Kontextualisierung von Sprachressourcen und -technologie in der geisteswissenschaftlichen Forschung

Transkript

1 Kontextualisierung von Sprachressourcen und -technologie in der geisteswissenschaftlichen Forschung Christoph Draxler (München) Hannah Kermes & Elke Teich (Saarbrücken)

2 Aufbau einer technischen Infrastruktur: Ressourcen, Metadaten, Prozesse Kontextualisierung der Infrastrukturkomponenten in (ausgewählten) geistesund sozialwissenschaftlichen Disziplinen Aufbereitung zu Ressourcen Einsatz von Tools Arbeiten mit Ressourcen und Tools (Analyse) 2

3 Fachwissenschaft Erkenntnisgewinn Methodenerweiterung Infrastruktur Ressourcen Metadaten Prozesse Methoden Machine learning Statistik Informationstheorie 3

4 text collection automatic annotation: segmentation tokenization lemmatization PoS tagging feature selection & extraction: KWIC lexico grammatical patterns data mining corpus sets of instances feature inspection & evaluation: visualization descriptive statistics data mining manual annotation: e.g., semantic roles, relations EXMARaLDA

5 (1) Kuration+ : Saarbrücken Cook Book Corpora (SaCoCo) (2) Lernen/Lehre: Teaching and Learning Materials Collection (TeLeMaCo) (3) Transfer: WebMAUS 5

6 (1) SaCoCo Aufbereitung und Erweiterung eines manuell kompilierten Corpus von Rezepten aus der frühen Neuzeit ( ; Wurm 2007, Dissertation) Forschungsfrage: Sprachliche Indikatoren von Textsortenbildung Replizierung von manuellen Analysen Neue Analysen 6

7 Aufbereitung 7

8 Analysen 8

9 Fachwissenschaft Erkenntnisgewinn Methodenerweiterung Infrastruktur Ressourcen Metadaten Prozesse,,experimental design Methoden Machine learning Statistik Informationstheorie 9

10 (2) TeLeMaCo Kollaboratives Repository für Lehr- und Lernmaterialien Metadaten und zusätzliche Information Erweiterte Sichtbarkeit/Erreichbarkeit der Ressourcen Kontextualisierte Suche 10

11 Kontextualisierte Suche bibliographisch: Autor, Titel, Erscheinungsjahr, URL pädagogisch: Voraussetzungen, Zielgruppe, Lernziele, Level thematisch: Beschreibung, Keywords technisch: Sprache, Medientyp, Art der Ressource rechtlich: Lizenz, Zugang 11

12 12

13 13

14 14

15 15

16 (3) WebMAUS 16

17 Ausgangslage Phonetik meist rein auditiv, zunehmend toolbasiert manuelle Transkription kleine Korpora Transkripte sind die Primärdaten Rohsignal sekundär Sprachtechnologie statistische Verfahren benötigt sehr große Sprachdatenbanken Rohsignal + Segmentation sind die Primärdaten 17

18 Phonetik Beispiele [Schikowski 2008] [Goebl 2004] [Hollmach 2007] 18

19 Sprachtechnologie Beispiel 19

20 MAUS Hintergrund: Sprachtechnologie Erstellen großer Sprachdatenbanken schrittweise Entwicklung monolinguales MAUS ab 2004 multilingual, erweiterbar Nutzerkreis fast ausschließlich Sprachtechnologen wenige Installationen weltweit 20

21 WebMAUS öffentlich verfügbar seit Zugriffe aus Industrie und Forschung neue Nutzerkreise Phonetik, Linguistik, Ethnologie, Dialektologie Studenten, nicht-akademische Nutzer neue Anwendungsbereiche, z.b. in Tools ELAN Videoannotation Aussprachetutor im Fremdsprachenunterricht 21

22 Kontextualisierung Nachhaltigkeit Nachnutzbarkeit Nachvollziehbarkeit Ressourcen Tools Analysen 22