linguistischer und literaturwissenschaftlicher Perspektive

Transkript

1 Sprachliche Eigenarten literarischer Kurzformen in linguistischer und literaturwissenschaftlicher Perspektive Stefan Engelberg & Christine Hummel Institut für Deutsche Sprache, Mannheim Universität Freiburg Hauptseminar, Uni Wuppertal, WS 2007/08 Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 1] Korpora Was ist ein Korpus? Lemnitzer, Lothar und Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, S. 7. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 2] 1

2 Korpora Was ist Korpuslinguistik? Lemnitzer, Lothar und Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, S. 9. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 3] Korpora Wozu Korpora? Korpora werden bei verschiedenen sprachwissenschaftlichen Aufgaben verwendet: Theoretische Linguistik: von der Überprüfung von Hypothesen bis zur automatischen Ermittlung grammatischer Regularitäten. Lexikographie: Ermittlung von Worthäufigkeiten, Wendungen und typischen Verwendungskontexten, Sammlung authentischer Beispiele. Grammatikographie: Belege für grammatische Strukturen, deren Häufigkeit und Verteilung. Fremdsprachenunterricht: Analyse von Lernerfehlern, Ermittlung gebrauchshäufiger Phänomene, authentische Belege für Sprachverwendung. Übersetzung: Überprüfung von Übersetzungsstrategien in Parallelkorpora. Computerlinguistik: automatische Übersetzung, Spracherkennung, etc. Scherer, Carmen: Korpuslinguistik. Heidelberg: Winter, Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 4] 2

3 Korpora Typen von Korpora Korpora lassen sich nach verschiedenen Kriterien typologisieren: Sprachmedium: Korpora geschriebener / gesprochener Sprache Geltungsbereich: Referenzkorpora (für eine Sprache in ihrer Gesamtheit) / Spezialkorpora Sprecherkompetenz: Lernerkorpora / Korpora zum Erstspracherwerb, Korpusaufbereitung: (grammatisch) annotierte vs. nicht-annotierte Korpora Sprachstadium: historische Korpora / Korpora der Gegenwartssprache Sprachenanzahl: einsprachige Korpora / Parallelkorpora, Vergleichskorpora Scherer, Carmen: Korpuslinguistik. Heidelberg: Winter, Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 5] Korpora Einige verfügbare Korpora des Deutschen Deutsches Referenzkorpus (Institut für Deutsche Sprache): über Mio. Textwörter; Zeitungen, Belletristik, Sachtexte,, ab 1950; online verfügbar. Deutsches Korpus aus der Leipzig Corpus Collection: über 15 Mio. Textwörter; Sätze aus Zeitungen; kann downgeloadet werden. DWDS-Kernkorpus (Berlin-Brandenburgische Akademie): 100 Mio. Textwörter; Zeitungen, Belletristik, Fachtexte, gesprochene Sprache; Texte ab 1900; Grundlage für das DWDS-Wörterbuch. Historisches Korpus am IDS: 3 Mio. Textwörter (wachsend), Zeitungen, Bellestristik, Sachtexte,, Jh. TIGER-Korpus (Potsdam, Stuttgart, Saarbrücken); 0,9 Mio. Textwörter; Sätze mit grammatischen Strukturbeschreibungen. FALKO (Humboldt-Univ. Berlin): im Aufbau; fehlerannotiertes Lernerkorpus DaF. Vgl. die Übersichten in: Lemnitzer, Lothar, and Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, / Scherer, Carmen: Korpuslinguistik. Heidelberg: Winter, Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 6] 3

4 FRAGEN Welche Arten von Abweichungen in lyrischen Texten kommen vor, welche nicht? Welche Funktionen sind mit solchen Abweichungen verbunden? Welche linguistischen Konzepte sind hilfreich zur Beschreibung solcher Abweichungen? Wie können wir den typischen Sprachgebrauch in lyrischen Texten (oder in lyrischen Texten eines bestimmten Autors) ermitteln? Wie können wir den typischen Sprachgebrauch in anderen Texten ermitteln? Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 7] Methoden der Korpusanalyse Erstellung von Konkordanzen Erzeugung von Wortlisten mit Frequenzangaben Ermittlung von hochfrequenten Wortgruppen (Clusteranalyse) Berechnung von Kookkurrenzen Ermittlung von Schlüsselwörtern Berechnung diachroner Verläufe des Wortgebrauchs Im Folgenden werden die wichtigsten am Beispiel des Programms AntConc dargestellt. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 8] 4

5 AntConc Entwickler: Laurence Anthony, Faculty of Science and Engineering,Waseda University, Japan. Version: 3.2.1w (Windows), Release March 10th, Recherche: Offline. Software: wird lokal installiert. Zugang: freier Download des Programms. Korpora: eigene Textsammlungen (txt-dateien). Sprachen: alle (Unicode); getestet: Deutsch, Englisch, Rumänisch, Mongolisch. URL: Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 9] Grundlegende Funktionalitäten in vielen Korpusrecherchesystemen (III) Ermittlung von Wortgruppen (V) Berechnung von Kookkurrenzen (I) Erstellung von Konkordanzen (II) Berechnung von Häufigkeiten (IV) Ermittlung von Schlüsselwörtern Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 10] 5

6 Konkordanzen Konkordanz Eine K. ist eine Sammlung von Kotexten eines bestimmten Schlüsselworts. Kotexte einer bestimmten Länge (von Buchstaben, Wörtern oder Sätzen) um ein Schlüsselwort herum werden aus einem Korpus extrahiert und meist mit dem Schlüsselwort im Zentrum angeordnet Lemnitzer, Lothar und Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, S. 196f. KWIC Key word in context : Einzelner Kotext zu einem Schlüsselwort; in Programmen zur Konkordanzerzeugung ist die Kotextgröße meist wählbar. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 11] Suche: Konkordanzen zu hilft in einem Ausschnitt der Leipzig Corpus Collection (Sätze aus Zeitungen). Suchausdruck (hier: hilft) Sortierung (hier: alphabetisch nach Wort direkt rechts vom Suchterm) Kotext (hier: 200 Zeichen) Treffermenge (hier: 32) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 12] 6

7 Ausgabe der Ergebnisse als Textdatei. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 13] Index als traditionelles Mittel zur Konkordanzerstellung Textwort Gedichtband Gedichtnummer Zeilennummer Nielsen, Karsten Hvidfelt & Harald Pors (1981): Index Zur Lyrik Paul Celans. München: Fink. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 14] 7

8 Frequenzen Lexikalische Häufigkeitsberechnungen In lexikalischen Häufigkeitsberechnungen wird die Anzahl bestimmter Wortformen, Lexeme oder auch Wortgruppen in einem Korpus berechnet. Type-Token-Ratio Mit Type-Token-Ratio wird der Quotient aus der Anzahl aller sprachlichen Einheiten eines bestimmten Typs und der Anzahl aller Vorkommen dieser Einheiten in einem gegebenen Korpus bezeichnet. Gewöhnlich wird die Type-Token-Ratio für Wortlexeme oder Wortformen berechnet. Type-Token-Ratio (Lexeme): Anzahl aller verschiedenen Lexeme / Anzahl aller Realisierungen der verschiedenen Wortformen dieser Lexeme (Anzahl aller Textwörter). Type-Token-Ratio (Wortformen): Anzahl aller verschiedenen Wortformen / Anzahl aller Realisierungen dieser Wortformen. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 15] Type-Token-Ratio (hier: : ,115) Wortliste (mit Rang und Frequenzangabe) Suche: Frequenzliste aller Wortformen und Type-Token-Ratio in einem Ausschnitt der Leipzig Corpus Collection (Sätze aus Zeitungen). Start (kein Suchausdruck) Sortierung (hier: nach Frequenz) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 16] 8

9 Wortgruppenanalyse Cluster Als Cluster sollen hier Ketten von sprachlichen Einheiten bezeichnet werden. In er sprach vor einem großen Publikum ist spr ein Konsonantencluster aus 3 Konsonanten und sprach vor einem ein Wortcluster aus 3 Wörtern. Manche Korpusrechercheprogramme erlauben zu einem Suchwort die Ermittlung aller Cluster, in denen es vorkommt. n-gramm Ein n-gramm ist eine Folge von n linguistischen Elementen gleichen Typs. (Kunze & Lemnitzer 2007: 190) Ein 5-Gramm von Wörtern ist eine Folge von 5 Wörtern. Ein n- Gramm ist also das gleiche wie ein n-cluster. Von n-grammen spricht man insbesondere, wenn es darum geht, alle n-wortcluster aus einem Korpus zu extrahieren. Kunze, Claudia und Lothar Lemnitzer. Computerlexikographie. Eine Einführung. Tübingen: Narr [E-Book], S Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 17] Suche: Alle Cluster aus 3 Wörtern, die Tag enthalten, in einem Ausschnitt der Leipzig Corpus Collection. Trigramm-Liste mit Rang und Frequenzangabe Sortierung (hier: nach Häufigkeit des Clusters) Suchtermposition (hier: beliebig) Suchterm (hier: Tag) Clustergröße (hier: Cluster aus 3 Wörtern) Frequenzbedingung (hier: mindestens 1 Token; = alle) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 18] 9

10 Suche: Trigramme mit mindestens 3 Token in einem Ausschnitt der Leipzig Corpus Collection. Trigramm-Liste mit Rang und Frequenzangabe Start (kein Suchterm; Einstellung: N-Gramm) Bestimmung von n (hier: n-gramme für n = 3) Sortierung (hier: nach Häufigkeit des Trigramms) Frequenzbedingung (hier: mindestens 3 Token) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 19] Suche: Schlüsselwörter (zum Beispiel sprachwissenschaftliche Termini in einem Korpus linguistischer Fachtexte). Laden eines Vergleichskorpus (hier eine Ausschnitt aus dem Ddeutschen LCC-Korpus) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 20] 10

11 Schlüsselwort- Funktion Fachsprachliches Korpus Ausschnitt aus der Schlüsselwortliste Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 21] Kookkurrenzanalyse Kookkurrenz Als Kookkurrenz wird das gemeinsame Vorkommen zweier oder mehrerer Wörter in einem Kontext von fest definierter Größe bezeichnet. Dabei sind Kookkurrenzen dort linguistisch interessant, wo das gemeinsame Auftreten der Wörter häufiger zu beobachten ist, als bei einer Zufallsverteilung aller Wörter zu erwarten wäre. Kunze, Claudia und Lothar Lemnitzer. Computerlexikographie. Eine Einführung. Tübingen: Narr [E-Book], S. 391f. Kollokation Eine K. ist ein aus meist zwei sprachlichen Zeichen bestehender Ausdruck, in dem die beiden sprachlichen Zeichen in arbiträrer und konventionalisierter Form verbunden sind (z. B. blonde Haare, ein heikles Thema). Innerhalb der Kollokation kann man die Basis als semantisch autonomes Element (Haare, Thema) und den Kollokator (blond, heikel) als semantisch abhängiges Element unterscheiden. Kollokationen sind in gewisser Weise linguistisch interpretierte Kookkurrenzen. Engelberg, Stefan und Lothar Lemnitzer. Einführung in die Lexikographie und Wörterbuchbenutzung. Tübingen: Stauffenburg, S. 391f. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 22] 11

12 Suche: Kookkurrenzen zu der Wortform knapp in einem Ausschnitt der Leipzig Corpus Coll. Liste der Kookkurrenzpartner mit Rang und Frequenz- und Signifikanzangabe Suchterm (hier: knapp) Bestimmung des Suchkontexts (hier: bis 2 Wörter nach dem Suchterm) Sortierung (hier: nach Signifikanz der Kookkurrenz) Frequenzbedingung (hier: mind. 3 Collocate-Token) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 23] Ausgabe der Ergebnisse in eine txt-datei Beobachtungen Zahlausdrücke (Million, Milliarde, Milliarde, hundert) zeigen ein stärkeres Kookkurrenzverhalten als Zeitausdrücke (Monaten, Wochen, Jahren), zumindest auf Wortformenbasis. Die Verbindung von knapp und behauptet ist als Kollokation einzustufen; knapp hat hier nicht die Bedeutung etwas weniger als, sondern so gerade / mit Mühe und kombiniert in dieser Bedeutung nur mit ausgewählten Verben. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 24] 12

13 Konkordanz zu behauptet, sortiert nach dem unmittelbaren Vorgängerwort. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 25] Resumee AntConc zu empfehlen bei kleineren Korpora (bis 20 Mio. Textwörter) gut für sortierte Konkordanzen, Wortlistenerstellung, Wortgruppenanalyse und Schlüsselwortermittlung weniger nützlich für Kookkurrenzanalyse (zu langsam; man braucht größere Korpora) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 26] 13

14 COSMAS II & CCDB die beste Kookkurrenzanalyse zum Deutschen große Korpora mit vielfältigen Abfragemöglichkeiten COSMAS II & CCDB Developer: Institut für Deutsche Sprache (CCDB: Cyil Belica). Version: Search: online. Software: installed locally (Client) or as web interface. Access: free download of the client (registration). Corpora: corpora of the IDS. Languages: German. URL: (COSMAS II) (CCDB) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 27] Kookkurrenzanalyse zu abziehen in der CCDB (Funktionswörter in dieser Analyse nicht berücksichtigt) Primäre Kookkurrenzpartner zu abziehen (hier: Einkommen) Stärke der Verbindung zwischen den beiden Wörtern (hier: 796) Typische syntagmatische Muster, in denen die Verbindungen vorkommen, z. B. vom Einkommen abziehen Sekundäre Kookkurrenzpartner zu abziehen + Einkommen (hier: steuerpflichtigen, steuerbaren, versteuernden) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 28] 14

15 Kookkurrenzanalyse zu abziehen in der CCDB Korpusrecherchesystem IV: Corpus Browser (Funktionswörter in dieser Analyse nicht berücksichtigt; nach Verbindungsstärke sortiert) Truppen (aus ) abziehen unverrichteter Dinge wieder abziehen wurden zwei Punkte abgezogen eine Show abziehen die Haut abziehen Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 29] Korpusrecherchesystem IV: Corpus Browser vom Einkommen abziehen wurden Soldaten (aus ) abgezogen den Zündschlüssel abziehen Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 30] 15

16 Korpusrecherchesystem IV: Corpus Browser aus 20 Metern abziehen Botschafter (aus ) abziehen Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 31] Korpusrecherchesystem IV: Corpus Browser Kapital (aus ) abziehen Gelder (aus ) abziehen Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 32] 16

17 Korpusrecherchesystem IV: Corpus Browser von der Strafraumgrenze abziehen den Rauch abziehen lassen Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 33] FRAGEN Welche Arten von Abweichungen in lyrischen Texten kommen vor, welche nicht? Welche Funktionen sind mit solchen Abweichungen verbunden? Welche linguistischen Konzepte sind hilfreich zur Beschreibung solcher Abweichungen? Wie können wir den typischen Sprachgebrauch in lyrischen Texten (oder in lyrischen Texten eines bestimmten Autors) ermitteln? Wie können wir den typischen Sprachgebrauch in anderen Texten ermitteln? Nehmen Sie an, Sie hätten als Textkorpus sämtliche Gedichte eines Autors. Wozu könnten Sie AntConc in Zusammenhang mit diesem Korpus nutzen? Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 34] 17

18 Metadaten (ausgezeichnet durch tags: < >) Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 35] Metadaten bei den Berechnungen ignorieren: Global Settings / Tag Settings / Hide tags Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 36] 18

19 Der Abend spricht mit lindem Schmeichelwort die Gassen In Schlummer und der Süße alter Wiegenlieder, Die Dämmerung hat breit mit hüllendem Gefieder Ein Riesenvogel sich auf blaue Firste hingelassen. Nun hat das Dunkel von den Fenstern allen Glanz gerissen, Die eben noch beströmt wie veilchenfarbne Spiegel standen, Die Häuser sind im Grau, durch das die ersten Lichter branden Wie Rümpfe großer Schiffe, die im Meer die Nachtsignale hissen. In späten Himmel tauchen Türme zart und ohne Schwere, Die Ufer hütend, die im Schoß der kühlen Schatten schlafen, Nun schwimmt die Nacht auf dunkel starrender Galeere Mit schwarzem Segel lautlos in den lichtgepflügten Hafen. Stadler, Ernst: Dämmerung in der Stadt. In: Ders.: Verstreute Gedichte aus den Jahren 1910 bis Die digitale Bibliothek der deutschen Lyrik. Frankfurt am Main: Zweitausendeins. Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 37] Zugang zu Korpusressourcen AntConc: Download unter Lyrikkorpora: Die Gedichtkorpora (Celan, Trakl, Stadler, Stramm) sende ich Ihnen per . Zeitungskorpus: Das deutsche Zeitungskorpus aus der Leipzig Corpus Collection können Sie sich in der Woche vom von meiner Webseite herunterladen: Webseite_Literarische_Kurzformen/Literarische_Kurzformen.html. CCDB: Die Kookkurenzdatenbank des Instituts für Deutsche Sprache ist zu erreichen unter: Bitte eine Überlassungserklärung unterschreiben! Stefan Engelberg & Christine Hummel, Literarische Kurzformen, WS 2007/08, Uni Wuppertal [Folie 38] 19