TheMuseumsLab Digitization Workshop 2022
Bibliographic record
Abstract
Das Austauschprogramm für afrikanische und europäische Museumsexpert*innen TheMuseumsLab (MLab) veranstaltete am 14. Juni 2022 einen Workshop zum Thema „Digitalisierung“ am Museum für Naturkunde Berlin (MfN). Nach Vorträgen zu Strategien der Entwicklung, Erschließung und Digitalisierung der Sammlung am MfN sowie zu Katalogisierung und Provenienzforschung folgten Diskussionsrunden mit den 55 MLab-Fellows. Diese befassten sich mit Ansätzen und Motiven der Digitalisierung, mit den notwendigen Standards sowie mit der politischen Bedeutung und verantwortungsvollen Handhabung bisheriger Terminologien und Datenbank-Kategorien insbesondere aus postkolonialer und antirassistischer Perspektive. Auch die Rolle des Archivs im Prozess der Informationsbeschaffung sowie der Digitalisierungsprozess, insbesondere in Hinblick auf Kollaboration, Teilhabe und öffentliches Engagement, wurden beleuchtet. Die abschließende Diskussion stellte die Forderungen auf, die Motivation für Sammlungsdigitalisierung ehrlich zu reflektieren und zu kommunizieren, um vorherrschaftliche Ansätze und die Fortsetzung globaler Ungleichheit zu vermeiden. Das mittels Graphic Recording angefertigte Poster bildet die einzelnen Themenbereiche ab, die im Workshop Beachtung fanden. Es beleuchtet die komplexen logistischen Herausforderungen ebenso wie die politische Bedeutung, der sich das Projekt Sammlungsentwicklung und -erschließung im Rahmen des Zukunftsplans am MfN stellt. Im Workshop formulierte Ziele von Digitalisierungsprozessen fokussierten auf die ebenbürtige Zusammenarbeit afrikanischer und europäischer Museen, der dynamischen Teilhabe und Nachnutzung digitalisierter Daten und die Aufarbeitung kolonialer Aneignungskontexte. Die Rolle der Museen wurde darin gesehen, Beziehungen herzustellen, Teilhabe zu ermöglichen und gemeinsam neues Wissen zu generieren. TheMuseumsLab wird vom Auswärtigen Amt (AA) finanziert, in enger Zusammenarbeit mit dem Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung (BMZ) sowie der Beauftragten der Bundesregierung für Kultur und Medien (BKM). Der Workshop wurde mit dem Projekt Sammlungserschließung und -entwicklung im Rahmen des Zukunftsplans des MfN Berlin mit Mitteln des Landes Berlin und des Bundes durchgeführt.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.408 | 0.183 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".