From a9f7aacb43763d1d8036e5ac6dbb4f20fdb0636f Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 01/36] Fix grammar and spelling in README Adjective agreement, pronoun gender (JupyterBook is neuter), Email->E-Mail, an Hand->anhand. --- README.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/README.md b/README.md index 8cd7503fe..93426fad3 100644 --- a/README.md +++ b/README.md @@ -12,14 +12,14 @@ Anhand modellhafter Forschungsfragen werden für die drei Datentypen Bewegtes Bi ## Nutzung dieser OER -Sie können dieses JupyterBook zu Lehr- und Lernzwecken verwenden. Sie können sie zudem teilen und bearbeiten unter der Bedingung der Nennung der Autor:innen und der gleichen Lizenzierung. Weitere Informationen dazu entnehmen Sie bitte den Lizenzhinweisen. +Sie können dieses JupyterBook zu Lehr- und Lernzwecken verwenden. Sie können es zudem teilen und bearbeiten unter der Bedingung der Nennung der Autor:innen und der gleichen Lizenzierung. Weitere Informationen dazu entnehmen Sie bitte den Lizenzhinweisen. ## Inhalt der OER -Diese OER vermittelt Methoden zur automatische Erstellung, Aufbereitung und Analyse eines Textkorpus. Im Zentrum steht die Frage, wie sich die kommunikative Barrierefreiheit des Berliner Senats im Zeitraum von 2011 bis März 2025 entwickelt hat. Die Kommunikation des Senats wird an Hand von Pressemitteilungen untersucht. Der Fokus des Lehrbuchs liegt auf der Korpuserstellung mittels Web-Scraping und HTML-Parsing sowie der quantitativen Analyse von Textkomplexität. Die OER ist in sieben Kapitel aufgeteilt: Es wird zuerst in die Fragestellung und deren Operationalisierung eingeführt, dann werden Korpora als epistemische Objekte und HTML als digitales Textformat erläutert, danach folgt eine Einführung in Web-Scraping als Methode zum Korpusaufbau, die praktische Korpuserstellung wird durchgeführt und abschließend wird eine quantitative Analyse der Textkomplexität auf dem erstellten Korpus ausgeführt. +Diese OER vermittelt Methoden zur automatischen Erstellung, Aufbereitung und Analyse eines Textkorpus. Im Zentrum steht die Frage, wie sich die kommunikative Barrierefreiheit des Berliner Senats im Zeitraum von 2011 bis März 2025 entwickelt hat. Die Kommunikation des Senats wird anhand von Pressemitteilungen untersucht. Der Fokus des Lehrbuchs liegt auf der Korpuserstellung mittels Web-Scraping und HTML-Parsing sowie der quantitativen Analyse von Textkomplexität. Die OER ist in sieben Kapitel aufgeteilt: Es wird zuerst in die Fragestellung und deren Operationalisierung eingeführt, dann werden Korpora als epistemische Objekte und HTML als digitales Textformat erläutert, danach folgt eine Einführung in Web-Scraping als Methode zum Korpusaufbau, die praktische Korpuserstellung wird durchgeführt und abschließend wird eine quantitative Analyse der Textkomplexität auf dem erstellten Korpus ausgeführt. ## Ansprechpartner:innen QUADRIGA ist ein Verbundprojekt mehrerer Institutionen, das von der Universität Potsdam koordiniert wird. Partner sind die Fachhochschule Potsdam, die Filmuniversität Babelsberg, das Fraunhofer FOKUS, die Freie Universität Berlin, die Humboldt-Universität zu Berlin, die Technische Universität Berlin und die Gesellschaft für Informatik. -Fragen und Feedback zu dieser OER können Sie uns sowohl über GitHub Issues als auch über Email zukommen lassen. +Fragen und Feedback zu dieser OER können Sie uns sowohl über GitHub Issues als auch über E-Mail zukommen lassen. From 17084bb6a5a04c586cdd32b987192487cf694ea8 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 02/36] =?UTF-8?q?Fix=20outdated=20=C3=9F-spelling:=20Me?= =?UTF-8?q?=C3=9Foperationen=20->=20Messoperationen?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- front_page/intro.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/front_page/intro.md b/front_page/intro.md index 569c9290b..ede5f3a9b 100644 --- a/front_page/intro.md +++ b/front_page/intro.md @@ -41,7 +41,7 @@ name: Flussdiagramm der Fallstudie Flussdiagramm der Fallstudie, die sich aus sechs Arbeitspaketen zusammensetzt. ``` -- Im **1. Schritt** entwickeln wir eine Forschungsfrage und operationalisieren diese Forschungsfrage für die quantitative Analyse, entwickeln also ein Konzept, wie wir mittels Meßoperationen zu einer Antwort auf die Forschungsfrage kommen (siehe Kapitel ["Fragestellung und Operationalisierung"](research-question_intro)). +- Im **1. Schritt** entwickeln wir eine Forschungsfrage und operationalisieren diese Forschungsfrage für die quantitative Analyse, entwickeln also ein Konzept, wie wir mittels Messoperationen zu einer Antwort auf die Forschungsfrage kommen (siehe Kapitel ["Fragestellung und Operationalisierung"](research-question_intro)). - Im **2. Schritt** erarbeiten wir uns ein Verständnis von Korpora als epistemischen Objekten in den Digital Humanities (siehe Kapitel ["Korpora als epistemische Objekte"](corpus-collection_intro)) - Im **3. Schritt** führen wir ein in die Auszeichnungssprache HTML, die zur Präsentation von Inhalten im World Wide Web verwendet wird und also vorgibt, wie Texte als digitale Objekte uns in dieser Fallstudie vorliegen (siehe Kapitel ["Texte als digitale Objekte. Einführung in HTML"](html-intro_intro)) - Im **4. Schritt** erläutern wir die Methode des Web-Scraping als Technik zur computerassistierten Aufbau von Korpora aus größeren Textmengen (siehe Kapitel ["Scraping als Methode zum Korpusaufbau"](scraping-intro_intro)) From a78b63f4dd806f5cbd25dc3fe0660258b728b381 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 03/36] Fix duplicate list numbering (two items both numbered 5.) --- introduction/introduction_learning-outcomes.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) 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)). From aaa7c6510e5127b796b74ccb08f51d2b46c08e94 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 04/36] Fix spelling and stray double space entsprechdend -> entsprechend, Jupter -> Jupyter Book, double space before Sie. --- introduction/introduction_requirements.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) 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 From b07a77358cf16c9902b16f79b4111d48a1c741ab Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 05/36] Fix spelling, grammar, and punctuation MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Öffenlichkeit, Barierefreiheit/Barrierarmut, subject-verb agreement, missing article and period. --- .../research-question_operationalization.md | 14 +++++++------- 1 file changed, 7 insertions(+), 7 deletions(-) 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 From f5f4d6cabe2366a1e0c0e0fcd4d7083ce8a38712 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:52 +0200 Subject: [PATCH 06/36] Fix capitalization and dash consistency (Leichte Sprache, en-dash) --- research_question/research-question_research-question.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) 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 From 288040eb3bd708de946a1b905120e9549c04b9df Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:53:53 +0200 Subject: [PATCH 07/36] =?UTF-8?q?Fix=20outdated=20=C3=9F-spelling:=20Me?= =?UTF-8?q?=C3=9Fvorgang=20->=20Messvorgang=20(2x)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- research_question/research-question_summary.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) 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. From db438dce36db99c68c3fe2039ae9d90907ef8e3c Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:00 +0200 Subject: [PATCH 08/36] Fix duplicated word and Elemente misspellings --- corpus_collection/corpus-collection_intro.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/corpus_collection/corpus-collection_intro.md b/corpus_collection/corpus-collection_intro.md index d1d0e522a..ac02a1bb9 100644 --- a/corpus_collection/corpus-collection_intro.md +++ b/corpus_collection/corpus-collection_intro.md @@ -20,7 +20,7 @@ Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre Sie kennen unterschiedliche Ansätze des Korpusaufbaus und sind mit der Erstellung basaler Metadaten vertraut. ``` -Nachdem im [vorherigen Kapitel](../research_question/research-question_intro) die **Fragestellung** dieser Fallstudie und deren **Operationalisierung** erläutert wurde, muss nun der Forschungsgegenstand im Sinne der Operationalisierung vorbereitet werden. In unserem Fall bedeutet dies, dass wir ein **Korpus zusammenstellen** müssen, anhand dessen sich (wie es in unserer Operationalisierung heißt) sich die "vom Senat veröffentlichten Pressemitteilungen" untersuchen lassen. +Nachdem im [vorherigen Kapitel](../research_question/research-question_intro) die **Fragestellung** dieser Fallstudie und deren **Operationalisierung** erläutert wurde, muss nun der Forschungsgegenstand im Sinne der Operationalisierung vorbereitet werden. In unserem Fall bedeutet dies, dass wir ein **Korpus zusammenstellen** müssen, anhand dessen sich (wie es in unserer Operationalisierung heißt) die "vom Senat veröffentlichten Pressemitteilungen" untersuchen lassen. ```{figure} ../assets/images/flow-chart_corpus-collection.png --- @@ -31,6 +31,6 @@ Flussdiagramm der Fallstudie. Wir befinden uns nun im zweiten Arbeitspaket. In diesem Kapitel nehmen wir zunächst eine [Sicherung des Begriffsverständnisses](corpus-collection_corpora-as-research-objects) vor und klären entsprechend, was wir mit dem Begriff "Korpus" meinen und welche unterschiedlichen Typen des Korpusaufbaus es gibt. -Um ein Korpus und seine Elememte zu beschreiben, bedarf es [Metadaten](corpus-collection_metadata). Wir werden uns entsprechend in einem folgenden Schritt rudimentär mit dem Konzept von Metadaten befassen und ein basales Metadaten-Schema für unser Korpus und für die Elemete in unserem Korpus entwickeln. +Um ein Korpus und seine Elemente zu beschreiben, bedarf es [Metadaten](corpus-collection_metadata). Wir werden uns entsprechend in einem folgenden Schritt rudimentär mit dem Konzept von Metadaten befassen und ein basales Metadaten-Schema für unser Korpus und für die Elemente in unserem Korpus entwickeln. In einem abschließenden Schritt geht es dann um den [Aufbau des Forschungskorpus](corpus-collection_building-our-corpus) für die folgenden Untersuchungen: Wir definieren zunächst, welche Objekte ins Korpus aufgenommen werden sollen, erarbeiten dann die Metadaten für die Korpusobjekte und beschreiben dann den ungefähren Umfang des Korpus. From cc76a38388913869280371d3a78cba16f4a7e086 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:01 +0200 Subject: [PATCH 09/36] Fix adjective agreement and duplicated trailing text digitales Objekte -> digitale Objekte, removed duplicated ', Untergattungen.', literaturwissenschafliche -> literaturwissenschaftliche. --- .../corpus-collection_corpora-as-research-objects.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/corpus_collection/corpus-collection_corpora-as-research-objects.md b/corpus_collection/corpus-collection_corpora-as-research-objects.md index f47e91fa8..292c813f7 100644 --- a/corpus_collection/corpus-collection_corpora-as-research-objects.md +++ b/corpus_collection/corpus-collection_corpora-as-research-objects.md @@ -8,7 +8,7 @@ Für die Forschung in den textbasierten Digital Humanities hat sich das Korpus a Eine besondere Variante von Korpora sind Referenzkorpora, bei deren Zusammenstellung besondere Aufmerksamkeit darauf gelegt wurde, dass diese Korpora für eine bestimmte Domäne repräsentativ sein können. -In welchen Formaten die Texte in einem Korpus vorliegen, hängt davon ab, für welche Zwecke ein Korpus aufgebaut wird (siehe zu Formaten auch den nächsten Abschnitt ["Texte als digitales Objekte"](../html_intro/html-intro_intro)). +In welchen Formaten die Texte in einem Korpus vorliegen, hängt davon ab, für welche Zwecke ein Korpus aufgebaut wird (siehe zu Formaten auch den nächsten Abschnitt ["Texte als digitale Objekte"](../html_intro/html-intro_intro)). Die Elemente eines Korpus können nach unterschiedlichen Strategien mit jeweils spezifischen Kriterien ausgewählt werden. Für Datensammlung insgesamt (und damit auch für Korpora als besonderer Typus der Datensammlung) hat {cite:p}`schoech2017` vier Strategien unterschieden: @@ -31,7 +31,7 @@ Eine gezielt nach bestimmten Kriterien zusammengestellte Auswahl, die alle wesen - **Voraussetzung:** Klar definierte Kriterien und gezielte Auswahl, um statistische Korrelationen zu vermeiden. - **Anwendung:** Ideal für Studien, die Unterschiede und Entwicklungen innerhalb einer Kategorie analysieren wollen, z.B. die Entwicklung einer bestimmten literarischen Form, Strömung oder Gattung. -- **Beispiel:** Eine Sammlung von Romanen aus verschiedenen Jahrzehnten und Untergattungen, mit breiter Variation in Autoren, Erzählperspektiven und Handlungsorten, Untergattungen. +- **Beispiel:** Eine Sammlung von Romanen aus verschiedenen Jahrzehnten und Untergattungen, mit breiter Variation in Autoren, Erzählperspektiven und Handlungsorten. ## Opportunistisches Korpus Eine Sammlung, deren Auswahl nur durch die Verfügbarkeit von Daten geleitet wird. @@ -46,7 +46,7 @@ Mit welcher Strategie und nach welchen Kriterien ein Korpus aufgebaut wird, ents `````{admonition} Weiterführende Links :class: seealso -- forTextArtikel "Korpusbildung", mit Fokus auf literaturwissenschafliche Korpora. {cite:p}`fortext-2020-id-203` +- forTextArtikel "Korpusbildung", mit Fokus auf literaturwissenschaftliche Korpora. {cite:p}`fortext-2020-id-203` ````` __Bibliographie__ From 5d5237f1f2086568c43dc5b5e5e8dbc64482f23a Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:01 +0200 Subject: [PATCH 10/36] Fix grammar and metadata example inconsistency MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Verwendung von Dublin Core, veröffentlichten, and align DC.identifier to the number in its own DC.source URL. --- corpus_collection/corpus-collection_metadata.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/corpus_collection/corpus-collection_metadata.md b/corpus_collection/corpus-collection_metadata.md index c8b6c5c9e..ea52ff07b 100644 --- a/corpus_collection/corpus-collection_metadata.md +++ b/corpus_collection/corpus-collection_metadata.md @@ -41,12 +41,12 @@ Bei der Beschreibung eines gesamten Korpus sind die Metadaten entscheidend, um d - **Sprache**: Die im Korpus vertretenen Sprachen. - **Thematik und Schlagworte**: Stichworte, die die inhaltlichen Schwerpunkte des Korpus beschreiben. -**Beispiel unter Verwendung Dublin Core** +**Beispiel unter Verwendung von Dublin Core** Ein beispielhaftes Metadaten-Set für ein Korpus könnte unter Verwendung von Dublin Core so aussehen: - **DC.title**: "Korpus der Pressemitteilungen des Lands Berlin von 2011-2024" -- **DC.description**: "Eine Sammlung der digital veröffentlichen Pressemitteilungen publiziert über die Website berlin.de aus den Jahren 2011 bis 2024" +- **DC.description**: "Eine Sammlung der digital veröffentlichten Pressemitteilungen publiziert über die Website berlin.de aus den Jahren 2011 bis 2024" - **DC.creator**: "Henny Sluyter-Gäthje, Daniil Skorinkin, Peer Trilcke für QUADRIGA. Berlin-Brandenburgische Datenkompetenzzentrum für Digital Humanities und Verwaltungswissenschaft" - **DC.publisher**: "www.berlin.de" - **DC.date**: "2025-04-04" @@ -77,6 +77,6 @@ Für eine einzelne Pressemitteilung könnten die Metadaten so aussehen: - **DC.coverage**: "2024, Berlin" - **DC.language**: "Deutsch" - **DC.source**: "https://www.berlin.de/ba-steglitz-zehlendorf/aktuelles/pressemitteilungen/2024/pressemitteilung.1438914.php" -- **DC.identifier**: "30281" +- **DC.identifier**: "1438914" Durch die sorgfältige Erfassung und Verwaltung von Metadaten auf beiden Ebenen – sowohl für das gesamte Korpus als auch für einzelne Elemente – wird die Nutzbarkeit und Nachnutzbarkeit von Forschungsdaten in den Digital Humanities erheblich verbessert. Dies trägt zur besseren Auffindbarkeit, Nachvollziehbarkeit und langfristigen Erhaltung der Daten bei. From f7599b09e6efd9e8ac619b6aa34d65809179d346 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:01 +0200 Subject: [PATCH 11/36] Fix adjective agreement: epistemische Objekt -> epistemisches Objekt --- corpus_collection/corpus-collection_summary.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/corpus_collection/corpus-collection_summary.md b/corpus_collection/corpus-collection_summary.md index aa576aac4..75066cf0a 100644 --- a/corpus_collection/corpus-collection_summary.md +++ b/corpus_collection/corpus-collection_summary.md @@ -3,7 +3,7 @@ ```{admonition} Key points des Kapitels :class: keypoint -**Korpus als epistemische Objekt** +**Korpus als epistemisches Objekt** In diesem Kapitel haben wir uns mit dem Korpus als epistemischem Objekt der Digital Humanities beschäftigt. Wir haben zunächst zentrale [Strategien der Korpusbildung und unterschiedliche Typen von Korpora](corpus-collection_corpora-as-research-objects) kennengelernt und gesehen, wie die Wahl einer Strategie bestimmt, welche Forschungsfragen sich mit einem Korpus sinnvoll beantworten lassen. From 0094a9b6ff702f955d1ef19d17317957183cfabf Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:08 +0200 Subject: [PATCH 12/36] =?UTF-8?q?Fix=20dative=20plural=20agreement=20error?= =?UTF-8?q?s=20(Formaten,=20ausgew=C3=A4hlten,=20Kapiteln,=20grundlegenden?= =?UTF-8?q?)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- html_intro/html-intro_intro.md | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/html_intro/html-intro_intro.md b/html_intro/html-intro_intro.md index d40b32b5b..efb9d0f72 100644 --- a/html_intro/html-intro_intro.md +++ b/html_intro/html-intro_intro.md @@ -17,12 +17,12 @@ Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre ```` ```{admonition} Groblernziel dieses Kapitels :class: lernziele -Abgrenzung von unterschiedlichen Formate zur Textspeicherung und Benennen der Vor- und Nachteile. -Struktur von HTML erklären und die Funktion von ausgewählte HTML-Tags benennen. +Abgrenzung von unterschiedlichen Formaten zur Textspeicherung und Benennen der Vor- und Nachteile. +Struktur von HTML erklären und die Funktion von ausgewählten HTML-Tags benennen. HTML-Tags zur Extraktion von Plain Text aus HTML aufzählen. ``` -In den vorherigen Kapitel wurde zum einen die [Operationalisierung](research-question_operationalization) der Fragestellung erläutert und zum anderen in das [Korpuskonzept](corpus-collection_building-our-corpus) eingeführt. Da der Senat die Pressemitteilungen in Form von Websites veröffentlicht, diese aber meist noch weitere Informationen enthalten, geht es in diesem Kapitel darum, wie der Text einer Website strukturiert extrahiert werden kann. +In den vorherigen Kapiteln wurde zum einen die [Operationalisierung](research-question_operationalization) der Fragestellung erläutert und zum anderen in das [Korpuskonzept](corpus-collection_building-our-corpus) eingeführt. Da der Senat die Pressemitteilungen in Form von Websites veröffentlicht, diese aber meist noch weitere Informationen enthalten, geht es in diesem Kapitel darum, wie der Text einer Website strukturiert extrahiert werden kann. ```{figure} ../assets/images/flow-chart_html.png --- @@ -32,6 +32,6 @@ Flussdiagramm der Fallstudie. Wir befinden uns nun im dritten Arbeitspaket. ``` Wir geben zunächst einen kurzen [Überblick über unterschiedliche Textformate](html-intro_text_as_digital_objects) (Bild, Plain Text, HTML, CSV) und erklären die jeweiligen Anwendungsfälle. -Wir setzen dann den [Fokus auf HTML-Dokumente](html-intro_html-intro) und führen in die Struktur sowie in die grundlegen HTML-Tags ein. +Wir setzen dann den [Fokus auf HTML-Dokumente](html-intro_html-intro) und führen in die Struktur sowie in die grundlegenden HTML-Tags ein. Darauf aufbauend zeigen wir, [wie wir den HTML-Code einer Website analysieren](html-intro_structural-analysis) können, um den Analysetext zu extrahieren. Die Extraktion führen wir automatisch mit Hilfe eines Python-Programms durch. From c1e50b3e994863767d2cb3fecb1b721ef68a11b2 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:09 +0200 Subject: [PATCH 13/36] Fix grammar, typos, and broken code fence MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit vielfältigen, einen Ausschnitt, Bezirksamts, CSV-Dateien, stray double space, and single-backtick -> triple-backtick fence for the Plain Text example. --- html_intro/html-intro_text_as_digital_objects.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) 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 From 9b0d4de56246c43b17c9d26f19feb840dceb9b23 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:09 +0200 Subject: [PATCH 14/36] Fix anglicism: Attributes -> Attributen --- html_intro/html-intro_summary.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) 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** From 077eb4c8a9b95b643cd3099438d90cc5dceb6ed3 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:09 +0200 Subject: [PATCH 15/36] Fix subject-verb agreement: Die Attribute dienen --- html_intro/html-intro_assessment.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/html_intro/html-intro_assessment.md b/html_intro/html-intro_assessment.md index a72b86ee0..7936afb3d 100644 --- a/html_intro/html-intro_assessment.md +++ b/html_intro/html-intro_assessment.md @@ -195,7 +195,7 @@ question5 = [ "feedback": """✓ Korrekt! Das sind wichtige Beispiele: href für die URL bei Links, src für die Quelle bei Bildern, alt für den Alternativtext bei Bildern sowie id und class für Styling und Identifikation.""" }, { - "answer": "Das 'id' und 'class' Attribut dienen zur Identifizierung und Gestaltung per CSS", + "answer": "Die 'id'- und 'class'-Attribute dienen zur Identifizierung und Gestaltung per CSS", "correct": True, "feedback": """✓ Korrekt! Wichtig für Styling: id dient der eindeutigen Identifikation, class der Gruppierung mehrerer Elemente, beide ermöglichen die CSS-Anwendung und sind auch für JavaScript wichtig.""" } From d6406a34c8424d37a7c461d96ea569d668333de9 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:09 +0200 Subject: [PATCH 16/36] Fix typos, wrong variable reference, and broken
      tags in notebook Corrects a stray double space, a redundant 'werden', a missing 'wir', a dative ending, references the actual path_to_html_doc variable instead of the nonexistent text_path, and fixes 4 invalid
      closing tags to
      . --- .../html-intro_structural-analysis.ipynb | 44 +++---------------- 1 file changed, 5 insertions(+), 39 deletions(-) diff --git a/html_intro/html-intro_structural-analysis.ipynb b/html_intro/html-intro_structural-analysis.ipynb index f3812658e..b72b547a0 100644 --- a/html_intro/html-intro_structural-analysis.ipynb +++ b/html_intro/html-intro_structural-analysis.ipynb @@ -34,18 +34,7 @@ "cell_type": "markdown", "id": "c6cee5ec-2f6b-4255-abe6-10bc2bc3bc8b", "metadata": {}, - "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 Notebooks 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", @@ -143,14 +132,7 @@ }, "tags": [] }, - "source": [ - "
      \n", - " Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️\n", - "Zuerst wird der Ordner angelegt, in dem die HTML-Datei gespeichert wird. Der Einfachheit halber wird die gleiche Datenablagestruktur wie in dem GitHub Repository, in dem die Daten gespeichert sind, vorausgesetzt.
      \n", - "Der Text wird aus GitHub heruntergeladen und in dem Ordner ../data/html/ abgespeichert.
      \n", - "Der Pfad kann in der Variable text_path angepasst werden. Die einzulesenden Daten müssen die Endung `.html` haben.
      \n", - "
      " - ] + "source": "
      \n Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️\nZuerst wird der Ordner angelegt, in dem die HTML-Datei gespeichert wird. Der Einfachheit halber wird die gleiche Datenablagestruktur wie in dem GitHub Repository, in dem die Daten gespeichert sind, vorausgesetzt.
      \nDer Text wird aus GitHub heruntergeladen und in dem Ordner ../data/html/ abgespeichert.
      \nDer Pfad kann in der Variable path_to_html_doc angepasst werden. Die einzulesenden Daten müssen die Endung `.html` haben.
      \n
      " }, { "cell_type": "code", @@ -255,10 +237,7 @@ "cell_type": "markdown", "id": "c45072c4-e173-4e25-9f64-57312dc600ea", "metadata": {}, - "source": [ - "### Ausschnitt identifizieren\n", - "Wir 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" - ] + "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", From 84ca5d710a1ddf76566984452b9e3a3db9cceb8f Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 17/36] Fix adjective agreement: automatisierten -> automatisierte Extraktion --- scraping_intro/scraping_intro.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) 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 --- From b63feb2a49adedddcbb1dcf4fd6d8af925fc7035 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 18/36] Fix spelling, stray double space, and dash consistency automatisert -> automatisiert, double space before URL, hyphen -> en-dash. --- scraping_intro/scraping_http-intro.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) 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. From e8b78d928b1b969a1d00174d46bb5c35218fabf2 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 19/36] Align spelling: Webscraping -> Web-Scraping --- scraping_intro/scraping_summary.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) 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. From 514ee31722cbb44e0057f214aca6538eba9440a5 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 20/36] Align spelling: Web Scraping -> Web-Scraping (2x) --- scraping_intro/scraping_assessment.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) 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": [ { From 8ea6e8420744c5c648a0d689091cabe3bb22a27b Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 21/36] Fix typo and align Web-Scraping spelling in notebook Noteboos -> Notebooks, and align 3 instances of 'Web Scraping' to the hyphenated form used elsewhere. --- scraping_intro/scraping_method-overview.ipynb | 35 +++---------------- 1 file changed, 4 insertions(+), 31 deletions(-) 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 From 88954ddb8c505d94a87ff91ad6d13fab9833008e Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 22/36] Fix hevorgehoben -> hervorgehoben --- corpus_building/corpus-building_intro.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/corpus_building/corpus-building_intro.md b/corpus_building/corpus-building_intro.md index 076623650..2d4e6690d 100644 --- a/corpus_building/corpus-building_intro.md +++ b/corpus_building/corpus-building_intro.md @@ -27,7 +27,7 @@ Nachdem wir uns mit HTTP-Anfragen, Web-Scraping und HTML beschäftigt haben, kom --- name: Flussdiagramm der Fallstudie – Korpusaufbau --- -Flussdiagramm der Fallstudie, das aktuelle Arbeitspaket ist hevorgehoben. +Flussdiagramm der Fallstudie, das aktuelle Arbeitspaket ist hervorgehoben. ``` Im Kapitel ['Aufbau des Forschungskorpus'](corpus-collection_building-our-corpus) haben wir die Auswahl- und Filterprozesse für unser Korpus von Pressemitteilungen beschrieben. Nun geht es darum, das Korpus mithilfe von Scraping-Tools und HTML-Kenntnissen zu extrahieren. From 4772d9512f721f6813e17f431c64439b894f1d52 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:17 +0200 Subject: [PATCH 23/36] Fix stray space: Fehlextr aktionen -> Fehlextraktionen --- corpus_building/corpus-building_assessment.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/corpus_building/corpus-building_assessment.md b/corpus_building/corpus-building_assessment.md index 564084424..aca20ad2d 100644 --- a/corpus_building/corpus-building_assessment.md +++ b/corpus_building/corpus-building_assessment.md @@ -312,7 +312,7 @@ rows = soup.select("table tbody tr") **Erklärung:** - `table tbody tr`: Findet alle `
      `-Elemente innerhalb von `` innerhalb von `
      ` -- Spezifischer Selektor verhindert Fehlextr aktionen +- Spezifischer Selektor verhindert Fehlextraktionen - `select()` gibt eine Liste aller passenden Elemente zurück --- From 4709bb8609b183b9e8f062d690d5c68aa201f9c7 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:18 +0200 Subject: [PATCH 24/36] Fix thousands-separator formatting in corpus size figure --- ...s_building_mass_scraping_press-releases.ipynb | 16 ++-------------- 1 file changed, 2 insertions(+), 14 deletions(-) diff --git a/corpus_building/corpus_building_mass_scraping_press-releases.ipynb b/corpus_building/corpus_building_mass_scraping_press-releases.ipynb index 8869f3a7b..252f00d14 100644 --- a/corpus_building/corpus_building_mass_scraping_press-releases.ipynb +++ b/corpus_building/corpus_building_mass_scraping_press-releases.ipynb @@ -971,19 +971,7 @@ "cell_type": "markdown", "id": "2d0aacf8-aa2f-4d37-9767-96b677d00027", "metadata": {}, - "source": [ - "## Ergebnisse\n", - "\n", - "Der Dataframe 'df_all' und die Datei metadata.csv enthalten nun die Metadaten für das Pressemitteilungskorpus, während der Ordner txt die Texte der Pressemitteilungen enthält. \n", - "\n", - "### Korpusumfang (23. 06. 2025)\n", - "\n", - "* Pressemitteilungen: **≈ 51 800**\n", - "* Zeitspanne: 2011 – 2025\n", - "* Ø Länge: 430 Tokens (Median 394)\n", - "\n", - "Sie können nun mit computergestützten Methoden untersucht werden.\n" - ] + "source": "## Ergebnisse\n\nDer Dataframe 'df_all' und die Datei metadata.csv enthalten nun die Metadaten für das Pressemitteilungskorpus, während der Ordner txt die Texte der Pressemitteilungen enthält. \n\n### Korpusumfang (23. 06. 2025)\n\n* Pressemitteilungen: **≈ 51.800**\n* Zeitspanne: 2011 – 2025\n* Ø Länge: 430 Tokens (Median 394)\n\nSie können nun mit computergestützten Methoden untersucht werden.\n" }, { "cell_type": "markdown", @@ -1013,4 +1001,4 @@ }, "nbformat": 4, "nbformat_minor": 5 -} +} \ No newline at end of file From 4f633bb0045076a5fcbbaf886cfbc430bc5b5ae6 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:28 +0200 Subject: [PATCH 25/36] Fix grammar: vorherigen Kapitel, hervorgehoben --- corpus_analysis/corpus-analysis_intro.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/corpus_analysis/corpus-analysis_intro.md b/corpus_analysis/corpus-analysis_intro.md index d74e10cc3..f50df040f 100644 --- a/corpus_analysis/corpus-analysis_intro.md +++ b/corpus_analysis/corpus-analysis_intro.md @@ -20,13 +20,13 @@ Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre Sie können die auf einem Korpus ausgeführte Berechnung der Textkomplexität erklären und die Ergebnisse interpretieren. ``` -Nachdem wir im vorherigem Kapitel ein Korpus gescraped und aus den HTML-Dokumenten den Text extrahiert haben, analysieren wir das Textkorpus in diesem Kapitel in Hinblick auf die Textkomplexität. +Nachdem wir im vorherigen Kapitel ein Korpus gescraped und aus den HTML-Dokumenten den Text extrahiert haben, analysieren wir das Textkorpus in diesem Kapitel in Hinblick auf die Textkomplexität. ```{figure} ../assets/images/flow-chart_corpus-analysis.png --- name: Flussdiagramm der Fallstudie – Korpusanalyse --- -Flussdiagramm der Fallstudie, das aktuelle Arbeitspaket ist hevorgehoben. +Flussdiagramm der Fallstudie, das aktuelle Arbeitspaket ist hervorgehoben. ``` Dafür wird: From 84d99088544044eb27575cd692e941ef6be22021 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:28 +0200 Subject: [PATCH 26/36] Fix spelling, grammar, and malformed HTML comment MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Lesbarkeitsindizes, Dimensionen, Wörtern, and a malformed comment closer. Worked-example arithmetic issues in this file are intentionally left untouched, to be tracked separately. --- corpus_analysis/corpus-analysis_text_complexity.md | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/corpus_analysis/corpus-analysis_text_complexity.md b/corpus_analysis/corpus-analysis_text_complexity.md index c48d547fc..60ca67c7d 100644 --- a/corpus_analysis/corpus-analysis_text_complexity.md +++ b/corpus_analysis/corpus-analysis_text_complexity.md @@ -10,10 +10,10 @@ Wie entwickelt sich die kommunikative Barrierearmut des Berliner Senats im Zeitr ````` Um diese mit quantitativen Methoden zu bearbeiten, wurde die Forschungsfrage zunächst wie folgt **operationalisiert**: 1. die **Kommunikation des Berliner Senats** wird durch das Korpus, bestehend aus Pressemitteilungen, erfasst -2. die **Barrierearmut** wird über Lesarbeitsindizes errechnet +2. die **Barrierearmut** wird über Lesbarkeitsindizes errechnet ## Lesbarkeitsindizes -Wie im Kapitel ["Operationalisierung"](research-question_operationalization) beschrieben, kann Leichte Sprache in drei Dimension unterschieden werden. Im folgenden gehen wir genauer darauf ein, welche Indikatoren auf Wort- und Satzebene eine Rolle bei der Berechnung der Lesbarkeitsindizes spielen. +Wie im Kapitel ["Operationalisierung"](research-question_operationalization) beschrieben, kann Leichte Sprache in drei Dimensionen unterschieden werden. Im folgenden gehen wir genauer darauf ein, welche Indikatoren auf Wort- und Satzebene eine Rolle bei der Berechnung der Lesbarkeitsindizes spielen. ### Wortebene * **Länge** der Wörter: @@ -105,7 +105,7 @@ Wobei: **Beispiel:** * Prozentsatz von Wörtern mit drei oder mehr Silben: 2 von 13 = 0.1538 * 100 = 15.38 * Durchschnittliche Satzlänge (ASL) = 13 (da Kommata und Punkte nicht als Worte gezählt werden) -* Anzahl an langen Wörten: 6 +* Anzahl an langen Wörtern: 6 * Wiener Sachtextformel = (0,2007 * 15,38) + (0.1682 * 13) + (0.1373 * 6) - 2,779 = 3.32 Der Satz wird als *sehr einfach* eingestuft. @@ -158,7 +158,7 @@ Analog zum ARI, entspricht der Index dem US-amerikanischen Schuljahr, das zum Ve Der Satz wird als *sehr schwierig* eingestuft. - From 409bef905008d266426c042556d1800bbec4a68d Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:28 +0200 Subject: [PATCH 27/36] =?UTF-8?q?Fix=20invalid=20German=20word:=20Gleichve?= =?UTF-8?q?rteilheit=20->=20Gleichm=C3=A4=C3=9Figkeit?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- corpus_analysis/corpus-analysis_resumee.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/corpus_analysis/corpus-analysis_resumee.md b/corpus_analysis/corpus-analysis_resumee.md index d955795d8..2f4667f24 100644 --- a/corpus_analysis/corpus-analysis_resumee.md +++ b/corpus_analysis/corpus-analysis_resumee.md @@ -7,7 +7,7 @@ Es gibt verschiedene Textkomplexitätsmaße, die unterschiedliche Parameter zur Berechnung der Textkomplexität oder Lesbarkeit eines Textes einsetzen. Die Parameter lassen sich aufteilen in die Wort- und die Satzebene. Die meisten Scores lassen sich in eine Klassenstufe übersetzen. Wichtig: Die Indizes unterscheiden sich in ihrer Richtung – beim Flesch-Index bedeutet ein höherer Score eine leichtere Lesbarkeit, bei den meisten anderen Indexen (ARI, Coleman-Liau, Wiener Sachtextformel) bedeutet ein höherer Score eine schwerere Lesbarkeit. **Berechnung der Textkomplexität** -Wir haben vier Maße zur Berechnung der Textkomplexität angewendet: Flesch (am weitesten verbreitet, operiert auf Satzlänge und Silbenanzahl), Wiener Sachtextformel (auf Deutsch ausgelegt, operiert auf Satzlänge und Anteil von schwierigen Wörtern), Automated Readability Score (operiert rein auf Längenmaßen) und Coleman-Liau (operiert auf der Gleichverteilheit der Textschwierigkeit). +Wir haben vier Maße zur Berechnung der Textkomplexität angewendet: Flesch (am weitesten verbreitet, operiert auf Satzlänge und Silbenanzahl), Wiener Sachtextformel (auf Deutsch ausgelegt, operiert auf Satzlänge und Anteil von schwierigen Wörtern), Automated Readability Score (operiert rein auf Längenmaßen) und Coleman-Liau (operiert auf der Gleichmäßigkeit der Textschwierigkeit). Die Maße haben wir mittels Python auf die Pressemitteilungen angewendet. **Analyse und Visualisierung** From de3a53d1b4518f84cc1cecfb129356f1fd1e4b40 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:29 +0200 Subject: [PATCH 28/36] Fix pronoun number agreement: Diese sind -> Dieses ist --- corpus_analysis/corpus-analysis_visualisation-explanation.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/corpus_analysis/corpus-analysis_visualisation-explanation.md b/corpus_analysis/corpus-analysis_visualisation-explanation.md index 87b80917a..a668b7268 100644 --- a/corpus_analysis/corpus-analysis_visualisation-explanation.md +++ b/corpus_analysis/corpus-analysis_visualisation-explanation.md @@ -8,4 +8,4 @@ Für jede Zeiteinheit wird der Durchschnitt der Textkomplexitätsmaße errechnet ## Visualisierung Eine visuelle Darstellung ermöglicht es, die Werte besser zu vergleichen. In einem Liniendiagramm, in dem die X-Achse in die Zeiteinheiten eingeteilt ist und die Y-Achse die Textkomplexität darstellt, werden zunächst alle Datenpunkte eingetragen und dann zu einer Linie verbunden. Da anhand der Linie lokale und globale Minima sowie Maxima gut erkennbar werden und sich leicht ein Trend ablesen lässt, eignet sich das Liniendiagramm gut zur Darstellung einer zeitlichen Entwicklung. -Die Häufigkeiten über Zeit ließen sich auch in einem Balkendiagramm darstellen. Diese sind nützlich, um Häufigkeiten in diskreten Zeitintervallen zu visualisieren, sie eignen sich aber weniger gut, um eine zeitliche Entwicklung zu zeigen. +Die Häufigkeiten über Zeit ließen sich auch in einem Balkendiagramm darstellen. Dieses ist nützlich, um Häufigkeiten in diskreten Zeitintervallen zu visualisieren, sie eignen sich aber weniger gut, um eine zeitliche Entwicklung zu zeigen. From 2ca158eb63da1e0a35c958ebdec2fe9a02cad080 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:29 +0200 Subject: [PATCH 29/36] Fix dative case: Indexe -> Indexen in 4 dative-governed instances Left the ~10 correctly-declined nominative/accusative/genitive instances of 'Indexe' untouched. --- corpus_analysis/corpus-analysis_assessment.md | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/corpus_analysis/corpus-analysis_assessment.md b/corpus_analysis/corpus-analysis_assessment.md index c8218d55e..4c2092a58 100644 --- a/corpus_analysis/corpus-analysis_assessment.md +++ b/corpus_analysis/corpus-analysis_assessment.md @@ -47,7 +47,7 @@ question1 = [ "feedback": """✓ Korrekt! Wichtige Differenzierung: Es geht nicht nur um die absolute Wortlänge, der Text wird dabei in Abschnitte unterteilt, und es wird die Konsistenz der Schwierigkeit gemessen. Dies wird im Coleman-Liau-Index verwendet und unterscheidet sich von der einfachen durchschnittlichen Wortlänge.""" }, { - "answer": "Wörter mit mehr als drei Silben gelten in den meisten Indexe als schwer", + "answer": "Wörter mit mehr als drei Silben gelten in den meisten Indexen als schwer", "correct": True, "feedback": """✓ Korrekt! Standard-Schwellenwert: 1-2 Silben gelten als leicht, 3 und mehr Silben gelten als schwer. Dies wird in der Wiener Sachtextformel verwendet, ist sprachabhängig (Silbentrennung) und ein wichtiger Parameter für die Komplexität.""" }, @@ -93,7 +93,7 @@ question2 = [ "feedback": """✓ Korrekt! Standardberechnung: Die Summe aller Satzlängen wird durch die Anzahl der Sätze geteilt, dies glättet Extremwerte und liefert einen repräsentativen Wert für den gesamten Text. Es wird in Flesch, Wiener und ARI verwendet und bildet die Basis für die meisten Berechnungen.""" }, { - "answer": "Kürzere Sätze führen immer zu einem niedrigeren Textkomplexitätsscore in allen Indexe", + "answer": "Kürzere Sätze führen immer zu einem niedrigeren Textkomplexitätsscore in allen Indexen", "correct": False, "feedback": """× Nicht präzise genug. Wichtige Nuance: Die Richtung hängt vom Index ab, bei Flesch bedeutet ein höherer Score einen leichteren Text (kürzere Sätze), bei Wiener/ARI bedeutet ein niedrigerer Score einen leichteren Text (kürzere Sätze). Dies ist nicht einheitlich über alle Indexe, die Beziehung ist konsistent, aber die Skalen unterscheiden sich.""" }, @@ -364,7 +364,7 @@ Die Daten zeigen einen **klaren Abwärtstrend** der Flesch-Scores über 14 Jahre --- -**4. Überprüfung mit anderen Indexe:** +**4. Überprüfung mit anderen Indexen:** **JA, definitiv!** Und zwar aus folgenden Gründen: @@ -408,5 +408,5 @@ for measure in ['flesch', 'wiener', 'ari', 'coleman_liau']: **Zusammenfassung:** -Die Analyse zeigt eine problematische Entwicklung hinsichtlich Barrierefreiheit. Eine umfassende Validierung mit multiplen Indexe und tiefergehende Analysen der Ursachen sind empfehlenswert, um fundierte Empfehlungen für barriereärmere Kommunikation zu geben. +Die Analyse zeigt eine problematische Entwicklung hinsichtlich Barrierefreiheit. Eine umfassende Validierung mit multiplen Indexen und tiefergehende Analysen der Ursachen sind empfehlenswert, um fundierte Empfehlungen für barriereärmere Kommunikation zu geben. ```` \ No newline at end of file From 382188b3f47ad63015700d21109816a00a6c6e75 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:29 +0200 Subject: [PATCH 30/36] Fix typos in analysis notebook MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit compuation -> computation, Worteingenschaften -> Worteigenschaften, ungefährt -> ungefähr. --- .../corpus-analysis_analysis.ipynb | 22 +++---------------- 1 file changed, 3 insertions(+), 19 deletions(-) diff --git a/corpus_analysis/corpus-analysis_analysis.ipynb b/corpus_analysis/corpus-analysis_analysis.ipynb index 6f49ea73c..add2e0129 100644 --- a/corpus_analysis/corpus-analysis_analysis.ipynb +++ b/corpus_analysis/corpus-analysis_analysis.ipynb @@ -47,17 +47,7 @@ "id": "d3aab470-ab59-4e18-b0b5-60d4815bac55", "metadata": {}, "outputs": [], - "source": [ - "# import libraries for table processing and for compuation of readability metrics\n", - "from pathlib import Path\n", - "from multiprocessing import Pool, cpu_count\n", - "from functools import partial\n", - "import requests\n", - "\n", - "import pandas as pd\n", - "import textstat\n", - "textstat.set_lang(\"de\")" - ] + "source": "# import libraries for table processing and for computation of readability metrics\nfrom pathlib import Path\nfrom multiprocessing import Pool, cpu_count\nfrom functools import partial\nimport requests\n\nimport pandas as pd\nimport textstat\ntextstat.set_lang(\"de\")" }, { "cell_type": "markdown", @@ -246,11 +236,7 @@ "cell_type": "markdown", "id": "0d11521a-432e-4529-8fe6-80266480c873", "metadata": {}, - "source": [ - "## Textkomplexität berechnen \n", - "Im folgenden berechnen wir mittels vier unterschiedlicher Metriken die Textkomplexität. Alle Metriken verwenden für die Berechnung des Komplexitätsscores die durchschnittliche Satzlänge und nehmen unterschiedliche Worteingenschaften dazu. \n", - "Zuerst verschaffen wir uns einen Überblick über die Texteigenschaften, um die Ergebnisse der Metriken besser bewerten zu können. " - ] + "source": "## Textkomplexität berechnen \nIm folgenden berechnen wir mittels vier unterschiedlicher Metriken die Textkomplexität. Alle Metriken verwenden für die Berechnung des Komplexitätsscores die durchschnittliche Satzlänge und nehmen unterschiedliche Worteigenschaften dazu. \nZuerst verschaffen wir uns einen Überblick über die Texteigenschaften, um die Ergebnisse der Metriken besser bewerten zu können. " }, { "cell_type": "code", @@ -299,9 +285,7 @@ "cell_type": "markdown", "id": "1650e5df-d9ba-4561-8e4e-fbb79727476e", "metadata": {}, - "source": [ - "Ein Score zwischen 30 und 50 gibt eine hohe Schwierigkeit an, ungefährt äquivalent zum Niveau von Bachelorstudierenden." - ] + "source": "Ein Score zwischen 30 und 50 gibt eine hohe Schwierigkeit an, ungefähr äquivalent zum Niveau von Bachelorstudierenden." }, { "cell_type": "markdown", From 666e5982f90d6419c9276010b139d1da3593669d Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:29 +0200 Subject: [PATCH 31/36] Fix typos, broken
      tags, and wrong GitHub link in visualization notebook compuation, leftover list numbering, Noteboos, 3x
      ->
      , grammar (die gleiche), the GitHub link pointing to the wrong org (dh-network/quadriga -> quadriga-dk/Text-Fallstudie-2, matching the same instructional block elsewhere in the book), a stray heading number, Leichester -> Leichtester (2x), and Durschnittlicher -> Durchschnittlicher (2x, incl. one cached chart-output string). --- .../corpus-analysis_visualization.ipynb | 148 ++---------------- 1 file changed, 11 insertions(+), 137 deletions(-) diff --git a/corpus_analysis/corpus-analysis_visualization.ipynb b/corpus_analysis/corpus-analysis_visualization.ipynb index 0e601c230..96803c065 100644 --- a/corpus_analysis/corpus-analysis_visualization.ipynb +++ b/corpus_analysis/corpus-analysis_visualization.ipynb @@ -33,7 +33,7 @@ "cell_type": "markdown", "id": "e0ddd57a-2882-41de-aa3d-babf3fa674dd", "metadata": {}, - "source": "
      \n Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️\n \nVoraussetzungen zur Ausführung des Jupyter Notebooks\n
        \n
      1. Installieren der Bibliotheken
        2. \n
      2. 2. Laden der Daten (s.u.)
        3. \n
      3. 3. Pfad zu den Daten setzen
        4. \n
      \nZum Testen: Ausführen der Zelle \"load libraries\" und der Sektion \"Einlesen des Korpus\".
      \nAlle 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
      1. Installieren der Bibliotheken
        2. \n
      2. Laden der Daten (s.u.)
        3. \n
      3. Pfad zu den Daten setzen
        4. \n
      \nZum Testen: Ausführen der Zelle \"load libraries\" und der Sektion \"Einlesen des Korpus\".
      \nAlle Zellen, die mit 🚀 gekennzeichnet sind, werden nur bei der Ausführung des Notebooks in Colab / JupyterHub bzw. lokal ausgeführt. \n
      " }, { "cell_type": "code", @@ -54,7 +54,7 @@ }, { "cell_type": "code", - "execution_count": 1, + "execution_count": null, "id": "79a39412-bdbd-45cb-a5d2-86f94105e8a4", "metadata": { "editable": true, @@ -66,50 +66,8 @@ "hide-output" ] }, - "outputs": [ - { - "data": { - "text/html": [ - " \n", - "
      \n", - " \n", - " Loading BokehJS ...\n", - "
      \n" - ] - }, - "metadata": {}, - "output_type": "display_data" - }, - { - "data": { - "application/javascript": "'use strict';\n(function(root) {\n function now() {\n return new Date();\n }\n\n const force = true;\n\n if (typeof root._bokeh_onload_callbacks === \"undefined\" || force === true) {\n root._bokeh_onload_callbacks = [];\n root._bokeh_is_loading = undefined;\n }\n\nconst JS_MIME_TYPE = 'application/javascript';\n const HTML_MIME_TYPE = 'text/html';\n const EXEC_MIME_TYPE = 'application/vnd.bokehjs_exec.v0+json';\n const CLASS_NAME = 'output_bokeh rendered_html';\n\n /**\n * Render data to the DOM node\n */\n function render(props, node) {\n const script = document.createElement(\"script\");\n node.appendChild(script);\n }\n\n /**\n * Handle when an output is cleared or removed\n */\n function handleClearOutput(event, handle) {\n function drop(id) {\n const view = Bokeh.index.get_by_id(id)\n if (view != null) {\n view.model.document.clear()\n Bokeh.index.delete(view)\n }\n }\n\n const cell = handle.cell;\n\n const id = cell.output_area._bokeh_element_id;\n const server_id = cell.output_area._bokeh_server_id;\n\n // Clean up Bokeh references\n if (id != null) {\n drop(id)\n }\n\n if (server_id !== undefined) {\n // Clean up Bokeh references\n const cmd_clean = \"from bokeh.io.state import curstate; print(curstate().uuid_to_server['\" + server_id + \"'].get_sessions()[0].document.roots[0]._id)\";\n cell.notebook.kernel.execute(cmd_clean, {\n iopub: {\n output: function(msg) {\n const id = msg.content.text.trim()\n drop(id)\n }\n }\n });\n // Destroy server and session\n const cmd_destroy = \"import bokeh.io.notebook as ion; ion.destroy_server('\" + server_id + \"')\";\n cell.notebook.kernel.execute(cmd_destroy);\n }\n }\n\n /**\n * Handle when a new output is added\n */\n function handleAddOutput(event, handle) {\n const output_area = handle.output_area;\n const output = handle.output;\n\n // limit handleAddOutput to display_data with EXEC_MIME_TYPE content only\n if ((output.output_type != \"display_data\") || (!Object.prototype.hasOwnProperty.call(output.data, EXEC_MIME_TYPE))) {\n return\n }\n\n const toinsert = output_area.element.find(\".\" + CLASS_NAME.split(' ')[0]);\n\n if (output.metadata[EXEC_MIME_TYPE][\"id\"] !== undefined) {\n toinsert[toinsert.length - 1].firstChild.textContent = output.data[JS_MIME_TYPE];\n // store reference to embed id on output_area\n output_area._bokeh_element_id = output.metadata[EXEC_MIME_TYPE][\"id\"];\n }\n if (output.metadata[EXEC_MIME_TYPE][\"server_id\"] !== undefined) {\n const bk_div = document.createElement(\"div\");\n bk_div.innerHTML = output.data[HTML_MIME_TYPE];\n const script_attrs = bk_div.children[0].attributes;\n for (let i = 0; i < script_attrs.length; i++) {\n toinsert[toinsert.length - 1].firstChild.setAttribute(script_attrs[i].name, script_attrs[i].value);\n toinsert[toinsert.length - 1].firstChild.textContent = bk_div.children[0].textContent\n }\n // store reference to server id on output_area\n output_area._bokeh_server_id = output.metadata[EXEC_MIME_TYPE][\"server_id\"];\n }\n }\n\n function register_renderer(events, OutputArea) {\n\n function append_mime(data, metadata, element) {\n // create a DOM node to render to\n const toinsert = this.create_output_subarea(\n metadata,\n CLASS_NAME,\n EXEC_MIME_TYPE\n );\n this.keyboard_manager.register_events(toinsert);\n // Render to node\n const props = {data: data, metadata: metadata[EXEC_MIME_TYPE]};\n render(props, toinsert[toinsert.length - 1]);\n element.append(toinsert);\n return toinsert\n }\n\n /* Handle when an output is cleared or removed */\n events.on('clear_output.CodeCell', handleClearOutput);\n events.on('delete.Cell', handleClearOutput);\n\n /* Handle when a new output is added */\n events.on('output_added.OutputArea', handleAddOutput);\n\n /**\n * Register the mime type and append_mime function with output_area\n */\n OutputArea.prototype.register_mime_type(EXEC_MIME_TYPE, append_mime, {\n /* Is output safe? */\n safe: true,\n /* Index of renderer in `output_area.display_order` */\n index: 0\n });\n }\n\n // register the mime type if in Jupyter Notebook environment and previously unregistered\n if (root.Jupyter !== undefined) {\n const events = require('base/js/events');\n const OutputArea = require('notebook/js/outputarea').OutputArea;\n\n if (OutputArea.prototype.mime_types().indexOf(EXEC_MIME_TYPE) == -1) {\n register_renderer(events, OutputArea);\n }\n }\n if (typeof (root._bokeh_timeout) === \"undefined\" || force === true) {\n root._bokeh_timeout = Date.now() + 5000;\n root._bokeh_failed_load = false;\n }\n\n const NB_LOAD_WARNING = {'data': {'text/html':\n \"
      \\n\"+\n \"

      \\n\"+\n \"BokehJS does not appear to have successfully loaded. If loading BokehJS from CDN, this \\n\"+\n \"may be due to a slow or bad network connection. Possible fixes:\\n\"+\n \"

      \\n\"+\n \"
        \\n\"+\n \"
      • re-rerun `output_notebook()` to attempt to load from CDN again, or
        • \\n\"+\n \"
      • use INLINE resources instead, as so:
        • \\n\"+\n \"
      \\n\"+\n \"\\n\"+\n \"from bokeh.resources import INLINE\\n\"+\n \"output_notebook(resources=INLINE)\\n\"+\n \"\\n\"+\n \"
      \"}};\n\n function display_loaded(error = null) {\n const el = document.getElementById(\"c2d7060a-39e6-4bfc-bcde-b61d8fc182e7\");\n if (el != null) {\n const html = (() => {\n if (typeof root.Bokeh === \"undefined\") {\n if (error == null) {\n return \"BokehJS is loading ...\";\n } else {\n return \"BokehJS failed to load.\";\n }\n } else {\n const prefix = `BokehJS ${root.Bokeh.version}`;\n if (error == null) {\n return `${prefix} successfully loaded.`;\n } else {\n return `${prefix} encountered errors while loading and may not function as expected.`;\n }\n }\n })();\n el.innerHTML = html;\n\n if (error != null) {\n const wrapper = document.createElement(\"div\");\n wrapper.style.overflow = \"auto\";\n wrapper.style.height = \"5em\";\n wrapper.style.resize = \"vertical\";\n const content = document.createElement(\"div\");\n content.style.fontFamily = \"monospace\";\n content.style.whiteSpace = \"pre-wrap\";\n content.style.backgroundColor = \"rgb(255, 221, 221)\";\n content.textContent = error.stack ?? error.toString();\n wrapper.append(content);\n el.append(wrapper);\n }\n } else if (Date.now() < root._bokeh_timeout) {\n setTimeout(() => display_loaded(error), 100);\n }\n }\n\n function run_callbacks() {\n try {\n root._bokeh_onload_callbacks.forEach(function(callback) {\n if (callback != null)\n callback();\n });\n } finally {\n delete root._bokeh_onload_callbacks\n }\n console.debug(\"Bokeh: all callbacks have finished\");\n }\n\n function load_libs(css_urls, js_urls, callback) {\n if (css_urls == null) css_urls = [];\n if (js_urls == null) js_urls = [];\n\n root._bokeh_onload_callbacks.push(callback);\n if (root._bokeh_is_loading > 0) {\n console.debug(\"Bokeh: BokehJS is being loaded, scheduling callback at\", now());\n return null;\n }\n if (js_urls == null || js_urls.length === 0) {\n run_callbacks();\n return null;\n }\n console.debug(\"Bokeh: BokehJS not loaded, scheduling load and callback at\", now());\n root._bokeh_is_loading = css_urls.length + js_urls.length;\n\n function on_load() {\n root._bokeh_is_loading--;\n if (root._bokeh_is_loading === 0) {\n console.debug(\"Bokeh: all BokehJS libraries/stylesheets loaded\");\n run_callbacks()\n }\n }\n\n function on_error(url) {\n console.error(\"failed to load \" + url);\n }\n\n for (let i = 0; i < css_urls.length; i++) {\n const url = css_urls[i];\n const element = document.createElement(\"link\");\n element.onload = on_load;\n element.onerror = on_error.bind(null, url);\n element.rel = \"stylesheet\";\n element.type = \"text/css\";\n element.href = url;\n console.debug(\"Bokeh: injecting link tag for BokehJS stylesheet: \", url);\n document.body.appendChild(element);\n }\n\n for (let i = 0; i < js_urls.length; i++) {\n const url = js_urls[i];\n const element = document.createElement('script');\n element.onload = on_load;\n element.onerror = on_error.bind(null, url);\n element.async = false;\n element.src = url;\n console.debug(\"Bokeh: injecting script tag for BokehJS library: \", url);\n document.head.appendChild(element);\n }\n };\n\n function inject_raw_css(css) {\n const element = document.createElement(\"style\");\n element.appendChild(document.createTextNode(css));\n document.body.appendChild(element);\n }\n\n const js_urls = [\"https://cdn.bokeh.org/bokeh/release/bokeh-3.6.2.min.js\", \"https://cdn.bokeh.org/bokeh/release/bokeh-gl-3.6.2.min.js\", \"https://cdn.bokeh.org/bokeh/release/bokeh-widgets-3.6.2.min.js\", \"https://cdn.bokeh.org/bokeh/release/bokeh-tables-3.6.2.min.js\", \"https://cdn.bokeh.org/bokeh/release/bokeh-mathjax-3.6.2.min.js\"];\n const css_urls = [];\n\n const inline_js = [ function(Bokeh) {\n Bokeh.set_log_level(\"info\");\n },\nfunction(Bokeh) {\n }\n ];\n\n function run_inline_js() {\n if (root.Bokeh !== undefined || force === true) {\n try {\n for (let i = 0; i < inline_js.length; i++) {\n inline_js[i].call(root, root.Bokeh);\n }\n\n } catch (error) {display_loaded(error);throw error;\n }if (force === true) {\n display_loaded();\n }} else if (Date.now() < root._bokeh_timeout) {\n setTimeout(run_inline_js, 100);\n } else if (!root._bokeh_failed_load) {\n console.log(\"Bokeh: BokehJS failed to load within specified timeout.\");\n root._bokeh_failed_load = true;\n } else if (force !== true) {\n const cell = $(document.getElementById(\"c2d7060a-39e6-4bfc-bcde-b61d8fc182e7\")).parents('.cell').data().cell;\n cell.output_area.append_execute_result(NB_LOAD_WARNING)\n }\n }\n\n if (root._bokeh_is_loading === 0) {\n console.debug(\"Bokeh: BokehJS loaded, going straight to plotting\");\n run_inline_js();\n } else {\n load_libs(css_urls, js_urls, function() {\n console.debug(\"Bokeh: BokehJS plotting callback run at\", now());\n run_inline_js();\n });\n }\n}(window));", - "application/vnd.bokehjs_load.v0+json": "" - }, - "metadata": {}, - "output_type": "display_data" - } - ], - "source": [ - "# import libraries for table processing and for compuation of readability metrics\n", - "from pathlib import Path\n", - "\n", - "import pandas as pd\n", - "import matplotlib.pyplot as plt\n", - "\n", - "from bokeh.io import output_notebook, show\n", - "from bokeh.plotting import figure\n", - "from bokeh.layouts import column, row, layout\n", - "from bokeh.models import ColumnDataSource, CustomJS, TextInput, Div, RadioButtonGroup, Switch, TableColumn, DataTable\n", - "# Ensure Bokeh output is displayed in the notebook\n", - "output_notebook()" - ] + "outputs": [], + "source": "# import libraries for table processing and for computation of readability metrics\nfrom pathlib import Path\n\nimport pandas as pd\nimport matplotlib.pyplot as plt\n\nfrom bokeh.io import output_notebook, show\nfrom bokeh.plotting import figure\nfrom bokeh.layouts import column, row, layout\nfrom bokeh.models import ColumnDataSource, CustomJS, TextInput, Div, RadioButtonGroup, Switch, TableColumn, DataTable\n# Ensure Bokeh output is displayed in the notebook\noutput_notebook()" }, { "cell_type": "markdown", @@ -143,14 +101,7 @@ "cell_type": "markdown", "id": "4be4149d-d21d-477e-940c-d059aef3b007", "metadata": {}, - "source": [ - "
      \n", - " Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️\n", - "Zuerst wird der Ordner angelegt, in dem die Textdateien gespeichert werden. Der Einfachheit halber wird die gleich Datenablagestruktur wie in dem GitHub Repository, in dem die Daten gespeichert sind, vorausgesetzt.
      \n", - "Der Text wird aus GitHub heruntergeladen und in dem Ordner ../data/txt/ abgespeichert.
      \n", - "Der Pfad kann in der Variable text_path angepasst werden. Die einzulesenden Dateien müssen die Endung `.txt` haben.
      \n", - "
      " - ] + "source": "
      \n Informationen zum Ausführen des Notebooks – Zum Ausklappen klicken ⬇️\nZuerst wird der Ordner angelegt, in dem die Textdateien gespeichert werden. Der Einfachheit halber wird die gleiche Datenablagestruktur wie in dem GitHub Repository, in dem die Daten gespeichert sind, vorausgesetzt.
      \nDer Text wird aus GitHub heruntergeladen und in dem Ordner ../data/txt/ abgespeichert.
      \nDer Pfad kann in der Variable text_path angepasst werden. Die einzulesenden Dateien müssen die Endung `.txt` haben.
      \n
      " }, { "cell_type": "code", @@ -399,17 +350,7 @@ "id": "4795da68-d194-48a4-a373-e9c1c6099fa4", "metadata": {}, "outputs": [], - "source": [ - "# TODO: prettify\n", - "for metric in metrics:\n", - " print(metric)\n", - " if metric == \"Flesch\":\n", - " print(f\"Schwierigster Text: {result_df[result_df[metric] == result_df[metric].min()]['DC.identifier']}\")\n", - " print(f\"Leichester Text: {result_df[result_df[metric] == result_df[metric].max()]['DC.identifier']}\\n\")\n", - " else:\n", - " print(f\"Schwierigster Text: {result_df[result_df[metric] == result_df[metric].max()]['DC.identifier']}\")\n", - " print(f\"Leichester Text: {result_df[result_df[metric] == result_df[metric].min()]['DC.identifier']}\\n\")" - ] + "source": "# TODO: prettify\nfor metric in metrics:\n print(metric)\n if metric == \"Flesch\":\n print(f\"Schwierigster Text: {result_df[result_df[metric] == result_df[metric].min()]['DC.identifier']}\")\n print(f\"Leichtester Text: {result_df[result_df[metric] == result_df[metric].max()]['DC.identifier']}\\n\")\n else:\n print(f\"Schwierigster Text: {result_df[result_df[metric] == result_df[metric].max()]['DC.identifier']}\")\n print(f\"Leichtester Text: {result_df[result_df[metric] == result_df[metric].min()]['DC.identifier']}\\n\")" }, { "cell_type": "markdown", @@ -504,10 +445,7 @@ }, "tags": [] }, - "source": [ - "### 3.2 Interaktive Analysedaten vorbereiten\n", - "Wir wollen die Daten nun nach den Parametern der Metrik und der Granularität der Zeitschiene einteilen." - ] + "source": "### Interaktive Analysedaten vorbereiten\nWir wollen die Daten nun nach den Parametern der Metrik und der Granularität der Zeitschiene einteilen." }, { "cell_type": "code", @@ -554,7 +492,7 @@ }, { "cell_type": "code", - "execution_count": 9, + "execution_count": null, "id": "ca822456-d2b8-4045-b93e-4a32afd7d5dd", "metadata": { "editable": true, @@ -566,71 +504,7 @@ ] }, "outputs": [], - "source": [ - "def plot_with_js(results_filtered_df: pd.DataFrame) -> None:\n", - " \"\"\" \n", - " :param pd.DataFrame merged_df: The merged dataframe of all annotations\n", - " \"\"\"\n", - " frequency_parameters = [\"Y\", \"M\", \"W-MON\"]\n", - " \n", - " metrics_to_time_frame = {}\n", - " for metric in metrics:\n", - " metrics_to_time_frame[metric] = {}\n", - " for option in frequency_parameters:\n", - " result = results_filtered.groupby(pd.PeriodIndex(results_filtered['date'], freq=option))[metric].mean()\n", - " metrics_to_time_frame[metric][option] = {\"x\": result.index.to_timestamp(), \"y\": result.values}\n", - " \n", - " # Set year as default for the plot\n", - " line_source = ColumnDataSource(data=metrics_to_time_frame[\"Flesch\"][\"Y\"])\n", - "\n", - " # Create a plot\n", - " p = figure(title=f\"Lesbarkeitsmaß\", x_axis_type=\"datetime\", x_axis_label='Zeit', \n", - " y_axis_label='Durschnittlicher Score', width=700, height=400)\n", - " line = p.line('x', 'y', source=line_source, line_width=2, color='blue')\n", - "\n", - " # RadioButtonGroup to select mode\n", - " radio_button_group_time = RadioButtonGroup(labels=[\"Yearly\", \"Monthly\", \"Weekly\"], active=0)\n", - " radio_button_group_metric = RadioButtonGroup(labels=[\"Flesch\", \"ARI\", \"Coleman_Liau\", \"Wiener_Sachtextformel\"], active=0)\n", - "\n", - "\n", - " # Callback to update the data based on selected mode\n", - " callback = CustomJS(\n", - " args=dict(\n", - " line=line,\n", - " sources=metrics_to_time_frame,\n", - " radio_button_group_time=radio_button_group_time,\n", - " radio_button_group_metric=radio_button_group_metric\n", - " ),\n", - " code=\"\"\" \n", - " // Access the value of the switch\n", - " // const sources = switch_element.active ? relative_sources : absolute_sources;\n", - "\n", - " // Access the value of the RadioButtonGroup Time\n", - " const mode = radio_button_group_time.active;\n", - " \n", - " // Access the value of the RadioButtonGroup\n", - " const base = radio_button_group_metric.active;\n", - " \n", - " // Retrieve the selected frequency\n", - " const freq = [\"Y\", \"M\", \"W-MON\"][mode];\n", - "\n", - " // Retrieve the selected metric\n", - " const metric = [\"Flesch\", \"ARI\", \"Coleman_Liau\", \"Wiener_Sachtextformel\"][base];\n", - " \n", - " // update data source and emit change event\n", - " line.data_source.data = sources[metric][freq];\n", - " line.data_source.change.emit();\n", - " \"\"\",\n", - " )\n", - "\n", - " # Attach the callback to both widgets\n", - " radio_button_group_time.js_on_change('active', callback)\n", - " radio_button_group_metric.js_on_change('active', callback)\n", - "\n", - " # Layout the RadioButtonGroup and plot\n", - " layout = column(row(radio_button_group_metric, radio_button_group_time), p)\n", - " show(layout)" - ] + "source": "def plot_with_js(results_filtered_df: pd.DataFrame) -> None:\n \"\"\" \n :param pd.DataFrame merged_df: The merged dataframe of all annotations\n \"\"\"\n frequency_parameters = [\"Y\", \"M\", \"W-MON\"]\n \n metrics_to_time_frame = {}\n for metric in metrics:\n metrics_to_time_frame[metric] = {}\n for option in frequency_parameters:\n result = results_filtered.groupby(pd.PeriodIndex(results_filtered['date'], freq=option))[metric].mean()\n metrics_to_time_frame[metric][option] = {\"x\": result.index.to_timestamp(), \"y\": result.values}\n \n # Set year as default for the plot\n line_source = ColumnDataSource(data=metrics_to_time_frame[\"Flesch\"][\"Y\"])\n\n # Create a plot\n p = figure(title=f\"Lesbarkeitsmaß\", x_axis_type=\"datetime\", x_axis_label='Zeit', \n y_axis_label='Durchschnittlicher Score', width=700, height=400)\n line = p.line('x', 'y', source=line_source, line_width=2, color='blue')\n\n # RadioButtonGroup to select mode\n radio_button_group_time = RadioButtonGroup(labels=[\"Yearly\", \"Monthly\", \"Weekly\"], active=0)\n radio_button_group_metric = RadioButtonGroup(labels=[\"Flesch\", \"ARI\", \"Coleman_Liau\", \"Wiener_Sachtextformel\"], active=0)\n\n\n # Callback to update the data based on selected mode\n callback = CustomJS(\n args=dict(\n line=line,\n sources=metrics_to_time_frame,\n radio_button_group_time=radio_button_group_time,\n radio_button_group_metric=radio_button_group_metric\n ),\n code=\"\"\" \n // Access the value of the switch\n // const sources = switch_element.active ? relative_sources : absolute_sources;\n\n // Access the value of the RadioButtonGroup Time\n const mode = radio_button_group_time.active;\n \n // Access the value of the RadioButtonGroup\n const base = radio_button_group_metric.active;\n \n // Retrieve the selected frequency\n const freq = [\"Y\", \"M\", \"W-MON\"][mode];\n\n // Retrieve the selected metric\n const metric = [\"Flesch\", \"ARI\", \"Coleman_Liau\", \"Wiener_Sachtextformel\"][base];\n \n // update data source and emit change event\n line.data_source.data = sources[metric][freq];\n line.data_source.change.emit();\n \"\"\",\n )\n\n # Attach the callback to both widgets\n radio_button_group_time.js_on_change('active', callback)\n radio_button_group_metric.js_on_change('active', callback)\n\n # Layout the RadioButtonGroup and plot\n layout = column(row(radio_button_group_metric, radio_button_group_time), p)\n show(layout)" }, { "cell_type": "code", @@ -656,7 +530,7 @@ }, { "data": { - "application/javascript": "(function(root) {\n function embed_document(root) {\n const docs_json = {\"ee581c69-9f16-4368-85ec-cfdb98dd385b\":{\"version\":\"3.6.2\",\"title\":\"Bokeh Application\",\"roots\":[{\"type\":\"object\",\"name\":\"Column\",\"id\":\"p1064\",\"attributes\":{\"children\":[{\"type\":\"object\",\"name\":\"Row\",\"id\":\"p1063\",\"attributes\":{\"children\":[{\"type\":\"object\",\"name\":\"RadioButtonGroup\",\"id\":\"p1061\",\"attributes\":{\"js_property_callbacks\":{\"type\":\"map\",\"entries\":[[\"change:active\",[{\"type\":\"object\",\"name\":\"CustomJS\",\"id\":\"p1062\",\"attributes\":{\"args\":{\"type\":\"map\",\"entries\":[[\"line\",{\"type\":\"object\",\"name\":\"GlyphRenderer\",\"id\":\"p1057\",\"attributes\":{\"data_source\":{\"type\":\"object\",\"name\":\"ColumnDataSource\",\"id\":\"p1001\",\"attributes\":{\"selected\":{\"type\":\"object\",\"name\":\"Selection\",\"id\":\"p1002\",\"attributes\":{\"indices\":[],\"line_indices\":[]}},\"selection_policy\":{\"type\":\"object\",\"name\":\"UnionRenderers\",\"id\":\"p1003\"},\"data\":{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"Yqr466F8RkCdmz2tGGlGQFJwKLMpYEZAuur2ueoWRkBXj7w6yIpFQOjNoyfPXkVACKSxYffHRUDWBLDJnWZEQPWVlcyT60RAv2voQRCFQ0A5OZyGL+hCQAxSq5KXg0NAnMD0pthzQ0AVmIlT529DQMwO+Q6SkUNA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}}},\"view\":{\"type\":\"object\",\"name\":\"CDSView\",\"id\":\"p1058\",\"attributes\":{\"filter\":{\"type\":\"object\",\"name\":\"AllIndices\",\"id\":\"p1059\"}}},\"glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1054\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_width\":2}},\"nonselection_glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1055\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_alpha\":0.1,\"line_width\":2}},\"muted_glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1056\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_alpha\":0.2,\"line_width\":2}}}}],[\"sources\",{\"type\":\"map\",\"entries\":[[\"Flesch\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"Yqr466F8RkCdmz2tGGlGQFJwKLMpYEZAuur2ueoWRkBXj7w6yIpFQOjNoyfPXkVACKSxYffHRUDWBLDJnWZEQPWVlcyT60RAv2voQRCFQ0A5OZyGL+hCQAxSq5KXg0NAnMD0pthzQ0AVmIlT529DQMwO+Q6SkUNA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"ARI\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"QFgvXVpmMEDmCL+Wxn0wQCmErEywozBAkuc8kue8MEBDRismfzkxQLqEyJQacTFARUf9D+IvMUCuJ3LL3bIxQOjnuCAvUDFASuck3Qj9MUDj9NnUHzwyQB+slSCD9zFAq5pzWv8NMkDqINUX/hAyQKVPJ2l08TFA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"Coleman_Liau\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"1JDGOyOlMkAm9NiyKaYyQBWjxUZHuTJAHzrnuNPAMkCjpRvRfR4zQG/kVSIVEzNAUo1O3yzlMkCFgN+XkdEzQM7JRpKArDNA8fC7kTFfNECRZP6GOZg0QHJAk/ZGQDRAgYsXWDBONECcKU2Mz000QAu8QEGhLjRA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"Wiener_Sachtextformel\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"ZGOmybPQIkBtO2bDJPEiQDQEtq8eFyNAkCJHkCJHI0Cz3HUIMssjQJvmummumyNA/Kkuo1ZYI0ASUsLKlJokQF+b65JYYSRAWxD5z8RyJUAAMbV1CsolQHAp9ataZCVAnHFXz5JsJUAI0n4eOoUlQGKQxuERcCVA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"PQrXo3A9I0Dd0wjLPY0jQPDhP3gAHyJAFsTkCmJyIkCu1Eqt1CoiQERTkYlq7iJAvy6pfBh3IkAcWDrJgSUjQNC9CN2L0CJAL85Dx/DiIkAhsHJokS0jQPKUIE8J8iJAF6hCo191IkD5abGNn5YiQMsyxLEubiJAMVf0jpZPIkCwPwH7E7AiQMgED+aJ+iJAMmr42xQjI0BDPujZrPoiQOyXOwkFmiNARN/WAC9II0BudUYq5lYjQNMnfdInvSNA5N/SqzZXIkCWL8li/JUiQPfrksqHMSNAMzMzMzOFIkAicGMZlAojQC3A5jPOAiNAgy3Ygi3YIkD61Iv51IsjQG/iAtTe+SJAfcVXfMUnJEA13yyaBFgjQIRs7riSwCNAZmZmZmbmIkCvf94gnKUiQCCxgDv9ESNAn/fyeS+fI0Cq0OhXvVwjQB23UOqDHSNA+FPjpZtEI0CPC/u4sI8jQKioqKioSCNAboXiVihuI0Dc4J5XUpQjQIIf+IEfeCNA7JB/S6/aI0AEP/ADP7AjQG/2Zm/2ZiNA5b4Kc6JDI0BmZmZmZkojQEhISEhISCNAJCQkJCRkI0AnObB0kgMkQG8xpPMWAyRAl161ucbtI0AtDhaUdPwjQGmYgIyGCSVAXK6SRrVlI0AJkzAJk7AjQBz80bTbpyNAwF9w17zkIkAzMzMzMzsjQHStsuGI6SNAHqrbobqdI0BU46WbxKAkQJqZmZmZ2SNAF2zBFmzBI0DgCGX0tqwjQB6F61G4viJArZY3RjDRIkDS5n2KS4YjQLcI6MFq2iNAn+3Znu3ZIkAcWDrJgSUjQOQ4juM4DiNAXVL5MO5XI0BWusKYalEjQLt4/fMG4SNA1EEd1EFdI0BbDZ4jUHQjQLWBThvodCNAVIWX4fzrJEAvPCFX64IkQM6BSc6BSSRADtXtUN2OJEDOWwzpvGUkQPLneETPUCRAeQOkhSoZJUBWxUX6SnAkQHu8/G/tbCRACAzRUjV2JECsSLyKxCslQJUgTwnytCVAppvEILByJEDKuNgcnYwkQIWyXlMo6yNAa5Pb2ZbhI0As6heR6BUkQEPj9XIoNCRAfB8qcyQ7JEAJBxlT1EYkQP7XoPWk0iRAZ2ZmZmamJEBBOYoPVdgkQK4ZfyMTxyRAbMS/RvxrJEAhWoBEx3MkQFw3tNKD9iVAq6qqqqoAJkAZATgoA6ElQDRJDiG1YSVA6BUSfcltJUBNA9o0oG0lQL7iK77iKyVAEHujUvSQJUClDqvsPDgmQCeaL2QOPCZAXQzkz8VAJkADc4h1wismQOx7AS6SUyZA4yAnDnLiJUCashCtNMMlQIj+YYwLiSVAAAAAAACAJUA+OSh5cKklQKrXkXodqSVAOgj/4V1eJUAWU5hsHLQlQJdyKZdyKSZA2qeav/G+JUDR1bhmU8clQKjCu3JePCVAK3Kha/L2JECDLdiCLRglQLuE2RXt2SRAaGNyNiZnJUA0Mcrq8wolQLhsBfvWhyVAXV1dXV2VJUCYH+n+wqclQGMcFTdDNSZAirYaPEegJUABzbtgQrglQAebAdViYiVAagOdNtApJUDH5WhcjsYkQDsihJ2aHiVAs8slpKlsJUCFwkc9UiglQMU02gKk1iVABj6AxqOqJUB9QZB8QZAlQP1I9xc+lSVADPCwg81bJUCezAN9i1slQPKa6FXAkyVA6fvva5F5JUCIKnUS1wwlQJ7WRifoaSVAsQ3bsA3bJUDTyWLTyWIlQDMzMzMzhSVAvpXJdAOlJUB02ye7vKIlQDnaw9LIJCZA+AYgm4h7JUDdsyDAaIclQK3USq3USiVAXoxGL9JdJUB2KF6H4nUlQGRh0O6PiiVA\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}]]}],[\"radio_button_group_time\",{\"type\":\"object\",\"name\":\"RadioButtonGroup\",\"id\":\"p1060\",\"attributes\":{\"js_property_callbacks\":{\"type\":\"map\",\"entries\":[[\"change:active\",[{\"id\":\"p1062\"}]]]},\"labels\":[\"Yearly\",\"Monthly\",\"Weekly\"],\"active\":0}}],[\"radio_button_group_metric\",{\"id\":\"p1061\"}]]},\"code\":\" \\n // Access the value of the switch\\n // const sources = switch_element.active ? relative_sources : absolute_sources;\\n\\n // Access the value of the RadioButtonGroup Time\\n const mode = radio_button_group_time.active;\\n \\n // Access the value of the RadioButtonGroup\\n const base = radio_button_group_metric.active;\\n \\n // Retrieve the selected frequency\\n const freq = [\\\"Y\\\", \\\"M\\\", \\\"W-MON\\\"][mode];\\n\\n // Retrieve the selected metric\\n const metric = [\\\"Flesch\\\", \\\"ARI\\\", \\\"Coleman_Liau\\\", \\\"Wiener_Sachtextformel\\\"][base];\\n \\n // update data source and emit change event\\n line.data_source.data = sources[metric][freq];\\n line.data_source.change.emit();\\n \"}}]]]},\"labels\":[\"Flesch\",\"ARI\",\"Coleman_Liau\",\"Wiener_Sachtextformel\"],\"active\":0}},{\"id\":\"p1060\"}]}},{\"type\":\"object\",\"name\":\"Figure\",\"id\":\"p1004\",\"attributes\":{\"width\":700,\"height\":400,\"x_range\":{\"type\":\"object\",\"name\":\"DataRange1d\",\"id\":\"p1005\"},\"y_range\":{\"type\":\"object\",\"name\":\"DataRange1d\",\"id\":\"p1006\"},\"x_scale\":{\"type\":\"object\",\"name\":\"LinearScale\",\"id\":\"p1014\"},\"y_scale\":{\"type\":\"object\",\"name\":\"LinearScale\",\"id\":\"p1015\"},\"title\":{\"type\":\"object\",\"name\":\"Title\",\"id\":\"p1007\",\"attributes\":{\"text\":\"Lesbarkeitsma\\u00df\"}},\"renderers\":[{\"id\":\"p1057\"}],\"toolbar\":{\"type\":\"object\",\"name\":\"Toolbar\",\"id\":\"p1013\",\"attributes\":{\"tools\":[{\"type\":\"object\",\"name\":\"PanTool\",\"id\":\"p1038\"},{\"type\":\"object\",\"name\":\"WheelZoomTool\",\"id\":\"p1039\",\"attributes\":{\"renderers\":\"auto\"}},{\"type\":\"object\",\"name\":\"BoxZoomTool\",\"id\":\"p1040\",\"attributes\":{\"overlay\":{\"type\":\"object\",\"name\":\"BoxAnnotation\",\"id\":\"p1041\",\"attributes\":{\"syncable\":false,\"line_color\":\"black\",\"line_alpha\":1.0,\"line_width\":2,\"line_dash\":[4,4],\"fill_color\":\"lightgrey\",\"fill_alpha\":0.5,\"level\":\"overlay\",\"visible\":false,\"left\":{\"type\":\"number\",\"value\":\"nan\"},\"right\":{\"type\":\"number\",\"value\":\"nan\"},\"top\":{\"type\":\"number\",\"value\":\"nan\"},\"bottom\":{\"type\":\"number\",\"value\":\"nan\"},\"left_units\":\"canvas\",\"right_units\":\"canvas\",\"top_units\":\"canvas\",\"bottom_units\":\"canvas\",\"handles\":{\"type\":\"object\",\"name\":\"BoxInteractionHandles\",\"id\":\"p1047\",\"attributes\":{\"all\":{\"type\":\"object\",\"name\":\"AreaVisuals\",\"id\":\"p1046\",\"attributes\":{\"fill_color\":\"white\",\"hover_fill_color\":\"lightgray\"}}}}}}}},{\"type\":\"object\",\"name\":\"SaveTool\",\"id\":\"p1048\"},{\"type\":\"object\",\"name\":\"ResetTool\",\"id\":\"p1049\"},{\"type\":\"object\",\"name\":\"HelpTool\",\"id\":\"p1050\"}]}},\"left\":[{\"type\":\"object\",\"name\":\"LinearAxis\",\"id\":\"p1033\",\"attributes\":{\"ticker\":{\"type\":\"object\",\"name\":\"BasicTicker\",\"id\":\"p1034\",\"attributes\":{\"mantissas\":[1,2,5]}},\"formatter\":{\"type\":\"object\",\"name\":\"BasicTickFormatter\",\"id\":\"p1035\"},\"axis_label\":\"Durschnittlicher Score\",\"major_label_policy\":{\"type\":\"object\",\"name\":\"AllLabels\",\"id\":\"p1036\"}}}],\"below\":[{\"type\":\"object\",\"name\":\"DatetimeAxis\",\"id\":\"p1016\",\"attributes\":{\"ticker\":{\"type\":\"object\",\"name\":\"DatetimeTicker\",\"id\":\"p1017\",\"attributes\":{\"num_minor_ticks\":5,\"tickers\":[{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1018\",\"attributes\":{\"num_minor_ticks\":0,\"mantissas\":[1,2,5],\"max_interval\":500.0}},{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1019\",\"attributes\":{\"num_minor_ticks\":0,\"base\":60,\"mantissas\":[1,2,5,10,15,20,30],\"min_interval\":1000.0,\"max_interval\":1800000.0}},{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1020\",\"attributes\":{\"num_minor_ticks\":0,\"base\":24,\"mantissas\":[1,2,4,6,8,12],\"min_interval\":3600000.0,\"max_interval\":43200000.0}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1021\",\"attributes\":{\"days\":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1022\",\"attributes\":{\"days\":[1,4,7,10,13,16,19,22,25,28]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1023\",\"attributes\":{\"days\":[1,8,15,22]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1024\",\"attributes\":{\"days\":[1,15]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1025\",\"attributes\":{\"months\":[0,1,2,3,4,5,6,7,8,9,10,11]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1026\",\"attributes\":{\"months\":[0,2,4,6,8,10]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1027\",\"attributes\":{\"months\":[0,4,8]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1028\",\"attributes\":{\"months\":[0,6]}},{\"type\":\"object\",\"name\":\"YearsTicker\",\"id\":\"p1029\"}]}},\"formatter\":{\"type\":\"object\",\"name\":\"DatetimeTickFormatter\",\"id\":\"p1030\"},\"axis_label\":\"Zeit\",\"major_label_policy\":{\"type\":\"object\",\"name\":\"AllLabels\",\"id\":\"p1031\"}}}],\"center\":[{\"type\":\"object\",\"name\":\"Grid\",\"id\":\"p1032\",\"attributes\":{\"axis\":{\"id\":\"p1016\"}}},{\"type\":\"object\",\"name\":\"Grid\",\"id\":\"p1037\",\"attributes\":{\"dimension\":1,\"axis\":{\"id\":\"p1033\"}}}]}}]}}]}};\n const render_items = [{\"docid\":\"ee581c69-9f16-4368-85ec-cfdb98dd385b\",\"roots\":{\"p1064\":\"a7aaabce-d5fe-4c37-9fac-78272aa7a9b2\"},\"root_ids\":[\"p1064\"]}];\n void root.Bokeh.embed.embed_items_notebook(docs_json, render_items);\n }\n if (root.Bokeh !== undefined) {\n embed_document(root);\n } else {\n let attempts = 0;\n const timer = setInterval(function(root) {\n if (root.Bokeh !== undefined) {\n clearInterval(timer);\n embed_document(root);\n } else {\n attempts++;\n if (attempts > 100) {\n clearInterval(timer);\n console.log(\"Bokeh: ERROR: Unable to run BokehJS code because BokehJS library is missing\");\n }\n }\n }, 10, root)\n }\n})(window);", + "application/javascript": "(function(root) {\n function embed_document(root) {\n const docs_json = {\"ee581c69-9f16-4368-85ec-cfdb98dd385b\":{\"version\":\"3.6.2\",\"title\":\"Bokeh Application\",\"roots\":[{\"type\":\"object\",\"name\":\"Column\",\"id\":\"p1064\",\"attributes\":{\"children\":[{\"type\":\"object\",\"name\":\"Row\",\"id\":\"p1063\",\"attributes\":{\"children\":[{\"type\":\"object\",\"name\":\"RadioButtonGroup\",\"id\":\"p1061\",\"attributes\":{\"js_property_callbacks\":{\"type\":\"map\",\"entries\":[[\"change:active\",[{\"type\":\"object\",\"name\":\"CustomJS\",\"id\":\"p1062\",\"attributes\":{\"args\":{\"type\":\"map\",\"entries\":[[\"line\",{\"type\":\"object\",\"name\":\"GlyphRenderer\",\"id\":\"p1057\",\"attributes\":{\"data_source\":{\"type\":\"object\",\"name\":\"ColumnDataSource\",\"id\":\"p1001\",\"attributes\":{\"selected\":{\"type\":\"object\",\"name\":\"Selection\",\"id\":\"p1002\",\"attributes\":{\"indices\":[],\"line_indices\":[]}},\"selection_policy\":{\"type\":\"object\",\"name\":\"UnionRenderers\",\"id\":\"p1003\"},\"data\":{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"Yqr466F8RkCdmz2tGGlGQFJwKLMpYEZAuur2ueoWRkBXj7w6yIpFQOjNoyfPXkVACKSxYffHRUDWBLDJnWZEQPWVlcyT60RAv2voQRCFQ0A5OZyGL+hCQAxSq5KXg0NAnMD0pthzQ0AVmIlT529DQMwO+Q6SkUNA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}}},\"view\":{\"type\":\"object\",\"name\":\"CDSView\",\"id\":\"p1058\",\"attributes\":{\"filter\":{\"type\":\"object\",\"name\":\"AllIndices\",\"id\":\"p1059\"}}},\"glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1054\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_width\":2}},\"nonselection_glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1055\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_alpha\":0.1,\"line_width\":2}},\"muted_glyph\":{\"type\":\"object\",\"name\":\"Line\",\"id\":\"p1056\",\"attributes\":{\"x\":{\"type\":\"field\",\"field\":\"x\"},\"y\":{\"type\":\"field\",\"field\":\"y\"},\"line_color\":\"blue\",\"line_alpha\":0.2,\"line_width\":2}}}}],[\"sources\",{\"type\":\"map\",\"entries\":[[\"Flesch\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"Yqr466F8RkCdmz2tGGlGQFJwKLMpYEZAuur2ueoWRkBXj7w6yIpFQOjNoyfPXkVACKSxYffHRUDWBLDJnWZEQPWVlcyT60RAv2voQRCFQ0A5OZyGL+hCQAxSq5KXg0NAnMD0pthzQ0AVmIlT529DQMwO+Q6SkUNA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"ARI\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"QFgvXVpmMEDmCL+Wxn0wQCmErEywozBAkuc8kue8MEBDRismfzkxQLqEyJQacTFARUf9D+IvMUCuJ3LL3bIxQOjnuCAvUDFASuck3Qj9MUDj9NnUHzwyQB+slSCD9zFAq5pzWv8NMkDqINUX/hAyQKVPJ2l08TFA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAIBM6N1yQgAAgG3r5nJCAADAv+XwckIAAECsjfpyQgAAgP6HBHNCAAAA6y8Oc0IAAEA9KhhzQgAAgI8kInNCAAAAfMwrc0IAAEDOxjVzQgAAwLpuP3NCAAAADWlJc0IAAEBfY1NzQgAAAOa4XHNCAABAOLNmc0IAAMAkW3BzQgAAAHdVenNCAACAY/2Dc0IAAMC1941zQgAAAAjyl3NCAACA9Jmhc0IAAMBGlKtzQgAAQDM8tXNCAACAhTa/c0IAAMDXMMlzQgAAwPgz0nNCAAAASy7cc0IAAIA31uVzQgAAwInQ73NCAABAdnj5c0IAAIDIcgN0QgAAwBptDXRCAABABxUXdEIAAIBZDyF0QgAAAEa3KnRCAABAmLE0dEIAAIDqqz50QgAAgAuvR3RCAADAXalRdEIAAEBKUVt0QgAAgJxLZXRCAAAAifNudEIAAEDb7Xh0QgAAgC3ognRCAAAAGpCMdEIAAEBsipZ0QgAAwFgyoHRCAAAAqyyqdEIAAED9JrR0QgAAQB4qvXRCAACAcCTHdEIAAABdzNB0QgAAQK/G2nRCAADAm27kdEIAAADuaO50QgAAQEBj+HRCAADALAsCdUIAAAB/BQx1QgAAgGutFXVCAADAvacfdUIAAAAQoil1QgAAwJb3MnVCAAAA6fE8dUIAAIDVmUZ1QgAAwCeUUHVCAABAFDxadUIAAIBmNmR1QgAAwLgwbnVCAABApdh3dUIAAID30oF1QgAAAOR6i3VCAABANnWVdUIAAICIb591QgAAgKlyqHVCAADA+2yydUIAAEDoFLx1QgAAgDoPxnVCAAAAJ7fPdUIAAEB5sdl1QgAAgMur43VCAAAAuFPtdUIAAEAKTvd1QgAAwPb1AHZCAAAASfAKdkIAAECb6hR2QgAAQLztHXZCAACADugndkIAAAD7jzF2QgAAQE2KO3ZCAADAOTJFdkIAAACMLE92QgAAQN4mWXZCAADAys5idkIAAAAdyWx2QgAAgAlxdnZCAADAW2uAdkIAAACuZYp2QgAAAM9ok3ZCAABAIWOddkIAAMANC6d2QgAAAGAFsXZCAACATK26dkIAAMCep8R2QgAAAPGhznZCAACA3UnYdkIAAMAvROJ2QgAAQBzs63ZCAACAbub1dkIAAMDA4P92QgAAgEc2CXdCAADAmTATd0IAAECG2Bx3QgAAgNjSJndCAAAAxXowd0IAAEAXdTp3QgAAgGlvRHdCAAAAVhdOd0IAAECoEVh3QgAAwJS5YXdCAAAA57Nrd0IAAEA5rnV3QgAAQFqxfndCAACArKuId0IAAACZU5J3QgAAQOtNnHdCAADA1/Wld0IAAAAq8K93QgAAQHzquXdCAADAaJLDd0IAAAC7jM13QgAAgKc013dCAADA+S7hd0IAAABMKet3QgAAAG0s9HdCAABAvyb+d0IAAMCrzgd4QgAAAP7IEXhCAACA6nAbeEIAAMA8ayV4QgAAAI9lL3hCAACAew05eEIAAMDNB0N4QgAAQLqvTHhCAACADKpWeEIAAMBepGB4QgAAwH+naXhCAAAA0qFzeEIAAIC+SX14QgAAwBBEh3hCAABA/euQeEIAAIBP5pp4QgAAwKHgpHhCAABAjoiueEIAAIDggrh4QgAAAM0qwnhCAABAHyXMeEIAAIBxH9Z4QgAAQPh033hCAACASm/peEIAAAA3F/N4QgAAQIkR/XhCAADAdbkGeUIAAADIsxB5QgAAQBquGnlCAADABlYkeUIAAABZUC55QgAAgEX4N3lCAADAl/JBeUIAAADq7Et5QgAAAAvwVHlCAABAXepeeUIAAMBJkmh5QgAAAJyMcnlC\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"Coleman_Liau\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"1JDGOyOlMkAm9NiyKaYyQBWjxUZHuTJAHzrnuNPAMkCjpRvRfR4zQG/kVSIVEzNAUo1O3yzlMkCFgN+XkdEzQM7JRpKArDNA8fC7kTFfNECRZP6GOZg0QHJAk/ZGQDRAgYsXWDBONECcKU2Mz000QAu8QEGhLjRA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"cD0K16OwLEDvAOUOUO4yQHsUrkfhOjNAbtu2bdv2MkBH1RQxIdoyQEt+seQXuzJAFZNWMWl1MkDQaQOdNpAzQBWuR+F6RDNA3SQGgZWDMkDuslw8sPsyQA771RrkEjJAjWkywJzFMkDMSfOTaUEyQHNGlPYG3zJAQ3ErFLfCMkBHE+CsecYxQFg5tMh2fjNAa6VWaqUWMkBjyS+W/EIyQDoH1KBtOjJA/GvEv0Z8MkBEJvvqpIoyQOmTPumTvjFAkDWM9pvyMkD0zoCD5IgyQN7d3d3dtTFAAAAAAACAM0Ab6LSBTlszQBWuR+F6sDJAkxgEVg69MkCyVXOervQyQPP91Hjp5jJAZoFXFnilNEDziyW/WPIzQE1xzxT3jDJAav+FIh7LMkApXI/C9bgyQOUXS36xZDJALrc/yFAZMUArhxbZzvcxQFyPwvUoPDJAgon+TlYbM0DTBjptoPMxQIJOG+i0STNAEqtE3ncRMkDcFKOGvw0zQH+QobLDlDJATfR3slreMkD24TPsCpAyQMfGxsbGBjNAd3d3d3c3NEB/nmRiHcIxQBZf8RVfcTJABRVbNecpMkACB8kRTWMxQLLOlQckqzJAe1XAsM1OM0BXFnhlgTcxQDQYQoMh9DJAfPra4mDBMkBtoNMGOu0xQEw3iUFgZTJAdAlkDaNdMkBKDAIrh7YyQE2sQ5jWIjNAUrgehevRMkCDKi+o8gIyQL5OHXmFbjNA0Zy423OcMUCqb8dDCWEyQAoYttkp3jFAFY0EfPMKMkDGpFVMWgUyQPtue6p4PDNAFK5H4XpkMkB3d3d3d68zQDC7Jw8LNTJAuB6F61FIMkCF61G4HgU2QNejcD0K5zNA7FG4HoULMkACjz8c8DgyQCz2l92TRzNAZDvfT43XM0BZ9qI5cXcyQDr8RIDWdjJApHA9CtfDMkC3P8hQ2VE0QK1oJOCb9zNATaPDTwQoMkBMKh/G/VoyQLQ3+MJkajNAjDe1eFOLMkAjVom872IyQD81XrpJbDRAgX8S+CcBM0Bf8GYTVOwxQD4QihU31DJAzyWQNYzWMkD7TXkugSwzQDEIrBxaNDJAmbSKSatYNUCqjGFRC7ExQArXo3A9BjNAzHLxwO7fMUDDohZi/jgzQPOAZJ0rTzJAh75q6KvGMUCNCs6o4MwyQIpnRSMBPzJAtzhYUNLxMkAVrkfhejQyQIXrUbgexTJAn8kxJ81PMkDkF0t+scQyQG5RfTseCjNA1AY6baATN0BNy9K0LM0yQJt/xjQZQDFA/xnTZIA5MkAfhetRuHIyQJduEoPAijNAuMSp33PrMkBj/JUvyeIyQP7t5qqsOzJAKHeAcgeoMkCCThvotMExQMTaN6x9IzNAv1jyiyW/MkBL9HeyWt4zQCnZtYmSnTJAmOjvZLV8MkCLRgK+eXUxQGZmZmZmhjRAXI/C9SicMkCWQ4ts58syQAAAAAAAgDJAeGWBVxb4MkAouTovLkszQIqw4emVsjJAOi6mWLNRMkDNibs9x4UyQCUGgZVDezJAGEt+seQXNEDD9Shcj+QyQLicYBl5EDJAyTiRjBOJNUAtQxzr4vYzQJmZmZmZSTNAhetRuB5FMkByBkUuwoAyQIHHHw54fDJA99kFxKYSM0BDi2zn+9kyQNlh6nL74zNArkfhehSOM0AAAAAAAHwyQMKbTVCxVTJA1dlSnS2VMkCkKRVnH/4yQP5OVssb0zFAWLeovh0PM0C4HoXrUcgyQOXcZxcQuzJAW0I+6NmsMUA4a57RBBgzQMq0AAaz8TFAs8PU5fbHMkCmpaWlpaUyQPQWQzpvsTNACtejcD1KMkDXo3A9Chc5QHcididi9zJAGBCbSkOeMkBZF7fRAF4yQDL8ZuBDiDJAt23btm27MkDHcRzHcdwyQEeHnwjQGjNAHMdxHMcxMkCkcD0K13czQLKd76fGSzJAwSzuBHGyMkA/NV66SawxQGPSKiatojJACtejcD1KNEDNzMzMzMw0QJNWMWkVUzNAH4XrUbi+MUADnTbQaZMzQGtTsjYlqzJAPgrXo3C1MkC1FvOi7lgyQClcj8L1+DFAKVyPwvVoM0ApXI/C9egzQBFM9HeyWjNAYfUzHbGvMkA8kPnBe8syQArXo3A9MjNA6ZuYvolpM0B7FK5H4Y4yQOqgDuqgTjNAMX98G3cZM0BxPQrXo3gyQJR0fPraIjRAj8L1KFxvMkC4HoXrUbAxQIKVQ4tsJzRAuR6F61H4MkDMzMzMzOwyQLuA2FQa8jJAEzyYJ+pfM0CBrGG039QyQKo05Nxn9zJAH4XrUbi+NkBcj8L1KGwyQGkk4JtX8zNAS36x5BdzMkANcayL2ygzQHlGE+CsOTNAVssbI5hIMkAsX5LF+OsyQExdbn+QITNAiiO9VvCJMkBnZmZmZgYzQNVBHdRBXTNA02SAOctmMkC8Jhc0tdcyQOmFXuiFnjNAUO4A5Q5wMkBgLPnFkp8yQFsdEzyYxzJATCBrGO1XMkCTXyz5xdIyQEeHnwjQWjNA9wcZKjssM0BKDAIrh1YyQCUGgZVDyzJAmpmZmZk5M0Ak40QyTuQyQKAaL90k9jJA7MRO7MROM0Ak61x5QPIyQBoMocEQ2jJA9WUlVP25M0BJ5y2GdJ4zQAFkE3HvEzNAY8kvlvwiM0AEirYaPEczQL6fGi/dpDJAzczMzMw8NEDmjRFM9LcyQIM6qIM6eDNATak4+/D5MkA7FK9D8XozQM6VByTr3DNAMQisHFpkNEApXI/C9Wg0QOF6FK5H5TFAMzMzMzNzMkDBRH8nqwUyQNbyxggmejNA9bXFwYLSMkAk/jXiX6MyQILdv5SEPjJAhCgbfVlJMkAfhetRuOYzQMRn2BUgdzNAcXjtPUW6M0DsUbgehasyQCd2Yid2ojNArkfhehQmMkB1UAd1UMcyQJZDi2znyzJA7rMLiE2lMkBtKg0599kyQK48IFnnijJAzczMzMw8NEANOffZBeQxQHTaQKcNvDJApCkVZx++M0BGHkTZ6IszQEZ0YEQHBjNAERERERFpM0AzMzMzM1sxQN4ZcJAckTNAoryG8hpKMkDkF0t+sSQzQPKsaCTgWzNAtvP91HiJM0DziyW/WLIzQFVVVVVVFTRAdpi63P5gNUCmVJx9+IwzQHe+nxovHTRANl66SQwiM0AsGgn45nUyQIR1i+rbcTNAUrgeheupMkAgNpWGnHsyQG9z7DbHLjNAjtzIjdyoM0CtljdGMFEzQPxiyS+WnDJAg8DKoUV2NUDUOaAGbRMzQJUxLGohZjJAaAKcNc9oM0AAAAAAAIAyQDEIrBxaJDRA1AY6baDzMUAlv1jyiyUxQB+F61G4HjJAtYFOG+j0MkBg+ZIsxt8xQMIWbMEWDDNATxvotIEeM0BPX1scLCgzQGOCB/NEfTJAxks3iUFgM0AAAAAAAIAzQN7d3d3dHTRAhtXPdMS+M0CkcD0K1/8xQM+Ag+SI5jJAwvUoXI+eMkAcx3Ecx/EyQBq0TeeAGjJATmIQWDnEMkCikYBvXg0zQPgvJaEP2TJAMf7Kl2TxMUBcj8L1KMwxQD0K16NwnTJAavqhph+KM0CXkA96NisyQNMGOm2gOzJA3P4gQ2UnMkAUrkfhetgzQDbiXyP+NTJARwK+eTXxMUBmZmZmZhY1QAiiO9VuSDNA4XoUrkdxM0AlHZ++tngyQIXrUbgeJTJA9XeyWt64MECS7Xw/NV4yQFgl8r6LmDNALS0tLS2tM0A2eI5A0dYzQDXn6UrvTDNAh7nsH1MGMkDC9Shcj/IyQJVhLvvHVDJAnTbQaQNdM0B6kdQOfu8yQKM1WqM1mjJANBhCgyH0M0CYbhKDwFo0QAOdNtBpkzJAZmZmZmamNUAGgZVDi6wyQC2yne+nBjJAjQR882qSM0DflrU6Jhg0QI4Alsp04jNAemfAQXLkM0AN/ZpBAlE0QLAUNfIxyTJAzoLsLMjuM0CbUnH24cMzQF66SQwCSzNAAAAAAACIM0Dn+6nx0p00QDgxfRPTtzNASHdFiVDBMkDARVM1HOYzQFHmlMVrBjRATIuB5SRbNEAvYpXI++4zQFi3qL4dbzRA5vYHGSrLM0Dt3airWgc0QM8TIkEMuzNA7ivtvtIuM0BkVE0RE8IzQLG44FfYSjNAPpzhwxm+M0Bdj8L1KNwzQI5pMsCcRTRAH4XrUbieNEDiehSuRwk0QIfTxz/yjDRAvt1HQuRKM0DUMnFgRjozQB1Wo4d4qjNAqlehehWqM0Bcj8L1KFw0QCoqKioq2jNAYek7aMKYM0AEd/giVxEzQKIDIzowwjNAmpmZmZn5MkDvHRJVhKgzQBRtNXiOIDNA8XudOvJKNEBj/JUvyeIzQElqB7/XKTVA374OnDNiNEA6Pn1tceAzQLC+254qXjRAFYJDWsaHNEBmZmZmZuY0QL+fGi/dpDRA2c73U+OlMUBXFI+EbwUzQHdvyD4i5DNAQ/QuRO8CNEC+uSsXCtkzQMOgAotykDNAhRDAuEPzM0BwXwfOGeEzQDCsM3iNrjNALAxGSI0oM0AfhetRuL4zQBCbSkPOPTNANuGTgm9NM0A6baDTBvozQMsnm0VRWzNAI5jo72SVM0D8tltOsLwzQJNyQGS4FzNAQMhQ2WGaM0BWigm6q1QzQKLC6D9QYzNAY1jUQsw3M0CLcpAWj60zQE33hJUy2zNAZox1I80IM0Df76EdMZIzQEZ5rN8S5jNAvYbyGspbM0DqcIdgL+czQOucQMDlKTNAVUqUMyiyM0BDMIaHSsEzQDL73q3AtjNAQmZ1TiCgM0DzfpfIKm8zQOV/JSWiyDNAzLqpmIc2NEATK30cyukzQC8Oy2XetDNA7b7S7iudM0BA1yobjrgzQBttCjgNhzNAlZtPufmEM0Do4g++SkE0QMnEOoRpzTNA2zesfcO+M0DlNZTXUAY0QNYLuZxq9DNAxHTpe39KNEBlnj+Eh94zQPd0JgsjLjRA+MYHXJYINEDKanljBDM0QMTvQPwOBDNAL69zdmQZM0AfEVMiiZ4zQGeFZOpt1jNAmxN3e47bM0AajIcLGC00QIXrUbgexTNAqFpflYLqM0D+Pt3v030zQL1jnaAIIzRAliFfl9NMNUA3VUe3oHY1QMm/pVdtbjVAimdFIwGvNECYjMmYjMk0QBGPBQe4oTRAGbi0fh7bNECvJp4VjRQ0QJD99xpu6jRA6x1RhLeKNEDo8BMBWks0QLGfUP5ajjRAM1gjgzViNEAnJJ4wuq80QLf6b6v/1jNAFa5H4XqMNECT0IdM9vU0QHV5YXBL1jNAjQ4/EaBVM0BdfDDVwH80QBjIpHiBTDRAV05UUKhtNEDC9Shcj4o0QD0K16NwQTRAYEQHRnTwM0BxPQrXI0k0QEkZeLo1PzRAPw8XazLRM0CoiuS1/j40QBzotIFOFzRAnDoFWHSGNEArEq8i8So0QJn7h7l/WDRAkeSFVwfCNEDH7x8J3lo1QLpOoesU+jRASOF6FK6vNEDjIfbqLlw1QBSRh+iqkjRAmkvuImFTNEDBgpKOTxc1QKnph5p+KDVAcLvlBMsINEAT/Z2slrc0QJg4holjGDVA/wL0L0C/NECpD3bcQqk0QFfE+XEA4TRAnwVs0jj/NEBtKg059500QLP9hwFQ1DRAGQRWDi3aNEBI4XoUrtM0QAEWPBqqxjRAzczMzMzUNUDQkkRsQ1Y1QPrPZ3LMiTRAaVcvVeq5NED9Jctfssw0QGws5wpkxjRAAsodoNyRNEApXI/C9dc0QBQ2sTJZAjVAGrxL+l5CNECh+et3nYw0QPeTYTvYZTRA/CPPtEJUNED1D098MmQ0QL4ki/FXfjRAWHfDu6gqNEDpHFCDtgk0QEJwSMv4wDRAYupy+4OMNEBK61AJ02c0QLownkClXDRATZZz/tKANEBE/QLZDGY0QNmEPLdimjRAkUjRiwIyNEClVIZjqVY0QPE1sdfB1DRATaHSvmdUNED3xFRYYLI0QJxhXUZX8zNAnqyWN0Y8NEAXbMEWbBU1QJSfVPt0vDRAxt2RjTFUNEBslv7zmTw0QN7QsD7aiDRAEKpD3XbQNEC8BRIUP6Y0QOcSyBpG6zRAccDjDwe8NECHqcvtD+IzQKTbmILQfzRAx2S2za9CNEDhRwMxvZ80QNcJPXCjdjRAwV2UZM5xNEAWjBn+IW40QDKrmVQ1mDRA69PSlT3wM0DC3gozHJU0QMCUhD5kEjRAyC2U+mAXNEDf+YcgFxw0QHF8a/HoqzRAlMNuhV+uM0AEpyZMEOEzQGLbJbZdQjRAjpduEoP4M0AtyM6C7OwzQCu0uZV/DzRAoVw97c8UNEDEF7mKOjU0QA0SqXNqWTNAptkMQHPmM0CT1ChjFf0zQOxRuB6FDzRAlj3UpRflM0Bwrf9bPSE0QHKBfT5OKjRAvLu7u7sPNEB6fuPSPmE0QHfJ+RWRwzNAMQisHFrUM0D/PKxqSBM0QBFh36vjETRAsxO2dQnfM0A1SIM0SKM0QEUR3qp3hDRAhx8f0l5YNEC8FiqaOG40QL1sVCLaNTRATS5oaq9qNEBya5yKYog0QO3YCMTrejRAT2311FaPNEDUPcCxCH80QD5yRp8vOjRAlghqiaCWNEDuG9a+Ye00QEFg5dAiqzRAnWS9oD3wNECwxFzROxo1QBuOmPZEBjRA7FG4HoVrNEAUrkfhepo0QGdUcEYF5zRANMvq09LVNECw70nyhFY0QKn5AHbGDTVAayv2l91jNEDwVOUtyx40QLiFUh/sKDRAVfw+4kH3M0DnWX64M3I0QBhCgyE0uDRA9ihcj8KUNEBzTyMs9/QzQBixSuR9FzRAC9ejcD1iNEDNzMzMzAA0QOt9GkUO+DNA1wyE4CmqM0AEhoSFLz40QKWp+OwzpDNAavK4s4TdM0C5YvhS/PEzQDoyvWxl0DNAqn7C8p4PNEDTTWIQWKU0QE/OQbuxaTRA3/It3/KtNEDTHLyw+lk0QMeCVCkjWTRA5OCPpt3+M0Cea//utyg0QEaodnxN8jNAu316KUD3M0BH3xx9c3Q0QNXYwywgnzRA0Fi7BeFWNEBOmN/V4sY0QGIdwrQW8zNAn5vH6G5RNECcweGE5rg0QDE5Uny3gzRAxYZYbIglNEAkavR6c5c0QEH5F52ImjRAFHZKO/NcNECEk6ya8CA0QLPUu/q1BjRAemaDbbXtM0AEIhSEbcM0QJzQHF2jxjRA8M2riWf1MkA7ViCMtEM0QOtRuB6FKTRAHJ4pIfNUNEBiaWQSSQ80QC0weR3PnjRA0+4r7b4yNEAfhetROHM0QN6uundIZDRA+C8loQ8ZNECGlZ5aWCk0QHxEHYkggDRA7FG4HoW/NECp6YeafjA0QIB6H29pXjRAH9xjhltXNECjOEBkT0w0QH4H4ncgfjRAhUgQw94NNEBOTN/E9N0zQFAv58tYHDRAS4BCtQQoNEA6kst/SP8zQEFsKg05VzRAWnyewOLEM0A0n+j8Tyo0QMP1KFyPSjRAh6UqFmhANEC2kayMkps0QE5VptzWCTVAJbcUsNhxNEDR13lM3hs0QGIQWDm0SDRA2EuKceVjNECHILpT7WY0QMEhLeNDDzRAtQAGs3EGNEAp0sY/4EU0QCjKhKJMSDRA4H4E7kdgNEAnzCjzmFU0QPaj68xHXDRA87N+IGacNEBYtB3RCUw0QBGKFTfUKzRAR+F6FK4HNEAxC9CBv6U0QNNyOkRfBDRAMal1+cA9NECTGARWDqU0QE6lIec+DzVAAAAAAAB4NEBAbCoNOWc0QAnowWpaRzNAde+QqCIENEAASQWQVGA0QOatLQ2ETzRAYaQdKxDGNECmIec+u9gzQIxZzaSqQTRA6VWba9zONEAWjQR882o0QMSm0pBzHzRAbngTF6C2NEAB2w+w/RA0QA6vvadI1zNAIsTADUg8NECgBm3TOWA0QKcHFNo6xzNABpp1VvWMM0AH4YaXvNIzQMniEe8T2jNA6GF4HoY3NED4zuykgKk0QFWoZ0/m/jNA5ek3GB0rNEC4PFVfRdEzQPjVmEgPdDRA\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}],[\"Wiener_Sachtextformel\",{\"type\":\"map\",\"entries\":[[\"Y\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"AABA+u3TckIAAAANaUlzQgAAgIU2v3NCAABAmLE0dEIAAACrLKp0QgAAwL2nH3VCAABANnWVdUIAAABJ8Ap2QgAAwFtrgHZCAACAbub1dkIAAADns2t3QgAAwPku4XdCAACADKpWeEIAAEAfJcx4QgAAwJfyQXlC\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"ZGOmybPQIkBtO2bDJPEiQDQEtq8eFyNAkCJHkCJHI0Cz3HUIMssjQJvmummumyNA/Kkuo1ZYI0ASUsLKlJokQF+b65JYYSRAWxD5z8RyJUAAMbV1CsolQHAp9ataZCVAnHFXz5JsJUAI0n4eOoUlQGKQxuERcCVA\"},\"shape\":[15],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"M\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"PQrXo3A9I0Dd0wjLPY0jQPDhP3gAHyJAFsTkCmJyIkCu1Eqt1CoiQERTkYlq7iJAvy6pfBh3IkAcWDrJgSUjQNC9CN2L0CJAL85Dx/DiIkAhsHJokS0jQPKUIE8J8iJAF6hCo191IkD5abGNn5YiQMsyxLEubiJAMVf0jpZPIkCwPwH7E7AiQMgED+aJ+iJAMmr42xQjI0BDPujZrPoiQOyXOwkFmiNARN/WAC9II0BudUYq5lYjQNMnfdInvSNA5N/SqzZXIkCWL8li/JUiQPfrksqHMSNAMzMzMzOFIkAicGMZlAojQC3A5jPOAiNAgy3Ygi3YIkD61Iv51IsjQG/iAtTe+SJAfcVXfMUnJEA13yyaBFgjQIRs7riSwCNAZmZmZmbmIkCvf94gnKUiQCCxgDv9ESNAn/fyeS+fI0Cq0OhXvVwjQB23UOqDHSNA+FPjpZtEI0CPC/u4sI8jQKioqKioSCNAboXiVihuI0Dc4J5XUpQjQIIf+IEfeCNA7JB/S6/aI0AEP/ADP7AjQG/2Zm/2ZiNA5b4Kc6JDI0BmZmZmZkojQEhISEhISCNAJCQkJCRkI0AnObB0kgMkQG8xpPMWAyRAl161ucbtI0AtDhaUdPwjQGmYgIyGCSVAXK6SRrVlI0AJkzAJk7AjQBz80bTbpyNAwF9w17zkIkAzMzMzMzsjQHStsuGI6SNAHqrbobqdI0BU46WbxKAkQJqZmZmZ2SNAF2zBFmzBI0DgCGX0tqwjQB6F61G4viJArZY3RjDRIkDS5n2KS4YjQLcI6MFq2iNAn+3Znu3ZIkAcWDrJgSUjQOQ4juM4DiNAXVL5MO5XI0BWusKYalEjQLt4/fMG4SNA1EEd1EFdI0BbDZ4jUHQjQLWBThvodCNAVIWX4fzrJEAvPCFX64IkQM6BSc6BSSRADtXtUN2OJEDOWwzpvGUkQPLneETPUCRAeQOkhSoZJUBWxUX6SnAkQHu8/G/tbCRACAzRUjV2JECsSLyKxCslQJUgTwnytCVAppvEILByJEDKuNgcnYwkQIWyXlMo6yNAa5Pb2ZbhI0As6heR6BUkQEPj9XIoNCRAfB8qcyQ7JEAJBxlT1EYkQP7XoPWk0iRAZ2ZmZmamJEBBOYoPVdgkQK4ZfyMTxyRAbMS/RvxrJEAhWoBEx3MkQFw3tNKD9iVAq6qqqqoAJkAZATgoA6ElQDRJDiG1YSVA6BUSfcltJUBNA9o0oG0lQL7iK77iKyVAEHujUvSQJUClDqvsPDgmQCeaL2QOPCZAXQzkz8VAJkADc4h1wismQOx7AS6SUyZA4yAnDnLiJUCashCtNMMlQIj+YYwLiSVAAAAAAACAJUA+OSh5cKklQKrXkXodqSVAOgj/4V1eJUAWU5hsHLQlQJdyKZdyKSZA2qeav/G+JUDR1bhmU8clQKjCu3JePCVAK3Kha/L2JECDLdiCLRglQLuE2RXt2SRAaGNyNiZnJUA0Mcrq8wolQLhsBfvWhyVAXV1dXV2VJUCYH+n+wqclQGMcFTdDNSZAirYaPEegJUABzbtgQrglQAebAdViYiVAagOdNtApJUDH5WhcjsYkQDsihJ2aHiVAs8slpKlsJUCFwkc9UiglQMU02gKk1iVABj6AxqOqJUB9QZB8QZAlQP1I9xc+lSVADPCwg81bJUCezAN9i1slQPKa6FXAkyVA6fvva5F5JUCIKnUS1wwlQJ7WRifoaSVAsQ3bsA3bJUDTyWLTyWIlQDMzMzMzhSVAvpXJdAOlJUB02ye7vKIlQDnaw9LIJCZA+AYgm4h7JUDdsyDAaIclQK3USq3USiVAXoxGL9JdJUB2KF6H4nUlQGRh0O6PiiVA\"},\"shape\":[174],\"dtype\":\"float64\",\"order\":\"little\"}]]}],[\"W-MON\",{\"type\":\"map\",\"entries\":[[\"x\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"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\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}],[\"y\",{\"type\":\"ndarray\",\"array\":{\"type\":\"bytes\",\"data\":\"zczMzMzMGkCHtW9Y+wYjQJqZmZmZuSNACHVQB3VQI0BhuacRlnsjQLy7u7u7WyNAcFj7hrXvIkB8xVd8xVckQOJ6FK5HoSNAERERERERIkAj7ViBMNIiQF8qaPWlgiFASq3USq3UIkCcKNm1iZIhQBFYObTIdiJAv2HtG9a+IkAVFRUVFRUhQM3MzMzMTCRAR27kRm7kIUCJiIiIiEgiQFFRUVFRUSJAVII8JchTIkD9nlvi1O8iQKVP+qRP+iFAJ3ZiJ3biI0CZmZmZmZkjQAAAAAAAwCFAAAAAAACAJEBEREREREQjQGdmZmZmliJAFa5H4XpUIkCU11BeQ3kiQIJOG+i0ASNAeUqQpwR5JUCJiIiIiIgjQK8i8SoSryJAFl/xFV/xIkCw+Iqv+EojQL9NMWr42yJADLZgC7ZgIUBxPQrXo7AiQDMzMzMzMyRAB3VQB3VQI0AREREREXEiQAAAAAAAoCNAwcDAwMDAIkBr+NsUo4YjQOQ4juM4DiNAsPiKr/hKIkBqA5020GkjQMnJycnJySJA7+7u7u5uJEC96U1vetMhQF/xFV/x1SJAcer33BKnIkDNzMzMzMwhQDMzMzMzMyNAnN70pje9IkCZmZmZmZkhQIe1b1j7hiJAjtzIjdzIIkC4fMu3fMshQPYoXI/CtSJAsRM7sRM7IkDe3d3d3V0iQB2Boq0GzyNAzczMzMzMIkALxa1Q3AoiQHmLIZ23GCNAt23btm3bIUAUOIETOIEjQBj365LKhyJAiYiIiIgIIkA5f5bzZzkiQIYX56FjeCNAMzMzMzPTIkAAAAAAAKAiQOxRuB6F6yJAAAAAAADAIkAzMzMzMzMoQDMzMzMzcyRAvLu7u7s7IkDuaYTlnkYiQD81XrpJDCNAUrgeheuRJEC6zy4gNpUiQN0Sp37PLSJALuVSLuVSI0AiIiIiIqIkQAy2YAu2YCRAU7/nljj1IkBoq8FzBIoiQKabxCCwciNAHNa+Ye0bI0DJycnJyUkjQDMzMzMzsyRAaUCbBrRpI0CfW+LU77kiQJwo2bWJkiNAWqmVWqmVI0AUO7ETOzEjQOJ6FK5HYSNA6aKLLrroJkB+zy1x6vchQAAAAAAA0CNAFggj7ViBIUCkHSsQRtojQFHD36YYNSJAZZNNNtlkIUBbobgVilsjQFVVVVVVVSJAzczMzMzMIkBI4XoUrkciQFpaWlpaWiNA7NpEya5NIkCTXyz5xRIjQIiIiIiIiCNAAAAAAAAAJ0DOx+B8DM4iQEMv9EIvdCFA8AM/8AO/IkDNzMzMzMwiQD4K16NwPSNA6vfcEqd+I0DHxsbGxsYiQF8qaPWlgiJAuBWKW6G4IkD2Yz/2Yz8iQKx9w9o3LCRA5BdLfrHkIkCSJEmSJEkjQEM6bzGk8yJAP/ZjP/ZjI0AFW7AFW7AhQAAAAAAAgCVA7u3t7e3tIkBxPQrXo7AjQOtRuB6FKyJASpCnBHnKI0BJkiRJkiQkQNNNYhBYOSNAP7uA2FQaI0Am+jtZLW8iQPYoXI/CFSNARERERETEJECamZmZmRkjQM3MzMzMzCJAE+QpQZ6SJUBcj8L1KFwlQBERERERESRA9ihcj8J1IkAt2IIt2IIjQITlnkZY7iJAD+qgDuqgIkDC9Shcj4IjQEqf9Emf9CRAvLu7u7s7I0AzMzMzM0MiQKrfc0uc+iJAxNo3rH3DI0DsUbgehesjQAd1UAd1ECJA+7Ef+7EfI0DNzMzMzAwiQKEO6qAO6iJAtvP91HjpIUCOjY2NjY0kQMDjDwc8/iFA6ZM+6ZM+I0BISEhISEgiQP3hgMcfDiRAIIy0YwXCIkDNzMzMzMwkQOxPwP4E7CNASZIkSZJkI0D+1HjpJjEjQMpqeWMEEyNAX/EVX/FVI0AFW7AFWzAjQB0rEEbasSNAnisPSNa5IkCamZmZmRkkQML1KFyPwiJAlQck61x5I0DiehSuR+EhQMzMzMzMzCNAAAAAAAAAI0AAAAAAAAAmQOQpQZ4S5CRAzczMzMxMI0De3d3d3d0jQB6I34H4HSNAmpmZmZl5I0DNzMzMzMwiQH3FV3zFFyJAfsPaN6z9I0AzMzMzM6MkQH3FV3zF1yNAzpUHJOtcI0CU1fLGCCYjQM3MzMzMBCRA+N577733I0AzMzMzM6MiQKEO6qAO6iJA6vfcEqd+I0DNzMzMzCwjQFuplVqplSVAZmZmZmbmI0AzMzMzM3MhQJqZmZmZmSNA/Ia1b1j7IkDHcRzHcZwjQLdt27ZtWyRAagOdNtBpJEBXaqVWaqUjQJmZmZmZGSRAMzMzMzOzJkDNzMzMzBwiQBdswRZsQSRAAAAAAACgIkAtsp3vp8YjQOXk5OTk5CJAUAd1UAd1IkCKioqKioojQDMzMzMzMyNADw8PDw8PI0AP6qAO6qAjQFh8xVd8RSRAJ3ZiJ3ZiIkD1pje96U0jQBd6oRd6oSNA1r5h7RtWI0CF61G4HoUjQNejcD0KVyNAbuRGbuTGIkBVVVVVVVUjQGdmZmZmZiNAjuM4juM4JEDC9Shcj8IiQEjhehSuRyJAzczMzMzsI0AzMzMzMzMjQM3MzMzMjCRAvtALvdCLJEAGW7AFW7AjQMTaN6x9QyRA05ve9KY3JEAAAAAAAAAkQKO+s1Hf2SNAAAAAAAAgJEALWchCFrIjQLHkF0t+sSNAq6qqqqoqJUBnZmZmZuYjQAAAAAAAgCRAMJb8YsmvI0DWqViditUjQOfKA5J1riRADi2yne+nJUAAAAAAAAAmQJqZmZmZuSNA8fDw8PDwI0C+4iu+4qsiQNu2bdu2bSNA8AM/8AM/JEAzMzMzMzMjQBOnfs8tcSNAirYaPEegIkBmZmZmZoYlQLy7u7u7uyNA6qAO6qAOJECO4ziO47giQAAAAAAAACVAMzMzMzNzIUBYfMVXfMUiQHE9CtejsCJAUy7lUi7lIkB9xVd8xdciQN7d3d3d3SJAZmZmZmYmJUBf8RVf8RUiQKuqqqqqCiNAREREREREJEB2SeXDuF8kQOp2qG6H6iNAAAAAAABAJEAAAAAAAMAhQLolTv2eWyRAA2GkHSsQI0Dv7u7u7u4jQC3Ygi3YgiNAFa5H4XoUI0AjIiIiIqIjQCIiIiIi4iNAbMEWbMEWJkApXI/C9SgkQD0K16NwPSVA9ihcj8K1JEAcx3Ecx/EiQOqgDuqgDiNAmpmZmZmZI0C+4iu+4isiQCpBnhLkKSRAdmIndmInJECt0Rqt0RokQJQ+6ZM+6SJAMzMzMzMzJkBLS0tLS0sjQIIw0o4VCCNAFRUVFRUVJECamZmZmfkhQArXo3A9CiVAvLu7u7s7IkBERERERAQhQM3MzMzMzCJA+7Ef+7EfI0BdXV1dXV0iQNiCLdiCrSNAeHd3d3e3I0A/8AM/8AMkQMovlvxiySJACtejcD3KI0DNzMzMzMwjQFuwBVuwhSRAwRZswRZsJEDNzMzMzCwiQL2G8hrKayNAmpmZmZkJI0BswRZswZYjQBsbGxsbGyJACtejcD3KIkAPSNa58oAjQFmBMNKOFSRAiIeHh4eHIkCrqqqqqqoiQLAFW7AFWyJAVII8JchTJEDsUbgehesiQBERERERkSJA+6RP+qRPIkCamZmZmUkjQPcNa9+w9iJAKH3SJ33SI0AzMzMzM7MkQKOioqKioiNARERERETEI0AMvdALvdAiQO/u7u7u7iJAQh3UQR1UIUAehetRuB4jQLKxsbGxsSVAPDw8PDw8JEAY9+uSyockQISRdqxAGCRADw8PDw8PIkBYfMVXfIUjQDw8PDw8PCNA7+7u7u7uIkD94YDHHw4jQF3KpVzKpSJATwnylCBPJECamZmZmVkkQO/u7u7uriNAsAVbsAVbJUApXI/C9egiQK5H4XoUriFAgy3Ygi0YJEC1gU4b6DQlQAnK3teEoCRAqt9zS5z6JECh4aTuy2MlQJGB9P5cqyNA0hMcPcHRJEAAAAAAAEAkQLHkF0t+MSRAvLu7u7srJEDXo3A9ClclQNSANg1oUyRA4sV56BheI0C5efIdGTYkQO9TXDIE6yRAHdRBHdRBJECZmZmZmdkkQAVO4AROYCVA7+7u7u4uJEDsNsduc+wjQC4ZgnW0eSRA7OPCPi7sI0C/VNDqS4UkQALKHaDcASRA6naobodqJEBo9aWCVl8kQGIndmIn9iRAQh3UQR2UJUAK16NwPeokQEV/J6vljSVASauYtIpJJECh3AHKHaAjQLNKVxhTLSRAkrcheRuSJEBPVssbI5glQN/e3t7eniRA6tJUH/kmJEDIsEHcPPkjQIrEq0i8iiRAAAAAAAD0I0AQ/MAP/IAkQNFWg+cIlCRAzczMzMzMJUAzMzMzM7MkQBKWexphuSVADi2yne8nJUAAAAAAAMAkQAJ3+iMWcCVAAAAAAAAAJkCVD+N+XVImQOxRuB6F6yVArkfhehQuI0DgJbLK+10jQIDo2xrghSRAtiZla1K2JEBSWXWeuJokQFQo6zWFsiRAZfcbZfcbJUCq8dJNYtAkQIz2m/JcgiRARC176mS4I0AzMzMzMxMkQFeb/nvkkCNAWgCD2ThjI0Af+7Ef+7EkQJSxir7O4yNAArGpNOQcJEDu1yWVDyMkQFS8lrEwaCNAIiIiIiIiJEAENxerbtQjQCoOGXvt8iNAxanfc0v8I0DU/MpAza8kQKvk3sWuSiRAhZQVMfycI0ApsbWTElskQENCQkJCwiRAA2GkHSsQJEDPPnyGXQEkQHkTF6D2ziNAiYiIiIiIJEB0w3dNLmgkQA4oE1e6NyRA4U1cgNo7JEBnATafcRYkQM9bDOm8xSRASklJSUlJJUA7T5UKpcEkQOQtzcELqyRAAAAAAACAJEB9aKwPjXUkQG2O3ebYbSRAAAAAAABAJECwlzXwhgolQOfxShNW7CRAxNo3rH3DJEDtWIEw0u4kQL05oUQDtyRA26vDt706JUA1rePNCaUkQAR882ri2SRAFX2dx+S9JEC+4iu+4qskQO1K1K5E7SNA3d3d3d3dI0B+HThnRGkkQPTZMJg8nyRA/Z2sljfGJEAHOm2g0wYlQHDKcwlkjSRAZ4Vk6m1WJEAt589y/iwkQAcdqG3QgSRARn7UU/Q7JkDNzMzMzMwmQHDpVZtr3CZA7+7u7u6OJUDGZEzGZEwmQAAAAAAAACZA2Ymd2ImdJkCLUcPfplglQLOgm3XYPSZAg4KCgoKCJUCEkXasQFglQG0r15zqgiVAdM4555xzJUCKtho8R6AlQMHRExw9ASVAD+qgDupwJUAclaKHvVEmQGn9i3iSGiVAaccKhJE2JEBCqpSRbLAlQGPNUTfWHCVAxibmu4JTJUAXS36x5NclQM3MzMzMriVAzMzMzMwMJUAAAAAAAG4lQNjF6583CCVAWOAev/nvJECVHaYutz8lQMdxHMdxPCVAy1IcMvbaJUAJ8IwAzwglQK8i8SoSryVAaoLxVvY5JkBVGFDyslcmQEzHtnRsSyZAdVAHdVDHJUBq+qGmH2omQG8iZPcmQiZAuNkvxIrSJUBmZmZmZmYmQEDL+bOcPydAVT6M+3VJJUDNzMzMzEwmQKEcDMrBoCZANyRvQ/I2JkAlJCQkJCQmQH0Y9+uSSiZA2tra2tpaJkCSJEmSJJklQMvBzX4hViZAjCW/WPILJkAzMzMzMyUmQGL4OeMTBSZAIyIiIiISJ0AdUe/gbdUmQA1uJ8/gdiVAXlL5MO7XJUD1BEdPcPQlQInNvtYP0yVAv2HtG9b+JUAAAAAAAOAlQDeWQakw8SVAYznx8jVrJUA7TF1uf5AlQPLE+UYaTyVAsexFc+JuJUC8bhXC69YlQIiHh4eHhyVAqoWVnlpYJUD4+Pj4+PgkQEmf9Emf9CVAKH3SJ33SJUAXZFyQcUElQLN16DdbhyVAehamZ2F6JUAd22POa+klQFfAWgFrBSZA39eEoOx9JUANsGov3GElQIS7se8ROSZASfbB/d0mJUB/XVL5MO4lQCbPZ8Ng8iRA8RVf8RXfJEDYgi3Ygg0mQJxVn6ut2CVAHfPrpyGmJUB+qaDVl0olQJU8y4g+oCVAFRUVFRUVJkDNzMzMzEwmQJ7YiZ3YaSZAodWXClp9JkA+6ZM+6ZMlQJ4Mh1r21CVAxhPhZEE3JUCn5hBKeQQmQGJhYWFh4SVAchzHcRzHJUBSgS+uftAlQPUfq9649iVAdAH8yhGPJUBXaqVWaqUlQHUW01lM5yRAaWlpaWnpJECDeBrMCj8lQCQIeGqimyVASg1CuXraJEBtw5u4ALUkQLAj9TpS7yRAj8L1KFwPJUD0TUzfxPQkQMre14SgLCVAf4QDGUDkJEByugc4FmElQB3QjXn6aCRA7+7u7u7uJEDUKGMVfR0lQM3MzMzM3iRAw3vQhv4bJUC29JNjSz8lQOMxHuMxHiVAZ2ZmZmamJUBW0qi2XKUlQCN/X2J5MSVA6Pup8dKNJEBiuirUQDAlQOtBI+/8LSVAxVd8xVf8JEDA+qu/+qslQETumEPumCVANk5aYOOkJUDmcrlcLpclQHvefLsVYyVA+l6Ai+SsJUB1Mhxq2dMlQIEExY8xdyVAcuIgJw5yJUDAxKdVQrYlQD1DjQWpUiVAwRoZrJHBJUD1OlKvI/UlQEw3iUFgJSZAKGpeV4aiJkC562eLleEmQDMzMzMzMyVAAyzbfDnAJEDNzMzMzMAlQP1Zzp/lvCVAAvzKEY/2JUDKkejs+aAlQE7Byyl4OSZA/dR46SaxJUBrGR3XCFglQC0tLS0tLSVAcvPkOzLsJEABaaFKRjklQGPANAZMoyVAmpmZmZnVJUAK1RKgUC0lQK6urq6uriRAmpmZmZmJJUBmZmZmZi4lQPBPAv8k8CRAsRfPv2udJEA5L4v4BFIlQMf8l2XMfyRA1GBW+KnoJEB9y7d8y/ckQN7d3d3d3SRAJHKCcDf2JEA+CtejcH0lQBhBrHYRxCVAzczMzMzMJUCMGv42xegkQLLBeidAaCVAhta/iCepJECBKjT6VS8lQJmG7WZ5EiVAPSbvjQ84JUA0OJ6tRYMlQDmyUTTH6CVAMMsr6H37JUB84wMuSyQmQAkUbTV4TiVAt5bFuh+cJUDC61YhvC4mQML1KFyPwiVAqtuhuh0qJUC/ShibBdUlQD5xpNcKviVArvlhkTJwJUDaGn83j1AlQHsUrkfheiVAwc6hfoQDJUDOng9iWT8mQIXwulUILyZAbMEWbMFWJEDCSDtWIAwlQN3d3d3dVSVAsIg93QmLJUCv4BTyszIlQB2Boq0GzyVAE68i8SoSJUDNzMzMzHwlQEIapEEaZCVA+z23xKk/JUD6WwGpvxUlQKwokDPypSVAZmZmZmYGJkDWvmHtG5YlQDtXHpCscyVAcfo1GKdfJUD8bYpRw18lQDA9C9OzsCVAWXbjwWkiJUC0aUCbBrQkQEBuXd4BRyVAUS0BCtUSJUApXI/C9SglQB3UQR3UwSVANYrfNIrfJEC0XWctiWIlQBzHcRzHwSVAAs6aZzSBJUCiQCO21y8mQNNazIu6YyZA3mJI5y2GJUB32FauOdUkQCoJfchkXyVAPMzDPMzDJUAbGxsbG7slQKVEOYMiFyVAThlX5JRxJUCVxRntHrYlQB6q26G6XSVARuhehO6FJUBZlmVZlmUlQONIrxV84iVAPN9PjZfuJUBaHOHcbkIlQOgthnTeoiVAsPiKr/iKJUCgwmzi2B4mQF1LwXDsSSVAmwa0aUCbJUBxPQrXoxAmQM3MzMzMbCZAZmZmZmYmJkArvuIrvuIlQP6FT2UpDiRAciM3ciM3JUB6gqMnOLolQHrTm970piVAYm9Uih72JUC3bdu2bdskQF4XXNQmtyVA1BTYIf8WJkDd/iBDZYclQEfhehSuByVA4U1cgNq7JUA8VLdDdfskQJ+KzjGvFyVA/JaccRCkJUCcnJycnLwlQOQ93uM93iRAOz2c+PWWJEAf8ya8pzYlQNhcSJpS8SRAJ2VrUramJUDgH1Z2kSEmQAbCSDtWoCVAxVd8xVd8JUCKC1B75/UkQOXsFn41JiZA\"},\"shape\":[756],\"dtype\":\"float64\",\"order\":\"little\"}]]}]]}]]}],[\"radio_button_group_time\",{\"type\":\"object\",\"name\":\"RadioButtonGroup\",\"id\":\"p1060\",\"attributes\":{\"js_property_callbacks\":{\"type\":\"map\",\"entries\":[[\"change:active\",[{\"id\":\"p1062\"}]]]},\"labels\":[\"Yearly\",\"Monthly\",\"Weekly\"],\"active\":0}}],[\"radio_button_group_metric\",{\"id\":\"p1061\"}]]},\"code\":\" \\n // Access the value of the switch\\n // const sources = switch_element.active ? relative_sources : absolute_sources;\\n\\n // Access the value of the RadioButtonGroup Time\\n const mode = radio_button_group_time.active;\\n \\n // Access the value of the RadioButtonGroup\\n const base = radio_button_group_metric.active;\\n \\n // Retrieve the selected frequency\\n const freq = [\\\"Y\\\", \\\"M\\\", \\\"W-MON\\\"][mode];\\n\\n // Retrieve the selected metric\\n const metric = [\\\"Flesch\\\", \\\"ARI\\\", \\\"Coleman_Liau\\\", \\\"Wiener_Sachtextformel\\\"][base];\\n \\n // update data source and emit change event\\n line.data_source.data = sources[metric][freq];\\n line.data_source.change.emit();\\n \"}}]]]},\"labels\":[\"Flesch\",\"ARI\",\"Coleman_Liau\",\"Wiener_Sachtextformel\"],\"active\":0}},{\"id\":\"p1060\"}]}},{\"type\":\"object\",\"name\":\"Figure\",\"id\":\"p1004\",\"attributes\":{\"width\":700,\"height\":400,\"x_range\":{\"type\":\"object\",\"name\":\"DataRange1d\",\"id\":\"p1005\"},\"y_range\":{\"type\":\"object\",\"name\":\"DataRange1d\",\"id\":\"p1006\"},\"x_scale\":{\"type\":\"object\",\"name\":\"LinearScale\",\"id\":\"p1014\"},\"y_scale\":{\"type\":\"object\",\"name\":\"LinearScale\",\"id\":\"p1015\"},\"title\":{\"type\":\"object\",\"name\":\"Title\",\"id\":\"p1007\",\"attributes\":{\"text\":\"Lesbarkeitsma\\u00df\"}},\"renderers\":[{\"id\":\"p1057\"}],\"toolbar\":{\"type\":\"object\",\"name\":\"Toolbar\",\"id\":\"p1013\",\"attributes\":{\"tools\":[{\"type\":\"object\",\"name\":\"PanTool\",\"id\":\"p1038\"},{\"type\":\"object\",\"name\":\"WheelZoomTool\",\"id\":\"p1039\",\"attributes\":{\"renderers\":\"auto\"}},{\"type\":\"object\",\"name\":\"BoxZoomTool\",\"id\":\"p1040\",\"attributes\":{\"overlay\":{\"type\":\"object\",\"name\":\"BoxAnnotation\",\"id\":\"p1041\",\"attributes\":{\"syncable\":false,\"line_color\":\"black\",\"line_alpha\":1.0,\"line_width\":2,\"line_dash\":[4,4],\"fill_color\":\"lightgrey\",\"fill_alpha\":0.5,\"level\":\"overlay\",\"visible\":false,\"left\":{\"type\":\"number\",\"value\":\"nan\"},\"right\":{\"type\":\"number\",\"value\":\"nan\"},\"top\":{\"type\":\"number\",\"value\":\"nan\"},\"bottom\":{\"type\":\"number\",\"value\":\"nan\"},\"left_units\":\"canvas\",\"right_units\":\"canvas\",\"top_units\":\"canvas\",\"bottom_units\":\"canvas\",\"handles\":{\"type\":\"object\",\"name\":\"BoxInteractionHandles\",\"id\":\"p1047\",\"attributes\":{\"all\":{\"type\":\"object\",\"name\":\"AreaVisuals\",\"id\":\"p1046\",\"attributes\":{\"fill_color\":\"white\",\"hover_fill_color\":\"lightgray\"}}}}}}}},{\"type\":\"object\",\"name\":\"SaveTool\",\"id\":\"p1048\"},{\"type\":\"object\",\"name\":\"ResetTool\",\"id\":\"p1049\"},{\"type\":\"object\",\"name\":\"HelpTool\",\"id\":\"p1050\"}]}},\"left\":[{\"type\":\"object\",\"name\":\"LinearAxis\",\"id\":\"p1033\",\"attributes\":{\"ticker\":{\"type\":\"object\",\"name\":\"BasicTicker\",\"id\":\"p1034\",\"attributes\":{\"mantissas\":[1,2,5]}},\"formatter\":{\"type\":\"object\",\"name\":\"BasicTickFormatter\",\"id\":\"p1035\"},\"axis_label\":\"Durchschnittlicher Score\",\"major_label_policy\":{\"type\":\"object\",\"name\":\"AllLabels\",\"id\":\"p1036\"}}}],\"below\":[{\"type\":\"object\",\"name\":\"DatetimeAxis\",\"id\":\"p1016\",\"attributes\":{\"ticker\":{\"type\":\"object\",\"name\":\"DatetimeTicker\",\"id\":\"p1017\",\"attributes\":{\"num_minor_ticks\":5,\"tickers\":[{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1018\",\"attributes\":{\"num_minor_ticks\":0,\"mantissas\":[1,2,5],\"max_interval\":500.0}},{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1019\",\"attributes\":{\"num_minor_ticks\":0,\"base\":60,\"mantissas\":[1,2,5,10,15,20,30],\"min_interval\":1000.0,\"max_interval\":1800000.0}},{\"type\":\"object\",\"name\":\"AdaptiveTicker\",\"id\":\"p1020\",\"attributes\":{\"num_minor_ticks\":0,\"base\":24,\"mantissas\":[1,2,4,6,8,12],\"min_interval\":3600000.0,\"max_interval\":43200000.0}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1021\",\"attributes\":{\"days\":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1022\",\"attributes\":{\"days\":[1,4,7,10,13,16,19,22,25,28]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1023\",\"attributes\":{\"days\":[1,8,15,22]}},{\"type\":\"object\",\"name\":\"DaysTicker\",\"id\":\"p1024\",\"attributes\":{\"days\":[1,15]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1025\",\"attributes\":{\"months\":[0,1,2,3,4,5,6,7,8,9,10,11]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1026\",\"attributes\":{\"months\":[0,2,4,6,8,10]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1027\",\"attributes\":{\"months\":[0,4,8]}},{\"type\":\"object\",\"name\":\"MonthsTicker\",\"id\":\"p1028\",\"attributes\":{\"months\":[0,6]}},{\"type\":\"object\",\"name\":\"YearsTicker\",\"id\":\"p1029\"}]}},\"formatter\":{\"type\":\"object\",\"name\":\"DatetimeTickFormatter\",\"id\":\"p1030\"},\"axis_label\":\"Zeit\",\"major_label_policy\":{\"type\":\"object\",\"name\":\"AllLabels\",\"id\":\"p1031\"}}}],\"center\":[{\"type\":\"object\",\"name\":\"Grid\",\"id\":\"p1032\",\"attributes\":{\"axis\":{\"id\":\"p1016\"}}},{\"type\":\"object\",\"name\":\"Grid\",\"id\":\"p1037\",\"attributes\":{\"dimension\":1,\"axis\":{\"id\":\"p1033\"}}}]}}]}}]}};\n const render_items = [{\"docid\":\"ee581c69-9f16-4368-85ec-cfdb98dd385b\",\"roots\":{\"p1064\":\"a7aaabce-d5fe-4c37-9fac-78272aa7a9b2\"},\"root_ids\":[\"p1064\"]}];\n void root.Bokeh.embed.embed_items_notebook(docs_json, render_items);\n }\n if (root.Bokeh !== undefined) {\n embed_document(root);\n } else {\n let attempts = 0;\n const timer = setInterval(function(root) {\n if (root.Bokeh !== undefined) {\n clearInterval(timer);\n embed_document(root);\n } else {\n attempts++;\n if (attempts > 100) {\n clearInterval(timer);\n console.log(\"Bokeh: ERROR: Unable to run BokehJS code because BokehJS library is missing\");\n }\n }\n }, 10, root)\n }\n})(window);", "application/vnd.bokehjs_exec.v0+json": "" }, "metadata": { @@ -693,4 +567,4 @@ }, "nbformat": 4, "nbformat_minor": 5 -} +} \ No newline at end of file From 14576b6f241662943f7045d77349725ab3213455 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:36 +0200 Subject: [PATCH 32/36] =?UTF-8?q?Fix=20outdated=20=C3=9F-spelling:=20Me?= =?UTF-8?q?=C3=9Fvorgang=20->=20Messvorgang?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- reflection/reflection_reflection.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) 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. From 09b0d98d2ca758eeb5333221ade61c5ac2160e1f Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:37 +0200 Subject: [PATCH 33/36] Fix pronoun capitalization: Sie -> sie (referring to die Literatur, not the reader) --- epilog/bibliography.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/epilog/bibliography.md b/epilog/bibliography.md index f5853683e..8efa42e5c 100644 --- a/epilog/bibliography.md +++ b/epilog/bibliography.md @@ -1,6 +1,6 @@ # Literaturverzeichnis -Hier finden Sie die gesamte Literatur, die in dieser OER referenziert wurde. Sie können Sie zudem als [BibTeX-Datei](../references.bib) (`.bib`) herunterladen, um Sie bspw. in Ihrem Literaturverwaltungsprogramm zu importieren. +Hier finden Sie die gesamte Literatur, die in dieser OER referenziert wurde. Sie können sie zudem als [BibTeX-Datei](../references.bib) (`.bib`) herunterladen, um sie bspw. in Ihrem Literaturverwaltungsprogramm zu importieren. ```{bibliography} :list: bullet From f85bace8f63c3c4fdfd807583da259a9b9d94cbe Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:37 +0200 Subject: [PATCH 34/36] Fix broken HTML tag, stray space, and notation inconsistencies Missing before , stray space in

      , ORCID alt-text outlier, and Autor*innen -> Autor:innen to match the colon-style notation used elsewhere in this file and the book. --- epilog/authors.md | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/epilog/authors.md b/epilog/authors.md index 25aee64fe..671cb9947 100644 --- a/epilog/authors.md +++ b/epilog/authors.md @@ -1,11 +1,11 @@ --- lang: de-DE --- -# Autor\*innen +# Autor:innen

      Autor:innen der Inhalte

      -

      Daniil Skorinkin ORCID iD

      +

      Daniil Skorinkin ORCID Logo

      @@ -76,7 +76,7 @@ lang: de-DE
      -

      Evgenia Samoilova ORCID Logo

      +

      Evgenia Samoilova ORCID Logo

      @@ -88,7 +88,7 @@ lang: de-DE - + From d13205a052d529d497bfea32b4c3c1a9e42de2e0 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:37 +0200 Subject: [PATCH 35/36] Align gender-inclusive notation: Autor*innen -> Autor:innen --- epilog/toc.md | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/epilog/toc.md b/epilog/toc.md index 824ef6ca6..a6f527212 100644 --- a/epilog/toc.md +++ b/epilog/toc.md @@ -5,6 +5,6 @@ lang: de-DE - [Fragen und Feedback](fragen_feedback) - [Literaturverzeichnis](bibliography) -- [Autor*innen](authors) +- [Autor:innen](authors) - [QUADRIGA](QUADRIGA) - [Impressum](impressum) \ No newline at end of file From beb7f312a3ddadec8bf554de5740bfde73233258 Mon Sep 17 00:00:00 2001 From: DanilSko Date: Wed, 2 Sep 2026 14:54:37 +0200 Subject: [PATCH 36/36] Fix grammar: Verbundpartnern, Datenflusses --- epilog/QUADRIGA.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/epilog/QUADRIGA.md b/epilog/QUADRIGA.md index 32d567f4a..205bb5a0e 100644 --- a/epilog/QUADRIGA.md +++ b/epilog/QUADRIGA.md @@ -9,12 +9,12 @@ Die Metropolregion ist ein Hotspot für Openness in den Anwendungsdomänen Digit Die Basiswissenschaften Informatik und Informationswissenschaft mit umfangreicher Expertise für Data Science und Data Stewardship unterstützen die beiden Anwendungsdomänen hinsichtlich Forschung zum Datenfluss, (inter)nationalen Standards und Prinzipien (z.B. FAIR, CARE). QUADRIGA führt Forschungs- und Lernorte durch vielfältige Vernetzungsorte zusammen. Zur Entwicklung digitaler Methoden werden mittels Fallstudien in den Forschungsorten spezifische Fragestellungen und Datentypen behandelt. Die Datensätze, Standards und Methoden werden in den Lernorten mit didaktischen Mitteln in fallstudienbasierte, zielgruppenspezifische und kompetenzorientierte QUADRIGA Educational Resources transformiert. -Assessment-Werkzeuge verbinden Forschungs- mit Lernorten auf Basis eines optimierten QUADRIGA Datenkompetenzframeworks und ermöglichen Forschenden, ihre Datenkompetenzen entlang des Datenfluss zuzuordnen. +Assessment-Werkzeuge verbinden Forschungs- mit Lernorten auf Basis eines optimierten QUADRIGA Datenkompetenzframeworks und ermöglichen Forschenden, ihre Datenkompetenzen entlang des Datenflusses zuzuordnen. Mit dem Suchwerkzeug QUADRIGA Navigator werden basierend auf dem Datenkompetenzframework alle QUADRIGA Bildungsangebote zielgruppengerecht und interessengeleitet auf der Datenkompetenzplattform QUADRIGA Space angeboten. Weitere Informationen sowie Publikationen finden Sie auf der Webseite und der Zenodo-Community-Seite des Projekts. -Das Datenkompetenzzentrum QUADRIGA wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) unter dem Kennzeichen 16DKZ2034 gefördert. Zu den Verbundpartern zählen: +Das Datenkompetenzzentrum QUADRIGA wird vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) unter dem Kennzeichen 16DKZ2034 gefördert. Zu den Verbundpartnern zählen: - Universität Potsdam (Verbundkoordination) (Förderkennzeichen: 16DKZ2034A) - Filmuniversität Babelsberg (Förderkennzeichen: 16DKZ2034B) - Fachhochschule Potsdam (Förderkennzeichen: 16DKZ2034C)
      Rolle in QUADRIGA:
      Website:https://www.uni-potsdam.de/de/multimedia/team/wissenschaftliches-personal/evgenia-samoilova-phdhttps://www.uni-potsdam.de/de/multimedia/team/wissenschaftliches-personal/evgenia-samoilova-phd
      GitHub: