Warum wird was wie klassifiziert? Scalable Reading + Explainable AI am Beispiel historischer Lebensverläufe

Während Deep-Learning-Modelle zur Klassifikation mittlerweile (auch) im DH-Bereich bessere Ergebnisse als Regel-basierte Methoden liefern, ist ihr Verhalten weniger leicht zu interpretieren. Daher wird hier ein iteratives semi-automatisches Verfahren vorgestellt, das Scalable-Reading- mit Explainability-Ansätzen kombiniert, um relevante Fehlklassifikationen schnell(er) identifizieren und korrigieren zu können. Das Verfahren wird dabei in Form einer Pilotstudie auf Polaritätsverläufe in deutschen Biographien aus dem 18. und 19. Jahrhundert angewendet.