Call for Papers

Machine Learning und KI in der geisteswissenschaftlichen Forschung und Lehre

Überblick

Im Rahmen des aktuellen Call for Papers bittet die forTEXT-Zeitschrift zur Einreichung von Beiträgen zum Thema “Machine Learning und KI in der geisteswissenschaftlichen Forschung und Lehre”. Ziel ist es, methodische Ansätze und Lehrkonzepte darzustellen. Wir möchten gerne unterschiedliche fachliche Perspektiven zusammenbringen und so den Austausch über die Rolle des maschinellen Lernens und der KI in den Digital Humanities fördern.

Abstracts (max. 300 Wörter) können ab sofort bis zum 15.9.2026 per Mail eingereicht werden. Über die Annahme oder Ablehnung Ihres Abstracts werden Sie per Mail informiert. Angenommene Beiträge müssen bis zum 15.11.2026 über das Managementsystem der Zeitschrift hier eingereicht werden.

forTEXT-Zeitschrift

forTEXT ist eine deutschsprachige Diamond-Open-Access-Online-Zeitschrift. Sie knüpft an das forTEXT-Portal an, das seit 2017 systematisch Einführungen in digitale Methoden der textbasierten Geisteswissenschaften bereitstellt und die Verbreitung von Digital-Humanities-Methoden in Forschung und Lehre anstrebt (www.portal.fortext.org).

Um den Einstieg in die geisteswissenschaftliche Forschung mit digitalen Methoden auf unterschiedlichen Ebenen zu fördern, bietet forTEXT einen Publikationsort für Methodenbeschreibungen, in der Praxis erprobte Lehrkonzepte, Anleitungen zum autodidaktischen Einstieg in die Nutzung digital-geisteswissenschaftlicher Tools und Tool- und Ressourcen-Reviews. So wollen wir vielfältige Perspektiven und Erfahrungen sichtbar machen und den offenen wissenschaftlichen Austausch fördern. Calls for Papers für Digital-Humanities-Themen in Forschung und Lehre erscheinen etwa halbjährlich. Die Ausgaben der forTEXT-Zeitschrift werden als thematisch organisierte Rolling Issues veröffentlicht, die fortlaufend um neue Beiträge ergänzt werden.

Thema

Der aktuelle Call for Papers widmet sich dem Thema Machine Learning und KI in der geisteswissenschaftlichen Forschung und Lehre. In diesem Rahmen laden wir dazu ein, Methodenbeiträge oder Lehrkonzepte einzureichen. Methodenbeiträge können z.B. beleuchten, welche Rolle Verfahren des maschinellen Lernens in unterschiedlichen Fachrichtungen der Digital Humanities spielen, z.B. in der Digital History, der Medienwissenschaft, den Kultur- oder den Literaturwissenschaften. Lehrkonzepte können einzelne Module (eine oder mehrere Seminarsitzungen oder Vorlesungen), z.B. zur Theorie, Geschichte oder Datenethik im Zusammenhang mit KI in den Geisteswissenschaften enthalten oder vollständige Seminarkonzepte (im wöchentlichen, Block- oder Hackathon-Format).

Einreichungen können beispielsweise folgende Themen abdecken:

Maschinelles Lernen in den Literaturwissenschaften (oder einem anderen Fachbereich)
KI in der Digital History (oder in einem anderen Fachbereich)
Vorlesung zum maschinellen Lernen in den Kultur- und Geisteswissenschaften
Modul zur Lehre der Textklassifikation mittels klassischer Machine-Learning-Verfahren
Replikationsstudie einer (eigenen oder fremden) KI-Anwendung in den Geisteswissenschaften in Form eines Seminar-Sitzungskonzepts
Wissenschaftliche Nutzung von genAI-Chatbots

Einreichungen können folgende Formate abdecken:

methodische Einführung
Lehrkonzept

Beitragsarten

forTEXT steht seit 2017 für verlässliche, qualitativ hochwertige Einführungen in die Methoden der Digital Humanities. Um dies auch weiterhin zu gewährleisten, bieten wir Autor*innen etablierte Templates zum Verfassen ihrer Beiträge. Detaillierte Informationen zu den Artikelbestandteilen und ihren Inhalten stehen in den Guidelines zur Verfügung. Die Beiträge müssen unter Verwendung der jeweiligen von forTEXT zur Verfügung gestellten Vorlage für die spezifischen Beitragsarten erstellt werden.

Details zur Einreichung

Zunächst bitten wir um die Einreichung eines Abstracts. Abstracts können ab sofort bis zum 15.9.2026 eingereicht werden. Abstracts sollten einen Umfang von max. 300 Wörtern nicht überschreiten und können formlos als Docx-Datei per Mail an redaktion@journal.fortext.org eingereicht werden.

Auf Grundlage des Abstracts wird über die thematische Passung entschieden. Bei Annahme des Abstracts kann der vollständige Beitrag bis zum 15.11.2026 eingereicht werden. Dieser ist unter Verwendung der von forTEXT zur Verfügung gestellten Guidelines und Vorlagen zu verfassen, d.h.:

Fließtexte werden als Datei im Docx-Format eingereicht,
ggf. werden Tabellen (z.B. Sitzungsübersicht, Tool-Checkliste) im CSV-Format eingereicht,
Referenzen können als BibLaTeX, CSL-JSON oder BibTeX eingereicht werden und
Abbildungen können als PNG-Dateien und zusätzliche Anhänge als PDF- oder Docx-Dateien eingereicht werden.
Zudem bitten wir Sie, eine Metadatendatei im Yaml-Format auszufüllen.

Laden Sie den vollständigen Beitrag mit allen Dateien als ZIP-Datei im Managementsystem der Zeitschrift hoch. Dafür müssen Sie sich zunächst hier bei ULB Darmstadt TUJournals registrieren. Sollten Sie bereits ein Konto bei einer anderen Zeitschrift haben, die das gleiche Managementsystem (Janeway) nutzt, können Sie sich einfach mit diesen Zugangsdaten anmelden.

Fristen

Einreichung von Abstracts: 15.9.2026
Einreichung vollständiger Beiträge: 15.11.2026

Informationen zum Reviewverfahren

Nach der Zulassung zur Begutachtung durch die Herausgeberinnen werden die Einreichungen vor dem Hintergrund festgelegter Befangenheitskriterien den Fachredakteur*innen zugeteilt. Jeder Beitrag wird von zwei Gutachter*innen der forTEXT-Fachredaktion im Rahmen eines Open-Peer-Review-Verfahrens im double-open-Modus begutachtet. Die Gutachten werden auf Grundlage von festgelegten Bewertungskriterien und Checklisten durchgeführt. Letztere basieren auf den Submission-Guidelines für Autor*innen.

Die Bewertungskriterien umfassen allgemeine und spezielle Kriterien. Die allgemeinen Kriterien beziehen sich auf übergreifende Aspekte wie Niederschwelligkeit und Anwendungsorientierung. Die speziellen Kriterien bewerten hingegen die Passung zum jeweiligen Beitragstyp bzw. zur thematischen Ausrichtung der Ausgabe. Die Bewertungskriterien für Lehrkonzepte können Sie hier einsehen; die Kriterien für Methodenbeiträge finden Sie unter diesem Link.
Autor*innen werden im Anschluss über die Annahme oder die Ablehnung und mögliche Überarbeitungen informiert. Für eine eventuelle Überarbeitung erhalten die Autor*innen eine vierwöchige Frist, um diese einzuarbeiten.

Angenommene Beiträge werden voraussichtlich ab Februar 2027 in der Ausgabe “Maschinelles Lernen und KI in der geisteswissenschaftlichen Forschung und Lehre” als Rolling Issue publiziert.

Kosten der Veröffentlichung

Die Zeitschrift forTEXT erhebt keinerlei Gebühren von Autor*innen und Leser*innen. Dies ist möglich, da die Zeitschrift über eine von der Open Library of Humanities unterhaltene Infrastruktur publiziert wird, welche durch die Universitäts- und Landesbibliothek Darmstadt (ULB) zur Verfügung gestellt wird, und die redaktionelle Arbeit von einem Redaktionsteam umgesetzt wird. Derzeit werden lediglich die Redaktionsstellen finanziert, während die Fachredaktion und die Herausgeberinnen im Rahmen ihrer regulären Tätigkeiten tätig sind.

Redaktionsteam

Herausgeberinnen: Evelyn Gius und Mareike Schumacher
Redaktion: Clara Helmig und Haimo Stiemer
Fachredaktion: Mari Akazawa, Marie Flüh, Jan Horstmann, Janina Jacke, Jan Christoph Meister, Stefanie Messner

Haben Sie Fragen oder Anmerkungen zum diesjährigen Call for Papers? Schicken Sie uns gerne eine E-Mail an redaktion@journal.fortext.org.