Integrated Digital Sorbian Studies [IDSS, Integrowana digitalna sorabistika]
Wot lěta 2022 hač do 2027 přewjedźe Serbski institut zhromadnje z Drježdźanskej TU (prof. dr. Christian Prunitsch, slawistika, a prof. dr. Alexander Lasch, germanistika) předewzaće z třećich srědkow. Projekt wobsahuje ramikowu strategisku naprawu kaž tež jednotliwe projekty. Tak chce IDSS sorabistiku do wjetšich předmjetow (do slawistiki a germanistiki) kaž tež do přesahowacych wuwićow w duchownych wědomosćach (wutworjenje t. mj. Digital Humanities) integrować. Wuslědki jednotliwych projektow maja tohorunja ramikowej strategiskej naprawje IDSS słužić abo na hinaše wašnje zajim za „mały předmjet“ sorabistiki zbudźić.
Załožba VolkswagenStiftung spěchuje předewzaće we wobłuku spěchowanskeho programa “Swětowa wěda. Strukturne zesylnjenje małych předmjetow” (Weltwissen. Strukturelle Stärkung kleiner Fächer) z něhdźe 990.000 eurami. Ze swójskim podźělom Drježdźanskeje TU a Serbskeho instituta wučinja cyłkowny financny rozměr projekta něhdźe 1,6 mio. eurow.
Dźělne projekty w Serbskim instituće:
- Potencial swójskich mjenow wužiwać I: wotkryće a splećenje korpusowych tekstow
- Potencial swójskich mjenow wužiwać II: Transfer wědy a citizen science
- Teksty jako skład wědy – globalny přistup přez wysokohódnotnu digitalizaciju
- Zhotowjenje hornjoserbskeho dźělneho korpusa za přirunowacu diskursowu analyzu:
Předewzaće wopřijima ekstrahowanje połnych tekstow (na bazy TEI) z Noweje Doby (1947-1990) a Serbskich Nowin (2007-2016). Wšitke 60 lětnikow wobsteja z něhdźe 85.000 stronow, z kotrychž maja so teksty ekstrahować. Při tym zasadźuje so awtomatizowany workflow, kotryž wobsteji z wjacorych krokow wot zaskenowanja nowinskich stron jako wobraz (předleža hižo zwjetša) hač k zhotowjenju strukturowanych połnych tekstow. Mjez druhim přewjedźe so awtomatiske spóznawanje segmentow, manuelne dokorigowanje tekstow, awtomatizowana OCR a dźělnoawtomatiska post-OCR kaž tež awtomatizowane přenjesenje do formata TEI-XML. We wobłuku dźěłoweho procesa zasadźuja so instrumenty z OCR-D-projekta, kotryž je Němski slědźerski zwjazk DFG spěchował. OCR bazuje na treningowych modelach LSTM za hornjoserbšćinu (, kotrež so na bazy předležacych a w projekće stworjenych hornjoserbskich t.mj. ground-truth-tekstow iteratiwnje tworja). Generěrowane teksty so na kóncu hornjoserbskemu tekstowemu korpusej sposrědkuja.
Dźělne projekty při Drježdźanskej techniskej uniwersiće (TUD):
- Wučba sorabistiki při Drježdźanskej techniskej uniwersiće:
K skrućenju małeho předmjeta sorabistiki je wědomostny dorost nuznje trěbny. Tohodla dyrbi so studujomna “šćežka” natwarić, kotraž je wotwonka derje spóznajomna a so zmysłapołnje do wobstejacych studijnych strukturow fakulty za rěčne, literarne a kulturne wědomosće kaž tež scyła do wobłuka duchownych a socialnych wědomosćow integruje. Zakład za to su rěčne kursy serbšćiny wot niwowa A1 za studentow slawistiki a dalšich zajimcow, na př. ze Serbskeho instituta. Při tym wužiwa so app za samostudij Sorbisch Online Lernen, kotraž je so mj.dr. wot TUD sobu wuwiła. Tež dalše moderne wuknjenske materialije za kubłanje dorosćenych so za wužiwanje we wučbje nadźěłaja. Fleksibelne wopisanje modulow zaruča tež formalnje wotewrjenosć sorabistiskeje “šćežki” w studiju. Hižo předležace materialije so dale wuwiwaja, mj. dr. za přirunanje (słowjanskich) rěčow a feedback wuknjacych. K tomu přińdu fachowospecifiske poskitki wučbnych zarjadowanjow profesury za zapadosłowjansku literarnu a kulturnu wědomosć, profesury za sorabistiku kaž tež profesury za słowjanske rěčne stawizny a rěčespyt. Při natwarje sorabistiskeho curricula ma so nimo splećenja z germanistiku tež zhromadne dźěło z Institutom za stawizny, z Institutom za sakske stawizny a ludowědu, ale wosebje tež ze Serbskim institutom pohłubšić. Při tym nawjazuje so na aspekty wirtuelneje wučby na TUD, kotraž so dale wutwarja. Postupy dalšich naprawow/dźělnych projektow we wobłuku IDSS móža so bjezposrědnje do stabilizowanja sorabistiskeho curricula integrować.
- Digital Kito Lorenc (so přihotuje, wot 2025)
- Zhotowjenje němskeho dźělneho korpusa za přirunowacu diskursowu analyzu
- Přirunowaca korpuslinguistiska diskursowa analyza (so přihotuje, wot 2024)
Narěčenscy partnerojo: prof. dr. Hauke Bartels, prof. dr. Christian Prunitsch (TUD), prof. dr. Alexander Lasch (TUD)
Kooperaciski partner: Drježdźanska techniska uniwersita (TUD)
Zhromadna medijowa informacija Drježdźanskeje techniskeje uniwersity a Serbskeho instituta z dnja 21. měrca 2022 składnostnje přizwolenja projekta.
https://www.volkswagenstiftung.de/de