HUM andmelabori töövoogude lehelt leiab näiteid kultuuriandmete uurimisest digimeetoditega. HUM andmelabor on Eesti humanitaarteaduste digitaalsete töövoogude ja andmete kasutamist toetav algatus Eesti teadus- ja kultuuriandmete digitaristu raames.
Laboris töötav teadlaste meeskond kirjeldab oma tööprotsessi nii, et uuringud on avatud teaduse põhimõtete järgi kõigile teistele kättesaadavad ja reprodutseeritavad. Labori keskmeks on kasutusjuhtumite kogu, mis pakub ülevaate digihumanitaaria töömeetoditest ja töö käigus tehtud valikutest. Praeguseks on töövoogude kogus valik kirjeldusi sellest, kuidas labori teadlased, HUM häkatoni osalejad ja TÜ kursuse “Kultuuriandmete projekt” tudengid digimeetodeid humanitaarteaduslike andmestike uurimiseks kasutasid. Töövood avavad uurimuse käigus tehtud valikuid: kuidas andmeid koguti ja puhastati, milliseid tööriistu kasutati, millised probleemid tekkisid ning kuidas neist üle saadi.
Teadlaste töögrupi töövood: akadeemilised küsimuseasetused ja mitmekesised materjalid
HUM andmelabori teadlaste töögrupi liikmed on osalenud töövoo kirjelduste meetodite otsustamisel ning kirjeldanud oma tööprotsessi. Labori teadlaste töövoogude kirjeldused on seotud nende valminud või valmivate artiklite ja teadusprojektidega.
Kata Maria Metsar ja Tiina Kull Eesti Rahva Muuseumist kirjeldasid triibuseelikute mustrianalüüsi läbiviimist. Töövoo eesmärk on uurida, milline mustriloogika valitses 18.–19. sajandi Eesti triibuseelikutes ning kuidas need mustrid suhestuvad Inglismaalt Norwichi tehasest pärit kangastega. Töövoog näitab, kuidas koondada eri allikatest pärit materjal võrdlusbaasiks ja valmistada see ette masinõppe meetoditega analüüsimiseks.
Aare Tooli töövoo kirjeldus tutvustab heliteoste (meta)andmete kättesaadavaks tegemist. Tema ja teised Eesti Muusika- ja Teatriakadeemia teadlased analüüsivad Heino Elleri loomingu temaatilis-bibliograafilise kataloogi koostamiseks vajalikku andmestikku. Eestis on heliloomingut puudutav andmestik killustunud paljude infosüsteemi vahel nagu Muis, Ester ja Eesti Muusika Infokeskus. Töövoog näitab sellise info põhjal kataloogi koostamiseks, eesmärgiks on teha muusikaline teave avalikkusele kättesaadavaks ühe otsinguga, aidates ka teistel uurijatel leida parimaid eeskujusid kataloogide koostamisel.
Monika Reppo ja Mahendra Mahey (Tallinna Ülikool) on kirjeldanud töövoogu, mis näitab, kuidas esemeuurija töö käigus kogunevaid tööfotosid rakendada esemete automaatseks määramiseks ja nende seisukorra hindamiseks ning kuidas sellist kogu avaldada. Eesti mäluasutustes säilitatavatest arheoloogilistest klaasileidudest on Monika Reppo teinud ca 15 000 fotot. Monika ja Mahendra töövoog näitab samme, mis tuleb teha säärase mahuka andmekogu avaldamiseks. Puhastatud toorandmeid saab kasutada tehisaru raalnägemise võimekuse treenimisel. Töövoo käigus testitakse raalnägemise mudeli võimekust tuvastada samaliigilisi esemeid. Töövoog saab toeks olla kõigile, kes oma uurimistöö andmeid avalikustada soovivad, eriti aga esemefotodega tegelevatele uurijatele.
Eesti Kirjandusmuuseumi teadlased Olha Petrovych, Mari Väina, Kaarel Veskis ja Liina Saarlo on kirjeldanud oma töövoogu Ukraina ja Eesti rahvalaulude teemaanalüüsist. Teadlased koostasid Ukraina ja Eesti rahvalauludest võrdluskorpuse ning tõlkisid selle tehisaru abil inglise keelde. Seeläbi oli võimalik uurida laulude temaatilist kattuvust, kultuurilisi sarnasusi ja ainult ühele piirkonnale omaseid teemasid. Töövoog saab olla eeskujuks nii korpuste koostamisel, tõlkimisel kui teemaanalüüsi läbiviimisel.
Mark Mets kirjeldab laboris töövoogu sellest, kuidas esitada suuri andmehulki visuaalselt selgelt ja võrreldavalt. Tallinna Ülikooli ja Vermonti Ülikooli teadlaste koostöös valmis uuring sõna „Ukraina” mainimissagedusest 28 erinevas keeles 15 aasta jooksul Twitteri andmestikus. Väljakutseks oli suure andmehulga ülevaatlikult esitamiseks sobiva graafiku leidmine. Visualiseering aitas analüüsida Ukrainale pööratud tähelepanu muutust ajas. See metoodika saaks olla lähtekohaks ka teiste aegridade visualiseerimisel ja analüüsimisel.
Praegused töövoogude kirjeldused näitavad digimeetoditega tegelevate humanitaarteadlaste tööpraktikaid. Selle aasta jooksul täiendavad andmelabori teadlased neid kirjeldusi koodi ja andmetega, eesmärgiks on töövoogude korratavus.
HUM häkatoni töövood: rakendused ja mängulised lahendused
Ka 2026. aasta aprillis toimunud HUM häkatoni osalised dokumenteerisid oma tööprotsessi. Praeguseks on labori töövoogude lehel kättesaadavad kolm töövoo kirjeldust. Kõik häkatoni projektid näitasid, milliseid tulemusi kultuuripärandi andmestikega lühikese aja jooksul saavutada saab – ning millised etapid toimiva prototüübi loomiseks kesksed on.
Meeskond Think Floyd (Inna Lisniak, Hikmat Azimzade, İbrahim Göktürk Kılcan) lõi projekti „The tunes of the world map“ käigus eesti ja ukraina rahvalaulude andmestiku põhjal interaktiivse rakenduse, mis visualiseerib rahvalaulude päritolu ning näitab, millised teemad ja emotsioonid neis kattuvad ja mille poolest need erinevad. Töövoo kirjeldus näitab, kuidas muudeti korpused võrreldavaks, kasutati meelsusanalüüsi, andmed rakenduses visualiseeriti ning otsingu- ja päringuliidese kaudu kättesaadavaks tehti.
Rahvusarhiivi ajalooliste ehitusprojektide andmebaasi materjalidega tegutsenud Koodikratid (Emma Lauren Laikmaa, Mia Mõisnik, Kevin Peekmann, Siim Ilison, Jon Kristof Aasmäe) lõid interaktiivse kaardirakenduse, mis võimaldab kasutajatel uurida Tartu ajalugu. Töövoog kirjeldab, kuidas andmete puhastamise järel keskendus töö eelkõige rakenduse kasutajaliidesele, mis pakub mitmeid filtreid ning ka 3D-mudelit.
Meeskond Digitondid (Manpreet Kaur, Bhumika Bhattacharyya, Danni Zhang, Hendrik Aruoja, Ka On Chan, Kristjan Volmer, Yee Chun Tsoi) arendas kaks projekti, kombineerides selleks Eesti Rahvusraamatukogu kureeritud rahvusbibliograafia ja Rahvusarhiivis säilitatud vallakohtute protokollid. Digitontide esimeses projektis said kasutajad interaktiivse rakenduse kaudu uurida, mil määral esinevad samad Eesti nimed nii kohtuprotokollides kui ka raamatuloos. Teises projektis lõid nad mängu, milles muutsid maakohtute protokollid interaktiivseks kohtusaalisimulatsiooniks. Töövoona kirjeldavad nad, kuidas algas töö andmestike mõistmise ja eksploratiivse analüüsiga ning siis kaheks erinevaks projektiharuks jagunes. Sarnast lähenemist saab kasutada ka muude rakenduste puhul, kus on vaja infot ekstraheerida ning lahendada andmete struktureerimise ja disainiga seotud küsimusi.
TÜ kursuse “Kultuuriandmete projekt” töövood: Kirjandusmuuseumi andmete põhjal digihumanitaaria ja avatud teaduse meetodeid õppimas
Kevadsemestril toimus HUM andmelabori meeskonna ja Tartu Ülikooli koostöös kursus “Kultuuriandmete projekt”. Kursuse käigus kasutasid tudengid Eesti Kirjandusmuuseumi andmestikke, leidsid grupitöö käigus uurimisküsimused ja vastasid neile digihumanitaaria meetoditega andmeid analüüsides. Üliõpilasi toetasid töös mentorid Kirjandusmuuseumist ja Tartu Ülikoolist. Oma uurimistöödes kasutasid tudengid ERA kogudest regilaulude andmebaasi, fotokogu, rahvapillimuusika andmeid ja seto imemuinasjutte ning EKLA materjalidest Kreutzwaldi ja Koidula kirjavahetust. Andmepõhise analüüsi tutvustamise kõrval oli kursuse osaks avatud teaduse praktikate õppimine. Tudengid kirjeldasid oma tööprotsessi samuti HUM andmelabori töövoogude vormis.
Otto-Albert Junk ja Marta Lepson kirjeldavad töövoos “Eesti rahvapillimuusika regionaalsete ja ajaliste mustrite analüüs” Eesti Rahvaluule Arhiivis pillilugudena talletatud materjalide põhjal pillide ja pillilugude piirkondlikku ning ajalist jaotust. Nende tööprotsessis oli oluline andmestiku ühtlustamine ning statistiline ülevaade, sealhulgas kaardipõhised visualiseeringud. Sellised tööprotsessi etapid on kasulikud mitte ainult pillilugude metaandmetega töötades, vaid mitmesuguste arhiivimaterjalidega tegeledes.
Suure metaandmete tabeliga tegelesid ka Kata Maria Metsar, Daria Andriyanovich ja Gabriel Ankov, kelle töö eesmärk oli uurida Eesti Rahvaluule Arhiivi (ERA) fotokogu ruumilisi ja ajalisi mustreid ning muuta suur ja raskesti hoomatav andmestik kasutajale paremini uuritavaks interaktiivse visualiseeriva tööriista abil. Ka siinkohal oli oluliseks aspektiks andmete puhastamine, et neid töölauarakenduse kaudu otstarbekalt ja ülevaatlikult esitleda, katsetati ka masinõppe abil märksõnade lisamist.
Anastasiya Chertova, Helga-Mai Kivisild ja Marion Pilv kirjeldasid ärkamisaja kirjanduslikku võrgustikku Koidula ja Kreutzwaldi kirjavahetuse põhjal. Kirjavahetus on kättesaadav päringusüsteemis KORP. Tudengid kirjeldavad nimekujude leidmist, puhastamist ja võrgustikuna visualiseerimist. Töövoog saaks anda eeskuju ka teistest andmestikest nimede leidmiseks ning nende analüüsimiseks.
Mirelle Kiholane ja Helena Kalm töötasid Eesti regilaulude andmebaasiga, et uurida teravilju sisaldavate töölaulude geograafilist levikut ning analüüsida, milliseid teravilju erinevates piirkondades kõige sagedamini mainiti. Tudengid lõid andmebaasist otsingute tegemiseks SQL skripti ja visualiseerisid tulemused tulpdiagrammide ja kaartidena.
Aleksander Amos Nigesen ja Gretta Nikolajeva analüüsisid seto muinasjuttude põhjal jututüüpi 567 (A) “Imelind”. Lugu imelise linnu söömisel saadud erilistest võimetest varieerub mitmeti – tudengid kombineerisid kvalitatiivseid ja kvantitatiivseid meetodeid sellise varieerumise uurimiseks, näiteks alamtüüpide leidmiseks. Ka teistegi jututüüpide uurimisel võib olla kasulik sellest tööprotsessist õppida.
Kokkuvõtteks: töövood on eeskujuks humanitaarteadusliku andmestiku analüüsi plaanides
Töövoogude kirjeldused näitavad, kui mitmekesiseid uurimusi ja rakendusi saab luua digihumanitaaria meetodeid kasutades. Mitmete töövoo kirjelduste juures on linke koodirepositooriumitele. Töövoo tekstilised kirjeldused ja skeemid aitavad aga üldarusaadavamalt mõista, milliseid etappe tuleb andmemahuka uurimistöö või kultuuriandmete põhjal rakenduse loomisel ette võtta.
Tutvu töövoogudega HUM andmelabori lehel ning kasuta neid oma uurimisprojekti, kursuse või andmepõhise rakenduse kavandamisel. Kas sooviksid, et ka sinu projekt oleks teistele sellisel moel kättesaadav? Labori lehelt leiad ka info, kuidas enda projekti labori keskkonnas esitleda.