten auf. In diesem Abschnitt werden vier weit verbreitete Erscheinungsformen digitaler Texte vorgestellt:
+Texte können digital auf sehr unterschiedliche Weisen gespeichert, prozessiert und repräsentiert werden. Die vielfältigen Formen von Text im Digitalen weisen dabei jeweils spezifische Eigenschaften und Einsatzmöglichkeiten auf. In diesem Abschnitt werden vier weit verbreitete Erscheinungsformen digitaler Texte vorgestellt:
- Bilddigitalisate von Text (z.B. PDF, PNG, JPG, TIFF)
- Reiner Text, auch "Plain Text" (TXT)
@@ -40,10 +40,10 @@ name: Snippet eines Bilddigitalisats
**Beispiel:**
-`
+```
Europäischer Aktionstag zur Gleichstellung von Menschen mit Behinderungen
Wir laden Sie herzlich ein, den „Aktionstag BUNT VERBINDET“ am Freitag den 3. Mai 2024 von 12:00 bis 17:00 Uhr, auf dem Hermann-Ehlers-Platz, auf unserem Straßenfest zu feiern. Der Aktionstag findet anlässlich des Europäischen Protesttages zur Gleichstellung von Menschen mit Behinderungen statt. Ein ganz besonderes Highlight ist unser LeseZelt, in dem Geschichten durch Gebärdensprache, Tastbücher und Leichte Sprache erzählt werden. Hören, sehen, fühlen und verstehen sind für alle gleichermaßen erlebbar.
-`
+```
*Beispiel für Reinen Text ohne jede Formatierung, üblicherweise als TXT-Datei gespeichert*
@@ -75,7 +75,7 @@ Wir laden Sie herzlich ein, den „Aktionstag BUNT VERBINDET“ am Freitag den 3
```
-*Beispiel für ein Ausschnitt aus einem HTML-Dokument, hier ein Ausschnitt einer Pressemitteilung des Bezirkamts Steglitz-Zehlendorf*
+*Beispiel für einen Ausschnitt aus einem HTML-Dokument, hier ein Ausschnitt einer Pressemitteilung des Bezirksamts Steglitz-Zehlendorf*
@@ -102,7 +102,7 @@ ID,TOKEN,LEMMA,POS
7,Behinderungen,Behinderung,NOUN
```
-*CSV-Datei, bei der in der ersten Zeile ein Tabellenkopf steht, in den dann folgenden Zeilen jeweils zunächst eine durchzählende ID, dann ein Wort, gefolgt von weiteren linguistischen Informationen: der Grundform ("Lemma") und der Wortart ("POS", "Part of Speech")*
+*CSV-Datei, bei der in der ersten Zeile ein Tabellenkopf steht, in den dann folgenden Zeilen jeweils zunächst eine durchzählende ID, dann ein Wort, gefolgt von weiteren linguistischen Informationen: der Grundform ("Lemma") und der Wortart ("POS", "Part of Speech")*
| ID | TOKEN | LEMMA | POS |
@@ -117,7 +117,7 @@ ID,TOKEN,LEMMA,POS
| 7 | Behinderungen | Behinderung | NOUN |
-*CSV-Datei lassen sich, wie hier zu sehen, mit üblichen Programmen wie Open Office oder MS Office auch als Tabellen darstellen*
+*CSV-Dateien lassen sich, wie hier zu sehen, mit üblichen Programmen wie Open Office oder MS Office auch als Tabellen darstellen*
## Zusammenfassung
diff --git a/introduction/introduction_learning-outcomes.md b/introduction/introduction_learning-outcomes.md
index 0ecb01e2c..06cd99a3e 100644
--- a/introduction/introduction_learning-outcomes.md
+++ b/introduction/introduction_learning-outcomes.md
@@ -8,4 +8,4 @@ Nach erfolgreichem Durchlaufen dieser Fallstudie können im Erfolgsfall die folg
3. Sie können den Quellcode einer Website untersuchen und geeignete HTML-Tags zur Textextraktion ermitteln (siehe v.a. Kapitel ["Texte als digitale Objekte. Einführung in HTML"](html-intro_intro))
4. Sie können entscheiden, welche Scraping-Methode für die Korpuserstellung verwendet werden muss (siehe v.a. Kapitel ["Scraping als Methode zum Korpusaufbau"](scraping-intro_intro))
5. Sie können die notwendigen Schritte für die Korpuserstellung aufzählen (siehe v.a. Kapitel ["Korpusaufbau"](corpus-building_intro))
-5. Sie kennen Methoden zur automatischen Analyse von Textkomplexität und können visuell dargestellte Ergebnisse interpretieren. (siehe v.a. Kapitel ["Korpusanalyse"](corpus-analysis_intro)).
+6. Sie kennen Methoden zur automatischen Analyse von Textkomplexität und können visuell dargestellte Ergebnisse interpretieren. (siehe v.a. Kapitel ["Korpusanalyse"](corpus-analysis_intro)).
diff --git a/introduction/introduction_requirements.md b/introduction/introduction_requirements.md
index 4ac7b9302..99487b135 100644
--- a/introduction/introduction_requirements.md
+++ b/introduction/introduction_requirements.md
@@ -12,11 +12,11 @@ Kurz gesagt: Das **"Jupyter Book"** ist das Gesamtwerk, das Sie hier vor sich ha
```
## Modi der Nutzung
-- Im **"Book-Only Mode"** lesen Sie in Ihrem Internet-Browser unser "Jupyter Book" und haben eingeschränkte Möglichkeiten, etwa mit Visualisierungen zu interagieren. Sie können den Code und seine bereits erzeugten Ausgaben zwar sehen, ihn aber nicht selbst ausführen. Dieser Modus erfordert keine Programmierkenntnisse und keine Erfahrungen im Umgang mit der interaktiven Programmierumgebung "Jupyter Notebook".
-- Im **"Cloud Mode"** können Sie darüber hinaus die in diesem "Jupyter Book" enthaltenen "Jupyter Notebooks" über den webbasierten Dienst "Colab" von Google aktiv ausführen, den Code verändern und ggf. auch für eigene Forschungsfragen adaptieren. Unterkapitel dieser Fallstudie, die in Form von "Jupyter Notebooks" vorliegen und die Sie entsprechdend im "Cloud Mode" ausführen können, weisen oben rechts eine 🚀 auf. Klicken Sie auf die Rakete und öffnen Sie das "Jupyter Notebook" auf "Colab".
+- Im **"Book-Only Mode"** lesen Sie in Ihrem Internet-Browser unser "Jupyter Book" und haben eingeschränkte Möglichkeiten, etwa mit Visualisierungen zu interagieren. Sie können den Code und seine bereits erzeugten Ausgaben zwar sehen, ihn aber nicht selbst ausführen. Dieser Modus erfordert keine Programmierkenntnisse und keine Erfahrungen im Umgang mit der interaktiven Programmierumgebung "Jupyter Notebook".
+- Im **"Cloud Mode"** können Sie darüber hinaus die in diesem "Jupyter Book" enthaltenen "Jupyter Notebooks" über den webbasierten Dienst "Colab" von Google aktiv ausführen, den Code verändern und ggf. auch für eigene Forschungsfragen adaptieren. Unterkapitel dieser Fallstudie, die in Form von "Jupyter Notebooks" vorliegen und die Sie entsprechend im "Cloud Mode" ausführen können, weisen oben rechts eine 🚀 auf. Klicken Sie auf die Rakete und öffnen Sie das "Jupyter Notebook" auf "Colab".
- Im **"Local Mode"** laden Sie das "Jupyter Notebook" auf Ihren eigenen Computer und führen es dort in einer entsprechenden Umgebung aus (z.B. im "Anaconda Navigator"). Hier haben Sie ebenfalls die Möglichkeit, den Code aktiv auszuführen, ihn zu verändern und ggf. auch für eigene Forschungsfragen zu adaptieren. Dabei können Sie auch Daten nutzen, die Sie lokal auf Ihrem Computer vorhalten.
-Weitere Hinweise zur Arbeit mit "Jupter Book", "Jupyter Notebooks" und zur Installation von Anaconda für die Nutzung im "Local Mode" vermitteln die unten verlinkten "QUADRIGA approved Tutorials".
+Weitere Hinweise zur Arbeit mit "Jupyter Book", "Jupyter Notebooks" und zur Installation von Anaconda für die Nutzung im "Local Mode" vermitteln die unten verlinkten "QUADRIGA approved Tutorials".
`````{admonition} QUADRIGA approved Tutorials
:class: seealso
diff --git a/reflection/reflection_reflection.md b/reflection/reflection_reflection.md
index 79cfd5e3d..ef0ea1d17 100644
--- a/reflection/reflection_reflection.md
+++ b/reflection/reflection_reflection.md
@@ -16,7 +16,7 @@ Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre
```
````
-Mit der Analyse der Textkomplexität haben wir den in dieser Fallstudie entwickelten Meßvorgang abgeschlossen. Ausgehend von der Forschungsfrage, *wie sich die kommunikative Barrierearmut des Berliner Senats im Zeitraum von 2011 bis 2024 entwickelt*, haben wir das Konzept der Barrierearmut über die Leichte Sprache an Lesbarkeitsindizes gekoppelt, ein Korpus der Pressemitteilungen der Berliner Exekutive aufgebaut und die Textkomplexität über die Zeit ausgewertet. Die vier verwendeten Maße deuten dabei übereinstimmend auf eine zunehmende Textkomplexität hin. Zu beachten ist, dass ein hoher Flesch-Wert für eine leichtere Lesbarkeit steht (er sinkt über die Zeit), ein hoher Wert der drei übrigen Maße dagegen für eine schwerere (sie steigen). Gemessen an unserer Operationalisierung ist die Kommunikation des Senats also nicht barriereärmer, sondern eher barrierereicher geworden.
+Mit der Analyse der Textkomplexität haben wir den in dieser Fallstudie entwickelten Messvorgang abgeschlossen. Ausgehend von der Forschungsfrage, *wie sich die kommunikative Barrierearmut des Berliner Senats im Zeitraum von 2011 bis 2024 entwickelt*, haben wir das Konzept der Barrierearmut über die Leichte Sprache an Lesbarkeitsindizes gekoppelt, ein Korpus der Pressemitteilungen der Berliner Exekutive aufgebaut und die Textkomplexität über die Zeit ausgewertet. Die vier verwendeten Maße deuten dabei übereinstimmend auf eine zunehmende Textkomplexität hin. Zu beachten ist, dass ein hoher Flesch-Wert für eine leichtere Lesbarkeit steht (er sinkt über die Zeit), ein hoher Wert der drei übrigen Maße dagegen für eine schwerere (sie steigen). Gemessen an unserer Operationalisierung ist die Kommunikation des Senats also nicht barriereärmer, sondern eher barrierereicher geworden.
Dieser Befund bedarf allerdings der Einordnung. Ein Ergebnis ist nur so tragfähig wie die Operationalisierung, die ihm zugrunde liegt, und jede Operationalisierung in den Digital Humanities ist, wie wir bereits im Kapitel [Operationalisierung](research-question_operationalization) angemerkt haben, diskutabel. Wir treten daher zum Abschluss einen Schritt zurück und reflektieren Reichweite und Grenzen unseres Vorgehens.
diff --git a/research_question/research-question_operationalization.md b/research_question/research-question_operationalization.md
index aab13be61..456ab37ed 100644
--- a/research_question/research-question_operationalization.md
+++ b/research_question/research-question_operationalization.md
@@ -1,6 +1,6 @@
(research-question_operationalization)=
# Operationalisierung und Methodik
-Die im [vorhergehenden Abschnitt](research-question_research-question) entwickelte Forschungsfrage zielt darauf, eine Verminderung der sprachlichen Komplexität in der Kommunikation der Berliner Senatsverwaltung mit der Öffenlichkeit zu beobachten, mithin potenzielle Veränderungen der kommunikativen Barrierearmut in einem bestimmten Zeitraum zu messen.
+Die im [vorhergehenden Abschnitt](research-question_research-question) entwickelte Forschungsfrage zielt darauf, eine Verminderung der sprachlichen Komplexität in der Kommunikation der Berliner Senatsverwaltung mit der Öffentlichkeit zu beobachten, mithin potenzielle Veränderungen der kommunikativen Barrierearmut in einem bestimmten Zeitraum zu messen.
Um eine solche Messung möglich zu machen, muss zunächst eine Operationalisierung der Forschungsfrage erfolgen. "Operationalisierung bezeichnet den Prozess, ein Erkennungs- oder Messverfahren für ein theoretisches Konzept zu entwickeln." {cite:p}`krautter_operationalisierung_2023`.
@@ -9,13 +9,13 @@ Für die Operationalisierung unserer Forschungsfrage müssen insbesondere drei F
- Wie kann diese gemessen werden?
- Anhand welches Korpus lässt sich die kommunikative Barrierearmut messen?
-## Kommunikative Barierefreiheit und das Konzept der Leichten Sprache
-Das Konzept der kommunikativen Barrierearmut koppeln wir, wie im vorhergehenden Abschnitt bereits vorbereitet, an das **Konzept der Leichten Sprache**. Unter Barrierearmut wollen wir in diesem Sinne im Folgenden eine Kommunikation in leicht verständlicher Sprache verstehen. Kommunikative Barrierarmut ist damit ein gradueller Begriff: die Sprache kann leichter oder schwerer verständlich sein. Unsere Messung soll genau das ermitteln: wird die Sprache – unter bestimmten Gesichtspunkten – leichter oder schwerer verständlich?
+## Kommunikative Barrierefreiheit und das Konzept der Leichten Sprache
+Das Konzept der kommunikativen Barrierearmut koppeln wir, wie im vorhergehenden Abschnitt bereits vorbereitet, an das **Konzept der Leichten Sprache**. Unter Barrierearmut wollen wir in diesem Sinne im Folgenden eine Kommunikation in leicht verständlicher Sprache verstehen. Kommunikative Barrierearmut ist damit ein gradueller Begriff: die Sprache kann leichter oder schwerer verständlich sein. Unsere Messung soll genau das ermitteln: wird die Sprache – unter bestimmten Gesichtspunkten – leichter oder schwerer verständlich?
-In der Forschung wird das Konzept der Leichten Sprache an einer ganzen Reihe von Indikatoren festgemacht. Die DIN SPEC „Empfehlungen für Deutsche Leichte Sprache" beziehen sich z.B. in Hinblick auf die sprachliche Dimension …
+In der Forschung wird das Konzept der Leichten Sprache an einer ganzen Reihe von Indikatoren festgemacht. Die DIN SPEC „Empfehlungen für Deutsche Leichte Sprache" bezieht sich z.B. in Hinblick auf die sprachliche Dimension …
- … auf die **Wortebene** (z.B. Verwenden geläufiger Wörter, Vermeiden von Metaphern und Fremd- bzw. Fachwörtern oder Abkürzungen u.v.m.),
- … auf die **Satzebene** (eher Verbalstil, Vermeiden von Negationen, Vermeiden von komplexen Nominalphrasen und eingebetteten Nebensätzen u.v.m.)
-- … und auf **Textebene** (klare Absatzgliederung, vorangestellte Zusammenfassung, Verwenden von Zwischenüberschriften u.v.m.)
+- … und auf die **Textebene** (klare Absatzgliederung, vorangestellte Zusammenfassung, Verwenden von Zwischenüberschriften u.v.m.)
## Lesbarkeitsindizes
Für unsere Operationalisierung wollen wir auf ein kleines Set aus diesen Indikatoren zurückgreifen, das traditionell in sogenannten **Lesbarkeitsindizes** ({cite:p}`dubay_principles_2004`) zusammengeführt wird, die zur Messung von Textkomplexität entwickelt wurden. Viele dieser Lesbarkeitsindizes nutzen dabei zur Berechnung der Textkomplexität die durchschnittliche Wortlänge und die durchschnittliche Satzlänge, und damit zwei Parameter, die auch im Diskurs um Leichte Sprache regelmäßig herangezogen werden.
@@ -27,11 +27,11 @@ Vor diesem Hintergrund können wir unsere Fragestellung fokussieren, präzisiere
## Wahl eines Korpus
Die damit skizzierten Analysen werden wir auf einem **Korpus** durchführen, das mindestens vier Kriterien erfüllen muss:
- Es muss öffentlich zugänglich und maschinell aggregierbar ("Scraping") sein.
-- Es muss im Kern der Kommunikation der Behörden mit der Öffentlichkeit dienen
+- Es muss im Kern der Kommunikation der Behörden mit der Öffentlichkeit dienen.
- Es muss in Hinblick auf die enthaltenen Textsorten möglichst homogen sein, da es bei Textsorten jeweils unterschiedliche Konventionen der Textkomplexität geben kann.
- Die Einzeltexte des Korpus müssen sich möglichst präzise zeitlich situieren lassen, da nur so die Frage nach der zeitlichen Verteilung und damit nach der Entwicklung beantwortbar ist.
-Nach systematischen Recherchen auf den Websites der Landesbehörden des Landes Brandenburg und des Landes Berlin haben wir uns dafür entschieden, die Pressemitteilungen der Berliner Senatsverwaltung als exemplarischen Datensatz auszuwählen, den wir für die Analyse im Sinne unserer Fragestellung nutzen wollen. Die Pressemitteilung erfüllen alle der vier oben genannten Kriterien. Mit dem Korpusaufbau beschäftigen wir uns weiter im Kapitel [Korpora als epistemische Objekte](corpus-collection_intro)
+Nach systematischen Recherchen auf den Websites der Landesbehörden des Landes Brandenburg und des Landes Berlin haben wir uns dafür entschieden, die Pressemitteilungen der Berliner Senatsverwaltung als exemplarischen Datensatz auszuwählen, den wir für die Analyse im Sinne unserer Fragestellung nutzen wollen. Die Pressemitteilungen erfüllen alle der vier oben genannten Kriterien. Mit dem Korpusaufbau beschäftigen wir uns weiter im Kapitel [Korpora als epistemische Objekte](corpus-collection_intro)
## Unsere Operationalisierung
diff --git a/research_question/research-question_research-question.md b/research_question/research-question_research-question.md
index 9a7624ce6..20aa37770 100644
--- a/research_question/research-question_research-question.md
+++ b/research_question/research-question_research-question.md
@@ -1,6 +1,6 @@
(research-question_research-question)=
# Fragestellung
-In den letzten fünfzehn Jahren hat die Bedeutung von barrierefreier Kommunikation {cite:p}`maas_handbuch_2019` im Allgemeinen und Leichter Sprache im Besonderen in der öffentlichen Verwaltung erheblich zugenommen. Im Kontext der Umsetzung der UN-Behindertenrechtskonvention, die seit ihrer Ratifizierung in Deutschland 2009 verbindliches Recht ist, ergibt sich eine Verpflichtung zur barrierearmen Kommunikation, bei der leichte Sprache – als eine „verständlichkeitsoptimierte Varietät" ({cite:p}`maas_leichte_2019`, S. 252) des Deutschen – eine wichtige Rolle spielt. In Form zahlreicher Regelwerke und Handreichungen (etwa {cite:p}`netzwerk_leichte_sprache_leichte_2014`, {cite:p}`maas_ratgeber_2016`), seit März 2025 auch in der DIN SPEC „Empfehlungen für Deutsche Leichte Sprache", wird die Verwendung Leichter Sprache diskursiv, konzeptionell und pragmatisch erschlossen. Neben der rechtlichen Dimension betrifft die Verwendung von Leichter Sprache in der Kommunikation mit und von Behörden dabei auch Grundfragen der gesellschaftlichen Teilhabe. Dies geschieht im Kontext einer gesteigerten gesellschaftlichen Aufmerksamkeit für das Konzept der Leichten Sprache, die sich exemplarisch etwa in der markanten Zunahme der Häufigkeit des Begriffs im Google Books-Korpus zeigt (siehe die Google Ngram-Abfrage in {numref}`fig-ngram-leichte-sprache`).
+In den letzten fünfzehn Jahren hat die Bedeutung von barrierefreier Kommunikation {cite:p}`maas_handbuch_2019` im Allgemeinen und Leichter Sprache im Besonderen in der öffentlichen Verwaltung erheblich zugenommen. Im Kontext der Umsetzung der UN-Behindertenrechtskonvention, die seit ihrer Ratifizierung in Deutschland 2009 verbindliches Recht ist, ergibt sich eine Verpflichtung zur barrierearmen Kommunikation, bei der Leichte Sprache – als eine „verständlichkeitsoptimierte Varietät" ({cite:p}`maas_leichte_2019`, S. 252) des Deutschen – eine wichtige Rolle spielt. In Form zahlreicher Regelwerke und Handreichungen (etwa {cite:p}`netzwerk_leichte_sprache_leichte_2014`, {cite:p}`maas_ratgeber_2016`), seit März 2025 auch in der DIN SPEC „Empfehlungen für Deutsche Leichte Sprache", wird die Verwendung Leichter Sprache diskursiv, konzeptionell und pragmatisch erschlossen. Neben der rechtlichen Dimension betrifft die Verwendung von Leichter Sprache in der Kommunikation mit und von Behörden dabei auch Grundfragen der gesellschaftlichen Teilhabe. Dies geschieht im Kontext einer gesteigerten gesellschaftlichen Aufmerksamkeit für das Konzept der Leichten Sprache, die sich exemplarisch etwa in der markanten Zunahme der Häufigkeit des Begriffs im Google Books-Korpus zeigt (siehe die Google Ngram-Abfrage in {numref}`fig-ngram-leichte-sprache`).
```{figure} ../assets/images/Google-Ngram_Leichte-Sprache.png
@@ -15,7 +15,7 @@ Vor diesem Hintergrund haben Behörden in den letzten Jahren zunehmend gesondert
Wir wollen diese Fragestellung anhand eines zentralen Formats der Kommunikation zwischen Staat und Bürger:innen erörtern: der Pressemitteilung, mit der (Landes-)Regierungen und Behörden die Öffentlichkeit über politische Entscheidungen, Gesetzesvorhaben und aktuelle Entwicklungen informieren. Eine Verminderung der Komplexität der Sprache in den Pressemitteilungen würde Barrieren abbauen und so Inklusion fördern.
-Tun dies – so fragen wir uns im Folgenden am Beispiel der Berliner Senatsverwaltung - die Behörden?
+Tun dies – so fragen wir uns im Folgenden am Beispiel der Berliner Senatsverwaltung – die Behörden?
`````{admonition} Forschungsfrage
diff --git a/research_question/research-question_summary.md b/research_question/research-question_summary.md
index dbcfab907..6b2f8edf7 100644
--- a/research_question/research-question_summary.md
+++ b/research_question/research-question_summary.md
@@ -9,11 +9,11 @@ Im zurückliegenden Kapitel haben wir die [Forschungsfrage](research-question_re
**Operationalisierung**
-Um die Forschungsfrage für eine quantitativ-digitale Analyse adressierbar zu machen, haben wir eine [Operationalisierung](research-question_operationalization) vorgenommen, durch die wir einen Meßvorgang definieren können, der als Antwort für die Frage gelten kann. Unsere Operationalisierung umfasst die folgenden Punkte:
+Um die Forschungsfrage für eine quantitativ-digitale Analyse adressierbar zu machen, haben wir eine [Operationalisierung](research-question_operationalization) vorgenommen, durch die wir einen Messvorgang definieren können, der als Antwort für die Frage gelten kann. Unsere Operationalisierung umfasst die folgenden Punkte:
* Repräsentative Kommunikation des Berliner Senats mit der Öffentlichkeit: Pressemitteilungen
* Komplexität der Sprache: Lesbarkeitsindizes
* Entwicklung der Komplexität: Analyse der Lesbarkeitsindizes über Zeit
```
-Im nächsten Kapitel werden wir nun unser Forschungskorpus aufbauen, auf dem wir den Meßvorgang durchführen werden.
+Im nächsten Kapitel werden wir nun unser Forschungskorpus aufbauen, auf dem wir den Messvorgang durchführen werden.
diff --git a/scraping_intro/scraping_assessment.md b/scraping_intro/scraping_assessment.md
index f9c53f3c1..f9dd29e9f 100644
--- a/scraping_intro/scraping_assessment.md
+++ b/scraping_intro/scraping_assessment.md
@@ -230,7 +230,7 @@ from assessment import DragDropQuiz
quiz = DragDropQuiz()
quiz.create_matching_quiz(
- title="Ordnen Sie die Python-Bibliotheken für Web Scraping den passenden Beschreibungen zu:",
+ title="Ordnen Sie die Python-Bibliotheken für Web-Scraping den passenden Beschreibungen zu:",
descriptions=[
"Einfache HTTP-Anfragen für einzelne statische Webseiten",
"Effizientes Crawlen und Folgen von Links über mehrere Seiten",
@@ -339,7 +339,7 @@ from quadriga import colors
question10 = [
{
- "question": "Welche ethischen und rechtlichen Aspekte müssen beim Web Scraping beachtet werden? Wählen Sie alle zutreffenden Aussagen.",
+ "question": "Welche ethischen und rechtlichen Aspekte müssen beim Web-Scraping beachtet werden? Wählen Sie alle zutreffenden Aussagen.",
"type": "multiple_choice",
"answers": [
{
diff --git a/scraping_intro/scraping_http-intro.md b/scraping_intro/scraping_http-intro.md
index cac5af3a9..c0adf9fcd 100644
--- a/scraping_intro/scraping_http-intro.md
+++ b/scraping_intro/scraping_http-intro.md
@@ -13,7 +13,7 @@ jupytext:
Sie können die Komponenten aufzählen, die an einem HTTP-Request beteiligt sind, den Unterschied zwischen dem Aufbau eines HTTP-Requests und einer HTTP-Response erläutern sowie die Response codes 200, 404, 403 und 500 interpretieren.
```
-Zur Erstellung eines Korpus bestehend aus großen Mengen von Website-Inhalten, ist es ratsam, eine automatisierte Methode zum Herunterladen der Website-Inhalte zu verwenden. Um zu verstehen, wie das Herunterladen bzw. das Abfragen von Websites automatisert werden kann, verschaffen wir uns zuerst einen Überblick darüber, was (auf Netzwerkeebene) passiert, wenn wir eine Website anwählen.
+Zur Erstellung eines Korpus bestehend aus großen Mengen von Website-Inhalten, ist es ratsam, eine automatisierte Methode zum Herunterladen der Website-Inhalte zu verwenden. Um zu verstehen, wie das Herunterladen bzw. das Abfragen von Websites automatisiert werden kann, verschaffen wir uns zuerst einen Überblick darüber, was (auf Netzwerkeebene) passiert, wenn wir eine Website anwählen.
## Aufbau der Webkommunikation mittels HTTP
Wenn Sie eine Website besuchen, passiert im Hintergrund Folgendes:
@@ -33,7 +33,7 @@ Server-Client-Kommunikation
### HTTP Request
Ein HTTP-Request besteht vor allem aus zwei wichtigen Elementen:
-1. Der **URL (Uniform Resource Locator)**: Dies ist die Webadresse, die Sie aufrufen möchten. Sie besteht typischerweise aus mehreren Teilen:
+1. Der **URL (Uniform Resource Locator)**: Dies ist die Webadresse, die Sie aufrufen möchten. Sie besteht typischerweise aus mehreren Teilen:
- `https://` - Das Protokoll (verschlüsselte Verbindung)
- `www.berlin.de/` - Der Domainname (Server-Adresse)
- `rbmskzl/` - Der Pfad zur spezifischen Ressource
@@ -50,7 +50,7 @@ Die Antwort vom Server enthält ebenfalls mehrere Komponenten:
- **Statuscode**: Informiert über den Erfolg der Anfrage:
- **200 ("OK")**: Alles hat funktioniert, hier sind die gewünschten Daten.
- **404 ("Not Found")**: Die angeforderte Seite existiert nicht. Das ist vergleichbar mit einem Postboten, der eine Adresse nicht finden kann.
- - **403 ("Forbidden")**: Zugriff verweigert - wie vor einer verschlossenen Tür zu stehen.
+ - **403 ("Forbidden")**: Zugriff verweigert – wie vor einer verschlossenen Tür zu stehen.
- **500 ("Internal Server Error")**: Der Server hat ein Problem, wie wenn die Poststelle selbst nicht funktioniert.
- **Response-Header**: Informationen über die Antwort, z.B. welchen Inhaltstyp sie enthält (Text, Bild, etc.)
- **Response-Body**: Der eigentliche Inhalt, meist HTML-Code für Webseiten (siehe Kapitel [Einführung in HTML](html-intro_html-intro)), aber auch Bilder, PDFs oder andere Dateitypen.
diff --git a/scraping_intro/scraping_intro.md b/scraping_intro/scraping_intro.md
index a035fada3..5e51dc3b5 100644
--- a/scraping_intro/scraping_intro.md
+++ b/scraping_intro/scraping_intro.md
@@ -20,7 +20,7 @@ Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre
Sie können HTTP-Abfragen konzeptionell erklären und unterschiedliche Methoden zur automatisierten Abfrage von Websites unterscheiden sowie Vor- und Nachteile benennen.
```
-Nachdem das [vorherige Kapitel in HTML eingeführt](html-intro_html-intro) hat, geht es in diesem Kapitel um die automatisierten Extraktion, dem sogenannten **Scraping**, von Webinhalten zur Erstellung des Forschungskorpus.
+Nachdem das [vorherige Kapitel in HTML eingeführt](html-intro_html-intro) hat, geht es in diesem Kapitel um die automatisierte Extraktion, dem sogenannten **Scraping**, von Webinhalten zur Erstellung des Forschungskorpus.
```{figure} ../assets/images/flow-chart_scraping.png
---
diff --git a/scraping_intro/scraping_method-overview.ipynb b/scraping_intro/scraping_method-overview.ipynb
index 9a0251035..05f4c2bcc 100644
--- a/scraping_intro/scraping_method-overview.ipynb
+++ b/scraping_intro/scraping_method-overview.ipynb
@@ -34,18 +34,7 @@
},
"tags": []
},
- "source": [
- "\n",
- " Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️
\n",
- " \n",
- "Voraussetzungen zur Ausführung des Jupyter Notebooks:\n",
- "\n",
- "- Installieren der Bibliotheken
\n",
- "
\n",
- "Zum Testen: Ausführen der Zelle \"load libraries\".\n",
- "Alle Zellen, die mit 🚀 gekennzeichnet sind, werden nur bei der Ausführung des Noteboos in Colab / JupyterHub bzw. lokal ausgeführt. \n",
- " "
- ]
+ "source": "\n Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️
\n \nVoraussetzungen zur Ausführung des Jupyter Notebooks:\n\n- Installieren der Bibliotheken
\n
\nZum Testen: Ausführen der Zelle \"load libraries\".\nAlle Zellen, die mit 🚀 gekennzeichnet sind, werden nur bei der Ausführung des Notebooks in Colab / JupyterHub bzw. lokal ausgeführt. \n "
},
{
"cell_type": "code",
@@ -112,13 +101,7 @@
},
"tags": []
},
- "source": [
- "## Drei Ebenen des Web Scrapings\n",
- "\n",
- "### 1. Einfache Anfragen mit requests\n",
- "\n",
- "Die grundlegendste Form des Web Scrapings ist das Abrufen einzelner Webseiten, z.B. mit Hilfe des Python-Pakets `requests`. Diese Methode eignet sich für statische Webseiten, deren Inhalt direkt im HTML-Code enthalten ist."
- ]
+ "source": "## Drei Ebenen des Web-Scrapings\n\n### 1. Einfache Anfragen mit requests\n\nDie grundlegendste Form des Web-Scrapings ist das Abrufen einzelner Webseiten, z.B. mit Hilfe des Python-Pakets `requests`. Diese Methode eignet sich für statische Webseiten, deren Inhalt direkt im HTML-Code enthalten ist."
},
{
"cell_type": "code",
@@ -728,17 +711,7 @@
},
"tags": []
},
- "source": [
- "## Ethische und rechtliche Aspekte\n",
- "\n",
- "Beim Web Scraping sind stets ethische und rechtliche Aspekte zu beachten:\n",
- "\n",
- "- Beachtung der `robots.txt`-Datei einer Website, die Informationen darüber gibt, welche Websites gescraped werden dürfen.\n",
- "- Angemessene Wartezeiten zwischen Anfragen einhalten\n",
- "- Keine persönlichen Daten ohne Einwilligung sammeln\n",
- "- Urheberrecht und Nutzungsbedingungen der Websites beachten\n",
- "- Datenschutzbestimmungen einhalten"
- ]
+ "source": "## Ethische und rechtliche Aspekte\n\nBeim Web-Scraping sind stets ethische und rechtliche Aspekte zu beachten:\n\n- Beachtung der `robots.txt`-Datei einer Website, die Informationen darüber gibt, welche Websites gescraped werden dürfen.\n- Angemessene Wartezeiten zwischen Anfragen einhalten\n- Keine persönlichen Daten ohne Einwilligung sammeln\n- Urheberrecht und Nutzungsbedingungen der Websites beachten\n- Datenschutzbestimmungen einhalten"
}
],
"metadata": {
@@ -762,4 +735,4 @@
},
"nbformat": 4,
"nbformat_minor": 5
-}
+}
\ No newline at end of file
diff --git a/scraping_intro/scraping_summary.md b/scraping_intro/scraping_summary.md
index c60853f9b..685169a89 100644
--- a/scraping_intro/scraping_summary.md
+++ b/scraping_intro/scraping_summary.md
@@ -7,7 +7,7 @@
Beim Aufrufen von Websites gibt es einen Client (Ihren Computer), der bei einem Server mittels HTTP-Request eine Website anfragt und vom Server eine HTTP-Response zurückbekommt. Der Request besteht aus einer Request-Methode (meistens GET oder POST) und einer URL. Die HTTP-Response besteht aus einem Status-Code, einer Metainformation über den Erfolg der Anfrage (z.B. 200 für OK), einem Header mit Metainformation zur Antwort und einem Body, in dem der eigentliche Inhalt der Website geschickt wird.
-**Webscraping**
+**Web-Scraping**
Um eine oder mehrere Websites automatisiert abzufragen, können unterschiedliche Scraping-Methoden eingesetzt werden. Abhängig davon, ob Websites nur aus statischen oder auch aus dynamischen Inhalten bestehen, wird die entsprechende Scraping-Methode gewählt. Statische Websites bestehen aus HTML-Dokumenten, die in dieser Form vom Server zum Client geschickt werden. Bei dynamischen Websites werden die Inhalte erst bei der Abfrage erstellt, meist durch JavaScript.
Für Abfragen von einzelnen, statischen Websites eignet sich die Python-Bibliothek `requests`. Wenn automatisiert Links auf Websites aufgerufen werden sollen, ist die Bibliothek `scrapy` eine gute Wahl. Sobald mit dynamischen Inhalten interagiert werden muss, ist es sinnvoll, `selenium` zu verwenden.
