Daten Methoden Theorien Hypothesen

Transkript

1 Hypothesen Die Wahrheit von wenn-dann-sätzen ergibt sich aus der Wahrheitstabelle für konditionale Verknüpfungen. wenn p, dann q p p nicht p nicht p q nicht q q nicht q WAHR FALSCH WAHR WAHR ϕ ist ein Schwa ϕ ist ein Schwa ϕ ist kein Schwa ϕ ist kein Schwa ϕ ist unbetont ϕ ist betont ϕ ist unbetont ϕ ist betont Wenn ein Laut ϕ im Deutschen ein Schwa ist, dann ist er unbetont. WAHR FALSCH WAHR WAHR Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 1] Hypothesen Je-desto-Sätze lässen sich in verschiedener Weise auf wenn-dann-sätze zurückführen. Je weniger ausgeprägt die Kasusmorphologie in einer Sprache ist, desto so weniger frei ist die Satzgliedstellung. >> Wenn Sprache L1 eine geringer ausgeprägtere Kasusmorphologie hat als Sprache L2, dann hat L1 eine weniger freie Satzgliedstellung als L2 Wenn der Grad der Ausprägung der Kasusmorphologie in einer Sprache diachron abnimmt, dann nimmt auch die Freiheit der Satzgliedstellung ab. Vgl.: Opp, Karl-Dieter: Methodologie der Sozialwissenschaften. Wiesbaden: Verlag für Sozialwissenschaften 2006, 32ff. Grad der Satzgliedstellungsfreiheit Ausprägungsgrad der Kasusmorphologie konform mit Hypothese falsifiziert Hypothese Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 2] 1

2 Hypothesen Zu Kriterium 4 ( Der Konditionalsatz muss potenziell falsifizierbar sein, d.h. es müssen Ereignisse denkbar sein, die dem Konditionalsatz widersprechen. ) Keine guten Hypothesen: (a) Wenn entzwei in all seinen Vorkommen ein Adjektiv ist, dann ist es in all seinen Vorkommen ein Adjektiv. [Tautologie; nicht falsifizierbar.] (b) Wenn (i) ein Satzglied die semantische Rolle Instrument trägt & (ii) & (iii) & (x) Instrumente immer als Präpositionalphrasen mit dem Kopf mit ausgedrückt werden, dann wird das Satzglied als Präpositionalphrase mit dem Kopf mit ausgedrückt. [oft verbergen sich Zirkularitäten in linguistischen Hypothesen/Theorien in einer Fülle nicht immer explizit gemachter Prämissen; nicht falsifizierbar] (c) Wenn Sprachen Verbletztstellung zeigen, können sie auch Postpositionen haben. [auch tautologisch; nicht falsifizierbar] Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 3] Hypothesen Arten der Falsifikation Theoretische Aussagen können auf verschiedene Arten falsifiziert werden: 1. Empirische Widerlegung: Die Aussage korrespondiert nicht mit den Erfahrungstatsachen, d. h. die Theorie ist empirisch inadäquat. 2. Aufdecken von Widersprüchen: Die Aussage steht zu anderen Aussagen der Theorie in Widerspruch, d. h. die Theorie ist kontradiktorisch. 3. Zurückweisung von Axiomen: Die Aussage ist unvereinbar mit als wahr vorausgesetzten Aussagen, d. h. es werden die Axiome der Theorie zurückgewiesen. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 4] 2

3 Hypothesen Im strengen Sinn empirisch falsifiziert ist ein Hypothese Wenn A, dann B, wenn sich ein einzelner Fall finden lässt, für den gilt, dass die Prämissen A der Hypothese wahr sind, die Konklusion B aber falsch. Falsifikationen: (a) (b) (c) Wenn das Suffix -tum im Gegenwartsdeutschen auftritt, dann tritt es nur in bereits lexikalisierten Wörtern auf. Falsifikation: Man findet ein Wort auf -tum in einem gegenwartsdeutschen Text (A ist wahr), das nicht lexikalisiert ist (B ist falsch). Wenn das Verb helfen mit einem Objekt auftritt, dann steht dieses Objekt im Dativ. Falsifikation: Man findet einen Satz, der ein Objekt von helfen enthält (A ist wahr), das nicht im Dativ steht (B ist falsch). Wenn etwas ein Wort des Deutschen ist, dann gehört es einer Wortart an. Falsifikation: Man findet ein Wort des Deutschen (A ist wahr), dass sich keiner Wortart zuordnen lässt (B ist falsch). Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 5] Was ist der Gegenstand der Sprachwissenschaft? Zum Beispiel: Gegenstand der Sprachwissenschaft sind die kognitiv verankerten Entitäten, Strukturen und Regeln, die die Erzeugung sprachlicher Äußerungen ermöglichen. Das Problem: Dieser Gegenstand ist unserer Wahrnehmung nicht unmittelbar zugänglich. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 6] 3

4 Unter Daten können wir beobachtbare oder ableitbare Sachverhalte verstehen, die im Rahmen wissenschaftlicher Argumentationen angeführt werden. Von Linguisten werden verschiedene Typen solcher Sachverhalte als Daten angeführt, die auf verschiedene Weise gewonnen werden, zum Beispiel: (I) Introspektive Grammatikalitätsurteile Als Muttersprachler des Deutschen stelle ich fest: *Peter hilft seinen Freund Peter hilft seinem Freund Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 7] (II) Grammatikalitätsurteile auf der Basis operationaler Verfahren Verbalphrasen eines bestimmten semantischen Typs (sogenannte Accomplishments) lassen sich über den Zeitspannentest ermitteln; sie sind kombinierbar mit einem Adverbial des Typs in x Tagen / Stunden / Minuten: (1) Er hat den Wagen in drei Stunden repariert. (2) *Er hat den Mechaniker in drei Stunden gehasst. Vendler, Zeno (1957): Verbs and Times. In: The Philosophical Review LXVI, Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 8] 4

5 (III) Durch Befragung gewonnene,gradierte Grammatikalitätsurteile Auf einer Angemesssenheitsskala von 1 (völlig ok) bis 5 (unverständlich) beurteilen 180 Probanden den folgenden Satz im Schnitt mit 2,9: Das echte Überraschen der Kinder beim Anblick der Eltern war niemandem entgangen. Blume, Kerstin (2004): Nominalisierte Infinitive. Eine empirisch basierte Studie zum Deutschen. Tübingen: Niemeyer. S. 69. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 9] (IV) Ergebnisse psycholinguistischer Experimente Bei sukzessiver Präsentation von zwei Wörtern und der Aufgabe, für das jeweils zweite Wort möglichst schnell zu entscheiden, ob es ein Wort der deutschen Sprache ist, können Probanden die Aufgabe im Fall 2 schneller lösen als im Fall 1: (1) Fahrrad Doktor. (2) Krankenschwester Doktor. Linke, Angelika, Markus Nussbaumer & Paul R. Portmann (1994). Studienbuch Linguistik. 2. Aufl. Tübingen: Niemeyer. S Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 10] 5

6 (V) Scans auf der Basis bildgebender Verfahren Dreisprachige Probanden zeigen bei der Aufgabe Grammatikfehler zu korrigieren, Gehirnaktivität in unterschiedlichen Zonen des Gehirns (Sprache 1: gelbrot; Sprache 2: blau; Sprache 3: grün). Die linke Abbildung zeigt die Aktivitäten im Broca-Zentrum bei einem Probanden, der zwei der drei Sprachen vor dem 3. Lebensjahr erlernte (nur ein Netzwerk), die rechte Abbildung einen Probanden, bei dem zwei Sprachen erst nach dem 10. Lebensjahr erworben wurden (für jede Sprache ein eigenes Netzwerk): Kramer, Katharina (2003): Wie Werde ich ein Sprachgenie? In: Gehirn & Geist 2, Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 11] (VI) Ergebnisse von Hirnstrommessungen (EEGs) Die EEG-Messung relativ zu einem bestimmten Ereignis (ereigniskorreliertes Potential), nämlich der Präsentation der Sätze 1-3, zeigt Unterschiede im Bereich der Amplitude der N400-Komponente: (1) The pizza was too hot to eat. (2) The pizza was too hot to drink. (3) The pizza was too hot to cry. Kutas, M. & C. Van Petten (1994): Psycholinguistics electrified: event-related brain potential investigations. In: Gernsbacher, M.A. (Ed.): Handbook of Psycholinguistics. San Diego: Academic Press, Nach: Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 12] 6

7 (VII) Äußerungen von Sprechern mit neurologischen Beeinträchtigungen Gespräch zwischen einer Patientin (40 Jahre, Hausfrau, Schlaganfall) und einer Untersucherin: P: äh / is vor drei Jahren Unfall / äh / im Auto passiert / U: ein Unfall? / P: ja / im / äh / Stuttgart / U: ahja / P: und zehn Tage später / äh / Sprache weg / äh / ich / zehn Tage /äh / blaß und / äh / immer Kopfschmerzen / und am / am morgens steht mir / äh / ich / äh / am morgens steht mir / äh / am morgens aufst / aufgestanden / die Kinder geweckt / und mein Mann / und in die Küche / äh / das Brotmesser und / äh / äh / Brot schneiden / und der Brotmesser aus der Hand fallt / ach Gott! / Brotmesser aufgenommen / also der is nicht.../ he?! /und / ich hab ge / äh / gesprochen! / äh / fünf Minuten später / gar nix! / und dann.../ U: Sind Sie ohnmächtig dann geworden? P: Nein! / mein Mann / äh / is / äh / ich in Bett / ge / gegegangen und / äh / und / äh / der Arzt gerufen / und / äh / aufschreiben / gar nix / weg! / und dann dann / äh / ohnmä / ne nich / ohnmächtig! / das is nicht / äh / so / äh / so gef / äh / ganz / ganz / weit weg / Gedanken // ja und dann.../ Peuser, Günter (1978): Aphasie. Eine Einführung in die Patholinguistik. München: Fink. S. 408f. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 13] (VIII) Äußerungen von (gesunden) Sprechern aus elektronischen Textkorpora Konkordanz zu dem Wort besteht, erstellt mit AntConc, Version 3.2.1w, auf der Basis eines Ausschnitts des deutschen Zeitungskorpus der Leipzig Corpus Collection: Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 14] 7

8 (IX) Statistische Messergebnisse Statistische Berechnung des Kollokationspotenzials von Wörtern auf der Basis des Deutschen Referenzkorpus; Auszug aus der Kookkurrenzdatenbank. Belica, Cyril: Kookkurrenzdatenbank CCDB Institut für Deutsche Sprache, Mannheim. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 15] Korpuslinguistik Grundlagen Korpora Was ist ein Korpus? Lemnitzer, Lothar und Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, S. 7. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 16] 8

9 Korpuslinguistik Grundlagen Korpora Was ist Korpuslinguistik? Lemnitzer, Lothar und Heike Zinsmeister. Korpuslinguistik. Eine Einführung. Tübingen: Narr, S. 9. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 17] Korpuslinguistik Grundlagen 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 18] 9

10 Korpuslinguistik Grundlagen 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 19] Korpuslinguistik Grundlagen 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: ca. 45 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 20] 10

11 Bearbeitung von Korpustexten Korpuslinguistik Grundlagen Korpora Metadaten: Daten zum Korpustext (z. B. Autor, Entstehungsdatum, Titel, Publikationsort, ) Annotationen: linguistische Beschreibungen in Korpora (z. B. Wortartmarkierungen an allen Wörtern) Kodierter Korpustext (im XML-Format) aus GerManC (deutsches Zeitungskorpus ) Annotationsbeispiel: <s> Satz </s> <foreign> Fremdwort </foreign> <rs> Name </rs> Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 21] Korpuslinguistik Grundlagen Korpusrecherchemethoden 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 Korpusrecherchemethoden am Beispiel des Programms AntConc dargestellt. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 22] 11

12 Korpuslinguistik Grundlagen Korpusrecherchemethoden 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 23] Korpuslinguistik Grundlagen Korpusrecherchemethoden Grundlegende Funktionalitäten in vielen Korpusrecherchesystemen (III) Ermittlung von Wortgruppen (IV) Berechnung von Kookkurrenzen (I) Erstellung von Konkordanzen (II) Berechnung von Häufigkeiten Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 24] 12

13 Korpuslinguistik Grundlagen Korpusrecherchemethoden 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 25] 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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 26] 13

14 Korpuslinguistik Grundlagen Korpusrecherchemethoden Ausgabe der Ergebnisse als Textdatei. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 27] Frequenzen Korpuslinguistik Grundlagen Korpusrecherchemethoden 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. Type-Token-Ratio (Wortformen): Anzahl aller verschiedenen Wortformen / Anzahl aller Realisierungen dieser Wortformen. Stefan Engelberg, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 28] 14

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, Empirische Verfahren, WS 2008/09, Uni Heidelberg [Folie 29] 15