Introduction into Digital Humanities and Advanced Computer Literacy - JTB166

• Anglický název: Introduction into Digital Humanities and Advanced Computer Literacy
• Český název: Úvod do digitálních humanitních věd a pokročilé počítačové gramotnosti
• Zajišťuje: Katedra ruských a východoevropských studií (23-KRVS)
• Fakulta: Fakulta sociálních věd
• Platnost: od 2025
• Semestr: zimní
• E-Kredity: 6
• Způsob provedení zkoušky: zimní s.:
• Rozsah, examinace: zimní s.:1/1, Z [HT]
• Počet míst: neomezen / neurčen (18)
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: angličtina
• Způsob výuky: prezenční
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu; při zápisu přednost, je-li ve stud. plánu
• Garant: PhDr. Jiří Kocián, Ph.D.; Mgr. Klára Kosová, Ph.D.
• Vyučující: PhDr. Jiří Kocián, Ph.D.; Mgr. Klára Kosová, Ph.D.; Mgr. Klára Vedlichová
• Třída: Courses not for incoming students
• Neslučitelnost : JTM078
• Záměnnost : JTM078
• Je neslučitelnost pro: JTM078
• Je záměnnost pro: JTM078

Anotace

čeština

Využití počítačové analýzy textových zdrojů je přirozeným důsledkem postupného šíření počítačové technologie od počátku 50. let 20. století. Jak se počítačový software a hardware stal široce dostupným i pro neprofesionální uživatele, digitální humanitní vědy (spolu s dalšími analogickými pojmy) zaznamenaly v posledních 30 letech rychlý růst. Vezmeme-li v úvahu neustále rostoucí kapacitu hardwaru, digitální změny ve všech oblastech společenských a humanitních věd a všezahrnující propojenost internetového věku, je logické, že se dříve specializované znalosti pomalu staly standardními dovednostmi nebo dokonce požadavky pro výzkumnou praxi. Rychlý rozvoj a šíření výkonnosti uživatelů a výzkumu podporovaného umělou inteligencí pouze urychlilo a prohloubilo neustále rostoucí tlak na digitalizaci akademické sféry. Tento kurz zlepšuje tuto situaci tím, že nabízí snadný přístup k znalostem a dovednostem, které jsou důležité pro další a hlubší zkoumání této problematiky.

Poslední úprava: Bartůšek Jaroslav, Bc. (22.09.2025)

angličtina

The usage of computer-aided analysis of textual sources has been a natural accompaniment of computer technology proliferation since the early 1950s. As computer software and hardware became widely accessible to even non-expert users, Digital Humanities (along with other analogical monikers) experienced rapid growth during the last 30 years. If we consider the ever-growing hardware capacity, digital shifts in all of the social sciences and humanities fields, and the all-encompassing interconnectivity of the internet age, it is only logical, that formerly niche-expertize has slowly turned into standard skill or even requirements for the research practice. The rapid development and spread of AI-assisted user and research performance only hastened and deepened the ever-growing pressure on the digitalization of academia. This course ameliorates this situation by offering low-threshold, entry-level access to knowledge and skillsets important for further and deeper exploration of the matter.

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Cíl předmětu

Students will acquire fundamental knowledge, skills, and orientation in Digital Humanities. They become familiar with the most important concepts, operations, and subfields of DH. This course serves as an introductory class for the Certificate in Digital Humanities students and is therefore directly connected to the other parallel and following courses aimed at a detailed understanding of ML (NPFL 112, NPFL 142, NPFL 143).

IT IS MANDATORY TO BE SIMULTANEOUSLY ENROLLED IN NPFL 112 IN THE WINTER SEMESTER.

 

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Podmínky zakončení předmětu

Compulsory attendance; minimum 50% points in part A), B) and C) each.

A: 100-91 pts

B: 90-81 pts

C: 80-71 pts

D: 70-61 pts

E: 60-51 pts

F(failed): 50 pts or less

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Literatura

Recommended reading

Accelerating Social and Behavioral Science Through Ontology Development and Use | National Academies (n.d.). Available at: https://www.nationalacademies.org/our-work/accelerating-social-and-behavioral-science-through-ontology-development-and-use (accessed 9 October 2023).

Arnold T and Tilton L (2015) Humanities Data in R: Exploring Networks, Geospatial Data, Images, and Text. Quantitative Methods in the Humanities and Social Sciences. Cham: Springer International Publishing. Available at: https://link.springer.com/10.1007/978-3-319-20702-5 (accessed 9 October 2023).

Greenwell BB& B (n.d.) Hands-On Machine Learning with R. Available at: https://bradleyboehmke.github.io/HOML/ (accessed 9 October 2023).

Krippendorff KH (2018) Content Analysis: An Introduction to Its Methodology. Fourth edition. Los Angeles: SAGE Publications, Inc.

Piotrowski M (2012) Natural Language Processing for Historical Texts. Synthesis Lectures on Human Language Technologies. Cham: Springer International Publishing. Available at: https://link.springer.com/10.1007/978-3-031-02146-6 (accessed 9 October 2023).

R for Data Science (2e) (n.d.). Available at: https://r4ds.hadley.nz/ (accessed 9 October 2023).

Ramírez AG, Mejía JM, Martin PV, et al. (2023) Digital Humanities, Corpus and Language Technology / Humanidades Digitales, Corpus y Tecnología Del Lenguaje. University of Groningen Press. Available at: https://books.ugp.rug.nl/index.php/ugp/catalog/book/128 (accessed 1 February 2024).

Silge EH and J (n.d.) Supervised Machine Learning for Text Analysis in R. Available at: https://smltar.com/ (accessed 9 October 2023).

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Metody výuky

This is a course for students of the Certificate in Digital Humanities, with twelve sessions, where physical presence is required.

Students complete group tasks after each session and collaborate on a group project to produce a salient research design proposal by the end of the semester.

MOODLE: https://dl2.cuni.cz/course/view.php?id=5749

 

Use of generative AI tools:

The use and citation of generative AI tools (such as ChatGPT or MS Copilot) in
seminar papers and other coursework must comply with the decrees of the IMS
Director No. 7/2023 and 9/2023.
Generative AI tools may be used unless explicitly prohibited by the instructor.
However, they may not be used to generate substantial sections of the text or replace
the student’s own intellectual contribution. The student remains fully responsible for
any content generated with assistance of AI tools.
Presenting AI-generated content, whether verbatim, rephrased, or only slightly
modified, as one's own work constitutes plagiarism.
Every submitted paper must include a transparent statement specifying which
generative AI tools were used, in which stage of the work they were employed, and
how they were used, or confirming that no generative AI tools were used. If this
statement is missing or incomplete, the instructor is not permitted to accept the paper
for evaluation.
Unless the instructor explicitly prohibits the use of generative AI tools, the decision to
use or not to use them rests fully with the student. The student has the right to
request that the instructor does not use AI assistance for evaluating their work.

Poslední úprava: Kosová Klára, Mgr., Ph.D. (08.10.2025)

Kontroly studia předmětu a podmínky pro jejich úspěšné vykonání, způsob hodnocení

The final grade (100 points) comprises fulfilling three partial activities:

A) midterm (15 pts)

B) regular homework assignments (35 pts)

C) groupwork research design (50pts)

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Sylabus

I. 1.10. - Introduction & computational logic

How do computers perceive the world? What is data? How do we interact with computers? What is “programming”?

Working groups selection

II. 8.10. - Text from a computer perspective 

First module - what is data(sets), how can we produce data?

Text from a computer perspective, operationalizing text, introduction into analysing text in DH (approaches and methods).

III. 15.10. - Qualitative coding 

Introduction to qualitative coding, attributing information to an analyzed piece of text.

IV. 22.10. - Text analysis I.

Second module: What is in the text? Information extraction

Frequencies - fundamentals of quantitative methods as the basis of corpus linguistics 

Keyword extraction

V. 29.10. - Text analysis II.

Introduction to machine learning: supervised/unsupervised and an overview of methods. 

Named entities recognition 

VI. 5.11. - Text analysis III.

Third Module: What kind of text is that? Text classification

Introduction to sentiment analysis 

VII. 12.11. - Midterm 

Group project presentation

VIII. 19.11. - Text analysis IV. 

Similarity analysis

Semantic distances and clustering

IX. 26.11. - Text analysis V. 

Topic modelling

Introduction to LDA

X. 3.12. - Data visualisation & special hands-on session

Introduction to data visualisation and graphs

Application in ggplot(2).

XI. 10.12. - Network analysis

Module 4: Social and semantic structures

Introduction to network analysis and basics of Gephi. 

XII. 17.12. - Mapping & GIS

Module 4: Geographic data Introduction into mapping, software, applications, coordinates, layers, and data formats. 

XIII. Research workshop Final presentations (date to be determined)

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)

Podmínky zápisu předmětu

The course is exclusively for the students enrolled in the Certificate in Digital Humanities program.

IT IS MANDATORY TO BE SIMULTANEOUSLY ENROLLED IN NPFL 112 IN THE WINTER SEMESTER.

Poslední úprava: Kocián Jiří, PhDr., Ph.D. (16.09.2025)