Von Bäumen und Wolken: So kann Digital History aussehen

Was Bäume und Wolken mit Digital History zu tun haben, möchte ich in meinem zweiten Blogbeitrag klären. Konkret geht es um die Online-Tools Voyant und Overview, mit deren Hilfe man digitale Korpora auswerten und die Ergebnisse grafisch darstellen kann. Zur Erinnerung: Als Quellenkorpus verwende ich alle Ausgaben des Linzer Volksblattes vom November 1918. Ursprünglich habe ich diesen Zeitraum ausgewählt, weil ich mich mit der Einführung des Frauenwahlrechtes beschäftigen wollte. Nach einer ersten Analyse hat sich aber gezeigt, dass diesem Thema in diesem turbulenten Monat nur wenig Aufmerksamkeit zukommt. Worüber stattdessen geschrieben wurde, lässt sich gut mit den beiden Tools herausfinden.

Voyant Tools

Voyant Tools is a web-based text reading and analysis environment. It is a scholarly project that is designed to facilitate reading and interpretive practices for digital humanities students and scholars as well as for the general public.

So beschreiben die Betreiber das Programm auf voyant-tools.org

Ohne Anmeldung lässt sich problemlos ein ganzes Korpus hochladen. In meinem Fall sind es 24 Ausgaben des Linzer Volksblattes mit rund acht Seiten pro Ausgabe. Um sie auswerten zu können, müssen die Zeitungen als Textdateien hochgeladen werden. Hierzu verwendet man am besten Transkribus. Innerhalb kürzester Zeit hat Voyant das Korpus quantitativ ausgewertet. Hier ein paar Beispiele:

Cirrus

Die Cirrus Wortwolke habe ich bereits kurz in meinem ersten Blogbeitrag November 1918: Historical meets digital angesprochen. In ihr stellt das Programm die häufigsten Wörter dar. Je größer die Wörter sind, desto öfter kommen sie vor. Die Farben spielen dabei keine Rolle. Wie bereits im ersten Blogbeitrag erwähnt, empfiehlt es sich, mit Stopwords zu arbeiten, um zu einem brauchbaren Ergebnis zu kommen. Das sind Wörter, die ausgeklammert werden sollen. Voyant verwendet ein voreingestelltes Set an Stopwords, das zum Beispiel Artikel, Präpositionen, Konjunktionen oder häufige Verben enthält. Je nach Korpus lohnt es sich aber, noch einmal selbst Hand anzulegen. Ich habe zum Beispiel Zahlen, Einzelbuchstaben und Vorsilben herausgenommen, um das Ergebnis zu optimieren.  

Ein Bild, das Text enthält.

Automatisch generierte Beschreibung
In dieser Cirrus Wortwolke sind die 45 häufigsten Wörter abgebildet.

Nun gibt uns das einen ersten Überblick über die Themen, die im November 1918 im Linzer Volksblatt dominiert haben. Wie ich in meinem ersten Blogbeitrag schon angemerkt habe, erkennt man hier bereits, dass nach dem Krieg der Blick in Richtung Deutschland gerichtet wurde. Aber auch die Grippe dürfte eine Rolle gespielt haben. Um Näheres dazu herauszufinden, lohnt sich ein Blick in die Contexts.

Contexts

Das ist meiner Meinung nach einer der wichtigsten Bereiche von Voyant. Denn der Fokus auf einzelne Wörter lässt einen schnell den Ausgangspunkt, nämlich die Zeitungen bzw. Artikel vergessen, in die die Wörter eingebettet sind. Die Contexts holen einen zurück ins Korpus. Dort sind nämlich Wörter links und rechts des jeweiligen Suchbegriffes abgebildet. Man kann hier einstellen, wie viele Wörter man sich anzeigen lassen will. Möchte ich also mehr über den Begriff „Grippe“ erfahren, zeigt mir Voyant an, in welchem Kontext das Wort im Korpus auftritt. So lässt sich herausfinden, dass es sich um die Spanische Grippe handelt. Außerdem zeigt sich in den Contexts, dass der Begriff häufig in Todesanzeigen vorkommt. Das erklärt auch die hohe Häufigkeit in der Wortwolke. Die Contexts sind meiner Meinung nach eine nicht zu unterschätzende Funktion und sollten immer parallel zu jeglichen Visualisierungen verwendet werden.

Wie viele Wörter links und rechts angezeigt werden sollen, kann man einstellen.

Trends

Während sich Contexts nicht so sehr zur Visualisierung sondern eher zur Hintergrundinformation eignet, kann man die Trends wiederum sehr gut abbilden. Ich möchte das am Beispiel der Suchbegriffe „deutsch*“, „deutschösterreich*“ und „österreich*“ verdeutlichen:

Die y-Achse gibt die Frequenz der Suchbegriffe an, die x-Achse zeigt die Ausgabe der Zeitung.

Die direkte Gegenüberstellung zeigt deutlich, was ich in meinem ersten Blogbeitrag bereits angedeutet habe. Begriffe, die mit „deutsch“ beginnen, kommen deutlich häufiger vor als Begriffe, die mit „österreich“ zusammenhängen. Die Punkte auf der X-Achse stehen in diesem Fall für je eine Ausgabe des „Linzer Volksblatts“ im November 1918. Man könnte sich aber auch die Trends innerhalb eines Dokuments anzeigen lassen, wobei das Dokument selbst wiederum von Voyant in Segmente unterteilt wird. Besonders hervorzuheben sind hier die verschiedenen Visualisierungsmöglichkeiten. Neben Linien- gibt es auch Säulen- und Flächendiagramme sowie additive Diagramme zur Auswahl. Damit lässt sich die Visualisierung optimal auf den Untersuchungsgegenstand anpassen.

Summary

Im Summary sind interessante Fakten zum Korpus angegeben: Neben der Gesamtwortanzahl (Tokens) werden auch die „unique word forms“ (Types) ausgewiesen. So könnte man beispielsweise die Type-Token-Relation herausfinden. Auch angegeben ist die Länge der einzelnen Dokumente, die Wortdichte oder die Länge der Sätze. Mit dieser Funktion konnte ich mich bisher am wenigsten anfreunden, da die Zahlen wenig mit dem Inhalt zu tun haben. Auf einer Metaebene sind diese Auswertungen aber durchaus spannend. Beispielsweise kann man so darstellen, dass Zeitungen in Krisenzeiten, z.B. im Krieg, kürzer bzw. dünner ausfallen. Ich kann mir auch vorstellen, dass diese Funktion insbesondere für Sprach- und Literaturwissenschafter*innen hilfreich sein kann.

Topics

Die Topics lassen sich am besten als Themenblöcke beschreiben. Das Programm identifiziert Wörter, die häufig in Verbindung miteinander vorkommen. Dargestellt werden diese Themenblöcke als Reihen von Wörtern. Voyant verwendet für die Zusammenstellung der Topics die ersten 1.000 eines Dokuments. Man kann diese Zahl zwar erhöhen, sollte diese Möglichkeit allerdings nicht zu sehr ausreizen, da es zu lange dauern könnte. Ich habe die Wortanzahl auf 2.000 erhöht, da das ungefähr einer Titelseite entspricht.

Nun ist es nicht ideal, dass nicht das gesamte Korpus verwendet wurde, dennoch lassen sich schlüssige Topics erkennen, wie z.B. deutschen regierung deutschösterreichische uebernahme deutschösterreichs volkes einvernehmen note verwaltung freien. Andere wiederum bedürfen eines genaueren Blickes in das Korpus, wie z.B. jahre alt noten jahren unterstützung erwähnten seitens worte versehen landes. Das Problem bei Voyant: Es führt kein direkter Weg von den Topics zum Korpus. Man müsste hierfür wieder die Contexts heranziehen. Dieses Problem ist bei Overview deutlich besser gelöst.

Overview: Topic Tree

Für Overview braucht man im Gegensatz zu Voyant einen Account. Der Vorteil: Projekte lassen sich speichern und man kann später wieder darauf zugreifen. Zwar kann man auch in Voyant wieder auf das Korpus zugreifen – die Stopwords muss man allerdings immer neu eingeben. (Hier empfiehlt sich eine externe Liste zu führen.)

Das Hochladen der Dokumente in Overview hat problemlos geklappt und weniger als eine Minute beansprucht. Bei Overview ist hervorzuheben, dass das Interface angenehmer zu bedienen ist als bei Voyant. Overview verwendet außerdem nicht nur die ersten 1.000 Wörter sondern das gesamte Korpus. Es behandelt jede Seite aus z.B. einem Worddokument oder jede Zeile aus einem Excelfile als „Document“ und generiert daraus einen Topic Tree:

In Form eines Baumes stellt Overview die Topics dar.

Da ich einfache .txt-Dateien verwendet habe, hat Overview die Texte selbst in „Documents“ zu rund 200 Wörtern eingeteilt. Das Ganz oben abgebildete Topic november linz grippe wien lebensjahre herr kronen berlin regierung deutschen erinnert stark an die Cirrus Wortwolke in Voyant. Sieht man sich aber die Äste des Baumes genauer an, lassen sich wiederum Topics erkennen. So besteht beispielsweise ein eigener Zweig aus einem Feuilletonroman. Hier sind beispielsweise Namen von Protagonist*innen sowie Orte zu lesen. Das kann je nach Fragestellung interessant sein. Für Literaturwissenschafter*innen könnte es sich auch anbieten, solche Fortsetzungsgeschichten zu analysieren. 

Das Hochladen der Dokumente in Overview hat problemlos geklappt und weniger als eine Minute beansprucht. Bei Overview ist hervorzuheben, dass das Interface angenehmer zu bedienen ist als in Voyant. Auch die Suchfunktion, mit der man im Korpus nach Stichwörtern suchen kann, ist praktisch. Für Topic Modeling würde ich jedenfalls Overview empfehlen, da ein Feature meiner Meinung nach alles schlägt: Mit einem Klick lassen sich alle Dokumente anzeigen, die einem bestimmten Topic zuzuordnen sind. Man kann sie direkt im Programm lesen, durchsuchen und beschlagworten. Das macht die Arbeit um einiges leichter.

Mein Tipp: Wenn man den Wald vor lauter Bäumen nicht sieht, hilft einem vielleicht ein Topic Tree. Bis bald! 

Theresa

Mit diesen Links geht’s zu den verwendeten Tools:


Das könnte dich auch interessieren …

2 Antworten

  1. 13. Januar 2021

    […] Während ich zu Beginn erst lernen musste, wie man Quellenkorpora mit digitalen Tools auswerten und visualisieren kann, bin ich jetzt schon bereit, „Geschichte zu erzählen“. In meinem vierten und […]

  2. 13. Januar 2021

    […] detaillierten Einblick in das Korpus. Mithilfe von Voyant-Tools und Overview (mehr dazu in meinem zweiten Blogbeitrag) habe ich zwar schon Häufigkeiten und wichtige Themen herausfiltern können. Die Netzwerkanalyse […]

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search