DHLeitfaden.eu

Übungstitel:

Spuren der Geschichte

Umsetzung: Web-basiertes Detektivspiel oder analoge Escape Room
Zielgruppe: Studierende der Geisteswissenschaften (Digital Humanities, Geschichte, Philologie usw.)

Spielidee

Die Spielenden schlüpfen in die Rolle digitaler Detektiv:innen, die ein historisches Rätsel mithilfe digitaler Werkzeuge und geisteswissenschaftlicher Methoden lösen müssen. Zum Einsatz kommen beispielsweise digitale Editionen, Text Mining, Datenvisualisierung und Quellenkritik.

Spielstruktur (Beispiel mit 3 Levels)

Level 1: Das verlorene Manuskript

Ziel: Die fehlenden Seiten eines mittelalterlichen Manuskripts rekonstruieren.

Werkzeuge: TEI-XML-Dateien lesen, digitale Editionen vergleichen.

Aufgabe: Den Spielenden werden kodierte Textauszüge und Metadaten bereitgestellt. Sie müssen diese analysieren, um die fehlenden Seiten zu rekonstruieren.

Level 2: Der gefälschte Brief

Ziel: Eine historische Fälschung entlarven.

Werkzeuge: Stilometrie, Autorschaftsattribution.

Aufgabe: Ein Brief wird Goethe zugeschrieben. Die Spielenden müssen stilistische Analysen durchführen und mit authentischen Briefen vergleichen.

Level 3: Die versteckte Botschaft

Ziel: Eine geheime Nachricht in einem Zeitungsarchiv aus dem 19. Jahrhundert entschlüsseln.

Werkzeuge: OCR-Korrektur, Topic Modeling, Named Entity Recognition (NER).

Aufgabe: Die Spielenden durchsuchen digitalisierte Zeitungsseiten und wenden Analysetools an, um eine versteckte politische Botschaft zu entdecken.

Lernziele

  • Anwendung digitaler Werkzeuge auf geisteswissenschaftliche Fragestellungen
  • Förderung kritischen Denkens und der Quellenanalyse
  • Entwicklung interdisziplinärer Kompetenzen (Technologie & Geisteswissenschaften)

Technische Umsetzungsideen

  • Einfach: PDF-Arbeitsblätter mit Links zu Online-Tools (z. B. Voyant Tools, DARIAH-DE)
  • Komplex: Web-App mit interaktiver Oberfläche (z. B. mit Twine oder Unity)
  • Kollaborativ: Als Gruppenspiel konzipierbar

Jetzt wird’s konkret…

Nachfolgend die Web-Version des Spiels „Spuren der Geschichte“, realisierbar mit Twine, einer Plattform zur Erstellung interaktiver, verzweigter Textspiele.

Titel: Spuren der Geschichte – Das verlorene Manuskript

Einführung (Twine-Code)

twine:: Start
Willkommen, digitale:r Ermittler:in.

Ein altes Manuskript wurde unvollständig in der Bibliothek eines Klosters entdeckt. Die fehlenden Seiten könnten entscheidende Informationen über einen vergessenen mittelalterlichen Kult enthalten.

Deine Aufgabe ist es, den fehlenden Text mithilfe digitaler Werkzeuge zu rekonstruieren.

[[Untersuchung starten->Digitales Archiv]]

Level 1: Beispielszene (Archiv und Analyse)

twine:: Digitales Archiv
Du hast Zugriff auf ein digitales Archiv. Drei TEI-XML-Fragmente stehen zur Verfügung, eines ist beschädigt.

Welches möchtest du zuerst analysieren?

[[Fragment A (intakt)->Analyse A]]  
[[Fragment B (verdächtig)->Analyse B]]  
[[Fragment C (beschädigt)->Analyse C]]

Level 2–5 (komplexe Version)

Die vollständige Übersetzung aller erweiterten Level (OCR, NER, Stilometrie, Topic Modeling) ist sehr umfangreich. Wenn du möchtest, posso continuar la traduzione in tedesco dei livelli successivi (OCR – Der verlorene Code, NER – Verborgene Figuren, Stilometrie – Der Geisterautor, Topic Modeling – Die verborgene Bedeutung) in una seconda parte.

Fammi sapere se desideri proseguire!

Anleitung zur Nutzung (auf Deutsch)

  1. Besuche https://twinery.org/
  2. Klicke auf „Use it online“
  3. Erstelle eine neue Geschichte (wähle „SugarCube 2“)
  4. Kopiere und füge die obenstehenden Code-Blöcke in die entsprechenden Passagen ein
  5. Drücke „Play“, um das Spiel zu testen

ERWEITERTE SPIELSTRUKTUR (5 Level)

Level 2: OCR – Der verlorene Code

twine:: OCR
Du hast ein eingescanntes Bild einer Manuskriptseite gefunden.

Du nutzt ein simuliertes OCR-Tool (z. B. Transkribus), um das Bild in Text umzuwandeln, doch das Ergebnis ist fehlerhaft:

„L1ber es7 Prrc1p0rum @@@ De1“

Möchtest du die Korrektur manuell vornehmen?

[[Ja, manuelle Korrektur versuchen->OCR-Korrektur]]  
[[Nein, zurück zum Archiv->Digitales Archiv]]
twine :: CR-Korrektur
Du setzt dein Wissen ein:

„L1ber“ → „Liber“  
„es7“ → „est“  
„Prrc1p0rum“ → „Principiorum“

Der vollständige Text lautet:

„Liber est Principiorum Dei“

Du hast eine zentrale Seite erfolgreich entziffert.

[[Weiter->NER]]

Level 3: Named Entity Recognition (NER) – Verborgene Figuren

twine:: NER
Du verfügst nun über einen zusammenhängenden Text, in dem zahlreiche Eigennamen (Personen, Orte, Begriffe) enthalten sind.

Beispieltext:

„Im Jahre des Herrn 1215 besuchte Bruder Hugo den Heiligen Berg mit einem Manuskript aus Alexandria.“

Welche Entitäten möchtest du extrahieren?

[[Personen->NER Personen]]  
[[Orte->NER Orte]]
twine:: NER Personen
Du identifizierst: Bruder Hugo  
Möchtest du Bruder Hugo in historischen Datenbanken nachschlagen?

[[Ja (simuliert)->Ergebnis Hugo]]
twine:: Ergebnis Hugo
Du erfährst, dass Bruder Hugo ein Benediktinermönch des 12. Jahrhunderts war.

Sein Name verbindet das Manuskript mit einem Netzwerk mittelalterlicher Kopisten in Europa.

[[Weiter->Stilometrie]]

Level 4: Stilometrie – Der Geisterautor

twine:: Stilometrie
Der Stil des Manuskripts ist uneindeutig. Er könnte von Bruder Hugo stammen – oder von einem seiner Schüler.

Du vergleichst Textproben mit einem Korpus.

Du nutzt ein Stilometrie-Tool (z. B. Stylo, JGAAP)...

Ergebnis: 87 % Übereinstimmung mit Bruder Hugo

[[Autorschaft akzeptieren->Topic Modeling]]

Level 5: Topic Modeling – Die verborgene Bedeutung

twine:: Topic Modeling
Du analysierst die thematischen Strukturen des Textes mittels LDA (Latent Dirichlet Allocation).

Folgende Schlüsselbegriffe tauchen auf:

„lux“  
„veritas“  
„initium“  
„ordo“

Diese Begriffe deuten auf eine philosophische Abhandlung über die göttliche Ordnung des Wissens hin.

Du hast den wahren Inhalt des Manuskripts aufgedeckt.

[[Reise beenden->Erweitertes Finale]]

Erweitertes Finale

twine:: Erweitertes Finale
Durch den Einsatz fortgeschrittener Digital-Humanities-Methoden hast du:

- einen alten Text mittels OCR entziffert  
- historische Figuren durch NER identifiziert  
- die Autorschaft mithilfe von Stilometrie bestimmt  
- verborgene Themen durch Topic Modeling erkannt

Das Manuskript kann nun digital veröffentlicht und wissenschaftlich ausgewertet werden.

Herzlichen Glückwunsch, digitale:r Ermittler:in!

[[Noch einmal spielen->Start]]

Nützliche Links für die reale Anwendung

OCR (Texterkennung):

Named Entity Recognition:

Stilometrie:

Topic Modeling:

Lade den Text hoch und analysiere die ermittelten Themen.

[[Zum simulierten Ergebnis->Erweitertes Finale]]

Lade die finalen Dateien herunter: