1. Anwendungsbeispiel
Die hier skizzierte Doppelstunde ist die erste Stunde einer
Unterrichtseinheit in der Sekundarstufe II zum Thema Lyrikanalyse, die
einen festen Bestandteil des schulischen Kerncurriculums für das Fach
Deutsch darstellt. Im Literaturunterricht der gymnasialen Oberstufe
für das Fach Deutsch ist die Auseinandersetzung mit Werken von
Autor*innen, die epochemachend waren, vorgesehen. Neben dem Aufbau von
Orientierungswissen über Werk und Wirken kanonisierter Autor*innen
sollen in der Oberstufe anhand unterschiedlicher Textgattungen
fachspezifische Kompetenzen aufgebaut werden. Als verbindliche
Referenztexte, anhand derer die Interpretation literarischer Texte der
Gattung Lyrik unterrichtet werden können, werden repräsentative
Gedichte von der Klassik bis zur Gegenwart angeführt. An diese
Rahmenbedingungen knüpft die Konzeption der Unterrichtsstunde „Themen
und Motive in Gedichten von der Klassik bis zur Gegenwart – Ein
digitaler Einstieg in die Analyse von Gedichten“ an.
Im Hintergrund der Voyant-Tools stehen zwei Ansätze: Distant Reading
und Textvisualisierung
(Horstmann
und Stange 2024). Distant-Reading-Verfahren eignen sich sowohl
für die Exploration großer Textmengen (z. B. das gesamte Œuvre von
Autor*innen) als auch für die Analyse vergleichsweise kleiner
Textmengen (wie einzelner Werke). Im Kern geht es um die statistische
Auswertung – d. h. die quantitative Analyse – von Textdaten.
Textvisualisierung ist ein Teilbereich der Informationsvisualisierung.
Diese befasst sich mit der visuellen Repräsentation komplexer Texte
und der Anpassung dieser Darstellungsformen durch interaktive
Softwares wie Voyant
(Flüh
2024a). Beide Methoden werden in diesem Fall eingesetzt, um ein
aus 40 Gedichten bestehendes Lyrikkorpus zu explorieren und Hypothesen
über Besonderheiten und häufig vorkommende Themen in lyrischen Texten
zu bilden. Um das Textkorpus zu erstellen, wurden u. a. die folgenden
Anthologien konsultiert: Bode
(2018);
Detering
(2007);
Gnüg und Möhrmann
(1999);
Hahn
(2008).
Die einzelnen und individuell auswählbaren Voyant-Tools visualisieren
die Ergebnisse dieser quantitativen Textanalyse auf ganz
unterschiedliche Art und Weise. Essentiell ist also nicht nur ein
sicherer Umgang mit dem Tool unter Einbezug unterschiedlicher
Funktionalitäten, sondern v. a. auch die kritische Auswertung der
Grafiken und die Ableitung von Interpretationshypothesen.
Bei der Arbeit mit Voyant im Schulunterricht sollten immer
Fragestellungen ausgewählt werden, die selbstständig bearbeitet und
beantwortet werden können. Hierzu zählen z. B. Fragen nach
übergeordneten Textinhalten (wie Themen und Motiven), der Entwicklung
einer Figur und Personenbeziehungen oder der sprachlichen Gestaltung.
Ein Mehrwert für Ihren Literaturunterricht entsteht dann, wenn auf
Grundlage der statistischen Auswertung Muster erkennbar werden und
Interpretationshypothesen gebildet werden können. Hierbei gilt: Die
Ergebnisse einer rein quantitativen Abfrage reichen nicht aus, um
stichhaltige Aussagen über die Konzeption lyrischer Texte zu machen.
Sie eignen sich aber, um die Aufmerksamkeit auf bestimmte
Textphänomene zu lenken, das Interesse für Besonderheiten lyrischer
Texte zu wecken, den kritischen Umgang mit der Auswertung
statistischer Erhebungen zu üben, eine Methode des Distant Readings
kennenzulernen und v. a. um ausgehend von der Entdeckung eines
auffälligen und interessanten Textphänomens in die tiefergehende
Interpretation und Analyse von Gedichten einzusteigen.
Der Zeitraum, aus dem die Werke in dieser Unterrichtseinheit stammen,
umfasst – abgeleitet aus dem Hamburger Lehrplan für Gymnasien – die
Jahre von 1786 bis zur Gegenwart. Eine Aufschlüsselung der
Zusammensetzung des Lyrikkorpus und das gesamte für die
Unterrichtseinheit benötigte Korpus als TXT-Datei (vgl.
Reintext-Version)
finden Sie hier und am Ende der Unterrichtseinheit (Material:
„forTEXT_Textvisualisierung_Voyant_Zusammensetzung_Lyrikkorpus.pdf“
und
„forTEXT_Textvisualisierung_Voyant_Lyrikkorpus.txt“
(forTEXT
2019)). Die Stunde zielt darauf ab, mittels einer quantitativen
Textanalyse und Textvisualisierung einen spielerischen und
epochenübergreifenden Überblick über Themen, Motive und Schreibweisen
der Lyrik der letzten Jahrhunderte zu gegeben.
Für die erste Auseinandersetzung mit der digitalen Methode der
quantitativen Textvisualisierung untersuchen Sie in der
Einstiegsstunde zunächst ein mittelgroßes Textkorpus aus 40 Gedichten
mithilfe von Voyant, die aus unterschiedlichen Anthologien ausgewählt
wurden. Bei der Zusammensetzung des Textkorpus, das Sie auf
Zenodo
(forTEXT
2019) herunterladen können, haben wir darauf geachtet, dass
Autor*innen der enthaltenen Texte mehr als 70 Jahre verstorben sind.
Dadurch gelten ihre Texte als gemeinfrei. Ist dies der Fall, können
die Texte problemlos unter Wahrung des Urheberrechts für Ihren digital
unterstützten Schulunterricht verwendet werden. Im Rahmen einer kurzen
Einführung, in der Sie das Korpus und die Methode vorstellen (siehe
Material Präsentation:
„forTEXT_Textvisualisierung_Voyant_Praesentation.pdf“
(forTEXT
2019)), weisen Sie auf diesen Aspekt hin, damit sich auch die
Schüler*innen über die geltenden rechtlichen Rahmenbedingungen bewusst
sind, die es bei jeglicher Form der digitalen Arbeit mit literarischen
Texten zu bedenken gilt.
Wenn Sie in Ihrem Unterricht ein eigens zusammengestelltes Korpus
verwendet möchten, z. B. zu einer anderen Gattung, sollten Sie die
folgenden Aspekte beachten:
-
Um ein möglichst repräsentatives und für die quantitative
Textanalyse geeignetes Textkorpus zu schaffen – also eine gute
Stichprobe auszuwählen –, gelten dieselben Rahmenbedingungen wie
in der Statistik: Die Ausgangsbedingungen entscheiden maßgeblich
über die Aussagekraft des Ergebnisses. Wird schon bei der Auswahl
eine Verzerrung eingeführt, schlägt sich das im Ergebnis nieder.
Hierfür sollten Sie Ihre Schüler*innen sensibilisieren, wofür sich
z. B. eine fachübergreifende Zusammenarbeit mit den Kolleg*innen
aus der Mathematik umsetzen ließe.
-
Einer Verzerrung der Daten (in der Statistik als systematische
Fehler oder auch Bias bekannt) lässt sich u. a. durch eine
zufällig gewählte Stichprobe entgegenwirken. Dennoch repräsentiert
die Stichprobe nicht die Gesamtheit der Lyrik von der Klassik bis
zur Moderne. Hierfür wäre ein deutlich größeres Textkorpus
notwendig, das sich z. B. im Rahmen einer größer angelegten
Projektarbeit erstellen und untersuchen ließe.
-
Um weitere Verzerrungen zu vermeiden, sollten Sie bei der
Korpuserstellung stets auf eine ausgewogene Verteilung zwischen
Gedichten, die aus weiblicher Feder stammen, und solchen, die von
Männern verfasst wurden, achten. Um eine ausgewogene
Datengrundlage zu schaffen, sollten Sie darüber hinaus darauf
achten, dass der jeweilige Einzeltextumfang nicht zu stark vom
durchschnittlichen Umfang aller Texte abweicht.
2. Verlauf der Unterrichtseinheiten
2.1 Vorarbeiten
Bevor Sie Voyant in Ihrem Fachunterricht einsetzen, sollten Sie
die grundlegenden Funktionalitäten kennen und beherrschen. Hierfür
empfiehlt es sich, den Toolbeitrag zu Voyant
(Flüh
2024a) zu lesen und im Anschluss die Lerneinheit zu Voyant
(Flüh
2024b) Schritt für Schritt durchzuführen. Um vertiefendes
Fachwissen über die Möglichkeiten der Textvisualisierung
(Horstmann
und Stange 2024) aufzubauen, nutzen Sie den entsprechenden
Methodeneintrag.
Das beschriebene Lernszenario ist für Schüler*innen der
Sekundarstufe II bestimmt, da die Benutzeroberfläche (vgl.
GUI) und v. a. das
Voyant-Handbuch,
welches Informationen über die Funktionen der unterschiedlichen
Tools beinhaltet, nur englischsprachig zur Verfügung steht. Die
Unterrichtseinheit richtet sich also an eine Lerngruppe, die auf
Englischkenntnisse zurückgreifen kann.
Bevor Sie die Stunde eröffnen, ist es sinnvoll, das Textkorpus
„forTEXT_Textvisualisierung_Voyant_Lyrikkorpus.txt“
(forTEXT
2019) zentral auf dem Schulserver (vgl.
Server) zu
hinterlegen, sodass die Schüler*innen von ihrem Computer aus darauf
zugreifen und es in Voyant hochladen können. Die Unterrichtsstunde
sollte im Computerlabor durchgeführt werden. Sofern Sie über eine
entsprechende Ausstattung an Laptops und auch in Ihrem Klassenraum
über eine stabile WLAN-Verbindung verfügen, können Sie die Stunde
natürlich auch hier durchführen. An einem Computer sollten nicht
mehr als zwei Personen arbeiten, damit möglichst jedes
Gruppenmitglied Arbeitsschritte mit Voyant umsetzen kann.
Ihre Schüler*innen sollten vorbereitend den Kommentar
„Franco
Moretti ”Distant Reading” – Ein Lektüre-Kommentar“ von
Mareike Schumacher gelesen und als Hausaufgabe eine Definition von
Distant Reading ausgearbeitet haben. Hieran knüpfen Sie in der
Einstiegsphase der Unterrichtsstunde an. Um den Artikel
herunterladen zu können und ihn an Ihre Schüler*innen verteilen zu
können, bedarf es einer kostenfreien Anmeldung bei ZEITonline.
Sofern Sie den Artikel an die gesamte Lerngruppe verteilen möchten,
ohne sich anzumelden, senden wir Ihnen den Artikel zusammen mit den
Musterlösungen zu.
2.2 Einstieg und Problematisierung
Ein visueller Impuls eignet sich, um die Motivation der
Schüler*innen für ein Thema zu wecken und um abstrakte
Unterrichtsgegenstände zu veranschaulichen. Das gilt nicht nur für
die Naturwissenschaften, wo Grafiken und Schaubilder beinahe
allgegenwärtig sind, sondern auch für den Literaturunterricht.
Gerade die sprachliche Besonderheit literarischer Texte macht es für
Schüler*innen nicht selten schwierig, in den Texten „verborgene“
abstrakte Inhalte – wie Informationen über den Inhalt oder nur
implizit vermittelte Bedeutung – zu erkennen. Eine Visualisierung
der Texte kann dabei helfen, in einem ersten Schritt das Augenmerk
auf die Besonderheiten eines Textes zu richten, die sich in einem
zweiten Schritt näher untersuchen lassen.
Für den geplanten Einstieg eignet sich ein Text, der den
Schüler*innen – z. B. aus einer bereits abgeschlossenen
Unterrichtseinheit – schon bekannt ist. In dieser Unterrichtseinheit
verwenden wir eine Wordcloud von Friedrich Schillers Ballade
Die Bürgschaft (siehe Abb. 1 und in der
Präsentation
„forTEXT_Textvisualisierung_Voyant_Praesentation.pdf“
(forTEXT
2019) enthalten).
Wordcloud zu Friedrich Schillers Die
Bürgschaft (1799)
Nutzen Sie das bestehende Wissen der Lerngruppe (Wissen über
Inhalt und Konzeption der Ballade) und beziehen es auf den neuen
Unterrichtsgegenstand (Textvisualisierung). Im Kern geht es darum,
deutlich zu machen, dass Distant Reading ein Paradigma von
Analyseverfahren bezeichnet, mit denen große Mengen an Textdaten
ausgewertet werden, ohne dass der Text vorher gelesen wurde. Im
Rahmen der Einführung überprüft die Lerngruppe die Zuverlässigkeit
dieses Ansatzes. Leiten Sie nun eine Diskussion über die
Visualisierung an, indem Sie die Schüler*innen Hypothesen über die
Bedeutung der Visualisierung anstellen lassen und darüber
diskutieren, ob die eigenen Lektüreerfahrungen sich mit der
Wordcloud in Verbindung bringen lassen oder nicht. Hierbei sollte
außerdem das aus dem Artikel erschlossene Wissen über den Distant
Reading-Ansatz in die Diskussion einbezogen werden. Außerdem sollte
deutlich werden, dass die Wordcloud nur ein mögliches Ergebnis
darstellt, hinter dem eine quantitative Auswertung des Textes steht.
Leiten Sie die Schüler*innen außerdem dazu an, die Visualisierung
auch kritisch zu bewerten. Hier ist schließlich ein lyrischer Text,
der zuvor in minutiöser Kleinarbeit analysiert und interpretiert
wurde, in einzelne Teile zerlegt worden. Die ästhetische Wirkung,
die sich beim Lesen der Ballade entfalten kann, geht hier
verloren.
Mögliche Leitfragen und Impulse (Folie 3) – neben
der Aufforderung zur Beschreibung der Wordcloud – sind:
-
Wie könnte die Wordcloud entstanden sein?
-
Beschreiben Sie, inwieweit Wordcloud und eigene
Lektüreerfahrungen zueinander passen.
-
Gibt es ein nicht-digitales Verfahren, um eine Wordcloud zu
entwerfen?
Von der Vorstellung und Diskussion über eine hier exemplarisch
vorgestellte Form der Textvisualisierung leiten Sie nun durch einen
kurzen Impulsvortrag über zu der konkreten Umsetzung dieser Methode.
In einem kurzen Lehrvortrag bereiten Sie die Schüler*innen auf die
nächste Unterrichtsphase vor. Der Vortrag beinhaltet eine kurze
Vorstellung des Lyrikkorpus (Folie Nr. 4) und der Vorstellung von
Voyant. Hierfür spielen Sie das Voyant-Video vor (Folie Nr. 5), um
die Lerngruppe mit den grundlegenden Funktionen von Voyant vertraut
zu machen.
2.3 Erarbeitung
Anschließend teilen Sie die gesamte Schulklasse in Zweiergruppen
ein und verteilen das Arbeitsblatt (Material:
„forTEXT_Textvisualisierung_Voyant_AB.pdf“
(forTEXT
2019)), dessen Bearbeitung mit zentralen Funktionen von
Voyant vertraut macht. Das Arbeitsblatt ist so konzipiert, dass
zunächst die grundlegenden Funktionalitäten des Textanalysetools
vermittelt werden und die Schüler*innen mit den
Standardeinstellungen arbeiten. Weisen Sie Ihre Schüler*innen darauf
hin, die Lösungen schriftlich in Stichworten festzuhalten, damit
sich die Ergebnisse in einem späteren Teil der Stunde noch
vergleichen und diskutieren lassen. Während die Schüler*innen die
Aufgaben bearbeiten, nehmen Sie eine zurückhaltende Position ein.
Interpretationshypothesen sollten eigenständig entwickelt werden,
während bei technischen Problemen oder Fragestellungen Ihre
Expertise gefragt ist.
2.4 Sicherung
In der Sicherungsphase stellen einige Zweiergruppen ihre
Textanalyselandschaft und ihre Interpretationshypothesen vor
(Aufgabe 6). Hierbei werden die zentralen Interpretationshypothesen
von der nicht vortragenden Person an der Tafel, dem Smart- oder
Whiteboard festgehalten. Der Vortrag sollte nicht länger als fünf
Minuten dauern. Bei einer geschätzten Klassengröße von 20
Schüler*innen werden nicht alle Gruppen ihre Ergebnisse präsentieren
können. Lassen Sie also drei bis vier Gruppen ausführlich vortragen
und leiten dann die Frage nach weiteren, noch nicht genannten
Interpretationshypothesen an das Plenum weiter und ergänzen das
Tafelbild um neue Vorschläge.
2.5 Transfer & Reflexion
In der letzten Phase geht es darum, die erstellten
Visualisierungen und die daraus abgeleiteten Interpretationen mit
den tatsächlichen Lektüreerfahrungen in Verbindung zu setzen. Die
Interpretationshypothesen sollen nun durch die tatsächliche Lektüre
der Gedichte überprüft werden. Teilen Sie hierzu an jede Gruppe ein
Gedicht aus (Material:
„forTEXT_Textvisualisierung_Voyant_Material_Close_Reading.zip“
(forTEXT
2019)) und lassen dieses in Ruhe lesen. Sollte die Zeit nicht
mehr ausreichen, können Sie die folgenden Aufgaben als Hausaufgabe
formulieren:
-
In welchen Gedichten kommen die Most Frequent Words „o“ (33),
„leben“ (24), „gott“ (23) und „ach“ vor?
-
Auf welche Art und Weise lassen sich die von dir vorgestellte
Visualisierung und das gelesene Gedicht in Beziehung zueinander
setzen?
-
Wie verändert sich die Wahrnehmung der Texte, wenn du sie
liest?
Einige der Gedichte sind kürzer als andere. Achten Sie bei der
Verteilung der Gedichte also darauf, dass einige Gruppen ggf. zwei
Gedichte erhalten. Besprechen Sie in der nächsten Stunde gemeinsam
die Beispielaufgaben, ob die Interpretationshypothesen standhalten
oder nicht. Im Unterrichtsgespräch sollten außerdem die Grenzen der
quantitativen Textanalyse thematisiert werden. Für die
Interpretation der Textvisualisierungen gilt: Es stehen weder der
Lesegenuss noch die durch die Gedichte vermittelte ästhetische
Wirkung im Vordergrund. Wenn Sie die Lektüreerfahrungen der
Schüler*innen besprechen, sollte deutlich werden, dass es sich bei
Distant- und Close-Reading-Verfahren um zwei völlig unterschiedliche
Paradigmen handelt. Ersteres nähert sich der Interpretation
lyrischer Texte durch eine vornehmlich quantitative Auswertung.
Aspekte der ästhetischen Wirkung und zahlreiche gattungstypische
Textmerkmale wie z. B. die Versstruktur – welche im Korpus ja
entfernt wurde – spielt bei diesem Ansatz keine Rolle. Bei der
genauen Lektüre der Gedichte sollte aber deutlich werden, dass die
Art und Weise der Rezeption nicht zuletzt durch das Versmaß bestimmt
wird. Der Blick „von oben“ auf die Textmenge vermag Motive und
Themen zu verdeutlichen, die in lyrischen Texten epochenübergreifend
vorkommen. Daraus lassen sich durchaus erste
Interpretationshypothesen ableiten. Die Frage danach, welche
Textmerkmale und -strukturen dazu führen, dass z. B. Die
Bürgschaft bei Leser*innen ein Gefühl der Rührung entstehen
lässt oder auf welche Art und Weise das Versmaß die Rezeption
lyrischer Texte beeinflusst, sollte im Anschluss thematisiert
werden.
Glossar
Annotation
Annotation beschreibt die manuelle oder automatische
Hinzufügung von Zusatzinformationen zu einem Text. Die manuelle
Annotation wird händisch durchgeführt, während die
(teil-)automatisierte Annotation durch
Machine-Learning-Verfahren
durchgeführt wird. Ein klassisches Beispiel ist das
automatisierte
PoS-Tagging
(Part-of-Speech-Tagging), welches oftmals als Grundlage
(Preprocessing)
für weitere Analysen wie Named Entity Recognition (NER) nötig
ist. Annotationen können zudem deskriptiv oder analytisch
sein.
Browser
Mit Browser ist in der Regel ein Webbrowser gemeint, also ein
Computerprogramm, mit dem das Anschauen, Navigieren auf, und
Interagieren mit Webseiten möglich wird. Am häufigsten genutzt
werden dafür Chrome, Firefox, Safari oder der Internet
Explorer.
Close
Reading
Close Reading bezeichnet die sorgfältige Lektüre und
Interpretation eines einzelnen oder weniger Texte. Close Reading
ist in der digitalen Literaturwissenschaft außerdem mit der
manuellen
Annotation
textueller Phänomene verbunden (vgl. auch
Distant
Reading als Gegenbegriff).
Commandline
Die Commandline (engl. command line
interface (CLI)), auch Kommandozeile, Konsole, Terminal
oder Eingabeaufforderung genannt, ist die direkteste Methode zur
Interaktion eines Menschen mit einem Computer. Programme ohne
eine grafische Benutzeroberfläche
(GUI) werden i. d. R.
durch Texteingabe in die Commandline gesteuert. Um die
Commandline zu öffnen, klicken Sie auf Ihrem Mac „cmd“ +
„space“, geben „Terminal“ ein und doppelklicken auf das
Suchergebnis. Bei Windows klicken Sie die Windowstaste + „R“,
geben „cmd.exe“ ein und klicken Enter.
CSV
CSV ist die englische Abkürzung für Comma Separated
Values. Es handelt sich um ein Dateiformat zur
einheitlichen Darstellung und Speicherung von einfach
strukturierten Daten mit dem Kürzel .csv
, sodass diese problemlos zwischen IT-Systemen ausgetauscht
werden können. Dabei sind alle Daten zeilenweise angeordnet.
Alle Zeilen wiederum sind in einzelne Datenfelder aufgeteilt,
welche durch Trennzeichen wie Semikola oder Kommata getrennt
werden können. In Programmen wie Excel können solche Textdateien
als Tabelle angezeigt werden.
Data
Mining
Data Mining gehört zum Fachbereich
Information
Retrieval und bezieht sich auf die systematische
Anwendung computergestützter Methoden, die darauf abzielt, in
vorhandenen Datenbeständen Muster, Trends oder Zusammenhänge zu
erkennen. Textbasierte Formen des Data Minings sind u. a.
Text
Mining,
Web
Mining und
Opinion
Mining.
Distant
Reading
Distant Reading ist ein Ansatz aus den digitalen
Literaturwissenschaften, bei dem computationelle Verfahren auf
häufig große Mengen an Textdaten angewandt werden, ohne dass die
Texte selber gelesen werden. Meist stehen hier quantitative
Analysen im Vordergrund, es lassen sich jedoch auch qualitative
Metadaten
quantitativ vergleichen. Als Gegenbegriff zu
Close
Reading wurde der Begriff insbesondere von
Franco Moretti (2000) geprägt.
GUI
GUI steht für Graphical User Interface und
bezeichnet eine grafische Benutzeroberfläche. Ein GUI ermöglicht
es, Tools mithilfe von grafischen Schaltflächen zu bedienen, um
somit beispielsweise den Umgang mit der
Commandline
zu umgehen.
HTML
HTML steht für Hypertext Markup Language und
ist eine textbasierte Auszeichnungssprache zur Strukturierung
elektronischer Dokumente. HTML-Dokumente werden von
Webbrowsern
dargestellt und geben die Struktur und Online-Darstellung eines
Textes vor. HTML-Dateien können außerdem zusätzliche
Metainformationen
enthalten, die auf einer Webseite selbst nicht ersichtlich
sind.
Information
Retrieval
Die Teildisziplin der Informatik, das Information Retrieval,
beschäftigt sich mit der computergestützten Suche und
Erschließung komplexer Informationen in meist unstrukturierten
Datensammlungen.
Korpus
Ein Textkorpus ist eine Sammlung von Texten. Korpora (Plural
für „das Korpus“) sind typischerweise nach Textsorte, Epoche,
Sprache oder Autor*in zusammengestellt.
Lemmatisieren
Die Lemmatisierung von Textdaten gehört zu den wichtigen
Preprocessing-Schritten
in der Textverarbeitung. Dabei werden alle Wörter
(Token) eines
Textes auf ihre Grundform zurückgeführt. So werden
beispielsweise Flexionsformen wie „schneller“ und „schnelle“ dem
Lemma „schnell“ zugeordnet.
Machine
Learning
Machine Learning, bzw. maschinelles Lernen im Deutschen, ist
ein Teilbereich der künstlichen Intelligenz. Auf Grundlage
möglichst vieler (Text-)Daten erkennt und erlernt ein Computer
die häufig sehr komplexen Muster und Gesetzmäßigkeiten
bestimmter Phänomene. Daraufhin können die aus den Daten
gewonnen Erkenntnisse verallgemeinert werden und für neue
Problemlösungen oder für die Analyse von bisher unbekannten
Daten verwendet werden.
Markup
Language
Markup Language bezeichnet eine maschinenlesbare
Auszeichnungssprache, wie z.B.
HTML, zur
Formatierung und Gliederung von Texten und anderen Daten. So
werden beispielsweise auch
Annotationen
durch ihre Digitalisierung oder ihre digitale Erstellung zu
Markup, indem sie den Inhalt eines Dokumentes strukturieren.
Metadaten
Metadaten oder Metainformationen sind strukturierte Daten,
die andere Daten beschreiben. Dabei kann zwischen
administrativen (z. B. Zugriffsrechte, Lizenzierung),
deskriptiven (z. B. Textsorte), strukturellen (z. B. Absätze
oder Kapitel eines Textes) und technischen (z. B. digitale
Auflösung, Material) Metadaten unterschieden werden. Auch
Annotationen
bzw.
Markup
sind Metadaten, da sie Daten/Informationen sind, die den
eigentlichen Textdaten hinzugefügt werden und Informationen über
die Merkmale der beschriebenen Daten liefern.
Named
Entities
Eine Named Entity (NE) ist eine Entität, oft ein Eigenname,
die meist in Form einer Nominalphrase zu identifizieren ist.
Named Entities können beispielsweise Personen wie „Nils
Holgerson“, Organisationen wie „WHO“ oder Orte wie „New York“
sein. Named Entities können durch das Verfahren der Named Entity
Recognition (NER) automatisiert ermittelt werden.
Opinion
Mininig
Unter Opinion Mining, oder Sentiment Analysis, versteht man
die Analyse von Stimmungen oder Haltungen gegenüber einem Thema,
durch die Analyse natürlicher Sprache. Das Opinion Mining gehört
zu den Verfahren des
Text
Minings.
POS
PoS steht für Part of Speech, oder „Wortart“
auf Deutsch. Das PoS-
Tagging
beschreibt die (automatische) Erfassung und Kennzeichnung von
Wortarten in einem Text und ist of ein wichtiger
Preprocessing-Schritt,
beispielsweise für die Analyse von
Named
Entities.
Preprocessing
Für viele digitale Methoden müssen die zu analysierenden
Texte vorab „bereinigt“ oder „vorbereitet“ werden. Für
statistische Zwecke werden Texte bspw. häufig in gleich große
Segmente unterteilt (chunking), Großbuchstaben
werden in Kleinbuchstaben verwandelt oder Wörter werden
lemmatisiert.
Reintext-Version
Die Reintext-Version ist die Version eines digitalen Textes
oder einer Tabelle, in der keinerlei Formatierungen
(Kursivierung, Metadatenauszeichnung etc.) enthalten sind.
Reintext-Formate sind beispielsweise TXT, RTF und
CSV.
Server
Ein Server kann sowohl hard- als auch softwarebasiert sein.
Ein hardwarebasierter Server ist ein Computer, der in ein
Rechnernetz eingebunden ist und der so Ressourcen über ein
Netzwerk zur Verfügung stellt. Ein softwarebasierter Server
hingegen ist ein Programm, das einen spezifischen Service
bietet, welcher von anderen Programmen (Clients) lokal oder über
ein Netzwerk in Anspruch genommen wird.
Text
Mining
Das Text Mining ist eine textbasierte Form des
Data
Minings. Prozesse & Methoden, computergestützt und
automatisch Informationen bzw. Wissen aus unstrukturierten
Textdaten zu extrahieren, werden als Text Mining
zusammengefasst.
Type/Token
Das Begriffspaar „Type/Token“ wird grundsätzlich zur
Unterscheidung von einzelnen Vorkommnissen (Token) und Typen
(Types) von Wörtern oder Äußerungen in Texten genutzt. Ein Token
ist also ein konkretes Exemplar eines bestimmten Typs, während
ein Typ eine im Prinzip unbegrenzte Menge von Exemplaren (Token)
umfasst.
Es gibt allerdings etwas divergierende Definitionen zur
Type-Token-Unterscheidung. Eine präzise Definition ist daher
immer erstrebenswert. Der Satz „Ein Bär ist ein Bär.“ beinhaltet
beispielsweise fünf Worttoken („Ein“, „Bär“, „ist“, „ein“,
„Bär“) und drei Types, nämlich: „ein“, „Bär“, „ist“. Allerdings
könnten auch vier Types, „Ein“, „ein“, „Bär“ und „ist“, als
solche identifiziert werden, wenn Großbuchstaben beachtet
werden.
Web
Mining
Unter Web Mining versteht man die Anwendung von Techniken des
Data
Mining zur Extraktion von Informationen aus dem World
Wide Web. Das Web Mining ist ein Teilbereich des Data Minings
und zählt zu einem der wichtigsten Anwendungsgebiete für das
Text
Mining.
Wordcloud
Eine Wordcloud, oder auch Schlagwortwolke,
ist eine Form der Informationsvisualisierung, beispielsweise von
Worthäufigkeiten in einem Text oder einer Textsammlung. Dabei
werden unterschiedlich gewichtete Wörter, wie die häufigsten
Wörter, i.d.R. größer oder auf andere Weise hervorgehoben
dargestellt. Die horizontale/vertikale Ausrichtung und die Farbe
der dargestellten Wörter hat meistens allerdings keinen
semantischen Mehrwert.
