DataProvenance

Wahrheit

Wahrheit ist oftmals subjektiv. Das gilt vor allem im historischen Kontext. Erinnert sei als Beispiel an die Konstantinische Schenkung, eine kapitale Fälschung mit weitreichenden Folgen.

OHDM speichert historische Geometrien und Dokumente oder Verweise darauf. Das klingt einfach und ist es technisch auch. Inhaltlich wird das Sache spannend: Geometrien beschreiben auch Grenzverläufe. Historische Grenzverläufe werden leider immer wieder als Grund für Kriege genutzt - auch in der Gegenwart. Wie also geht man damit um, wenn mehr als eine Wahrheit um Umlauf ist? Was ist die fake news?

Wir werden diese Frage in OHDM nicht beantworten. Wir werden stattdessen festhalten, wer, wann welche Informationen in das System eingestellt hat. Wir werden außerdem alle Nutzern des Systems erlauben, jede Information bezüglich ihrer Glaubwürdigkeit zu bewerten. Wir werden weiterhin erlauben, dass Nutzer Informationen anhand der Glaubwürdigkeitsbewertung von anderen Nutzern oder Nutzergruppen anschauen können.

In dem Sinne wollen wir eine Filter Bubble bauen. Der Unterschied besteht aber darin, dass man immer sieht, in welcher Blase (in welcher Wahrheit) man sich gerade befindet. Damit hat man auch immer die Chance, zwischen den Wahrheiten zu wechseln.

(Ich hätte beispielsweise durchaus Freude daran, einmal Hogwarts in OHDM einzutragen oder auch einmal zu notieren wo der Doctor sich so herumtreibt. In irgendeiner Wahrheit geht das. Oder nicht? :) )

neues Teilprojekt

Die technische Umsetzung ist dankenswerterweise nicht sehr kompliziert. Es gilt folgenden Beziehungen zu speichern:

• Objekt - Autor
• Bewertung der Glaubwürdigkeit des Objekte selber (Ist das Laserschwert wirklich nicht echt?)
• Bewertung der Zuordnung des Objektes zu einer Zeit / einem Ort. Viele Objekte sind durchaus sehr real. Aber entstanden sie wirklich zu dieser Zeit und an diesem Ort. Damit beschäftigen sich Historiker ausgiebig, aber auch andere.

Anhand dieser Daten sollte es möglich sein, Daten aufzusuchen, die bestimmte Personen oder Gruppen von Personen als Glaubwürdig einschätzten. Manchmal kann es aber auch gerade interessant sein zu sehen, was als unglaubwürdig eingestuft wurde.

Technisch spricht einiges für die Nutzung von RDF bzw. OWL und SPARQL.

Schwierigkeitsgrad: 3. Das ist eine spannende Fragestellung.