Das Publikationsformat der Working Paper feiert seinen Auftakt. Das erste Working Paper »The Curator’s Machine: Clustering of Museum Collection Data through Annotation of Hidden Connection Patterns between Artworks« von Dominik Bönisch ist in der fünften Ausgabe des International Journal for Art History (DAHJ) zum Thema History of Digital Art (Gasteditorin Tina Sauerländer) veröffentlicht worden.
Abstract:
The digitization in art museums promises extended access to the objects of the collection both for scientific purposes and for an interested public, and this preferably online—independent of location and at any time. Here it is not enough to simply limit the search in databases to narrowly defined keywords. Rather, specific interfaces and visualizations should allow the user to explore the digital inventory as well as to stroll through the online collection. Artificial intelligence can support the systematic and structured processing of the mass of data in the museum. Machine learning can reveal connections and links between artworks, which previously became accessible to the curator only incompletely or with difficulty. The text presents a first prototype on the basis of which the research project »Training the Archive« intends to investigate the machine-aided, explorative (re)discovery of connections within the museum’s collection.
Zur Veröffentlichung des Papers (englisch) geht es hier:
DOI: https://doi.org/10.11588/dah.2020.5.75953
Darüber hinaus ist der Artikel auch auf Deutsch im Rahmen der Working Paper Serie von »Training the Archive« unter dem Titel »The Curator’s Machine. Clustering von musealen Sammlungsdaten durch Annotieren verdeckter Beziehungsmuster zwischen Kunstwerken« erschienen.
Abstract:
Die Digitalisierung in Kunstmuseen verspricht einen erweiterten Zugriff auf Sammlungsobjekte sowohl für die Wissenschaft als auch für ein interessiertes Publikum und das bestenfalls online – ortsunabhängig und jederzeit. Dabei reicht es nicht aus, die Suche in Datenbanken auf eng gedachte Stichworte zu limitieren. Vielmehr sollen über spezielle Interfaces und Visualisierungen eine Exploration von digitalen Beständen, sowie ein ‚Schlendern‘ durch die Online-Sammlung möglich gemacht werden. Künstliche Intelligenz kann unterstützen, die Masse an Daten im Museum systematisch und strukturiert aufzubereiten. Durch Maschinelles Lernen können Zusammenhänge und Verbindungen zwischen Kunstwerken offenbart werden, die sich Kurator*innen bislang schwer oder nur unvollständig erschließen könnten. Das Working Paper stellt den ersten im Forschungsprojekt »Training the Archive« entwickelten Prototyp vor, von dem ausgehend, ein maschinengestütztes, exploratives (Wieder-)Entdecken von Verknüpfungen innerhalb musealer Sammlungen untersucht werden soll.
Zur deutschen Veröffentlichung des Papers geht es hier:
DOI: https://doi.org/10.5281/zenodo.4604880
