HS: Korpuslinguistische Behandlung von Phänomenen des Deutschen

Transkript

1 HS: Korpuslinguistische Behandlung von Phänomenen des Deutschen WS 2005/2006 Anke Lüdeling with a lot of help from Stefan Evert & Marco Baroni Kontrastive Analyse (CIA) (quantitativer) Vergleich von zwei Texten, NS/NNS-Vergleiche: findet nichtnative Eigenschaften des Lernertextes Fehler, overuse, underuse, misuse geeignetes NNS-Kontrollkorpus (Norm) muss vorhanden sein NNS/NNS-Vergleiche 'typische' Fehler von Lernern verschiedener Muttersprachen (oder bei verschiedenen Aufgaben/verschiedenen Levels etc.) Kontrastive Analyse Hausaufgabe Aufgabe (Handout) keine/kaum offensichtlichen Fehler, aber Unterschiede in der Lexik und der Syntax wie sind diese Unterschiede festzumachen? NB: Translationese (Baroni & Bernardini, erscheint) man kann auch sehr subtile Unterschiede quantitative finden Text A: Beim Prinzip der Konventionalität gibt es für jede Bedeutung eine Form, von der die Menschen eine Vorstellung haben, dass sie auch gebraucht wird. Im Gegensatz dazu beinhaltet das Kontrastprinzip, dass davon ausgegangen wird, wenn es Unterschiede bezüglich der Form von Wörtern gibt auch unterschiedliche Wortbedeutungen existieren. Im frühen Kindesalter begreifen viele nicht, dass zwei von der Form verschiedene Wörter trotzdem das Gleiche bedeuten können Jedes der genannten Prinzipien ist pragmatisch. Beim Prinzip der Konventionalität liegt der Grund darin, dass durch eine Beobachtung der Sprechsituation erkannt werden kann welche Form und Bedeutung das jeweilige Wort zugeordnet bekamen. Hierbei besteht für kleine Kinder ein Problem, da sie annehmen können, dass die Wörter in verschiedenen Situationen anders verwendet werden, und ihnen auch eine unterschiedliche eine unterschiedliche Bedeutung zukommt. [...] Text B: In diesem Text mit dem Titel " pragmatische Erwerbsprinzipien " von Meibauer, Jörg handelt es sich um zwei pragmatische Prinzipien bei dem kindlichen Wortschatzerwerb, nämlich das Prinzip der Konventionalität und das Prinzip des Kontrasts. Zuerst wird eine spannende Frage gestellt, wie die Kinder so viele neue Wörter erwerben und sie phonologisch, morphologisch, syntaktisch, semantisch u.s.w. unterscheiden können. Dann wird die Meinung von Clark eingeführt, dass zwei pragmatische Prinzipien, bzw. das Prinzip der Konventionalität und das Prinzip des Kontrasts beim Wortschatzerwerb eine große Rolle spielen, und besonders für die Kinder wegen ihres noch wachsenden Wortschatzes. Nachfolgend werden die zwei Prinzipien mit konkreten Beispielen von Kindern erläutert. Das Prinzip der Konventionalität erklärt die Beziehung zwischen Wortbedeutung und Wortform, [...] Hausaufgabe - Diskussion [ ] Der Verfasser verwendete den Ausdruck die Menschen wahrscheinlich für man. Die Menschen besitzt jedoch die Konnotation eine bestimmte Gruppe (unter Anderem wegen des definiten Artikels) in Abgrenzung zu anderen Gruppen, z.b. in Abgrenzung zu anderen Säugetieren oder bei die Menschen in der Mensa. Im selben Satz befindet sich auch der Ausdruck eine Vorstellung, dass. Bei diesem Ausdruck steht vor dem Nomen ein undefiniter Artikel, das Nomen wird jedoch durch einen Relativsatz erklärt. Wegen der Erklärung durch den Relativsatz ist das Nomen nicht mehr unbestimmt, es wird sogar näher bestimmt. [ ] (Machicao y Priemer) Hausaufgabe - Diskussion [ ] Der Verfasser verwendete den Ausdruck die Menschen wahrscheinlich für man. Die Menschen besitzt jedoch die Konnotation eine bestimmte Gruppe (unter Anderem wegen des definiten Artikels) in Abgrenzung zu anderen Gruppen, z.b. in Abgrenzung zu anderen Säugetieren oder bei die Menschen in der Mensa. Im selben Satz befindet sich auch der Ausdruck eine Vorstellung, dass. Bei diesem Ausdruck steht vor dem Nomen ein undefiniter Artikel, das Nomen wird jedoch durch einen Relativsatz erklärt. Wegen der Erklärung durch den Relativsatz ist das Nomen nicht mehr unbestimmt, es wird sogar näher bestimmt. [ ] (Machicao y Priemer) qualitative Analyse einzelne Belege werden genau diskutiert 1

2 Hausaufgabe - Diskussion In dem 6 Sätze umfassenden Text A finden sich 5 mit dass eingeleitete Nebensätze, im Gegensatz zu Text B, in welchem nur einer vorkommt. Offenbar ist es dem Schreiber von Text B eher möglich, alternative Ausdrucksformen zu finden. Hingegen der Verfasser von Text A immer wieder auf eine bestimmte syntaktische Konstruktion zurückgreift, die sich anscheinend für ihn bewährt hat und bei der er sich sicher sein kann, dass sie formal korrekt ist. (Troyke) Hausaufgabe - Diskussion In dem 6 Sätze umfassenden Text A finden sich 5 mit dass eingeleitete Nebensätze, im Gegensatz zu Text B, in welchem nur einer vorkommt. Offenbar ist es dem Schreiber von Text B eher möglich, alternative Ausdrucksformen zu finden. Hingegen der Verfasser von Text A immer wieder auf eine bestimmte syntaktische Konstruktion zurückgreift, die sich anscheinend für ihn bewährt hat und bei der er sich sicher sein kann, dass sie formal korrekt ist. (Troyke) quantitative Argumentation Hausaufgabe Hausaufgabe Text A Text B Text A Text B L2 xxxxxx xxxxxxx L2 X L1 xxxxxxx xxxxxx L1 X Kontrastive Analyse was möchte man vergleichen? Lexik Syntax Stil/Register (?) Fehlerarten wie kann man vergleichen? Oberflächenmerkmale zählen Eigenschaften definieren und annotieren Kontrastive Analyse Beispiel: Lexik Benutzen LernerInnen im Durchschnitt weniger/mehr Wörter als MuttersprachlerInnen? Oder andere? Oder dieselben in anderer Verteilung? Benutzen LernerInnen kürzere/längere Wörter als MuttersprachlerInnen? Benutzen LernerInnen mehr/weniger Fremdwörter als MuttersprachlerInnen? Gibt es Unterschiede bezüglich der Verteilung der Wortarten? 2

3 Exkurs: Wörter zählen gebraucht wird. Im Gegensatz dazu beinhaltet das Kontrastprinzip, dass davon ausgegangen wird, wenn es Unterschiede bezüglich der Form Wortbedeutungen existieren. Im frühen Exkurs: Wörter zählen gebraucht wird 3 Tokens. Im des Gegensatz dazu beinhaltet das Kontrastprinzip Wortformtyps, dass davon ausgegangen wird, wenn der es Unterschiede bezüglich der Form Wortbedeutungen existieren. Im frühen Voraussetzung: Tokenisierung Exkurs: Wörter zählen gebraucht wird. Im 2 Gegensatz Tokens des dazu beinhaltet das Kontrastprinzip Lemmatyps, dass davon ausgegangen wird, wenn es Unterschiede Wort bezüglich der Form Wortbedeutungen existieren. Im frühen Voraussetzung: Lemmatisierung Exkurs: Wörter zählen gebraucht wird. Im Gegensatz dazu beinhaltet das Kontrastprinzip, dass davon ausgegangen wird, wenn es Unterschiede 16 Tokens bezüglich des der Form Wortarttyps Wortbedeutungen existieren NN. Im frühen Voraussetzung: Wortarttagging Kontrastive Analyse - Beispiel: Lexik Wenn man sich geeinigt hat, was man zählen möchte: kann man dann einfach loszählen? Kann man also zum Beispiel einfach die verschiedenen Lemmata in Text A und Text B auf dem Handout zählen und miteinander vergleichen? Beispiel: Lexik Benutzen LernerInnen im Durchschnitt weniger/mehr Wörter als MuttersprachlerInnen? da man nicht die gesamte Menge lernersprachlicher Äußerungen (oder die gesamte Menge Muttersprachlicher Äußerungen) durchsuchen kann, braucht man eine Stichprobe Repräsentativität (?) Größe (?) Korpus Falko 3

4 naiver Vergleich 1 direkter Vergleich man vergleicht die unterschiedlichen Wortformtypen Falko L1: 2485 Typen Falko L2: 4208 Typen Schlussfolgerung: Lerner nutzen mehr unterschiedliche Wortformen als Muttersprachler unterschiedliche Korpusgröße Falko L1: Tokens Falko L2: Tokens wenn ein Korpus größer ist, erwartet man (normalerweise), dass mehr unterschiedliche Wortformen vorkommen zusätzlicher Effekt hier: Falko L2 behandelt mehr unterschiedliche Themen man muss normalisieren naiver Vergleich 2 type-token-ratio naiver Vergleich 2 man teilt einfach die Anzahl der Typen durch die Anzahl der Tokens, berechnet also Wortformen pro Tokens: dann kann man auf eine Zahl n (hier 1000) normalisieren (man berechnet also Typen pro 1000 Tokens) Falko L1 Falko L / = 0, / = 0, ,8 / ,8 / 1000 Falko L1: 194,8 Typen / 1000 Tokens Falko L2: 136,8 Typen / 1000 Tokens Schlussfolgerung: Muttersprachler verwenden mehr unterschiedliche Wortformen als Lerner warum ist der Vergleich der hier problematisch? Schritt zurück: wir hatten angenommen, dass die Anzahl der Typen mit der Anzahl der Tokens wächst (daher konnte man nicht direkt vergleichen) wenn man die von unterschiedlich großen Korpora vergleicht, nimmt man an, dass diese von der Korpusgröße unabhängig ist aber: stimmt das? Falko L1 Falko L2 (Version 1.2) Falko L2 (Version 1.1) 2485 / = 0, / = 0, / = 0, ,8 / ,8 / /

5 offensichtlich ist die auch von der Korpusgröße abhängig offensichtlich ist die auch von der Korpusgröße abhängig je größer das Korpus, desto niedriger die ttr woran liegt das? Was versteht man unter der Definition Text? Diese Frage ist nur schwer zu beantworten. Bei einem Brief oder einem Gedicht ist uns allen klar, was der Text ist. offensichtlich ist die auch von der Korpusgröße abhängig je größer das Korpus, desto niedriger die ttr woran liegt das? Was versteht man unter der Definition Text? Diese Frage ist nur schwer zu beantworten. Bei einem Brief oder einem Gedicht ist uns allen klar, was der Text ist. Wiederholungen werden nur beim ersten Auftreten als neue Typen gezählt offensichtlich ist die auch von der Korpusgröße abhängig je größer das Korpus, desto niedriger die ttr man kann also nicht einfach die beiden ttr von unterschiedlichen Korpusgrößen miteinander vergleichen wenn man die Kurven aufeinander legt, kann man sehen, dass sie ganz ähnlich verlaufen die Entwicklung des ttr unterscheidet sich also kaum zwischen Lernern und Muttersprachlern (ttr bei Lernern nach den ersten Tokens ist 191,3 / 1000 (2441 Wortformtypen)). 5

6 Wiederholungen Was wird wiederholt? Funktionswörter Inhaltswörter (?) wie verhält sich die ttr, wenn man nur Inhaltswörter (hier Verben) betrachtet? stabile Werte wenn man vergleicht, wieviele Verben (also Wortarttypen) pro n Tokens vorkommen, stellt man fest, dass sich hier ein stabiler Wert ergibt (Schwankungen bei sehr kleinen Korpora sind normal) Unterschiede zwischen stabilen und sich ändernden Verteilungen wie unterscheiden sich ttr für Wortformen und für Wortarten? es gibt nur begrenzt viele Wortarten wenn man genug Text gesehen hat, hat man alle Wortarten gesehen man kann dann Proportionen von Wortarten ausrechnen wenn man mehr Text hinzufügt, bekommt man genauere Ergebnisse Verteilungen mit solchen Eigenschaften führen zu Kennzahlen, die sich auch bei unterschiedlicher Korpusgröße vergleichen lassen 6

7 Unterschiede zwischen stabilen und sich ändernden Verteilungen es gibt aber (jedenfalls für unsere Zwecke) unendlich viele verschiedene Wortformen man entdeckt also immer noch weitere Wortformen, egal, wieviel Text man schon angeschaut hat man hat einige häufige Typen und unendlich viele seltene Typen ( LNRE-Verteilung, Baayen 2001) aber, je mehr Text man gesehen hat, desto seltener werden neue Wortformen entdeckt man kann keine festen Proportionen abgeben wenn man mehr Text hinzufügt, verändern sich die Ergebnisse Verteilungen mit solchen Eigenschaften führen zu Kennzahlen, die sich bei unterschiedlicher Korpusgröße nicht einfach vergleichen lassen WICHTIG bevor Sie also zwei unterschiedlich große Korpora hinsichtlich irgendeiner Kennzahl vergleichen, müssen Sie feststellen, welche Art von Verteilung vorliegt. LNRE-Verteilungen Vergleich Wie kann man Kennzahlen von LNRE- Verteilungen doch vergleichen? man schneidet das größere Korpus entsprechend ab (dabei ist es wichtig, welche Texte man auswählt), verliert also Information man rechnet statistische Modelle, um den Kurvenverlauf des kleineren Korpus vorauszusagen Extrapolation (Baayen 2001), dies ist schwierig und aufwändig Literatur Baayen, R. Harald (2001) Word Frequeny Distributions. Kluwer, Dordrecht Quantitative-qualitativer Vergleich die 15 häufigsten Verben (L2) 620 sein 392 werden 192 können 182 haben 78 UNKNOWN 73 geben 64 müssen 54 bedeuten 50 sollen 49 betrachten 45 stehen 41 verstehen 41 gehen 39 unterscheiden 37 bezeichnen die 15 häufigsten Verben (L1) 196 sein 189 werden 72 können 40 haben 30 geben 23 verstehen 23 müssen 19 sollen 18 existieren 17 wollen 17 stellen 17 definieren 16 verwenden 15 gehen 14 sehen 7