Distant Reading: Datennarrative in den Geisteswissenschaften

In dem Digital Humanities (DH) Kolloquium „Aktuelle Forschungsthemen“ vom 23. Juni stellte Frank Fischer, stellvertretend für alle Beteiligten (Christopher Kittel, Hanna-Lenna Meiners, Dario Kampkaspar, Mathias Göbel, Peer Trilcke, Andreas Vogel und Frank Fischer selbst), die Arbeit zum Thema „Distant-Reading Showcase: 200 Jahre deutsche Dramengeschichte auf einen Blick“ vor, welche auf der DH Konferenz in Leipzig (DHd2016) präsentiert wurde. Frank Fischer ist Associate Professor für die DH an der Higher School of Economics in Moskau.

Distant Reading – worum geht es überhaupt?

Um die von Frank Fischer vorgestellte Arbeit zu verstehen, lohnt es sich zunächst einen Blick auf den Begriff Distant Reading zu werfen. Franco Moretti, der pratkisch das Distant Reading erfunden hat, beschreibt es wie folgt:

[…] if you want to look beyond the canon […], close reading will not do it. It’s not designed to do it, it’s designed to do the opposite. […] we know how to read texts, now let’s learn how not to read them. Distant reading: where distance […] is a condition of knowledge […]. (Conjectures on World Literature. In: New Left Review 1 (2000))

Im Zitat taucht mit Close Reading taucht ein weiter unbekannter Begriff auf, der offensichtlich in Kontrast zu Distant Reading steht. Letztlich beschreibt es aber treffend, worum es bei beiden Begriffen in ihrer ursprünglichen Form (nach Moretti) geht. Beim Distant Reading liegt der Fokus im Gegensatz zum Close Reading nicht auf der Interpretation einer Textpassage innerhalb eines Werks unter Berücksichtigung jeglicher Bedeutungsnuancen, sondern auf der Untersuchung von statistischen und quantitativen Merkmalen eines Textes. Man tritt  also metaphorisch einen Schritt (oder mehrere Schritte) vom Werk zurück. Distant Reading soll es ermöglichen, einen Text zu analysieren, ohne ihn komplett gelesen zu haben. Beispielsweise untersucht die Stilometrie den Sprachstil ebenfalls mittels statistischer Mittel, sie analysiert z.B. die Häufigkeiten von Wörtern innerhalb eines Textes, um Autoren, Gattungen, Werke und Epochen charakterisieren oder anonyme Autoren identifizieren zu können.

Distant Reading hatte ursprünglich nichts mit Computern und den Verfahren der DH zu tun. Jedoch wurde es erst mithilfe von Computern eine wirklich praktikable Methode. Gerade die Anzahl der zu berücksichtigen Texte macht es unerlässlich, einen Computer zur Analyse zu verwenden, da hierdurch der Zeitaufwand enorm reduziert wird, im Unterschied zu Analysen per Hand. Daneben können auch statistische Analysen durchgeführt werden, die von der einfachen Wortzählung bis zur Zählung von komplexeren Satzstrukturen reichen. Durch die Verwendung eines frei zugänglichen Korpus sowie die Veröffentlichung des Quellcodes wird das Analyseverfahren reproduzierbar, wodurch wissenschaftliches Arbeiten ermöglicht wird.

Netzwerkanalyse literarischer Texte

Wie eingangs erwähnt, wurde die Arbeit auf der DH Konferenz in Leipzig vorgestellt. Ziel des Teams ist die Erstellung eines Workflows zur literarischen Netzwerkanalyse (DLINA). Teil des Ergebnisses war ein Poster (siehe Abbildung 1), das sogar unter den insgesamt 78 Postereinsendungen den Preis für das beste Poster erhielt. Auf dem Poster sind Netzwerkgraphen der vorkommenden Charaktere für die jeweiligen Dramen zwischen 1731 und 1929 abgebildet. Das Besondere bei diesem Poster ist, dass die Netzwerkgraphen automatisch erstellt wurden.

Abbildung 1: Poster Distant Reading Showcase Das Poster kann in der vollständigen Auflösung unter Figshare heruntergeladen werden.
Abbildung 1: Poster Distant Reading Showcase Das Poster kann in der vollständigen Auflösung unter Figshare heruntergeladen werden.

Datengrundlage und Analysemethoden

Als Datengrundlage diente das TextGrid Repository, welches 666 deutschsprachige Dramen und Libretti von 1500 bis 1930 umfasst. Diese Dramen sind alle im TEI-Format verfügbar. Hierbei hatte man sich auf die deutschen Dramen, die zwischen 1731 und 1929 geschrieben bzw. veröffentlicht wurden, spezialisiert. Dabei wurden alle nicht-deutschen, dialogfreien, wie z.B. Pantomime, und unvollständige Werke nicht berücksichtigt. Außerdem wurde nach technischen Aspekten selektiert. Zum Beispiel wurden Texte, bei denen die TEI-Auszeichnungssprache zu viele Fehler aufwiesen oder bei der die Struktur als zu kompliziert betrachtet wurden, aussortiert. Aus den 666 Dramen wurden so insgesamt nur 465 ausgewählt. Durch die Bildung von Charakternetzwerken als Analysemethode lassen sich Schlüsse zur Entwicklung der Dramen im chronologischen Kontext ziehen. Hierbei sieht man z.B., dass ab 1770 die Anzahl der Charaktere in den Dramen gewaltig zunimmt (siehe Abbildung 1 und Abbildung 2) – was zu der Annahme führen kann, dass die deutsche Autoren allmählich von Shakespeare inspiriert wurden.

Abbildung 2 Netzwerkgröße im Median (vgl Blogpost 200 Years of Literary Network Data)
Abbildung 2: Netzwerkgröße im Median (aus dem Blogpost 200 Years of Literary Network Data)

Eine weitere Analysemethode ist die Betrachtung der sogenannten Netzwerkdichte. Dabei wird für ein Werk die Häufigkeit der Kontakte zwischen einzelnen Charakteren bestimmt. Spricht beispielsweise jede Person mit jeder anderen Person in einem Werk hat man eine Dichte von 1. Je weniger Personen tatsächlich miteinander sprechen, desto geringer wird die Netzwerkdichte. Vergleicht man nun verschiedene Genres hinsichtlich ihrer Netzwerkdichte, so erhält man interessante Einblicke in die einzelnen Genres. Dramen weisen beispielsweise eine tendenziell geringere Netzwerkdichte auf als Komödien. Die Eigenschaft von Dramen, dass oft einzelne Parteien verfeindet sind oder sich misstrauen und deshalb nicht miteinander sprechen, spiegelt sich hierbei wider. In der nachfolgenden Abbildung 3 sieht man grafisch die Netzwerkdichte per Genre und Jahrhundert.

Abbildung 3 Netzwerkdichte per Genre und Jahrhundert (vgl. Comedy vs. Tragedy: Network Values by Genre)
Abbildung 3: Netzwerkdichte per Genre und Jahrhundert (aus dem Blogpost Comedy vs. Tragedy: Network Values by Genre)

Datenvisualisierung – wie „liest“ man das Poster?

Es lässt sich deutlich erkennen, dass die Erhebung statistischer Kennwerte nur ein Teilaspekt des Distant Readings ist. Vielmehr lassen sich Zusammenhänge vor allem dann erkennen, wenn man Zahlen grafisch darstellt, was Frank Fischer in seinem Vortrag deutlich gemacht hat. Für ihre Arbeit hat das Team darauf geachtet, Edward Tuftes Grundsätze der Datenvisualisierung einzuhalten. Edward Tufte gilt als Experte für Datenvisualisierung und hat u.a. folgende Grundsätze formuliert:

  • Konzentration auf das Wesentliche einer Grafik (keine Gedanken über Methodik, Grafikdesign, Technologie der Grafikerstellung o.ä.).
  • Darstellung von vielen Zahlen auf kleinem Raum.
  • Möglichkeit visuell verschiedene Daten zu vergleichen.
  • Möglichst wenig „Tinte“ verwenden („Data-Ink-Ratio“).

Betrachtet man das Poster erneut unter Tuftes Grundsätzen, ist erkennbar, dass die Grundsätze zum großen Teil beachtet wurden. Kernmerkmal ist beispielsweise die Platzierung etlicher Graphen auf extrem kompakten Raum. In Abbildung 4 sieht man einen Ausschnitt des Posters, anhand dessen im Folgenden erläutert wird, wie es überhaupt zu lesen ist. Jeder Netzwerkgraph stellt die Verbindung einzelner Personen eines Werks dar. Dabei ist jeder Knotenpunkt ein Charakter und eine Verbindungslinie zwischen zwei Knoten bedeutet, dass die Charaktere miteinander in Kontakt kommen. Je mehr Knoten ein Graph aufweist, desto mehr Charaktere kommen in dem jeweiligen Werk vor. Unter jedem Graph ist angegeben, um welches Werk es sich hierbei handelt, wer es verfasst hat und wann es verfasst wurde. Werke von ausgewählten Schriftstellern wurden mit Farben hinterlegt. Wedekinds Werke sind beispielsweise blau hinterlegt, Schnitzlers Werke hingegen rot. Im Gesamtposter sieht man eine Legende für die einzelnen Farben und Schriftsteller. Dadurch lässt sich auch ein zeitliche Bezug der Werke im Zusammenhang bilden. Beispiel für einen Graphen ist z.B. Schnitzlers Reigen (1902). Im Drama selbst haben die meisten Charaktere nur Kontakt zu zwei weiteren Charakteren (sie gesellen sich zu einem Charakter, der nach der Begegnung abtritt, und werden danach beispielsweise von einem anderen aufgesucht). Dies wird im Graphen deutlich, der eine kreisförmige Form aufweist.

Frank Fischer hat in seinem Vortrag selbst Schwächen des Posters erläutert. Haben beispielsweise zwei Werke eine ähnliche Konstellation der Charaktere und deren Verbindungen zueinander, so geht man davon aus, dass die Graphen hierbei auch dieselbe Form haben sollten. Vergleicht man aber beispielsweise den Graph „Scheerbart, DR (Der Regierungswechsel), 1897“ mit dem Graph zu „Hofmannsthal, DFIF (Die Frau im Fenster), 1898“, so erkennt man die gleiche Konstellation von drei Charakteren, die alle miteinander in Kontakt kommen. Jedoch haben die Graphen eine leicht unterschiedliche Form. Dies liegt an dem verwendeten Spring-embedder-Algorithmus, der immer ein zufälliges Layout erzeugt. Bei einer so simplen Konstellation lässt sich dennoch die Ähnlichkeit erkennen. Bei einer komplexeren Konstellation fällt es dem Betrachter hingegen schwerer, die Ähnlichkeit festzustellen. Daher besteht hierbei Verbesserungspotenzial.

Abbildung 4: Poster Distant Reading Showcase (Ausschnitt)
Abbildung 4: Poster Distant Reading Showcase (Ausschnitt)

Fazit

Das Ergebnis des Teams stellt in einer simplen und doch beeindruckenden Weise dar, wie man literarische Texte quantitativ analysieren und grafisch darstellen kann. Gerade das Poster verschafft einen hervorragenden Überblick über die Charakterkonstellation der bedeutendsten Werke aus über 200 Jahre deutscher Dramengeschichte. Die Arbeit ist ein Meilenstein bei der computergestützten und algorithmischen Analyse literarischer Texte im Allgemeinen und Distant Reading im Speziellen. Weitere ähnliche Arbeiten laufen bereits für die Literatur anderer Sprachräume. Wer Frank Fischers Team helfen möchte kann sich z.B. die „Play(s)“-App im Google Play Store herunterladen, um spielerisch die Qualität der Daten zu erhöhen. Hierbei werden den Usern zu Beginn einfache Aufgaben gestellt in Bezug zu den 666 Dramen, wie zum Beispiel das Markieren von identischen Sprecherinstanzen. Für die Bearbeitung dieser Aufgaben erhält man Punkte. Falls andere Spieler genauso die Aufgabe wie man selbst bearbeitet haben, erhält man zusätzliche Punkte. Je mehr Punkte man sammelt, desto schwieriger werden die Aufgaben und desto mehr hilft man dem Team die Dramen mit zusätzlichen Metadaten anzureichern.

Zu den Autoren: Valmir Etemi absolviert derzeit das 1-Fach Master-Programm Informationsverarbeitung an Universität zu Köln. Neben seinem Studium ist er als studentische Hilfskraft bei der Capgemini in Köln tätig und konnte bereits Erfahrungen in mehreren internationalen Projekten sammeln. Thomas Roesler studiert derzeit den 2-Fach BA Informationsverarbeitung und Musikwissenschaft (Universität Köln). Ab dem 1. September arbeitet er als studentische Hilfskraft an Projekten des Cologne Center for eHumanities.

Cite this article as: Valmir Etimi & Thomas Roesler, „Distant Reading: Datennarrative in den Geisteswissenschaften,“ in F. Fischer, J. Hermes, C. Neuefeind & P. Sahle: Digital Humanities Cologne, 29/08/2016,https://dhc.hypotheses.org/193.

7 Gedanken zu „Distant Reading: Datennarrative in den Geisteswissenschaften“

  1. Vielen Dank für den interessanten Text. Gerne haben wir ihn in die Slideshow auf der Startseite von de.hypotheses.org aufgenommen, um ihn auf diese Weise der Community besser präsentieren zu können.
    Herzliche Grüße
    Lisa Bolz

    1. Lieber Herr Lemke,
      Leider liegt der Text hinter einer Paywall (zum Spottpreis von 30€ das Kapitel). Haben Sie die Grundzüge Ihrer Überlegungen vielleicht irgendwo Open Access liegen?
      Im Pingback-Artikel beschäftige ich mich übrigens auch mit der Distant-Close-Reading-Kombination.

        1. Vielen Dank dafür! Der ganze Band sieht sehr interessant aus. Vielleicht ja doch Themen, die einer breiten Öffentlichkeit in einem Blogpost präsentiert werden sollten? 🙂

          1. Absolut – ich plane derzeit mit Mareike König eine Tagung zum Thema Text Mining in Paris. Vielleicht wäre das ja ein geeigneter Rahmen zur weiteren Diskussion?

Schreibe einen Kommentar

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