Technische Beschreibung

1. Zweck: was gemessen wird

LogoStats misst, wie die Bibel verwendet wird: welche Verse, Kapitel und Bücher in Predigten, Artikeln, Andachten, Versen des Tages und anderen Quellen zitiert werden und welche selten oder nie. Der Grunddatensatz ist das Verwendungsereignis: ein bestimmbarer Anlass der Verwendung, etwa eine Predigt oder der Vers eines Tages. Jedes Ereignis zitiert eine oder mehrere Stellen; jede Stelle ist eine Angabe, wie die Quelle sie schreibt (sie kann aus getrennten Teilen bestehen). Beim Zählen wird jede Stelle in Beiträge zu einzelnen Verseinheiten zerlegt.

Vier Arten der Messung werden getrennt gehalten und nie zusammengezählt: Verwendung, vorgeschriebene Lesungen (Leseordnungen), von Dritten veröffentlichte Gesamtzahlen und privates Lesen (nie öffentlich).

Quellen: architecture/70-observations.md §2, §3.1; architecture/84-counting-definitions.md §1.

2. Datenmodell

Verwendungsereignisse

Ein Ereignis trägt Daten nach ihrer Rolle (ereignet, veröffentlicht, erfasst, gesendet, aufgerufen, abgerufen) mit angegebener Genauigkeit, das Publikum als Wert oder Spanne je Art der Messung, seinen Beleg (Quellensammlung, Release, Dokument, Fundstelle) und drei Qualitätsachsen: Belegbasis, Prüfstufe und Streitstatus. Sprecher, Autor, Organisation, Veranstaltung, Thema, Ort, Sprache und Konfession sind Auflösungsfelder: Der Rohwert der Quelle bleibt immer neben der aufgelösten Entität erhalten, mit einer Stufe der Bestimmtheit (genau, Familie, grobe Kategorie, Teildatensatz). Es gibt keinen gemeinsamen Platzhalter „unbekannt“, und eine Bibelübersetzung wird nie angenommen. Zielalter, Zweck und die Rolle einer Stelle werden getrennt von der Verwendungsart erfasst; „nicht erfasst“ ist etwas anderes als ein geprüftes „unbekannt“, und ein erschlossener Wert braucht einen Beleg und eine Konfidenz.

Stellen, Verseinheiten und Sequenzen

Eine Stelle wird als unveränderliche Stellenform gespeichert: eine Liste von Elementen mit Rollen (Kern, optional, alternativ, nur Kontext). Unter einem Zuordnungs-Release wird sie in Verseinheiten aufgelöst; eine Einheit zählt je Stelle höchstens einmal, und ein Teilvers (etwa „8a“) ergibt eine Teilabdeckung, ohne eine neue Einheit zu schaffen. Jede Einheit hat einen öffentlichen, zitierfähigen Schlüssel der Form nrf1:BOOK.ccc.vvv; Positionen in einer Sequenz (einem Kanon mit Reihenfolge) gehören zu einem deterministischen Build dieser Sequenz mit Prüfsumme.

Quellen und Aussagen

Eine Quellensammlung ist ein Datensatz mit seinem Stichprobendesign und seinen bekannten Verzerrungen; jedes Release einer Sammlung ist durch SHA-256, Zeilenzahl, Abrufdatum und Lizenz festgelegt. Sammlungen, Publikationen, Dokumente und Organisationen sind verschiedene Dinge. Jeder Wert behält seine Herkunft, von der Rohzeile über Aussagen, Auflösungen, Prüfereignisse und Zusammenführungen bis zum Prüfprotokoll. Die Abdeckung ist ausdrücklich angegeben (nicht abgedeckt, vollständig, teilweise, nicht angegeben), sodass eine fehlende Angabe nie als Null gelesen wird.

Personen und andere Entitäten und ihre Datenschutzregeln

Entitäten sind Personen, Organisationen, Konfessionen (in konkurrierenden Klassifikationssystemen, ohne eine allgemeine Hierarchie), Veranstaltungen, Orte und Begriffe; Beziehungen zwischen ihnen sind datiert und werden zu einem Stichtag ausgewertet. Die Regeln für Personen entscheiden im Zweifel gegen die Veröffentlichung:

• Sprecher, Mitwirkende, Belegquelle und Benutzerkonto sind vier Identitäten, die nie zusammengeführt werden;
• Daten über lebende Personen und über Personen mit ungeklärtem Lebensstatus sind standardmäßig eingeschränkt; ein Name erscheint nur auf einer Rechtsgrundlage, etwa wenn er offensichtlich öffentlich gemacht wurde;
• die Religionszugehörigkeit wird nie aus einem Zitat erschlossen; sie gehört zu den besonderen Kategorien personenbezogener Daten und ist nur bei Verstorbenen öffentlich, mit ausdrücklicher Einwilligung oder wo sie offensichtlich öffentlich gemacht wurde;
• kein persönliches Merkmal wird als Dimension der Statistik veröffentlicht, und Datensätze lebender Personen zählen in keiner öffentlichen Zahl, außer die Person hat eingewilligt oder ist nach dem Forschungsprotokoll freigegeben;
• Lesetagebücher haben keine öffentliche Einstellung; Einwilligungen sind getrennt, werden nur ergänzt und lassen sich sofort widerrufen;
• eine Löschung entfernt personenbezogene Daten auch aus dem Prüfprotokoll, und eingefrorene Datenstände vermerken eine Anpassung, statt stillschweigend geändert zu werden.

Quellen: architecture/70-observations.md §3.2–3.7; 35-passages-sequences-annotation.md §2, §4–5; 40-sources-claims.md §2.1–2.4; 50-entities.md §2, §8; 87-privacy-consent.md §1, §3–4.

3. Versifikation und Zuordnungs-Releases

Bibeln zählen ihre Verse unterschiedlich. LogoStats trennt die Angabe, die eine Quelle schreibt (eine Versnummer in einer bestimmten Versifikation), von der neutralen Einheit, die gezählt wird. Angaben gelangen nur über belegte Zuordnungen zu Einheiten (eins zu eins, eins zu vielen, viele zu eins, teilweise, ausgelassen, zusätzlich, ungefähr und andere); die Zuordnungen sind in Sets gruppiert und werden zu einem Zuordnungs-Release zusammengestellt. Von Fachleuten kuratierte Sets haben Vorrang vor importierten. Ein Release durchläuft Entwurf, Prüfung und Veröffentlichung, und ein veröffentlichtes Release ändert sich nie: Ein neues Release ersetzt es, und der Unterschied zwischen zwei Releases steuert die erneute Auflösung der betroffenen Stellen. Die Referenzdaten stammen aus veröffentlichten, zitierten Quellen (vor allem STEPBible TVTMS und den Versifikationsdateien von libpalaso), verankert in der BHS für die Hebräische Bibel und in NA/UBS für das Neue Testament. Die Versifikationssysteme und ihre Unterschiede sind auf /versification* beschrieben.

Quellen: architecture/30-scripture-reference-mapping.md §2, §7.1–7.5; versification/README.md.

4. Zählregeln, Kennzahlen und Einschlussprofile

Die Hauptkennzahl sind die Verwendungen auf Versebene, immer auf neutralen Einheiten berechnet: für jede Einheit die Summe aus Wiederholung × Gewicht über alle Stellen, die sie abdecken. Die Grundregel CR-BASE zählt Wiederholungen jedes Mal und zählt ein Kapitel oder einen Abschnitt einmal für jeden seiner Verse (ein Abschnitt von zehn Versen ergibt zehn Verwendungen auf Versebene und ein Stellenvorkommen); optionale Verse bleiben außen vor, ein Teilvers zählt eins, eine unbekannte Wiederholung zählt eins und wird als Untergrenze markiert, und nicht aufgelöste Angaben zählen für keine Einheit, werden aber ausgewiesen. Jede Variante ändert einen Parameter (zum Beispiel CR-EXPLICIT-VERSE, die Voreinstellung der öffentlichen Versdiagramme, oder CR-ONCE-PER-OCCURRENCE). Regeln sind versioniert und werden nie nachträglich geändert.

Ein Einschlussprofil legt fest, welche Datensätze zählen. Die öffentliche Seite verwendet das offizielle Profil: nur freigegebene Datensätze, mit einer Mindestqualität des Belegs (official@2). Weitere Kennzahlen zählen Ereignisse, Stellen, verschiedene Quellen und Veranstaltungen, die Reichweite beim Publikum und gleitende Zeitfenster. Die vollständige Liste mit jeder Regel, jeder Kennzahl und jedem Profil, wie sie in der Datenbank gespeichert sind, steht auf /methodology*.

Quellen: architecture/84-counting-definitions.md §2–7.

5. Statistik-Epochen und zitierfähige Datenstände

Die Live-Statistik ändert sich nur, wenn eine neue Epoche veröffentlicht wird (nur ergänzend, mit genau einer aktuellen Epoche); die Engine berechnet sie regelmäßig neu. Zahlen zum Zitieren stammen aus einem Datenstand (Release). Er friert die Epoche ein, zusammen mit der Version der Schemamigrationen, dem Commit der Engine, dem Zuordnungs-Release, der PostgreSQL-Version, einem SHA-256-Manifest der genau enthaltenen Datensatzversionen und dem Archiv mit seiner Prüfsumme; ein Datenstand kann eine DOI tragen. Ein Datenstand wird gebaut, eingefroren, dann veröffentlicht (oder zurückgezogen) und archiviert; spätere Löschungen werden als Anpassungen protokolliert. Jedes Ergebnis legt offen, mit welchen Regeln, welchem Profil und welchem Datenstand oder welcher Epoche es berechnet wurde. Die Datenstände stehen auf /releases*.

Quellen: architecture/90-statistics-public.md §1, §3.2, §3.5, §6.

6. Die Parallelkarte

Manche Verse sind mit anderen identisch oder ihnen sehr ähnlich (Parallelberichte, Zitate des Alten Testaments im Neuen). Die Parallelkarte hält diese Ähnlichkeit zwischen verschiedenen Stellen fest, getrennt von der Versifikationszuordnung, die die Identität desselben Textes unter verschiedener Zählung festhält. Verknüpfungen bestehen paarweise zwischen Wortspannen und sind nie transitiv; jede ist als identisch, nahezu identisch oder ähnlich eingestuft, mit einem Ähnlichkeitswert und einer Markierung für formelhafte Wendungen. Die Sets werden je Ausgabe gebaut und enthalten nur Positionen, Hashwerte und Werte, nie Bibeltext. Kann ein Zitat für mehrere parallele Stellen stehen, wird das erkannt und angezeigt, nie stillschweigend aufgelöst. Siehe /parallels*.

Quellen: versification/PARALLEL-MAP-PROPOSAL.md §0–3; versification/parallels/README.md.

7. Importformate und Prüfung

Daten kommen über dokumentierte Formate herein, vor allem das Citation-CSV (aktuelle Version 3.2, Schemaversion 5), mit den Vorlagen Full, Base und Simple, deren Spaltenköpfe in den Sprachen der Oberfläche angeboten werden; weitere Formate decken Leseordnungen, Gesamtzahlen, Entitäten und Zuordnungen ab. Jeder Import wird als Ganzes in der Vorschau gezeigt, entschieden und übernommen und lässt sich zurückrollen. Die Prüfung folgt einem einzigen Zustandsautomaten, in dem niemand die eigene Einreichung freigibt; Importe werden durch dokumentierte Zufallsstichproben geprüft (Methode, Seed und Schichten werden festgehalten), und gesammelte Quellen brauchen die Freigabe einer zweiten Person. Die Regeln für die Stichproben stehen im Forschungsprotokoll.

Quellen: architecture/60-ingestion-moderation.md §2.3–2.4, §11, §17.13–17.15; app/src/server/import/README.md.

8. Datenschutz und das Forschungsprotokoll

Das Forschungsprotokoll nennt die Forschungsfragen, wie Daten erhoben, geprüft und ausgewertet werden, die Grenzen der Ergebnisse und die Regeln für Ergebnisse über Personen; insbesondere gilt ein Bibelzitat nie als Beleg für die Religionszugehörigkeit einer Person. Wie personenbezogene Daten verarbeitet werden, beschreibt die Datenschutzerklärung.

9. Reproduzierbarkeit und das Repository

Alles, was eine Zahl bestimmt, ist versioniert und gespeichert: die Zählregeln, Profile und Kennzahlen, das Zuordnungs-Release, die Epoche und die Codeversion. Ein eingefrorener Datenstand, auf seinen festgehaltenen Versionen neu berechnet, ergibt dasselbe Ergebnis, und die Prüfsumme seines Manifests lässt jeden prüfen, dass dieselben Datensätze verwendet wurden. Die Regeln liegen in der Datenbank selbst (PostgreSQL, mit Zeilensicherheit), und das Projekt wird in einem Git-Repository entwickelt, mit automatischen Tests der Datenbank auf PostgreSQL 17 und 18, Tests der Webanwendung und einer automatischen Prüfung, die urheberrechtlich geschützten Bibeltext aus den Projektdateien heraushält.

Quellen: architecture/90-statistics-public.md §3.2, §3.5; architecture/10-foundation.md §8.

* Diese Seiten öffnen, sobald die öffentliche Statistik eingeschaltet ist.