Categories
Allgemein

Worthäufigkeiten als Quelle für die Geschichtswissenschaft?

Am 12. Oktober 2020 hielt Prof. Dr. Silke Schwandt, seit Januar 2020 W2-Professorin für Digital History und Geschichte des Mittelalter an der Universität Bielefeld, zusammen mit ihrem Team via Zoom eine Vorlesung zum Thema „Worthäufigkeiten als Quelle für die Geschichtswissenschaft“.

Nebst Digital History befasst sich Silke Schwandt ebenfalls mit den Forschungsschwerpunkten Mittelalterliche Rechtsgeschichte, Geschichte Englands im Hochmittelalter, Historische Politikforschung und Historische Semantik. [1]

Linguistik als Antwort auf historische Fragestellungen     

Sprache transportiert seit jeher Bedeutung. Die Methoden der Digital Humanities eröffnen neue Möglichkeiten, Bedeutung zu erkennen. Durch das Analysieren von Worthäufigkeiten können Muster im Sprachgebrauch erkannt werden, welche Rückschlüsse auf die jeweilige Gesellschaft erlauben. [2] Worthäufigkeiten machen Gesagtes wie auch Nichtgesagtes einer sprechenden und schreibenden Gesellschaft sichtbar und geben so Aufschluss über die Diskurse einer Zeit. Dies wird durch die interpretative Arbeit der Forschenden ermöglicht, welche den empirischen Befund der Worthäufigkeit in den Kontext weiteren Wissens einbetten. So kann zum Beispiel aus einer linguistischen Perspektive ermittelt werden, welche Funktion ein bestimmtes Wort in einem Text einnimmt. Silke Schwandt veranschaulicht dies am Beispiel ihrer Dissertation, welche die Verwendung des Begriffes „Virtus“ (lat. Tugend) in mittelalterlichen Texten untersucht hat. So kann zum Beispiel die häufige Verwendung eines Wortes als Subjekt eines Satzes Auskunft darüber geben, dass dieses im entsprechenden Diskurs als handlungsfähig verstanden wurde.

Sammelband Die Corona Gesellschaft

Luhmanns evolutionärem Modell folgend, kann so aufgezeigt werden, welche Termini in einem bestimmten Diskurs – von Variation über Selektion – eine Stabilisierung erfahren haben, welche Einblick in die Denkweise einer Gesellschaft gewährt. Silke Schwandt betont, dass Worthäufigkeit lediglich einen Ausgangspunkt darstellt, für eine Interpretation jedoch immer wieder zum Originaltext zurückgekehrt werden muss, um das erlangte Wissen richtig einordnen zu können. Dies zeigt Schwandt anhand der Analyse des Sammelbands Die Corona Gesellschaft auf. An diesem Beispiel führt sie das Natural Language Processing (NLP) ein.

Das NLP ist eine interdisziplinäre Methode, welche die Kenntnisse von Sprachwissenschaft und Informatik kombiniert. Mithilfe von Software kann ein Text, eine „Bag of Words“, auf Worthäufigkeiten, Kookkurrenzen, Satzlängen, Wortverbindungen wie auch weitere linguistische Eigenschaften untersucht werden. Silke Schwandt hat zusammen mit ihrem Team die Software „nopaque“ entwickelt, welche Natural Language Processing ermöglicht. Die Software und ihre Tools werden weiter unten ausführlicher vorgestellt.

Startseite von nopaque (https://nopaque.sfb1288.uni-bielefeld.de/)
WordCloud erstellt mit dem Cirrus-Tool aus der Voyant Tools Suits (https://voyant-tools.org/)

Die durch NLP gewonnen Datensätze sind zunächst nur empirische Befunde, da Wortlisten an sich noch keine Muster erkennen lassen. Weitere Programme erlauben in einem nächsten Schritt jedoch eine Visualisierung dieser Wortlisten. So können diese zum Beispiel in einer Wordcloud oder in Bubblelines dargestellt und diese Visualisierungen dann interpretiert werden.

Am Beispiel des Sammelbands verwendet Schwandt zur Veranschaulichung Bubblelines, die suggerieren, dass die Begriffe Solidarität und Pandemie sowie Pandemie und Demokratie gehäuft zusammen in den selben Abschnitten des Sammelbands vorzukommen scheinen. Bei näherer Betrachtung des Originaltextes wird jedoch ersichtlich, dass sich die Begriffe nie aufeinander beziehen. Damit veranschaulicht sie, dass immer ein Dialog zwischen Originaltext und Datensatz stattfinden muss, um eine differenzierte Interpretationsarbeit leisten zu können.

Bubblelines realisiert mit Voyant Tools

Dies weist darauf hin, dass die Visualisierungen des NLP die Erschliessung neuer Daten ermöglicht, welche eigenständige Quellen darstellen. Sie schaffen neues Wissen und sind hermeneutisch herausfordernd. Historiker*innen trennen sich so vom strukturellen Lesen und erlernen ein neues, neutrales Musterlesen, um neue Bedeutungen erschliessen zu können. Silke Schwandt hebt jedoch hervor, dass dies nur eine vermeintliche Neutralität darstellt, da die Algorithmen von Software von Menschen programmiert werden und somit nie gänzlich losgelöst sind von einem konventionellen Wissen und Verständnis.

Die Arbeit mit diesen Methoden beantwortet also nicht nur bestehende Fragen der Forschenden sondern wirft auch neue Fragen auf, welche ihr Denken irritieren und provozieren sollen. Für jede neue Fragestellung wird ein Anpassen der Tools und Algorithmen verlangt. Das Forschungsgebiet der Worthäufigkeiten als Quelle für die Geschichtswissenschaft ist also in ständiger Entwicklung begriffen.

Computerprogramme zur Unterstützung in der Untersuchung von Worthäufigkeiten

Um Worthäufigkeiten in grösseren Korpora zu untersuchen, braucht es die Unterstützung von Computerprogrammen. Diese können generell Wörter und Lemmas auszählen und visualisieren (z.B. als Liste oder Wordcloud), was wiederum das Erkennen von Mustern ermöglicht und erleichtert. Das Angebot dieser linguistischen Tools ist vielfältig; auch gute, kostenfreie Programme und Arbeitsflächen sind erhältlich. Im Folgenden werden die zwei Angebote Voyant Tools und nopaque vorgestellt und verglichen.

Voyant Tools

Voyant Tools (https://voyant-tools.org/) ist eine open-source Arbeitsoberfläche, die online zugänglich ist – eine Installation von Software ist nicht nötig. Um ein Korpus zu erstellen, können entweder der Fliesstext oder die URLs in das dafür vorgesehene Startfeld kopiert, die existierenden Korpora (Austen und Shakespeare) verwendet oder Dateien (Word- und PDF-Formate) hochgeladen werden.

Voyant Tools Startseite

Das Konvertieren von URLs, eBooks und PDFs schliesst oftmals Informationen ein, die bei der Textanalyse nicht gewünscht sind. Dies hat zur Folge, dass die Ergebnisse von Worthäufigkeitszählungen verfälscht werden. Das beste Resultat ergibt sich, wenn das Korpus vorangehend aufbereitet wird, d.h. auf die Informationen reduziert wird, mit welchen gearbeitet werden möchte und das Korpus dann als Word-Dokument hochgeladen wird. Bei grösseren Korpora ist dies allerdings fast nicht machbar, da es zu viel Aufwand darstellt.

Nach erfolgreichem Hochladen des Korpus sieht die Oberfläche etwa so aus (als Anschauungsbeispiel wird das Shakespeare’s Play Korpus verwendet): 

Voyant Tools Arbeitsfläche mit dem Shakespeare’s Plays Korpus

Voyant bietet eine Vielzahl an Tools zur Visualisierung von Worthäufigkeiten: Listen, welche die häufigsten Wörter in Kontext und Korrelation zeigen, Übersichten über den gesamten Korpus, und Grafiken, die das Arbeiten mit dem Text (z.B. das Erkennen von Mustern) erleichtern sollen. Voyant ist interaktiv gestaltet;  in den jeweiligen Tools können u.a. nach bestimmten Wörtern, Lemmas und Wortverbindungen gesucht und die Ergebnisse eingeschränkt werden.

Das Erstellen des Korpus ist zwar aufwendig und automatisch nicht fehlerfrei möglich, dafür sind die Visualisierungstools, die Voyant für Korpusanalysen bietet, vielfältig, relativ einfach zu handhaben und vielseitig einsetzbar.

Nopaque

Nopaque (https://nopaque.sfb1288.uni-bielefeld.de/) wird von dem kleinen, interdisziplinären Team Infrastructure and Digital Humanities (INF) an der Universität Bielefeld entwickelt und befindet sich momentan in der Betaphase. Das Tool ist kostenlos nutzbar, braucht open source Software und bietet den Nutzer*innen vier verschiedene computergestützte und cloud-basierte Schritte zur Korpusanalyse, die aufeinander aufbauend sind. Es braucht keine Software heruntergeladen zu werden. Dadurch, dass ein Account erstellt werden muss und nopaque cloud-basiert ist, kann von überall auf die eigenen Daten zugegriffen werden. Im Folgenden werden die vier Schritte, die nopaque bereitstellt, ausgeführt.

Nopaques vier Schritte zur Korpusanalyse

In einem ersten Schritt konvertiert und verbindet das „File Setup“ die verschiedenen Dateien und Formate der digitalen Texte, die zu einer Datei zusammengestellt werden sollen, damit diese anschliessend weiter bearbeitet werden kann. In einem zweiten Schritt kann nopaque via „Optical Character Recognition“ (OCR) Bilddateien in Textdateien konvertieren und so lesbar machen. Dadurch wird es möglich, weitere computergestützte Analysen durchzuführen. In einem dritten Schritt identifiziert nopaque mit „Natural Language Processing“ (NLP) den part of speech tag eines jeden Wortes, das heisst, an jedes Wort wird dessen jeweilige grammatikalische Eigenschaften angehängt. Zudem werden Tokenisierung, Lemmatisierung und Named-Entity Recognition automatisch durchgeführt. In einem vierten Schritt können dann die so aufbereiteten und konvertierten Dateien zu einem Korpus zusammengeführt werden. Mit Hilfe der Abfragesprache CQP, von Metadaten und von NLP-Tags können komplexe Suchanfragen gemacht werden. Die Resultate können wahlweise entweder als Text oder als Visualisierung dargestellt werden.

Datenverarbeitung in nopaque

Ein grosser Vorteil von nopaque ist das für den jeweils nächsten Schritt passende Konvertieren der eingespeisten Dateien, sodass nichts mit Hilfe von externen Programmen umgewandelt oder angepasst werden muss. Für die Korpusanalyse (nicht abgebildet) kann man neben VRT-Dateien auch JSON-Dateien, die schon einmal durch die Korpusanalyse liefen, einspeisen. Im Output handelt es sich dann um CSV- und JSON-Dateien.

Die Korpusanalyse ist übersichtlich gestaltet und schlicht im Design. Auf Wunsch können die Suchergebnisse im Kontext angezeigt werden; es kann eingestellt werden, wie viele Resultate pro Seite angezeigt und wie viele Wörter vor und nach dem Suchwort als Kontext gegeben werden sollen. Es wird auch angezeigt, aus welchem Teil des Korpus die Ergebnisse der Suchanfrage stammen. Des Weiteren kann man ein Sub-Set von Resultaten kreieren und diese separat exportieren. Beim Export der Daten der Korpusanalyse können zwei verschiedene Arten der Darstellung gewählt werden: Text oder Visualisierung.

Nopaque ist ein interessantes und äusserst hilfreiches Tool zur Korpus-Erstellung und -Analyse. Man kann den ganzen Prozess auf einer einzigen Website durchführen, die Daten werden in der Cloud gespeichert und der Zugriff ist von überall her möglich. Der Gebrauch ist relativ einfach und wo immer Probleme auftauchen, finden sich auch Lösungen. Die CPQ Query Language ist etwas gewöhnungsbedürftig und verlangt viel Aufmerksamkeit (bei einer längeren Anfrage kann sich schnell ein Fehler einschleichen), aber sie ermöglicht ein detailliertes Arbeiten mit Texten. Im Vergleich zu Voyant ermöglicht nopaque jedoch keine Visualisierung der Daten durch Diagramme und Listen. Alles in allem ist nopaque ein wertvolles Tool für alle, die sich mit NLP und Korpusanalyse auseinandersetzen.

Nopaque oder Voyant? Beides!

Für die Bearbeitung eines Korpus stellt sich die Frage, mit welchem Programm nun am besten gearbeitet werden soll. Wie auch immer, man muss sich ja nicht auf eines dieser Tools beschränken. Nopaque eignet sich hervorragend für die Zusammenstellung des Korpus und die erste Analyse. In einem zweiten Durchlauf können diese Ergebnisse mittels Voyants Visualisierungen hervorgehoben, sichtbar gemacht und dargestellt werden. Dieses Zusammenspiel ermöglicht eine Vereinfachung und Beschleunigung der Korpusanalyse.


Ein Beitrag von Maschka Kunz, Isabella Stucky und Anna Ruh im Rahmen der Ringvorlesung „Einblicke in die Digital Humanities“ an der Universität Bern im Herbstsemester 2020


[1] http://wwwhomes.uni-bielefeld.de/sschwandt/ Zuletzt besucht am 19.10.20.

[2] Schwandt, S. (2018). Digitale Methoden für die Historische Semantik: Auf den Spuren von Begriffen in digitalen Korpora. Geschichte und Gesellschaft, 44(1), 107-134.

[3] Mehler, A., Schwandt, S., Gleim, R., & Jussen, B. (2011). Der eHumanities Desktop als Werkzeug in der historischen Semantik: Funktionsspektrum und Einsatzszenarien. J. Lang. Technol. Comput. Linguistics, 26(1), 97-117.


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.