```{admonition} Fragen oder Feedback
:class: frage-feedback
<a href="https://github.com/quadriga-dk/Bewegtes-Bild-Fallstudie-1/issues/new?template=frage.yml" class="external-link" target="_blank">
Stellen Sie eine Frage
</a> <br>
<a href="https://github.com/quadriga-dk/Bewegtes-Bild-Fallstudie-1/issues/new?template=feedback.yml" class="external-link" target="_blank">
Geben Sie uns Feedback
</a>
Mit Ihren Rückmeldungen können wir unser interaktives Lehrbuch gezielt an Ihre Bedürfnisse anpassen.
```
````{admonition} Zitierhinweis
:class: citation-information
```{literalinclude} /CITATION.bib
:language: bibtex
```
Demir, D. & Grotkopp, M. (2024). _Affektrhetorik in Online-Videos zur Klimakrise. Datengestützte Analysen audiovisueller Muster._ https://quadriga-dk.github.io/Bewegtes-Bild-Fallstudie-1/
````
:name: ada-timeline-cover-photo
Auszug einer Visualiserungsansicht der AdA-Timeline
```{admonition} Was ist eine Open Educational Ressource?
:class: hinweis
Laut der Definition der UNESCO sind "Open Educational Resources (OER) Bildungsmaterialien jeglicher Art und in jedem Medium, die unter einer offenen Lizenz stehen. Eine solche Lizenz ermöglicht den kostenlosen Zugang sowie die kostenlose Nutzung, Bearbeitung und Weiterverbreitung durch Dritte ohne oder mit geringfügigen Einschränkungen"[^url-unesco].
```
Die vorliegende Fallstudie "Affektrhetorik in Online-Videos zur Klimakrise. Datengestützte Analysen audiovisueller Muster", die als Open Educational Ressource in Form eines interaktiven Jupyter Books als Lehrbuch zur Verfügung steht, soll am Beispiel von Online-Videos zur Klimakrise modellhaft zeigen, inwiefern sich politische Zielsetzungen in audiovisuellen Diskursen auf die ihnen zugrunde liegenden Inszenierungsmuster (im Konkreten: Gestaltungsweisen durch Musik, Montage, Farb- und Helligkeitsbeziehungen usw.) beziehen lassen. Im Vordergrund des Forschungsansatzes steht die Fähigkeit, multimodale und temporale Muster – wie etwa wiederkehrende Kombinationen von Musik und Bild oder bestimmte farbliche oder rhythmische Abläufe – durch die Anreicherung und Visualisierung von filmanalytischen Daten erkennen und qualifizieren zu können. Dafür werden die Videos mithilfe sogenannter Annotationen untersucht. Das heißt: Die Videos werden Schritt für Schritt analysiert (z.B. Bildkomposition, Musik, Dialogebene, Montage uvm.) und mit Zusatzinformationen versehen, etwa zu bestimmten Bildabschnitten oder Tonereignissen. Mit diesen Daten soll am Ende anhand eines Beispielgegenstandes gezeigt werden, welche emotionalen Strategien und Inszenierungen in Online-Videos zur Klimakrise eingesetzt werden.
Die Fallstudie richtet sich an:
- Forschende (Postdocs)
- Promovierende (Praedocs)
- Hochschullehrende
- Masterstudierende
der Fachrichtungen Film- und Medienwissenschaft. Auch Interessierte aus verwandten Disziplinen wie beispielsweise der Kunstgeschichte oder Literaturwissenschaft können durch die Lernmodule ein grundlegendes Verständnis für digitale Annotationsmethoden bei der Analyse audiovisuellen Bewegtbildmaterials entwickeln.
Bitte beachten Sie, dass dieses Lehrangebot keine umfassende Einführung in das Forschungsfeld der Filmanalyse leisten kann. Stattdessen verweisen wir auf weiterführende Materialien und externe Ressourcen, die an entsprechender Stelle verlinkt sind. Es wird allen Nutzer:innen ausdrücklich empfohlen, sich das Einführungskapitel vorab gründlich durchzulesen.
Basierend auf der Arbeit an unserer Fallstudie stellen wir Ihnen einen systematischen Workflow vor, den wir entwickelt und visualisert haben, um einen Gesamtüberblick über die Arbeitschritte zu ermöglichen. Wer unsere OER vollständig durcharbeitet, soll am Ende in der Lage sein, ein eigenes Forschungsvorhaben entlang dieses Schemas zu konzipieren. Im letzten Abschnitt findet sich dazu ein anwendungsorientiertes Assessment, das zur Übertragung des Gelernten auf ein eigenes Projekt anleitet – ergänzt durch eine umfangreiche Dokumentation des hier präsentierten Workflows als Orientierungshilfe.
:name: workflow-filmanalyse-2
Workflow der datengestützten Filmanalyse
:class: hinweis
Der entwickelte Workflow reflektiert die zentralen Arbeitsschritte unseres methodischen Vorgehens. Diese OER soll es Ihnen ermöglichen, auf Grundlage dieses Schemas ein eigenes, fundiertes Forschungsvorhaben zu entwerfen.
Um die eigenständige Durchführung datengestützter Filmanalyse entlang des vorgestellten Workflow-Schemas zu ermöglichen, haben wir fünf Arbeitsschritte als eigene Lernmodule aufbereitet, die jeweils spezifische Lernziele verfolgen. Am Ende jeder Aufgabe sollen Sie in der Lage sein, die formulierten Anforderungen erfolgreich umsetzen zu können. Durch bereitgestellte Lösungsstrategien und Lernstandkontrollen haben Sie zudem die Möglichkeit, ihre Ergebnisse zu überprüfen und ihr Verständnis zu vertiefen.
:class: hinweis
Die Fallstudie verfolgt das Ziel, den Zusammenhang zwischen einem Einstellungsprotokoll, der Nutzung von Annotationstools und der Entwicklung sowie Anwendung einer komplexen, maschinenlesbaren Ontologie verständlich zu vermitteln. Dazu sind die Lernmodule modular aufgebaut: Nutzer:innen mit Vorkenntnissen können optionale Aufgaben überspringen (diese sind gekennzeichnet), während Einsteiger:innen den strukturierten Aufgabenverlauf nutzen können, um sich schrittweise das erforderliche Wissen anzueignen.
➡️ <span style="color:blue">*optional*</span>
- Lernmodul A: Anhand des ausgewählten Videos sollen in einem ersten Schritt tabellarische Annotationsdaten erfasst werden. Dazu wird auf Grundlage filmanalytischer Basisparameter ein Einstellungsprotokoll erstellt.
➡️ <span style="color:blue">*optional*</span>
- Lernmodul B: Der zweite Schritt umfasst die Herstellung und Anreicherung von Annotationsdaten mit Tools. Beispielhaft soll mit den Videoannotationstools Advene und ELAN gearbeitet werden.
➡️ <span style="color:red">**erforderlich**</span>
- Lernmodul C: Anschließend sollen die basisschematischen Parameter filmanalytischer Termini im dritten Schritt nach Semantic Web Prinzipien in eine Filmontologie überführt werden.
➡️ <span style="color:red">**erforderlich**</span>
- Lernmodul D: Der vierte Schritt umfasst die Implementierung und das Arbeiten mit einer Filmontologie zur Herstellung von Annotationsdaten mit dem Tool Advene.
➡️ <span style="color:red">**erforderlich**</span>
- Lernmodul E: Im fünften Schritt sollen die Daten als Verlaufsdynamiken visualisiert, die Visualisierung angepasst und die Daten ausgewertet bzw. qualifiziert werden.
Die folgende Übersicht zeigt den Fluss der Aufgabenstruktur und die notwendigen Kompetenzen zur Durchführung der jeweiligen Übungen der Fallstudie: +++
---
align: center
name: aufgabenaufbau-oer
---
Aufgabenfluss der OER
Dieses interaktive Lehrbuch wird Ihnen im "📘 Book Only Mode" bereitgestellt. Dies bedeutet, dass Sie das Lehrbuch in Ihrem Browser mit eingeschränkten Interaktionsmöglichkeiten durcharbeiten können. Für diesen Zugangsweg benötigen Sie keine Programmierkenntnisse oder Erfahrung mit Jupyter Notebooks. Beachten Sie jedoch, dass einige Lerneinheiten die lokale Installation externer Anwendungen oder das Herunterladen und Verwenden von Dateien (z.B. Manuals) erfordern.
Zu Beginn jeder Lerneinheit wird die geschätzte Bearbeitungszeit angegeben. Dies hilft Ihnen, Ihre Zeit effektiv zu planen und die Lerneinheiten strukturiert zu bearbeiten. Für das Self-Assessment am Ende jeder Lerneinheit wird die Bearbeitungsdauer separat angegeben und ist nicht in der geschätzten Dauer der Lerneinheit selbst enthalten.
Im nächsten Kapitel stellen wir die für unsere Fallstudie relevanten Informationen sowie theoretischen Grundlagen vor. Der Fokus liegt hierbei auf der Vermittlung empirischer Herangehensweisen datengestützter Filmanalyse.