Assoziationsketten

Als erstes habe ich mir den Screencast und die Powerpoint-Präsentation von Frau Dr. Sarah Oberbichler angesehen. Deren Ausführungen begleitend, habe ich mir im Internet eine Reihe an Internetseiten und Youtube-Videos aufgerufen, welche den behandelten Gegenstand auch abhandeln. Dafür habe ich die Texte https://fortext.net/routinen/lerneinheiten/textvisualisierung-mit-voyant und https://fortext.net/routinen/methoden/topic-modeling gelesen. Zusätzlich habe ich mir die Youtube-Videos Tutorial: Voyant-Tools zur Textvisualisierung nutzen (https://www.youtube.com/watch?v=KbBHTlXoZO4), Screencast Tutorial zu den Voyant-Tools: grafische Visualisierung von Text (https://www.youtube.com/watch?v=zMXCh9KpVX8) und Text mining with Voyant Tools, no R or any other coding required (https://www.youtube.com/watch?v=Aw06Ymx6joc&t=4s) angesehen.

Auch den Text „The Digital Humanities Contribution to Topic Modeling“ von E. Meeks and S. Weingart habe ich gelesen. Erwähnenswert finde ich daraus folgenden Absatz „The result is a call for caution in the use of topic modeling because it moves scholars away from interpreting language — their great strength — toward interpreting “topics,” an ill-defined act which might provide the false security of having resolved the distinction between a word and the thing that it represents.“

Als ersten Arbeitsschritt habe ich den von mir verwendeten Textkörper vergrößert. Dafür habe ich eine Ausgabe der vierteljährlich erschienen Zeitschrift „Zeitraum“ bei Transkribus hochgeladen. Dann habe ich mir einen Account bei Overview erstellt, um diesen Textkörper bei Overview und Voyant-Tools hochzuladen.

Anschließend habe ich mit beiden Programmen am Textkörper herumexperimentiert. Beide Programme sind dabei hilfreich, einen Überblick über einen großen Textkörper zu erhalten. Ich kann z.B. mithilfe des Topic Modelling (statistische Modelle aus statistischer Wahrscheinlichkeitsrechnung) die am häufigsten verwendeten Wörter in einem Textkörper herausfiltern. Daraus kann man Schlussfolgerungen ziehen, welche u.a. das Textverständnis erleichtern, als u.a. die geografische und zeitliche Einordnung eines Textkörpers. Wenn z.B., wie bei meiner Verwendung dieser Programme, der Name Bourdieu öfters fällt, lassen sich daraus bestimmte Schlussfolgerungen ziehen.

Bei Voyant-Tools eine Worttraube bilden zu können, finde ich dahingehend auch hilfreich. Damit fällt es leichter, Assoziationsketten im Textkörper zu identifizieren. Obwohl keine interpretativen (keine semantische Erfassung der Wörter) Erkenntnisse durch die Programme eruierbar sind, erleichtert die Bildung einer Worttraube einen solchen Erkenntnisgewinn. Worttrauben sind dabei eine Methode, welche von Gabriele L. Rico in Form des sogenannten Clustering entwickelt worden ist. Dabei geht es um einen Zusammenhang zwischen bildlichen und begrifflichen Denken, um u.a. mittels loser Assoziationsketten den Textkörper besser verstehen zu können. Overview bietet hingegen die Möglichkeit Stoppwörter (mittels dem Radiergummisymbol) schnell und einfach zu entfernen, was die Aussagekraft der Analyse stark erhöht. Um Topics zu erstellen, würde ich dabei Overview verwenden, welches Topic Modells als Topics Trees bezeichnet. Zur Verwendung empfehle ich aber beide Programme, um in Kombination, etwa bei Voyant-Tools die „Bubblelines“, das bestmögliche Resultat zu erzielen. Ausgefeilter erscheint mir dabei das Programm Overview im direkten Vergleich mit Voyant-Tools zu sein.

Abschließen möchte ich meinen Blogbeitrag mit einigen Gedanken, welche mich bei der Verwendung von Voyant-Tools und Overview ereilt haben. Eine Frage meinerseits lautet dabei, wie man Verzerrungen bei der Verwendung dieser Programme verhindern könnte. Jemand beschäftigt sich z.B. mit der Rückwanderung aus den USA nach Europa im Zeitraum 1890-1910. Dafür wird ein Textkorpus verwendet, welcher jede Tagesausgabe einer amerikanischen Zeitung im entsprechenden Zeitraum abdeckt. Wenn aber nunmehr ein außergewöhnliches Ereignis, etwa ein schweres Erdbeben einem San Francisco, eintretet, um als dieses Ereignis über Monate hinweg die Spalten dieser Zeitung zu füllen, könnte es der Fall sein, dass dieses Ereignis die angestrebten Ergebnisse meiner Untersuchung verzerrt. Diesbezüglich wäre es hilfreich über einen dementsprechenden Filter zu verfügen, um die Aussagekraft der Analyse nicht zu vernebeln.

Ein Kritikpunkt von meiner Seite stellt hingegen die Tatsache, dass das Topic Modelling dazu führen könnte, einen Textkorpus nicht zu lesen. So wie es bei analogen Büchern oft der Fall ist, nur den Anfang, das Ende und den Klappentext zu lesen, könnte ein Topic Modelling zu einem ähnlichem Verhalten verführen. Auch die bereits erwähnte Interpretation von Topics und nicht des Textkörpers möchte ich in diesem Kontext nochmals erwähnen.

Hilfreich erscheinen mir beide Programme für eine Korpusanalyse im Kontext einer Korpuslinguistik zu sein. Man könnte damit anhand eines Textkörpers herausfinden, welche Adjektive mit welchem Substantiv am häufigsten in Verbindung stehen. Damit kann man Erkenntnisse etwa über Schönheitsideale oder den Umgang mit Minderheiten gewinnen. Auch in einer forensischen Linguistik könnte man beide Programme verwenden. Durch die Häufigkeit verwendeter Wörter könnte man Alter, Geschlecht und Herkunftsort des Autors/In bestimmen.

Was in meinen Gedankengängen die schlüssigste Verwendungsform darstellt, handelt aber um die Assoziationsgesetze. Im sekundären Assoziationsgesetz kann ich Möglichkeiten ersehen, um z.B. etymologische und psychologische Erkenntnisse zu gewinnen. Welche Wortschöpfungen tauchen erstmals wann und wo in welchem Kontext auf? Was ist die Intention der/s AutorIn? Was wird mit bestimmten sich wiederholenden Wortkonstellationen bezweckt? Folgt der/die Autor/In einer bestimmten Intention, dadurch wie diese/r den Textkörper inhaltlich über die Wortwahl ausgestaltet? Welche Nuancierungen werden im Textkörper damit verstärkt, um z.B. mittels der erzählerischen Kontraste welche Rezeptionsmuster beim LeserIn zu bestärken?


Das könnte dich auch interessieren …

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