Las humanidades digitales aplican la computación al estudio de la cultura: textos, arte, música, mapas, archivos, lenguas. Permiten a un estudioso leer un millón de páginas a la vez, enlazar registros dispersos o conservar un manuscrito frágil como una imagen. El mejor trabajo mantiene las preguntas y la cautela interpretativa del humanista, y usa la máquina para escalar la lectura atenta, no para sustituirla.
Conceptos clave
- Codificación de textos: marcar un texto con estructura y significado en un estándar como TEI, en XML.
- Lectura distante: contar y modelar palabras en colecciones grandes para ver patrones que nadie podría leer.
- Datos enlazados y metadatos: describir objetos con vocabularios compartidos para poder unir y buscar entre colecciones.
- Mapas y redes: lugares, personas y relaciones como mapas y grafos, y lo que muestran y lo que no.
- Digitalización y conservación: escaneo, OCR, formatos de archivo y almacenamiento a largo plazo.
- Crítica de los datos: cada conjunto de datos lo reunió alguien, con lagunas, sesgos y decisiones que moldean el resultado.
Vocabulario
- Corpus: una colección de textos elegidos para estudiarlos.
- OCR: reconocimiento óptico de caracteres, que convierte una página escaneada en texto, con errores que revisar.
- TEI: la Text Encoding Initiative, un estándar comunitario para codificar textos.
- Modelo de temas: un método estadístico que agrupa palabras que suelen aparecer juntas en los documentos.
Qué estudiar, en orden
- Aprende un lenguaje de scripts y el manejo básico de texto: Unicode, expresiones regulares, XML.
- Codifica en TEI un texto corto, un poema o una carta, y valídalo.
- Toma un corpus de dominio público, cuenta palabras, compara autores o épocas y cuestiona lo que significan los recuentos.
- Construye un catálogo pequeño con metadatos compartidos y publícalo como datos enlazados.
- Haz un mapa o una red a partir de registros históricos y deja escritos sus límites.
Etiquetas relacionadas
#nlp #information-retrieval #knowledge-graphs #databases #history