Bericht zum Discourse Lab-Abschlussworkshop

„Ich sehe was, was du nicht siehst: Korpus-Tools im Vergleich“

Maria Becker, Anna Mattfeldt, Katharina Herget, Marcus Müller, Anastasia Pupynina, Jörn Stegmeier

Bericht als PDF zum Download

1. Einleitung

Am 06.10.2017 fand der Abschlussworkshop der Heidelberger Förderphase unseres in der Exzellenzinitiaive II, im Format FRONTIER, geförderten Projektes Discourse Lab am Germanistischen Seminar in Heidelberg statt.

Dabei ging es darum, die epistemischen Möglichkeiten und Grenzen korpuslinguistischer Analyseumgebungen zu diskutieren und empirisch miteinander zu vergleichen. Wie schon das Vorgängerformat „Jetzt mal ehrlich – Korpuslinguistik nutzen oder ignorieren“ (LINK) war auch dieser Workshop in einem agonalen Setting angelegt: Im Vorfeld wurden vier Teams gebildet, die damit beauftragt wurden, jeweils mit unterschiedlichen Tools das gleiche Datenset auf der Grundlage der gleichen Fragestellung zu analysieren.

Das Korpus bestand aus den Plenarprotokollen von März 1983 bis Juli 1983 und umfasste 17 Dokumente mit insgesamt 843.027 Wörtern. Der Analyseauftrag wurde dabei wie folgt formuliert: „Frieden, Freiheit, Sicherheit: Kontextsensitive Bedeutungsanalysen dreier Konzepte in Bundestagsdebatten“.

Die konkurrierenden Analyseumgebungen waren AntConc, vertreten durch Anna Mattfeldt von der Universität Heidelberg, Python, vorgetragen von Maria Becker vom Leibniz Science Campus in Heidelberg/Mannheim, und R, präsentiert von Katharina Herget und Anastasia Pupynina von der Technischen Universität Darmstadt.

Nach der Begrüßung durch Marcus Müller, Leiter des Discourse Lab, folgte ein Einführungsvortrag von Jörn Stegmeier, Koordinator und Entwickler der virtuellen Forschungsplattform des Labs, in dem er bisherige Arbeiten und Ergebnisse des Projekts vorstellte. Anschließend präsentierten die verschiedenen Teams in Kurzvorträgen die Ergebnisse ihrer Analysen.

2. Analyseberichte

2.1 Bericht zur Analyseumgebung AntConc (Anna Mattfeldt, Heidelberg)

Das Programm. Zum Test des Programms AntConc wurde die Version 3.4.1w für Windows verwendet. AntConc ist eines von mehreren Programmen von Laurence Anthony und als Freeware für verschiedene Betriebssysteme erhältlich. Dies erscheint insbesondere für Einsteiger in die Korpuslinguistik als hilfreich: Ohne große Vorkenntnisse und finanziellen Aufwand kann AntConc getestet werden, wodurch das Programm auch große Transparenz bietet. Die angestellten Analysen können von jedem, der Zugriff auf das Korpus hat, nachvollzogen werden. AntConc bietet verschiedene Grundfunktionen, die für diesen Vortrag verwendet wurden (Word list, Keyword list (Auswahl zwischen Chi-Square und log-likelihood), Kollokate (mit der Auswahl zwischen den statistischen Maßen T-Score und mutual information), Clusters/n-grams sowie FileView und Concordancing). Die Tags aus dem Korpus konnten angezeigt oder verborgen werden.

Vorgehen. Verschiedene Zugriffsmöglichkeiten standen zur Verfügung. Bewusst wurde hier, um das Programm entsprechend der Aufgabe zu testen, nur mit den in AntConc zur Verfügung stehenden Funktionen gearbeitet, ohne weitere Ergänzungen hinzuzunehmen. Um die vorgegebene Fragestellung nach den Konzepten ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ zu beantworten, wurde in drei Schritten vorgegangen:

1) Es wurden Kollokationen und Konkordanzen der Ausdrücke Freiheit, Sicherheit, Frieden sowie Cluster mit diesen Ausdrücken betrachtet. Zusätzlich wurde mithilfe des Concordance Plot geschaut, wie sich die Ausdrücke verteilen, um die Stellen, die die Ausdrücke verwenden, direkt zu finden. Dabei fallen einige Reden bereits bei diesem ersten Blick auf die Verteilung besonders auf und können genauer in den Blick genommen werden:

Abbildung 1: Concordance Plot zu Sicherheit

2) Ergänzt wurde diese Suche um weitere semantisch verwandte Ausdrücke; mit diesen wurden die AntConc-Funktionen ebenfalls angewandt (hier am Beispiel Frieden), um weiteres Wortschatzmaterial zu gewinnen:

1. a) aus der CCDB Datenbank: Friede, Weltfrieden, Stabilität, Friedensprozeß, Rechtsfrieden, Friedensschluß, Friedenslösung, Aussöhnung, Friedensregelung, Versöhnung, Friedensbemühung, Weltfriede, Prosperität, Ordnung, Friedensordnung, Friedensvertrag, Zusammenhalt, Gerechtigkeit, dauerhaft, Wohlstand, Befriedung, Friedenspolitik, territorial, Völkerverständigung, Unfriede, Verhandlungslösung, Waffenruhe…
2. b) aus Dornseiffs „Der deutsche Wortschatz nach Sachgruppen“ (Dornseiff 2004): Friede, Eintracht, Entspannung, Freundschaft, Partnerschaft, Ruhe, Sanftmut, Übereinstimmung, Verträglichkeit, Versöhnung, Ausgleich, Einigung, Gewaltfreiheit, Gewaltlosigkeit, Gewaltverzicht, Kompromiss, Übereinkommen, Vereinbarung, Vergleich, Vermittlung, Waffenruhe, Waffenstillstand, Weltfriede, Pazifismus, Abrüstung, Demobilisierung, Entmilitarisierung, Entwaffnung, Rüstungskontrolle, Olivenzweig, Regenbogen, Hippie, gütlich, konziliant, milde, ruhig, sanft, still, unbelästigt, unblutig, versöhnlich, ausgleichen, aussöhnen, beunruhigen, beschwichtigen, schlichten, vermitteln u.v.m.

3) Als letzter Schritt wurden qualitativ einzelne Textstellen (auf Grundlage des File View) gelesen. Besondere Aufmerksamkeit wurde auf Textstellen mit adversativen und konzessiven Konnektoren wie aber, obwohl etc. gelegt, um potenziell konfliktträchtige Stellen im Korpus zu finden (vgl. Felder 2012).

Ergebnisse. Die Ergebnisse sollen hier nur kurz anhand einer Grafik zusammengefasst und im Anschluss erläutert werden.

Abbildung 2: Ergebnisse der Analysen mit AntConc

Ausgehend von den Ergebnissen der oben genannten Schritte lassen sich folgende inhaltliche Ergebnisse zu den Konzepten Frieden, Freiheit und Sicherheit zusammenfassen:

Das Konzept ›Frieden‹ wird im Korpus sowohl als Ziel als auch als Zustand perspektiviert. Der Kontext des Kalten Krieges prägt dieses Konzept ebenso wie gesellschaftliche Spaltung, die sich auch in der Debatte um das Konzept ›Sicherheit‹ zeigt. Der Wohlstand wird dabei als Garant für Stabilität und Sicherheit angesetzt. In Bezug auf ›Sicherheit‹ steht vor allem die innere Sicherheit in Bezug auf gesellschaftliche Proteste im Vordergrund. Hier ergeben sich Konflikte mit dem Konzept ›Freiheit‹, insbesondere in der Teilbedeutung der individuellen Freiheit. Doch auch einzelne Staaten werden im Korpus als frei und weniger frei eingestuft. Interessant erscheint inhaltlich vor allem die Nähe zur Wirtschaftlichkeit: Wohlstand und eine funktionierende Wirtschaft erscheinen auch in diesem Zusammenhang als essentiell, um Freiheit zu gewährleisten.

Fazit. Als Fazit zu AntConc als Analysetool lässt sich festhalten: Für Grundfunktionen ist das Programm hervorragend einsetzbar und lässt sich gerade bei Interesse an einer Kombination qualitativer und quantitativer Verfahren gewinnbringend einsetzen. Dadurch ist der Erkenntnisprozess eher durch die Forschungsfragen des Forschers/der Forscherin gesteuert als durch Vorgaben des Programms selbst: Es erfordert dadurch eine eigene Lenkung des Prozesses orientiert an der jeweiligen Forschungsfrage (hier an den Konzepten, die durch den Arbeitsauftrag vorgegeben waren, und einer deduktiven Eruierung weiteren lexikalischen Materials). Gleichzeitig kann durch Grundfunktionen wie die Keywordanalyse oder das Anzeigen von Clustern auch das Korpus “für sich” sprechen. Einige Aspekte wie semantische Annotation etc. fehlen und müssten bei Interesse mit Hilfe anderer Programme oder zusätzliche Programmierung der Originaltexte ergänzt werden – die Erweiterungsmöglichkeiten sind allerdings insbesondere für das Englische groß. Das Programm ist sehr einfach zu erlernen und damit auch für die Lehre hervorragend einsetzbar. Es bietet korpuslinguistische Grundfunktionen für viele verschiedene (auch nichteuropäische!) Sprachen. Als Freeware ist es zudem der Nachprüfung zugänglich und bietet große Transparenz.

2.2 Bericht zur Analyseumgebung Python (Maria Becker, Heidelberg/Darmstadt)

Das Programm. Python ist eine objektorientierte Programmiersprache die sich durch eine klare Syntax und einfache Struktur auszeichnet. Darüber hinaus besitzt Python eine umfangreiche Standardbibliothek und zahlreiche Pakete, also vorgefertigte Sammlungen von Funktionen für ein breites Anwendungsspektrum. Unter diesen befinden sich auch viele nützliche Module zur Verarbeitung natürlicher Sprache, auf die auch für die im Folgenden präsentierten Analysen zurückgegriffen wurde. So wurde beispielsweise das Modul „BeautifulSoup“ zum parsen der Korpusdaten im XML-Format verwendet, das Modul „Collections“ diente zur Berechnung von Wortfrequenzen und Kookkurrenzen, „Sklearn“ wurde für das hierarchische Clustering verwendet, die Dendrogramme wurden mithilfe von „Scipy“ erstellt und „Matplotlib“ kam schließlich bei der Erstellung der Visualisierungen zum Einsatz.

Analysen und Ergebnisse. Zur kontextsensitiven Bedeutungsanalyse der drei Konzepte ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ in den Bundestagsdebatten von März bis Juli 1983 wurden verschiedene Ansätze gewählt, von denen im Folgenden exemplarisch drei Analysen näher beschrieben werden sollen. Im Mittelpunkt der Untersuchungen stand dabei die unterschiedliche Konzeptualisierung von ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ durch die Mitglieder der im Bundestag vertretenen Parteien: GRÜNE, SPD, CDU/CSU und FDP. Die Redebeiträge konnten durch die Strukturierung der Dokumente im XML-Format den verschiedenen Parteien zugeordnet und entsprechend extrahiert und analysiert werden.

Okkurrenzen und Themenverläufe. Eine Okkurrenzanalyse der Ausdrücke Frieden, Freiheit und Sicherheit und der entsprechenden regulären Ausdrücke (?/F|f)rei.+,.+(?/F|f)ried.+ und .+(?/S|s)icher.+ zeigte, dass die Mitglieder der CDU/CSU beispielsweise vergleichsweise häufig über Frieden sprechen, während bei den Redebeiträgen der Mitglieder der SPD der Ausdruck Sicherheit zentral ist (vgl. Abbildung 3).

Abbildung 3: Okkurrenzen der Ausdrücke Frieden, Freiheit und Sicherheit

Des Weiteren wurden die Verwendung der Ausdrücke Frieden, Freiheit und Sicherheit und die entsprechenden regulären Ausdrücke im zeitlichen Verlauf untersucht. Dabei zeigte sich beispielsweise, dass das Konzept ›Frieden‹ bzw. die darauf verweisenden Ausdrücke vor allem zu Beginn und zum Ende des Untersuchungszeitraums von zentraler Bedeutung sind, während die Konzepte ›Freiheit‹ und ›Sicherheit‹ in regelmäßigen Abständen zentral in den Protokollen sind (vgl. Abbildung 4).

Abbildung 4: Thematische Verläufe der Ausdrücke Frieden, Freiheit und Sicherheit

Hierarchisches Clustering. Als weitere Untersuchungsmethode wurde hierarchisches Clustering, ein distanzbasiertes Verfahren zur Strukturierung heterogener Gesamtmengen, herangezogen. Die einzelnen Cluster bestehen dabei aus Objekten, die zueinander eine geringere Distanz (bzw. eine höhere Ähnlichkeit) aufweisen als zu den Objekten anderer Cluster. Die Frage, die dabei im Vordergrund steht, ist also, welche Elemente einer Gesamtmenge sich ähnlicher sind als andere. Hierfür wurden zunächst mithilfe des Python-Pakets „sklearn“ Featurevektoren für die Wörter im Kontext von Frieden, Freiheit und Sicherheit (bzw. entsprechender regulärer Ausdrücke) mit einer Fenstergröße von +/- 15 tokens erstellt, um anschließend deren Ähnlichkeit auf der Grundlage eines Distanzmaßes – hier der euklidischen Distanz – zu berechnen und schließlich die Ergebnisse als Dendrogramme zu visualisieren. Diese Dendogramme zeigen beispielsweise, dass sich die Redebeiträge der Parteien CDU/CSU und SPD, die das Konzept ›Freiheit‹ thematisieren, einander ähnlicher sind als dies etwa bei den Parteien SPD und FDP der Fall ist (vgl. Abbildung 5). Ebenfalls abzulesen ist, dass sich die GRÜNEN bei den Redebeiträgen, in denen es um ›Sicherheit‹ geht, deutlich von den anderen Parteien unterscheiden.

Abbildung 5: Hierarchisches Clustering der Kontexte der Ausdrücke Frieden, Freiheit und Sicherheit

Kookkurrenzen und Agonalität. Die Frage, die den Kookkurrenzanalysen zugrundgelegt wurde, war, wie strittig die Konzepte Frieden, Freiheit und Sicherheit im vorliegenden Korpus sind. Dabei wurde angenommen, dass sich im Kontext der auf ein strittiges Konzept verweisenden Ausdrücke viele agonale Wörter wie etwa Debatte, diskutieren, kontrovers sowie adversative, konzessive oder substitutive Konnektoren finden (vgl. Felder 2013). Operationalisiert wurde diese Fragestellung mit der Suche nach konzeptverweisenden Ausdrücken im Kontext agonaler Wörter mit einer Fenstergröße von +/-15 tokens. Zu diesem Zweck wurde zunächst ausgehend von 30 agonalen Ausdrücken ein agonales Lexikon mit insgesamt 907 Einträgen erstellt. Hierfür wurde auf die CCDB, einer Kookkurrenzdatenbank, die Auskunft über Wörter mit ähnlichen Kookkurrenzprofilen gibt und auf dem Deutschen Referenzkorpus basiert (Belica 2011), zurückgegriffen. Abbildung 6 zeigt die Ergebnisse der Kookkurrenzanalysen, die mithilfe des Python-Pakets „Collections“ erstellt wurden. Auffallend ist dabei zum Beispiel, dass sich im Umfeld der auf das Konzept ›Sicherheit‹ verweisenden Ausdrücke insbesondere bei den Redebeiträgen von CDU/CSU-Politikern viele agonale Ausdrücke finden, während beispielsweise die auf das Konzept ›Freiheit‹ verweisenden Ausdrücke in den Redebeiträgen der FDP-Abgeordneten am häufigsten im Kontext agonaler Ausdrücke stehen.

Abbildung 6: Prozentualer Anteil der Redebeiträge zu Frieden, Freiheit und Sicherheit, die agonale Ausdrücke enthalten

Fazit. Die Studien, die mithilfe der Analyseumgebung Python durchgeführt und von denen hier exemplarisch drei Analysen vorgestellt wurden, zeigten, wie mithilfe verschiedener Python-Pakete Erkenntnisse über die kontextsensitive Konzeptualisierung von ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ in den Bundestagsdebatten von März bis Juli 1983 gewonnen werden konnten. Python hat sich dabei als eine äußerst hilfreiche und fruchtbare Analyseumgebung erwiesen, die schnelle Zugänge zum Untersuchungskorpus und interessante Beobachtungen zu den Daten ermöglicht. Die erzielten Ergebnisse bieten darüber hinaus einen guten Ausgangspunkt und eine geeignete Grundlage für weitere hermeneutische Zugänge zu den Texten des untersuchten Korpus und sollten auch als eben solche betrachtet werden – als durch Textarbeit abzusichernde Beobachtungen, als Ausgangshypothesen, jedoch nicht als finale Ergebnisse.

Darüber hinaus fiel auf, dass die Vorstrukturierung der Daten im XML-Format den Erkenntnisprozess maßgeblich prägte: So konnte beispielsweise die Information, welcher Redner bzw. welche Rednerin welcher Partei angehört, statistisch ausgewertet und analysiert werden, während beispielsweise keine Information über die Unterteilung der Tagesordnungspunkte in den XML-Strukturen hinterlegt war. Diese Information konnte dementsprechend nicht in den Analysen berücksichtigt werden, obgleich es sich dabei um ein wichtiges Strukturelement in den Bundestagsdebatten handelt.

Da es sich bei dem Korpus um ein vergleichsweise kleines Datenset handelt, bietet sowohl die Repräsentativität der Ergebnisse als auch die Wahl des Methodensets darüber hinaus sicherlich Diskussionspotential. So sind etwa die Subkorpora, die für das hierarchische Clustering gebildet wurden, vergleichsweise klein, insbesondere hier ist es deshalb wichtig, die erzielten Ergebnisse als Ausgangspunkt weiterer qualitativen Analysen zu betrachten und nicht als solche stehen zu lassen.

2.3 Bericht zur Analyseumgebung R (Katharina Herget und Anastasia Pupynina, Darmstadt)

Spätestens seit der Publikation von „Text Analysis with R for Students of Literature“ (Jockers, 2014) hat sich R als ein Tool für sprach- und literaturwissenschaftliche Analysen etabliert. Der Open Access-Charakter und die große Nutzercommunity tragen zur stetig expandierenden Flexibilität des Tools bei. Kombiniert wurden in den im Folgenden dargestellten Analysen zwei Ansätze: stilometrische Analysen mit Hilfe des “stylo”-Packages und das Topic Modeling mit “mallet”.

Stilometrische Analysen. Das Package “stylo” (Eder, Rybicki, & Kestemont, 2017) wurde speziell für stilometrische Analysen von der Computational Stylistics Group programmiert. Durch die simple GUI-Anwendung trug “stylo” stark zur Popularisierung des Textdistanzmaßes Delta (Burrows, 2002) bei. Das Delta-Maß dient als Basis für die Analysen, die Anastasia Pupynina im ersten Teil präsentierte.

Zunächst wurde ermittelt, welche Protokolle die kleinste Distanz zueinander haben. Es stellte sich heraus, dass die Protokolle 13 und 16 sehr ähnlich zueinander sind: das konsequente Clustering in einer Spanne von 100 bis 2000 most frequent words ließ darauf schließen, dass die Ähnlichkeit sich nicht nur auf formale Kriterien wie Textlänge oder Anteil der politisch formalisierten Sprache zurückführen lässt.

Abbildung 7: Die Verteilung der Ausdrücke Frieden, Freiheit, Sicherheit im Korpus der Bundestagsprotokolle

Im Gegensatz zur Ähnlichkeitsberechnung auf der Basis der Delta-Distanz wurde in einem weiteren Schritt gezielt in den einzelnen Bundestagsprotokollen nach den Ausdrücken Frieden, Freiheit und Sicherheit gesucht (Abbildung 7). Es stellte sich heraus, dass in einigen Diskussionen die drei Begriffe durchgehend vorkamen, während sie bei anderen gar nicht vorhanden sind. Die Protokolle 13 und 16 gehörten zu ersteren, stark von den Begriffen dominierte Debatten sind aber auch Nr. 4, 8 und 11. Der nähere Kontext der Verwendung bleibt allerdings verborgen.

Eine weitere Wortsuche nach den Wörtern USA, Türkei, Sowjet zielte darauf ab, den Verwendungskontext einzugrenzen (Abbildung 8). Die Wahl der dazugehörigen Länder spiegelt die politische Lage der Zeit wider. Es wurde klar, dass USA in allen erwähnten Protokollen häufiger vorkam als die anderen Keywords. Im Protokoll 13 wurden alle ausgesuchten Wörter am meisten verwendet.

Abbildung 8: Die Verteilung der Ausdrücke Sicherheit, Türkei, Sowjet und USA im Korpus

“Stylo” eignet sich in diesem Fall gut, um im Textkorpus die Texte zu identifizieren, in den man weitere Analysen durchführen sollte: Würde man sich die Protokolle Nr. 2, 9 oder 10 für kontextsensitive Bedeutungsanalysen der Konzepte ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ aussuchen, müsste zumindest die Liste der dazugehörigen Keywords erweitert werden. In den Protokollen 4 und 13 hingegen scheint der Text deutlich mehr Anknüpfungspunkte für eine detaillierte Kontextanalyse zu bieten. Für komplexere Analysen des Kontexts wurde das Topic Modeling-Package “mallet” herangezogen.

Topic Modeling der Bundestagsdebatten. Unter Topic Modeling wird ein statistisches Verfahren des Data Minings verstanden, welches anhand wahrscheinlichkeitsrechnungsbasierter Modelle versucht, die hidden structure großer Textmengen herauszustellen (Blei, 2012). Beim Topic Modeling wird – vereinfacht dargestellt – berechnet, welche Worte korpusübergreifend mit hoher Wahrscheinlichkeit gemeinsam auftreten, sodass anhand dieser herausgestellten Topics etwa auf Inhalte, Themen und Figurenkonstellationen der untersuchten Texte geschlossen werden kann.

Für die vorliegenden Analysen wurde auf das Package mallet für R zurückgegriffen (Blei, Ng, & Jordan, 2003; Mimno, 2013). Das diesem Artikel zugrunde liegende Topic Modeling besteht aus 96 Topics, die jeweils 20 Worte enthalten, und 100.000 Iterationen, d.h. es wurde mithilfe 100.000 korrektiver, algorithmischer Berechnungs- und Zuordnungsvorgänge durchgeführt. Neben den Worten, anhand derer der Algorithmus selbstständig die Topics bildet, werden zudem noch die zugehörigen Topic-Weights und Word-Weights ausgegeben, welche die Gewichtung der einzelnen Topics innerhalb der Korpusdokumente und die Gewichtung der Worte innerhalb der Topics angeben.

Abbildung 9: Ein Blick in die Topic-Weights, zur Verdeutlichung wurden Werte >10 gelb markiert. Die einzelnen Zeilen ergeben jeweils die Summe 100%

Zwei Topics mit einem korpusübergreifend besonders hohen Topic Weight soll die Ergebnisse des Topic Modelings verdeutlichen:

14 spd bundesregierung frage kollege vizepräsident abgeordneten herrn fragen zeit deutschen kollegen richtig bundesrepublik bereit stellen bundesminister abgeordneter entwicklung zusammenhang teil

64 cdu/csu beifall fdp herren damen grünen politik wort grüne menschen bundeskanzler jahren wissen jahre regierung deutlich abg punkt welt gehört

Die hohen Topic-Weights der beiden exemplarischen Topics lassen die These zu, dass beide Topics besonders korpusspezifisch sind, da diese prozentual nicht auf ein einzelnes Protokoll verweisen, sondern gegenteilig für alle Bundestagsprotokolle besonders wahrscheinlich sind (vergleiche Abbildung 9). Für diesen Befund spricht zudem, dass die enthaltenen Topic-Worte wie Parteinamen, protokollarischen Feststellungen (bspw. Beifall oder Abg als Abkürzung der Amtsbezeichnung des Abgeordneten) exemplarisch für die stark formalisierte politische Protokollsprache stehen.

Ergänzend zu diesen korpusübergreifenden Topics lassen sich anhand der Topic-Weights zudem auch Topics herausstellen, deren Weights auf einen spezifischen Einzeltext im Gesamtkorpus verweisen, als exemplarischer Beleg hierfür kann das Topic 22 angeführt werden:

22 wald waldsterben duve hauff späth baden-württemberg ministerpräsident großfeuerungsanlagen-verordnung problem schäden barzel hessen stücklen thema schily cdu zimmermann umwelt luft europa

Dieses Topic hat mit 35,6% eine besonders starke Gewichtung innerhalb des Dokuments 10009, ein Blick in das betreffende Protokoll offenbart die Themen der Bundestagssitzung; unter anderem wurden in der Sitzung ein Notprogramm gegen das Waldsterben und ein Programm gegen die erhöhte Luftbelastung besprochen, diese Schwerpunkte lassen sich auch an den Topic-Worten deutlich erkennen.

Fazit und Methodenkombinationen. Nachdem das gegebene Workshop-Korpus zunächst separat stilometrisch und per Topic Modeling analysiert wurde, haben wir die Erkenntnisse der beiden Analyseverfahren entsprechend unseres „Scalable Reading / Reading at Scale“-Ansatzes in der digitalen Literaturwissenschaft  (Weitin, 2017) miteinander kontrastiert und kombiniert.

Abbildung 10: Wortverteilungen in Protokoll 13

Beispielhaft für dieses Vorgehen kann die Analyse von Protokoll 13 herangezogen werden, welches schon zuvor bezüglich der begrifflichen Häufungen und enthaltenen Wortverteilungen von frei, Frieden und Sicherheit auffiel. Werden nun die beiden Topics mit den höchsten prozentualen Entsprechungen zu diesem Dokument zur Analyse hinzugezogen, so zeigt sich eine enge thematische Verknüpfung:

Topic 20 mit einem Topic-Weight von 23%

türkei grüne westphal    schily bahr geißler    spranger doppelbeschluß wörner    demokratie frankfurt freiheit    land position fischer    türkischen münchen jugend    auschwitz familie#

Topic 25 mit einem Topic-Weight von 16%:

sowjetunion waffen europa    verhandlungen frieden sicherheit nato    abrüstung raketen ehmke    amerikanischen genf bündnis    stationierung krieg westen    westlichen antwort vereinigten sowjetischen

So offenbaren sich deutliche Anknüpfungspunkte zwischen beiden Anwendungen.  Die Ergebnisse der stilometrischen Wortverteilungsuntersuchungen können durch einen kombinierenden Analyseschritt unter Einbeziehung der Topics und deren Weights bestätigt und thematisch spezifiziert werden.

Die vorangegangenen Analysen konnten zusammenfassend also Ergebnisse sowohl auf der Wort- als auch auf der Korpusebene aufzeigen. So zeigt sich anhand der Begriffsverteilung innerhalb der Protokolle, dass das Korpus der Bundestagsprotokolle ein thematisch vielseitiges Korpus ist, welches allerdings thematische Begriffshäufungen je Protokoll aufweist.

Auf der Korpusebene lässt sich festhalten, dass die Konzepte ›Frieden‹, ›Freiheit‹ und ›Sicherheit‹ zwar korpusrelevant, aber nicht korpusdominierend sind. Insgesamt konnte demnach belegt werden, dass sich die methodische Kombination aus stilometrischen und inhaltlich-strukturellen Verfahren in der statistischen Arbeitsumgebung R bzw. RStudio als sehr fruchtbar erwiesen hat.

Auf der Toolebene hingegen erwies sich eine Bewertung von R und RStudio als etwas komplizierter – dadurch, dass R (ebenso wie Python) eine eigenständige Programmiersprache ist, sind den Möglichkeiten zur Korpusanalyse keine Grenzen gesetzt. Die R-Community ist stetig im Wandel und neue Packages werden sowohl für R-interne Anwendungen als auch für externe Programme (sog. Wrapper-Packages) entworfen. Programmierumgebungen lassen sich daher schwer mit Tools mit vorgegebenem Anwendungsspektrum (wie z.B. AntConc) vergleichen.  

3. Fazit

Nach den drei Vorträgen zog sich die Jury, bestehend aus Vertretern quantitativer und qualitativer Methoden der Korpus- und Diskurslinguistik (Ekkehard Felder (Universität Heidelberg), Ines Rehbein (Leibniz Science Campus, Heidelberg/Mannheim) und Rainer Perkuhn (Institut für deutsche Sprache, Mannheim)) zurück, um anschließend das Siegerteam mit dem Preis – einer Flasche Champagner – zu küren. Die Jury entschied sich nach intensiver Debatte und langem Ringen dafür, die von Maria Becker mithilfe der Analyseumgebung Python erzielen Ergebnisse zu prämieren.

In einer anschließenden Runde wurden dann die Ergebnisse gegenübergestellt und diskutiert. Unter anderem standen dabei der Aufbau und die Beschaffenheit der Datengrundlage, die Aussagekraft und Repräsentativität der Ergebnisse und die Transparenz der gewählten Tools im Vordergrund.

Die Vorgehensweisen der Referentinnen und die hier dargestellten Ergebnis-Skizzen der Analysen zeigen plastisch die Möglichkeit und Grenzen der Analyseumgebungen auf. Hier gilt es, drei Ebenen voneinander zu trennen: a) die statistische Analyse von Ausdrucksverteilungen, b) die Sicherheit des Schlusses auf Konzepte und c) die Kontextualisierung der Ergebnisse unter Einbeziehung diskurspragmatischer Informationen. Es hat sich hier gezeigt, dass (a) mit Analysesprachen flexibler durchzuführen ist. Das wiederum umso mehr, je weniger man auf gängige Packages bzw. Benutzeroberflächen dazu angewiesen ist. Es ist jedoch nicht nur in unserem Workshop zu demonstrieren gewesen, dass unbegrenzte Möglichkeiten nicht auch gleichzusetzen sind mit unbegrenzten Analysen, sondern dass neben den technischen auch die wissenschaftssozialen Dispositive greifen, das also Traditionen, Trends und Moden der Analyse relativ zu Tools die Erkenntnismöglichkeiten durchaus beeinflussen. Das zeigt sich schön darin, dass in unserem Analysekontext weitgehend funktionsäquivalenten Programmiersprachen R und Python auf erwartbare Weise ganz unterschiedlich eingesetzt wurden und entsprechend auch völlig verschiedene Zugänge zu den Analysedaten ergeben haben. Bezüglich (b) hat sich wiederum gezeigt, dass für den Gebrauch von Konkordanz-Tools wie AntConc, die eine statistisch weniger elaborierte, dafür aber jederzeit textnahe Datenanalyse gewährleisten, der Zusammenhang von Ausdruck, Wort, Text und Konzept schon am weitesten ausgearbeitet ist und die Referentin insofern auch auf eine im Fach validierte Methode der Konzeptanalyse zurückgreifen konnte. Die mit Programmiersprachen operierenden Referentinnen dagegen mussten eher okkasionalistisch mit situativen Ansätzen auf die Konzeptebene schließen. Das führte zu vielversprechenden, aber eben auch in vielerlei Hinsicht zu diskutierenden Ansätzen. Der kontextualisierende Schluss auf die Ebene der kommunikativen Realität schließlich (c) war zwar nicht Gegenstand des Workshops, es hat sich aber in allen Vorträgen und Diskussionen abgezeichnet, wo die Hauptthemen und Herausforderungen liegen: Eine gegenstandsbezogene Interpretation, die abseits von Methodenworkshops im ‘echten Forscherleben’ das Ziel jeder Digitalen Diskursanalyse (Müller 2017) sein muss, verlangt vor der statistischen Analyse eine von Beginn an auf das Erkenntnisinteresse bezogene Prozedur der Erhebung, Auswahl und Zubereitung von Forschungsdaten und -metadaten  und danach erstens eine selbstkritische Gewichtung des spezifischen Erkenntnispotentials des gewählten Zugriffs und zweitens eine Technik des kontrollierten Inbezugsetzens von Analyse-, Forschungs-  und Kontextdaten (Müller 2015). Wichtig ist hier erstens festzuhalten, dass die prä- und poststatistischen Analysetechniken mindestens ebenso anspruchsvoll sind und entsprechend gelernt und durchdrungen werden müssen wie die statistischen. Zweitens steigen insbesondere die Ansprüche an die poststatistische Analyse mit der Komplexion der statistischen. Es ist daher darauf zu achten, dass die durch die Dynamik von Analysesprachen wie R und Python getriebene Entwicklung der statistischen Analyse sich nicht von der Entwicklung der Kontextualiserungstechniken abkoppelt. Sonst werden wir viel über die Verteilung von Ausdrücken in Datenpopulationen und wenig über Diskurse wissen. Insofern möchten wir dafür plädieren, auf den Gleichklang von Korpusbildung, Preprocessing, Datenanalyse und Kontextualisierung zu achten und im Zweifel auf einfachere, aber epistemologisch beherrschbare Analysetechniken zurückzugreifen. Insbesondere darf nicht vergessen werden, dass wir nicht mit Wörtern, sondern mit Texten und Gesprächsbeiträgen kommunizieren, dass also Wortverteilungen immer nur mittelbare Hinweise (nach Gumperz 1982: “contextualisation cues”) auf kommunikative Praktiken sind.

Zum Abschluss unseres Workshops wurde zum Empfang und Buffet in der Vinothek Oskar in Heidelberg geladen, wo der Tag bei gutem Wein und Essen gemütlich ausklingen konnte. Wie bereits der erste Workshop war auch dieser wieder sehr lebendig und lehrreich. Da das Projekt Discourse Lab in Zukunft am Fachgebiet Germanistik – Digitale Linguistik, Prof. Marcus Müller an der Technischen Universität Darmstadt fortgesetzt wird, darf man sich auf eine Fortsetzung der Workshopreihe freuen.

 

4. Referenzen

Anthony, L. (2014). AntConc. Version 3.4.1w. Tokio, Japan: Waseda University. Online verfügbar unter http://www.antlab.sci.waseda.ac.jp/, letzter Abruf 29.9.2016.

Belica, C. (2001): Kookkurrenzdatenbank CCDB – V3.3. Eine korpuslinguistische Denk- und Experimentierplattform. Institut für Deutsche Sprache Mannheim. Abgerufen unter  http://corpora.ids-mannheim.de/ccdb/, letzter Abruf 27.2.2018.

Belica, C. (2011). Semantische Nähe als Ähnlichkeit von Kookkurrenzprofilen. In: Andrea Abel, Renata Zanin, Hrsg., Korpora in Lehre und Forschung, S. 155-178. Bozen-Bolzano University Press. Freie Universität Bozen-Bolzano.

Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84.

Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. The Journal of Machine Learning Research, 3, 993–1022.

Burrows, J. (2002). ‘Delta’: a Measure of Stylistic Difference and a Guide to Likely Authorship. Literary and Linguistic Computing, 17(3), 267-287. doi:10.1093/llc/17.3.267

Dornseiff, F. (2004). Der deutsche Wortschatz nach Sachgruppen. Mit einer lexikographisch-historischen Einführung und einer ausgewählten Bibliographie zur Lexikographie und Onomasiologie von Herbert Ernst Wiegand. Unter Mitarbeit von Uwe Quasthoff. 8., völlig neu bearbeitete und mit einem vollständigen alphabetischen Zugriffsregister versehene Auflage. Berlin u.a.: de Gruyter.

Eder, M., Rybicki, J., & Kestemont, M. (2017). stylo: Stylometric Analyses (Version 0.6.5). Abgerufen von https://cran.r-project.org/web/packages/stylo/index.html

Felder, E. (2012). „Pragma-semiotische Textarbeit und der hermeneutische Nutzen von Korpusanalysen für die linguistische Mediendiskursanalyse.“ In: Korpuspragmatik. Thematische Korpora als Basis diskurslinguistischer Analysen, herausgegeben von Ekkehard Felder, Marcus Müller & Friedemann Vogel, 115–174. Berlin u.a.: de Gruyter (Linguistik ‒ Impulse & Tendenzen, 44).

Felder, E. (2013). Faktizitätsherstellung mittels handlungsleitender Konzepte und agonaler Zentren. Der diskursive Wettkampf um Geltungsansprüche. In: Felder, Ekkehard (Hg.): Faktizitätsherstellung in Diskursen. Die Macht des Deklarativen. Berlin/Boston: de Gruyter, S. 13–28 (Sprache und Wissen, Bd. 13).

Gumperz, J.J. (1982): Discourse strategies. Cambridge : Cambridge University Press

Jockers, M. L. (2014). Text analysis with R for students of literature. New York: Springer.

Mimno, D. (2013). mallet: A wrapper around the Java machine learning tool MALLET (Version 1.0). Abgerufen von https://cran.r-project.org/web/packages/mallet/index.html

Müller, M. (2015): Sprachliches Rollenverhalten: Korpuspragmatische Studien zu divergenten Kontextualisierungen in Mündlichkeit und Schriftlichkeit. Berlin/Boston: De Gruyter (Sprache und Wissen, Bd.19).

Müller, M. (2017): Digitale Diskursanalyse. LitLab Pamphlet #5. http://www.digitalhumanitiescooperation.de/pamphlete/pamphlet-5-digitale-diskursanalyse/

Vogel, F. (2010‒). Corpustransfer ‒ GUI und Composer zur POS-Annotation und -Lemmatisierung auf Basis des TreeTaggers. Online verfügbar unter https://friedemann-vogel.de/index.php/software/31-corpustransfer. Letzter Abruf 5.12.2016.

Weitin, T. (2017). Scalable Reading. Zeitschrift für Literaturwissenschaft und Linguistik, 47(1), 1–6.

Weitin, T., & Herget, K. (2017). Falkentopics: Über einige Probleme beim Topic Modeling literarischer Texte. Zeitschrift für Literaturwissenschaft und Linguistik, 47(1), 29–48.

---

Discourse Lab-Workshop „Zeitungs- und Zeitschriftenkorpora des 19. Jahrhunderts“ am 24.11. in Darmstadt

Den vollständigen Bericht über den Discourse Lab-Workshop downloaden

Discourse Lab Workshop am 08.12.2016 an der TU Darmstadt

Am 08.12.2016 haben sich die Mitarbeiterinnen und Mitarbeiter des Discourse Lab zusammen mit Experten aus der den digitalen Geistes- und Kulturwissenschaften, der Germanistik, Linguistik, Politikwissenschaft und der forschungsorientierten Lehre getroffen, um über das bisherige Arbeitsprogramm des Discourse Labs zu sprechen und Möglichkeiten für die inhaltliche, technische und organisatorische Weiterentwicklung zu diskutieren. Weitere Punkte auf der Agenda betrafen die Anschlussmöglichkeiten in der Landschaft der bestehenden Infrastrukturen, die Entwicklung von Publikations- und Dokumentationsformaten sowie weiterführende Fördermöglichkeiten.

Den Auftakt des Workshop bildete ein Vortrag von Dr. Michael Bender (TU Darmstadt, Fachgebiet Germanistik /Digitale Linguistik) über die Forschungsumgebungen in den Digital Humanities und die Positionierung des Discourse Labs in der digitalen Forschungslandschaft.

Ein weiteres Highlight war eine Live-Demonstration der Forschungs- und Lehrplattform des Discourse Labs durch Dr. Jörn Stegmeier (Universität Heidelberg, Germanistische Linguistik). Sehr überzeugend war auch die Vorstellung des Discourse Lab Blogs von unserer Webredakteurin Johanna Meyer (Universität Heidelberg, Germanistische Linguistik). Diese Vorstellung wurde im Rahmen einer Besichtigung des „physischen“ Discourse Lab an der TU Darmstadt mittels einer Videokonferenz (inklusive interaktivem Monitor und Konferenzkamera) abgehalten.

Workshop des Graduiertennetzwerks “Fachkulturen-Sprachkulturen”

Am 14. Oktober 2015 fand im Rahmen des deutsch-chinesischen Graduiertennetzwerks „Fachkulturen – Sprachkulturen“ ein Workshop am Germanistischen Seminar in Heidelberg statt. Teilnehmer waren sowohl Doktoranden der Beijing Foreign Studies University (Peking, China) als auch Doktoranden aus Bern, Kassel, Mannheim und Heidelberg. So vielfältig wie die Herkunftsländer der Teilnehmer waren auch die von ihnen jeweils vertretenen Disziplinen: So waren Sprachwissenschaftler ebenso beteiligt wie Politikwissenschaftler, Wirtschaftswissenschafter, Computerlinguisten, Übersetzungswissenschaftler und Literaturwissenschaftler.

Eröffnet wurde die Veranstaltung mit einem Vortrag von Prof. Dr. Ekkehard Felder zum Thema „Wirklichkeit oder Konstruktion? Diskursanalytischen Überlegungen zur Wahrheitsproblematik“. Nach einer anregenden Diskussion stellten die Teilnehmer ihre Dissertationsprojekte vor und tauschten sich anschließend im Plenum über Methoden der Korpuserstellung und Erfahrungen hierbei aus. Nach dem Mittagessen wurden in kleineren Arbeitsgruppen relevante Fragestellungen zu den Qualifikationsprojekten sowie verschiedene, von den Teilnehmern mitgebrachte Text- und Korpusausschnitte besprochen. Abgerundet wurde der Workshop schließlich mit einer Abschlussdiskussion, in der sich die Teilnehmer mit transkulturellen Perspektiven in der Wissenschaft auseinandersetzten. Den Höhepunkt bildete schließlich ein gemeinsames Abendessen im Goldenen Hecht an der alten Brücke in Heidelberg.

Zum Programm des Graduiertenworkshops

---

Discourse Lab Workshop am 13.06.2014

Organisation: Dr. Marcus Müller, Katharina Jacob, Germanistisches Seminar / Dr. Giulia Pelillo, Romanisches Seminar, Junior Fellow am HCTS / Dr. Armin Volkmann, Cluster of Excellence “Asia and Europe in a Global Context”

[English version below]

Der Workshop behandelte das Verhältnis von Diskursanalyse und Transkulturalität in doppelter Weise. Einerseits ist die Diskursanalyse oft mit transkulturell verfassten Gegenständen beschäftigt: Wenn man den Zusammenhang von Sprache, Wissen und Gesellschaft untersucht, stößt man schnell auf kulturelle Praktiken, in denen ganz verschiedene Identitätsprojekte, die z.B. national, sprachlich oder disziplinär motiviert sein können und auf vielfältige Weise miteinander verflochten sind. Andererseits ist die Diskursanalyse selbst ein transkulturelles Programm, insofern in ihr Theorieentwürfe, Forschungsweisen und Leitkonzepte oft in hybriden fachkulturellen Kontexten entstehen, dann auf eine Disziplin hin ausformuliert werden und dort identitätsbildend wirken.

Im Workshop wurden die Multiperspektivik und methodische Vielfalt der Diskursanalyse als Ressource fruchtbar gemacht, indem z. B. folgende Fragen behandelt wurden: Wie ist das Verhältnis von Einzelsprache und kulturellen Flüssen bei der Formierung von Diskursen zu bestimmen? Inwiefern sind diskurs- und kulturhistorische Projekte selbst Identitätserzählungen? Was sind die Chancen und Risiken der interdisziplinären Methodenvielfalt in der Diskursanalyse? Was kann und soll eine transkulturelle Diskursgeschichte leisten? Wie kritisch darf und soll eine transkulturelle Diskursanalyse sein, ohne den Anspruch auf Wissenschaftlichkeit zu verlieren?

Programm des Workshops Diskursanalyse als transkulturelle Forschung

The Workshop treated the relationship between discourse analysis and transculturality in a dual perspective. On the one hand, transcultural topics are frequent in discourse analysis: Research on the interrelation of language, knowledge and society often addresses cultural practices which show a complex interdependency between various identity projects – national, linguistic or disciplinary. On the other hand discourse analysis itself is a transcultural program: theories, research methods and core concepts arise in hybrid epistemic contexts, are spelled out in view of a single discipline and, ultimately, help to establish a disciplinary identity.

In this workshop we wanted to take advantage of the multi-perspective and methodical diversity of discourse analysis treating e.g. the following questions: How can we describe the mutual influence of language systems and cultural flows in the formation of discourses? To what extent are histories of discourses and cultures themselves acts of identity? What are the risks and benefits of methodological diversity in discourse analysis? What is the accomplishment of a transcultural history of discourses? How critical vs. how objective should transcultural discourse analysis be as research project?

Vom 19. bis 21. März fand die 15. Tagung des DiscourseNet mit dem Thema ‘Discourses of Culture – Cultures of Discourse’ im wunderschönen Belgrad statt. In den verschiedenen Panels ging es um methodische und theoretische Zugänge zu diskursiven Phänomenen im Bereich der Kultur und um Ansätze, die sich mit dem Zusammenhang von Diskurs und Kultur beschäftigen. Beiträge dazu kamen aus verschiedensten Disziplinen, beispielweise den Medienwissenschaften, der Soziologie, den Politikwissenschaften, der Linguistik sowie den Literatur- und den Kulturwissenschaften. In unserem Vortrag mit dem Titel „Establishing identity and alterity in epistemic cultures“ haben wir (Marcus Müller und Maria Becker) anhand verschiedener Podiumsdiskussionen, die im Rahmen von Tagungen des Sprache und Wissen-Netzwerks aufgezeichnet wurden, sprachliche Mittel der Annäherung und Abgrenzung von Wissenskulturen herausgearbeitet und anschließend auch Discourse Lab unter dem Aspekt “Doing transcultural research” vorgestellt.

Belgrad war für uns in jeder Hinsicht eine spannende Erfahrung – in erster Linie natürlich in Bezug auf die Tagung selbst, die neben anregenden Präsentationen auch viele inspirierende Gespräche mit anderen Tagungsteilnehmern bot – aber auch in Bezug auf die Stadt Belgrad, eine Stadt mit wunderschöner Architektur, tollen Sehenswürdigkeiten, gutem Essen und fantastischer Live-Musik.

***

From 19 to 21 March, the 15th conference of DiscourseNet ‘Discourses of Culture – Cultures of Discourse’ took place in the beautiful Belgrade. The various panels focused on methodological and theoretical approaches to discursive phenomena in the field of culture and on approaches dealing with the nexus of discourse and culture. Contributions came from a variety of disciplines such as media studies, sociology, political science, linguistics, literary criticism and cultural studies. In our presentation, entitled “Establishing identity and alterity in epistemic cultures”, we (Marcus Müller and Maria Becker) analyzed several panel discussions that were recorded at interdisciplinary conferences of the research network “Language and Knowledge” at Heidelberg University, where scholars of various disciplines, e.g. molecular biologists, historians, medical scientist, theologians and linguists, discuss reflexive topics like ‘life’ and ‘facticity’ as key terms in science. We also presented Discourse Lab in the light of “Doing transcultural research”.

Belgrade was an exciting experience for us in every respect – with regard to the conference, which offered many interesting presentations and inspiring conversations with other conference participants – as well as Belgrade itself, a city with beautiful architecture, great sights, delicious food and fantastic live music.

---