Abgeleitete Textformate. Text und Data Mining mit urheberrechtlich geschützten Textbeständen
Article
Peer Trilcke, Christoph Schöch, Frédéric Döhl, Frédéric Döhl, Achim Rettinger, Evelyn Gius, Peter Leinen, Fotis Jannidis, Maria Hinzmann, Jörg Röpke – 2020
Das Text und Data Mining (TDM) mit urheberrechtlich geschützten Texten unterliegt trotz der TDM-Schranke (§ 60d UrhG) weiterhin Einschränkungen, die u. a. die Speicherung, Veröffentlichung und Nachnutzung der entstehenden Korpora betreffen und das volle Potenzial des TDM in den Digital Humanities ungenutzt lassen. Als Lösung werden abgeleitete Textformate vorgeschlagen: Hier werden urheberrechtlich geschützte Textbestände so transformiert, dass alle wesentlichen urheberrechtlich relevanten Merkmale entfernt werden, verschiedene einschlägige Methoden des TDM aber weiterhin zum Einsatz kommen können. Mehrere abgeleitete Textformate werden aus Sicht der Computational Literary Studies, der Informatik, der Gedächtnisinstitutionen und der Rechtswissenschaften beleuchtet.
Despite the TDM exception in German copyright law, Text and Data Mining (TDM) with copyrighted texts is still subject to restrictions, including those concerning the storage, publication and follow-up use of the resulting corpora, leaving the full potential of TDM in the Digital Humanities untapped. We propose derived text formats as a solution: here, copyrighted textual materials are transformed in such a way that copyright-relevant features are removed, but that the use of various relevant methods of TDM remains possible. Several derived text formats are examined from the perspectives of Computational Literary Studies, Computer Science, memory institutions and Law.
Peer Trilcke, Christoph Schöch, Frédéric Döhl, Achim Rettinger, Evelyn Gius, Peter Leinen, Fotis Jannidis, Maria Hinzmann, and Jörg Röpke. "Abgeleitete Textformate. Text und Data Mining mit urheberrechtlich geschützten Textbeständen." Zeitschrift für digitale Geisteswissenschaften 5 (2020). https://doi.org/10.17175/2020_006.