Conference Presentation

Transkript

1 Conference Presentation Neue dialektometrische Versuche mit schweizerdeutschem Dialektmaterial SCHERRER, Yves Reference SCHERRER, Yves. Neue dialektometrische Versuche mit schweizerdeutschem Dialektmaterial. In: Geolinguistik-Workshop, Freiburg im Breisgau (Germany), dez 2011, 2011 Available at: Disclaimer: layout of this document may differ from the published version.

2 Neue dialektometrische Versuche mit schweizerdeutschem Dialektmaterial Yves Scherrer LATL Universität Genf Schweiz Geolinguistik-Workshop Dezember 2011 Freiburg i. Br. 1 / 30

3 Überblick 1 Einführung 2 SDS-Karten 3 SADS-Daten 4 ArchiMob-Texte 2 / 30

4 Einführung Dissertation: Maschinelle Übersetzung von Standarddeutsch in die verschiedenen schweizerdeutschen Dialekte Georeferenzierte Transformationsregeln, d.h. Transformationen, die nur in bestimmten Dialektregionen anwendbar sind Digitalisierte Karten aus dem Sprachatlas der deutschen Schweiz Rohdaten vom Syntaktischen Atlas der deutschen Schweiz Ein multidialektales Korpus für die Evaluierung der Regeln Mit diesen Daten kann man dialektometrische Experimente durchführen! Es gibt bislang kaum dialektometrische Arbeiten über die Deutschschweiz (ausgenommen Kelle 2001) Benutzte Tools: ArcGis für Digitalisierung, RuG/L04 für die dialektometrischen Analysen 3 / 30

5 Einführung Dissertation: Maschinelle Übersetzung von Standarddeutsch in die verschiedenen schweizerdeutschen Dialekte Georeferenzierte Transformationsregeln, d.h. Transformationen, die nur in bestimmten Dialektregionen anwendbar sind Digitalisierte Karten aus dem Sprachatlas der deutschen Schweiz Rohdaten vom Syntaktischen Atlas der deutschen Schweiz Ein multidialektales Korpus für die Evaluierung der Regeln Mit diesen Daten kann man dialektometrische Experimente durchführen! Es gibt bislang kaum dialektometrische Arbeiten über die Deutschschweiz (ausgenommen Kelle 2001) Benutzte Tools: ArcGis für Digitalisierung, RuG/L04 für die dialektometrischen Analysen 3 / 30

6 Einführung Dissertation: Maschinelle Übersetzung von Standarddeutsch in die verschiedenen schweizerdeutschen Dialekte Georeferenzierte Transformationsregeln, d.h. Transformationen, die nur in bestimmten Dialektregionen anwendbar sind Digitalisierte Karten aus dem Sprachatlas der deutschen Schweiz Rohdaten vom Syntaktischen Atlas der deutschen Schweiz Ein multidialektales Korpus für die Evaluierung der Regeln Mit diesen Daten kann man dialektometrische Experimente durchführen! Es gibt bislang kaum dialektometrische Arbeiten über die Deutschschweiz (ausgenommen Kelle 2001) Benutzte Tools: ArcGis für Digitalisierung, RuG/L04 für die dialektometrischen Analysen 3 / 30

7 Einführung Bernhard Kelle (2001): Zur Typologie der Dialekte in der deutschsprachigen Schweiz: ein dialektometrischer Versuch, Dialectologia et Geolinguistica. Besprechung verschiedener Vorschläge zur Dialektgliederung, u.a. Bohnenberger (1953) Hotzenköcherle (1984) Haas (1982) Alle diese Gliederungen wurden aufgrund von wenigen, mehr oder weniger arbiträr ausgewählten Variablen vorgenommen. Clusteranalyse mit einem Teil der Daten des Sprachatlas der deutschen Schweiz 4 / 30

8 Clusteranalyse von Kelle (2001) 170 Karten, 101 Ortspunkte, Complete Linkage, 6 Cluster 5 / 30

9 Überblick 1 Einführung 2 SDS-Karten 3 SADS-Daten 4 ArchiMob-Texte 6 / 30

10 SDS-Karten Können die Resultate von Kelle mit leicht unterschiedlichen Daten repliziert werden? Meine digitalisierte Karten aus dem SDS: Lautgeographie, Formengeographie, Wortgeographie 200 Karten (von insgesamt 1500 im SDS) Teilweise vereinfachtes Feature-Inventar Komplettes Ortsnetz, ausg. italienische Südorte (600 Punkte) Zum Vergleich die SDS-Daten von Kelle: Lautgeographie, Formengeographie 170 Karten Komplettes Feature-Inventar Reduziertes Ortsnetz (101 Punkte) 7 / 30

11 SDS-Karten Können die Resultate von Kelle mit leicht unterschiedlichen Daten repliziert werden? Meine digitalisierte Karten aus dem SDS: Lautgeographie, Formengeographie, Wortgeographie 200 Karten (von insgesamt 1500 im SDS) Teilweise vereinfachtes Feature-Inventar Komplettes Ortsnetz, ausg. italienische Südorte (600 Punkte) Zum Vergleich die SDS-Daten von Kelle: Lautgeographie, Formengeographie 170 Karten Komplettes Feature-Inventar Reduziertes Ortsnetz (101 Punkte) 7 / 30

12 Einführung SDS-Karten SADS-Daten ArchiMob-Texte Originalkarte (SDS II/120) 8 / 30

13 Digitalisierte Punktkarte nt nd n ŋ 9 / 30

14 SDS-Karten und Dialektometrie Themen-basierte Auswahl der SDS-Karten: Fragen: Vokale, Konsonanten, Verb-Flexion, sonstige Morphologie, Lexikon Eignen sich bestimmte linguistische Ebenen besser als andere? Wie stark beeinflusst die Datenmenge die Qualität der Resultate? Grundgedanke: Der Grad der räumlichen Autokorrelation ist ein guter Massstab für die Eignung des Datenmaterials. Räumliche Autokorrelation: je näher zwei Punkte topografisch liegen, desto ähnlicher sollten die beiden Dialekte sein. Je höher ein Datensatz mit den topografischen Distanzen korreliert, desto besser eignet er sich für dialektometrische Studien. Zwei Autokorrelationsmasse: Lokale Inkohärenz (Nerbonne & Kleiweg 2007) Mantel-Test (Mantel 1967) 10 / 30

15 SDS-Karten und Dialektometrie Themen-basierte Auswahl der SDS-Karten: Fragen: Vokale, Konsonanten, Verb-Flexion, sonstige Morphologie, Lexikon Eignen sich bestimmte linguistische Ebenen besser als andere? Wie stark beeinflusst die Datenmenge die Qualität der Resultate? Grundgedanke: Der Grad der räumlichen Autokorrelation ist ein guter Massstab für die Eignung des Datenmaterials. Räumliche Autokorrelation: je näher zwei Punkte topografisch liegen, desto ähnlicher sollten die beiden Dialekte sein. Je höher ein Datensatz mit den topografischen Distanzen korreliert, desto besser eignet er sich für dialektometrische Studien. Zwei Autokorrelationsmasse: Lokale Inkohärenz (Nerbonne & Kleiweg 2007) Mantel-Test (Mantel 1967) 10 / 30

16 SDS-Karten und Dialektometrie Themen-basierte Auswahl der SDS-Karten: Fragen: Vokale, Konsonanten, Verb-Flexion, sonstige Morphologie, Lexikon Eignen sich bestimmte linguistische Ebenen besser als andere? Wie stark beeinflusst die Datenmenge die Qualität der Resultate? Grundgedanke: Der Grad der räumlichen Autokorrelation ist ein guter Massstab für die Eignung des Datenmaterials. Räumliche Autokorrelation: je näher zwei Punkte topografisch liegen, desto ähnlicher sollten die beiden Dialekte sein. Je höher ein Datensatz mit den topografischen Distanzen korreliert, desto besser eignet er sich für dialektometrische Studien. Zwei Autokorrelationsmasse: Lokale Inkohärenz (Nerbonne & Kleiweg 2007) Mantel-Test (Mantel 1967) 10 / 30

17 SDS-Karten und Dialektometrie Themen-basierte Auswahl der SDS-Karten: Fragen: Vokale, Konsonanten, Verb-Flexion, sonstige Morphologie, Lexikon Eignen sich bestimmte linguistische Ebenen besser als andere? Wie stark beeinflusst die Datenmenge die Qualität der Resultate? Grundgedanke: Der Grad der räumlichen Autokorrelation ist ein guter Massstab für die Eignung des Datenmaterials. Räumliche Autokorrelation: je näher zwei Punkte topografisch liegen, desto ähnlicher sollten die beiden Dialekte sein. Je höher ein Datensatz mit den topografischen Distanzen korreliert, desto besser eignet er sich für dialektometrische Studien. Zwei Autokorrelationsmasse: Lokale Inkohärenz (Nerbonne & Kleiweg 2007) Mantel-Test (Mantel 1967) 10 / 30

18 SDS-Karten und Dialektometrie Anzahl Lokale Mantel- Karten Inkohärenz Test Konsonanten Vokale Verb-Morphologie sonstige Morphologie Lexikon Alle / 30

19 SDS-Karten und Dialektometrie Anzahl Lokale Mantel- Karten Inkohärenz Test Konsonanten Vokale Verb-Morphologie sonstige Morphologie Lexikon Alle Lokale Inkohärenz Kleiner ist besser Stark abhängig von der Grösse des Datensatzes Lautkarten scheinen weniger geeignet als Morphologie- und Lexikonkarten 11 / 30

20 SDS-Karten und Dialektometrie Anzahl Lokale Mantel- Karten Inkohärenz Test Konsonanten Vokale Verb-Morphologie sonstige Morphologie Lexikon Alle Mantel-Test Korrelationsmass: grösser ist besser p = 0.01 (99 Simulationen) Weniger stark abhängig von der Grösse des Datensatzes Lautkarten sind weniger genau als Morphologie- und Lexikonkarten 11 / 30

21 Ergebnis SDS-Karten und Dialektometrie Anzahl Lokale Mantel- Karten Inkohärenz Test Konsonanten Vokale Verb-Morphologie sonstige Morphologie Lexikon Alle Die themenspezifischen Datensätze sind zu klein für zuverlässige Analysen: Goebl (1982) schlägt als Minimum 200 Karten vor. Cluster-Analyse mit dem kompletten Datensatz Multidimensionale Skalierung mit dem kompletten Datensatz 11 / 30

22 Cluster-Analyse 196 Karten, Complete Linkage, 2 Cluster Ost-West-Spaltung 12 / 30

23 Cluster-Analyse 196 Karten, Complete Linkage, 3 Cluster Nord-Süd-Spaltung im Westen (Ausnahme: Thun) 12 / 30

24 Cluster-Analyse 196 Karten, Complete Linkage, 4 Cluster Nord-Süd-Spaltung im Osten 12 / 30

25 Cluster-Analyse 196 Karten, Complete Linkage, 5 Cluster Abspaltung der Walliser und Walser-Dialekte 12 / 30

26 Cluster-Analyse 196 Karten, Complete Linkage, 6 Cluster Zentralschweizg 12 / 30

27 Cluster-Analyse 196 Karten, Complete Linkage, 7 Cluster Abspaltung der Bündner Walser-Dialekte 12 / 30

28 Cluster-Analyse 196 Karten, Complete Linkage, 8 Cluster Spaltung Bern-Luzern 12 / 30

29 Cluster-Analyse 196 Karten, Complete Linkage, 9 Cluster Baselg 12 / 30

30 Cluster-Analyse 196 Karten, Complete Linkage, 10 Cluster Ostschweizg 12 / 30

31 Multidimensionale Skalierung 196 Karten, Kruskal, 3 Dimensionen (RGB-Werte), r 2 = Og 13 / 30

32 Multidimensionale Skalierung 196 Karten, Kruskal, 3 Dimensionen (RGB-Werte), r 2 = Og 13 / 30

33 Zusammenfassung Die bekanntesten Dialektgrenzen werden sowohl beim Clustering als auch beim MDS erfasst. Die Grenzen Zürich/Ostschweiz und Berner Oberland/Mittelland werden m.e. in der MDS-Karte realistischer dargestellt. Die Auswahl der Daten spielt eine Rolle. Das ähnliche Datenmaterial von Kelle liefert teilweise andere Cluster. Das Band Basel-Zentralschweiz-Graubünden erscheint in meinen Experimenten nie als eigenen Cluster. Bei Kelle werden die Bündner Walser-Dialekte nie mit den Walliser Dialekten zusammengefasst. Der Clustering-Algorithmus spielt eine Rolle. Ich habe bewusst denselben Algorithmus wie Kelle gewählt (Complete Linkage), obwohl andere Algorithmen (z.b. Ward-Verfahren) meines Erachtens intuitivere Resultate liefern. 14 / 30

34 Überblick 1 Einführung 2 SDS-Karten 3 SADS-Daten 4 ArchiMob-Texte 15 / 30

35 SADS-Daten SADS = Syntaktischer Atlas der deutschen Schweiz Forschungsprojekt der Uni Zürich (Prof. E. Glaser) Datensammlung abgeschlossen, aber noch nicht publiziert 118 Fragen, aufgeteilt auf 4 schriftliche Fragebögen Verschiedene Fragetechniken (Übersetzung, Multiple Choice) 344 Ortspunkte (SDS: 600) Im Schnitt 7 Informanten pro Ortspunkt (SDS: 1-2) Sind Syntax-Daten ebenso geeignet für Dialektometrie wie die SDS-Daten? Cluster-Analyse Multidimensionale Skalierung 16 / 30

36 Cluster-Analyse 118 Fragen, Complete Linkage, 2 Cluster 17 / 30

37 Cluster-Analyse 118 Fragen, Complete Linkage, 3 Cluster 17 / 30

38 Cluster-Analyse 118 Fragen, Complete Linkage, 4 Cluster 17 / 30

39 Cluster-Analyse 118 Fragen, Complete Linkage, 5 Cluster 17 / 30

40 Cluster-Analyse 118 Fragen, Complete Linkage, 6 Cluster 17 / 30

41 Cluster-Analyse 118 Fragen, Complete Linkage, 7 Cluster 17 / 30

42 Cluster-Analyse 118 Fragen, Complete Linkage, 8 Cluster 17 / 30

43 Cluster-Analyse 118 Fragen, Complete Linkage, 9 Cluster 17 / 30

44 Cluster-Analyse 118 Fragen, Complete Linkage, 10 Cluster 17 / 30

45 Diskussion Sind Syntax-Daten ebenso geeignet für Dialektometrie wie die SDS-Daten? Heterogenität in den alpinen Dialekten, Homogenität in den Mittelland-Dialekten Einige Dialektgrenzen kommen gut zur Geltung: Bern Luzern (Brünig-Napf-Linie) Bern Wallis St. Gallen Appenzell Bern Freiburg Unerwartete Resultate: Drei Zonen im Kanton Bern? Spaltung der Bündner Dialekte, aber nicht an den erwarteten Grenzen (Walser vs. rheintalische Dialekte) Appenzeller Outlier in Glarus? 18 / 30

46 Multidimensionale Skalierung 118 Fragen, Kruskal, 3 Dimensionen (RGB-Werte), r 2 = / 30

47 Diskussion Heterogenität in den alpinen Dialekten, Homogenität in den Mittelland-Dialekten Einige Dialektareale kommen gut zur Geltung: Deutschfreiburg Östliches Berner Oberland (?) Wallis Basel Östliches Graubünden Offene Fragen: Datenmenge genügend? 118 Fragen sind weniger als die 196 SDS-Karten Genauere Datenauswahl nötig? Es wurden mehrere Fragen zum selben Phänomen gestellt. Gibt es genügend raumbildende syntaktische Phänomene? In den Alpen ja, aber im Mittelland? 20 / 30

48 Überblick 1 Einführung 2 SDS-Karten 3 SADS-Daten 4 ArchiMob-Texte 21 / 30

49 ArchiMob-Texte ArchiMob ist ein Schweizer oral history-projekt über die Zeit des Zweiten Weltkriegs. 555 Interviews 16 schweizerdeutsche Interviews wurden transkribiert (Uni Zürich) Nicht-mobile Informanten aus unterschiedlichen Regionen Eine Transkriptorin Die Texte sind vergleichbar, aber nicht parallel. Die benutzten Wörter sind vergleichbar, aber nicht aligniert. Idee: Geografisch nahe gelegene Texte haben einen grösseren Prozentsatz identischer Wörter. 22 / 30

50 Alignierte und nicht alignierte Daten Traditionelle dialektologische Daten: Jede Realisation/Variante ist mit einem Konzept/Variable verbunden. Alle Symbole in dieser Karte beziehen sich auf die Variable Endkonsonant im Wort Hund. Eine Nennung von Hunt ist mit einer Nennung von Huŋ vergleichbar, weil sich beide Nennungen auf dieselbe Variable beziehen. Ich nenne solche Daten aligniert. 23 / 30

51 Alignierte und nicht alignierte Daten Die ArchiMob-Daten sind nicht aligniert. Folgende Fragen können also nicht beantwortet werden: Text A enthält gö, Text B enthält göi. Bedeuten diese Wörter dasselbe? Text A enthält sit, Text B enthält sit. Bedeuten beide Wörter dasselbe? Arbeitshypothesen: Die Transkripte sind genügend lang, dass solche Fälle nicht zu sehr ins Gewicht fallen. Der Prozentsatz gleicher Wörter (Types) kann als Indikator für die Distanz zwischen zwei Texten i und j verwendet werden: dist(i, j) = 1 CW(i, j) min(w(i), W(j)) CW(i, j) ist die Anzahl gemeinsamer Wort-Types in den Texten i und j W(i) ist die Anzahl Wort-Types in Text i 24 / 30

52 Alignierte und nicht alignierte Daten Die ArchiMob-Daten sind nicht aligniert. Folgende Fragen können also nicht beantwortet werden: Text A enthält gö, Text B enthält göi. Bedeuten diese Wörter dasselbe? Text A enthält sit, Text B enthält sit. Bedeuten beide Wörter dasselbe? Arbeitshypothesen: Die Transkripte sind genügend lang, dass solche Fälle nicht zu sehr ins Gewicht fallen. Der Prozentsatz gleicher Wörter (Types) kann als Indikator für die Distanz zwischen zwei Texten i und j verwendet werden: dist(i, j) = 1 CW(i, j) min(w(i), W(j)) CW(i, j) ist die Anzahl gemeinsamer Wort-Types in den Texten i und j W(i) ist die Anzahl Wort-Types in Text i 24 / 30

53 Cluster 16 Texte, Complete Linkage AG1063 AG1147 LU1195 BE1142 BE1170 BL1073 LU1261 NW1007 SZ1209 ZH1143 ZH1270 GL1048 GL1207 SG1198 VS1212 BS / 30

54 Diskussion Fünf Hauptregionen werden erkannt: AG, LU, BE, BL, NW Westen SZ, ZH Mitte GL, SG Osten VS Südwesten BS Nordwesten Die Korrelation zwischen den ermittelten Dialektunterschieden und den geografischen Distanzen ist nicht schlecht: 0.528, Mantel-Test, p=0.02 Idee: Abbildung der Texte in einem 2D-Raum gemäss der ermittelten Distanz Multidimensionale Skalierung mit 2 Dimensionen Die resultierenden Werte werden als Koordinaten interpretiert. 26 / 30

55 Diskussion Fünf Hauptregionen werden erkannt: AG, LU, BE, BL, NW Westen SZ, ZH Mitte GL, SG Osten VS Südwesten BS Nordwesten Die Korrelation zwischen den ermittelten Dialektunterschieden und den geografischen Distanzen ist nicht schlecht: 0.528, Mantel-Test, p=0.02 Idee: Abbildung der Texte in einem 2D-Raum gemäss der ermittelten Distanz Multidimensionale Skalierung mit 2 Dimensionen Die resultierenden Werte werden als Koordinaten interpretiert. 26 / 30

56 Diskussion Fünf Hauptregionen werden erkannt: AG, LU, BE, BL, NW Westen SZ, ZH Mitte GL, SG Osten VS Südwesten BS Nordwesten Die Korrelation zwischen den ermittelten Dialektunterschieden und den geografischen Distanzen ist nicht schlecht: 0.528, Mantel-Test, p=0.02 Idee: Abbildung der Texte in einem 2D-Raum gemäss der ermittelten Distanz Multidimensionale Skalierung mit 2 Dimensionen Die resultierenden Werte werden als Koordinaten interpretiert. 26 / 30

57 Multi-dimensionale Skalierung Kruskal, 2 Dimensionen, r 2 = BS1057 LU1261 AG1063 BE1142 BL1073 AG1147 LU1195 BE1170 ZH1270 ZH1143 SZ1209 VS1212 NW1007 GL1048GL1207 SG / 30

58 Lokalisierung der Transkripte Nach Wohnort der Gewährsperson BS1057 BL1073 AG1063 AG1147 ZH1143 ZH1270 SG1198 BE1142 LU1195 GL1207 LU1261SZ1209 GL1048 NW1007 BE1170 VS / 30

59 Diskussion Die Proportion identischer Wörter kann für eine grobe Dialektklassifizierung verwendet werden: Nord-Süd-Gliederung wird teilweise erkannt Ost-West-Gliederung wird teilweise erkannt Verschiedene Verbesserungen sind denkbar: Wörter, die in allen Texten vorkommen, sind weniger relevant als Wörter, die nur in wenigen Texten vorkommen Dialektometrie: Gewichteter Identitätswert (Goebl) Information Retrieval: tf idf Identische Wort-Typen sind positive Belege. Gibt es auch negative Belege? Negative Belege sind Wort-Typen, die nicht identisch sind, aber sich nur wenig unterscheiden (z.b. Levenshtein-Distanz 1): Distanz = 1 Identische Wort-Typen Minimal unterschiedliche Wort-Typen 29 / 30

60 Diskussion Die Proportion identischer Wörter kann für eine grobe Dialektklassifizierung verwendet werden: Nord-Süd-Gliederung wird teilweise erkannt Ost-West-Gliederung wird teilweise erkannt Verschiedene Verbesserungen sind denkbar: Wörter, die in allen Texten vorkommen, sind weniger relevant als Wörter, die nur in wenigen Texten vorkommen Dialektometrie: Gewichteter Identitätswert (Goebl) Information Retrieval: tf idf Identische Wort-Typen sind positive Belege. Gibt es auch negative Belege? Negative Belege sind Wort-Typen, die nicht identisch sind, aber sich nur wenig unterscheiden (z.b. Levenshtein-Distanz 1): Distanz = 1 Identische Wort-Typen Minimal unterschiedliche Wort-Typen 29 / 30

61 Diskussion Die Proportion identischer Wörter kann für eine grobe Dialektklassifizierung verwendet werden: Nord-Süd-Gliederung wird teilweise erkannt Ost-West-Gliederung wird teilweise erkannt Verschiedene Verbesserungen sind denkbar: Wörter, die in allen Texten vorkommen, sind weniger relevant als Wörter, die nur in wenigen Texten vorkommen Dialektometrie: Gewichteter Identitätswert (Goebl) Information Retrieval: tf idf Identische Wort-Typen sind positive Belege. Gibt es auch negative Belege? Negative Belege sind Wort-Typen, die nicht identisch sind, aber sich nur wenig unterscheiden (z.b. Levenshtein-Distanz 1): Distanz = 1 Identische Wort-Typen Minimal unterschiedliche Wort-Typen 29 / 30

62 Drei Experimente: 1 Digitalisierte SDS-Karten Schluss Unterschiedliche Charakteristika je nach linguistischer Ebene Cluster-Analyse repliziert Resultate von Kelle teilweise MDS ergibt in gewisser Hinsicht ein relevanteres Bild der Dialektlandschaft als die Cluster-Analyse Cluster-Analyse mit Teildaten? 2 SADS-Rohdaten Wenig Variation in den Mittellanddialekten Begrenzte Anzahl Phänomene Beeinflusst die Fragetechnik die resultierenden Dialektlandschaften? 3 ArchiMob-Texte Einfaches Distanzmass: Proportion identischer Wort-Types Funktioniert nicht schlecht, aber ist verbesserungsfähig Vorschläge: Wichtung der Daten, Einbezug negativer Belege 30 / 30

63 Drei Experimente: 1 Digitalisierte SDS-Karten Schluss Unterschiedliche Charakteristika je nach linguistischer Ebene Cluster-Analyse repliziert Resultate von Kelle teilweise MDS ergibt in gewisser Hinsicht ein relevanteres Bild der Dialektlandschaft als die Cluster-Analyse Cluster-Analyse mit Teildaten? 2 SADS-Rohdaten Wenig Variation in den Mittellanddialekten Begrenzte Anzahl Phänomene Beeinflusst die Fragetechnik die resultierenden Dialektlandschaften? 3 ArchiMob-Texte Einfaches Distanzmass: Proportion identischer Wort-Types Funktioniert nicht schlecht, aber ist verbesserungsfähig Vorschläge: Wichtung der Daten, Einbezug negativer Belege 30 / 30

64 Drei Experimente: 1 Digitalisierte SDS-Karten Schluss Unterschiedliche Charakteristika je nach linguistischer Ebene Cluster-Analyse repliziert Resultate von Kelle teilweise MDS ergibt in gewisser Hinsicht ein relevanteres Bild der Dialektlandschaft als die Cluster-Analyse Cluster-Analyse mit Teildaten? 2 SADS-Rohdaten Wenig Variation in den Mittellanddialekten Begrenzte Anzahl Phänomene Beeinflusst die Fragetechnik die resultierenden Dialektlandschaften? 3 ArchiMob-Texte Einfaches Distanzmass: Proportion identischer Wort-Types Funktioniert nicht schlecht, aber ist verbesserungsfähig Vorschläge: Wichtung der Daten, Einbezug negativer Belege 30 / 30