Im Rahmen der Vortragsreihe “Aktuelle Forschungsthemen in den Digital Humanities” hat Pablo Ruiz Fabo am 02.05.2024 Studierenden der Universität zu Köln das von ihm geleitete Projekt MeThAL vorgestellt. Das Projekt zielt darauf ab, die Theatertradition im Elsässer Dialekt durch eine makroanalytische Herangehensweise zu erforschen. Es strebt die Erstellung eines großen, repräsentativen Korpus und die quantitative Analyse dessen an. Dabei werden Herausforderungen, wie die orthografische Vielfalt des Elsässischen, berücksichtigt. Dadurch wird ein Beitrag zur Erforschung von Minderheitensprachen geleistet und der digitale Zugang zum Elsässischen Theater verbessert.

MeThAL wird von Pablo Ruiz Fabo führend geleitet. Ruiz Fabo ist Dozent für linguistische Informatik und Leiter der Abteilung für Sprachtechnologie und Digital Humanities an der Universität Straßburg. Seine Forschungsthemen fokussieren sich dort auf ‘Digital Humanities’ und ‘Natural Language Processing’.

Neben diesem Projekt leitet er außerdem das Projekt TheALTreS, welches einen Vergleich zwischen dem deutschen und dem französischen Volkstheater von 1800 bis 1929 anstrebt.

Einordnung in den wissenschaftlichen Kontext

Die quantitative Analyse von Dramen und anderen geschriebenen Werken kann in der Computerlinguistik auf eine langjährige Erfahrung verweisen. So werden beispielsweise die Beziehungen der Charaktere zueinander als Netzwerk untersucht (dlina – Digital Literary Network Analysis) oder auch wie sich die Verteilung des Wissens über die Beziehungen der Charaktere zueinander im Laufe eines Theaterstücks verändert (QuaDramA – Quantitative Drama Analytics). Dies sind nur zwei von vielen Themen, die Forscher im Laufe der Jahre untersucht haben.

Ein Thema, das in diesem Forschungsbereich jedoch einen eher geringen Status einnimmt, ist die quantitative Analyse, angewendet auf Werke in Minderheitensprachen, wie zum Beispiel dem elsässischen Dialekt. Während DraCor, eine Seite für TEI encodierte Dramen, im Mai 2024 700 deutsche und 1560 französische Werke aufweist, waren im Elsässischen vor Beginn des MeThAL Projekt noch keine veröffentlichten TEI-kodierten Theaterstücke vorhanden. Erst nach Abschluss des Projektes und nachdem die dort erstellten Dramen mit DraCor geteilt wurden, sind es jetzt 30.

Die Grundlage dieses Projekts bilden Dramen aus dem Elsass. Theaterinszenierungen fanden dort seit dem 19. Jahrhundert, unter wechselnder Herrschaft zwischen Frankreich und Deutschland, kontinuierlich statt. Aus einer Sammlung von 280 bereits eingescannten Dramen der Nationalbibliothek Straßburg (Numistral) wurden 50 von ihnen anhand folgender Kriterien ausgewählt, um eine größtmögliche Vielfalt zu erreichen:

• Genre, mit Hauptfokus auf Komödien, aber auch ernste Theaterstücke
• Zeitperiode der Veröffentlichung
• Bekanntheit und Geschlecht des Autors
• Ursprung des Autors und des Verlegers

Von der Texterfassung zur digitalen Publikation

Bevor die Analyse starten konnte, musste als Erstes das Korpus erstellt werden. Die eingescannten Dramen wurden jeweils in Titelbild und Hauptteil aufgeteilt, da beides eine andere Verarbeitungsstrategie erforderte.

Der Hauptteil des jeweiligen Dramas wurde mittels OCR-Software eingelesen und in das hOCR-Format gebracht. OCR (Optical Character Recognition) ist eine Technologie, die gedruckte oder handschriftliche Texte in digitale Formate konvertiert, um sie durchsuchbar und bearbeitbar zu machen. Da OCR fehleranfällig ist, musste im Anschluss eine manuelle Korrektur durchgeführt werden. Die Korrekturen können nun mithilfe von TEI-Encoding formatiert und annotiert werden. Bei TEI-Encoding handelt es sich um eine Methode zur strukturierten Markierung und Annotation von Texten, die es ermöglicht, ihre Inhalte, Struktur und semantische Bedeutung für eine bessere Analyse und Darstellung maschinenlesbar zu machen.

Dafür wurde eine eigene Bibliothek FETE: Fast Encoding of Theater in TEI geschrieben, die dafür sorgt, dass Dateien im hOCR-Format TEI-kodiert werden können. Dabei wurde die Methode CRF (Conditional Random Fields) ohne Kaskaden verwendet, um die jeweiligen TEI-Elemente vorherzusagen. Wie in Abbildung 1 zu sehen ist, wurde das Training von CRF in ein Trainings-Set und ein Test-Set aufgeteilt.

Auch wenn CRF eine gute Möglichkeit bietet, die verschiedenen TEI-Elemente richtig vorherzusagen, gibt es dennoch einige Einschränkungen bei der Benutzung dieser Methode. Zum Beispiel wird als Trennzeichen zwischen Charakternamen und deren gesprochenen Texten ein Doppelpunkt verwendet, da dies in den meisten Dramen so genutzt wurde. Es gibt jedoch auch Dramen, die von dieser Norm abweichen. Als Workaround wurde vor der Verarbeitung berechnet, welches Trennzeichen in dem jeweiligen Drama verwendet wurde. Dies konnte dann manuell gesetzt werden.

Die fertige Datei musste danach nur noch einmal final validiert werden, bevor das Drama auf GitLab, Nakala und DraCor publiziert und damit vollständig digitalisiert werden konnte.

Dieses Vorgehen hat nur so gut funktioniert, weil der Hauptteil immer einen ähnlichen Aufbau besaß. Der Titel bzw. Vorspann hingegen weist zu viel Variabilität auf, als dass es sich so einfach automatisieren ließe. Aus diesem Grund wurde jedes Titelbild einzeln transkribiert. Dabei wurden Informationen zu bibliographischen Metadaten und zur dramatis personæ extrahiert. Die resultierenden Informationen wurden via CSV-Datei in das TEI-Encoding des Hauptteils einbezogen.

Hinter den Kulissen: Spannende Einblicke aus dem Dramen-Korpus

Die quantitative Analyse des erstellten Korpus erfolgte zwar ausschließlich auf den Metadaten der Werke, lieferte aber dennoch bereits viele sehr interessante Einblicke. Im Folgenden werden drei wesentliche Punkte näher erläutert.

Zuerst wird die Entwicklung von Berufsgruppen im Laufe der Zeit analysiert. Besonders deutlich wird dies am Beispiel von Handwerkern und Bauern. Die untenstehende Grafik zeigt, wie sich diese von den 1890er Jahren bis in die 1930er Jahre verändert hat. Während vor der Jahrhundertwende Bauern mit fast 20% noch stark repräsentiert sind, ändert sich dies schnell und in den 1930er Jahren sind es nur noch circa 5%. Eine umgekehrte Entwicklung lässt sich bei den Handwerkern beobachten, die von weniger als 5% auf über 15% ansteigen.

Ein interessanter Unterschied zeigt sich in den Geschlechterrollen der Figuren, die laut dramatis personæ einen Beruf ausüben, was in Abbildung 3 zu sehen ist. Zwar haben bei weiblichen Autoren die Charaktere etwas seltener einen benannten Beruf, aber dies teilt sich fast gleich auf Männer und Frauen auf. Bei männlichen Autoren hingegen ist hier ein großer Unterschied zu erkennen und mehr als 8-mal so viele Männer haben einen Beruf.

Zuletzt wird die Interaktion von Charakteren untereinander betrachtet. Durch die Umwandlung in das TEI-Format lässt sich dies einfach und automatisch auswerten. Die untenstehende Abbildung zeigt eine Heatmap für die Anzahl an Interaktionen zwischen verschiedenen Charakteren in Johann Georg Daniel Arnolds Der Pfingstmontag.

Für sich genommen, ist dies noch wenig aussagekräftig, aber mit mehr Hintergrundwissen könnten zum Beispiel die Charakter-Interaktionen eines Autors über mehrere Werke hinweg analysiert und in Kontext gesetzt werden. Als anderen interessanten Ansatzpunkt könnte man die Charaktere noch mit den Berufsgruppen verknüpfen, um die Interaktion zwischen verschiedenen Berufen darzustellen und dann analysieren, wie sich diese im Laufe der Zeit verändert.

Mit ELAL und EDYTHA durch das Labyrinth der Emotionen

Neben der quantitativen Analyse wurde auch eine emotionale Analyse betrieben. Hierfür wurde die Arbeit ‘ELAL: An Emotion Lexicon for the Analysis of Alsatian Theatre Plays’ von Delphine Bernhard einbezogen. ELAL bietet ein Lexikon an, welches verschiedene Varianten des gleichen Wortes verbindet. Dadurch können fehlerhafte Varianten bei der manuellen Korrektur erkannt werden. Das Lexikon beinhaltet über 3.000 Einträge, wobei es über 10.000 unterschiedliche Formen des Elsässischen beinhaltet. Hierbei beschreibt ein Eintrag ein Cluster eines Wortes und eine Form beschreibt die verschiedenen Varianten des Wortes im Elsässischen. Das bedeutet, dass jeder Eintrag im Durchschnitt etwa 3.64 Varianten hat. In Abbildung 5 kann man sehen, welche Varianten das Wort in anderen Sprachen besitzt und welche Emotionen wie stark mit dem Wort verbunden werden.

Weiterführend bietet das Projekt ‘EDYTHA: Emotion DYnamics in THeater in Alsatian’, welches von Qinyue Liu entwickelt wurde, die Möglichkeit Muster innerhalb der Entwicklung der Emotionen zu bestimmen. Dadurch können beispielsweise zwei Emotionen wie Freude (englisch: joy) und Traurigkeit (englisch: sadness) in Komödien, wie in Abbildung 6 dargestellt, verglichen werden,

Herausforderungen des Projektes

Damit das Projekt ein einer adäquaten Weise umgesetzt werden konnte, mussten einige Hürden und Herausforderungen bewältigt werden.

Zum einen gibt es keine früheren elektronischen Textsammlungen für das elsässische Theater. Daher musste vorab der gesamte Korpus angepasst und in ein einheitliches Format gebracht werden, damit man mit diesem arbeiten kann.

Zum anderen ist das Elsässische sehr variantenreich, wodurch statistische Analysen schwieriger sind, da der gemeinsame Wortschatz sich auf die verschiedenen Varianten und Dialekte aufteilt. Dazu kommt, dass es generell sehr wenige Dramen zur Auswahl gibt, was den Wortschatz des Korpus noch weiter einschränkt.

Ausblick

Wie sieht nun die Zukunft aus? Aktuell werden die in MeThAL gewonnenen Ergebnisse im Rahmen des neuen Projekts TheALTReS genutzt, um das elsässische Theater mit dem zu vergleichen, was es am meisten beeinflusst hat: dem deutschen und französischen Theater.

Pablo Ruiz Fabos Interesse an kleinen Sprachen führt ihn in den Nordwesten Spaniens. Gerne würde er eine ähnliche Erfassung und Analyse wie bei MeThAL auch an galicischen Werken durchführen. Anders als bei MeThAL wird sich dies aber nicht auf Theaterstücke fokussieren, sondern auf Erzählungen und Gedichte des 19. Jahrhundert. Als offizielle Amtssprache in Galicien und mit geschätzt 2.4 Millionen Sprechern, dürfte sich die Erstellung oder Erweiterung eines Corpus von Werken aber als etwas einfacher gestalten als im Elsässischen.

Zu den Autoren:innen:

Emanuel Nierstenhöfer studiert im zweiten Semester den Master in Informatik an der Universität zu Köln. Parallel zum Studium arbeitet er als Softwareentwickler, wobei sein Fokus auf der Frontend-Entwicklung liegt.

Ann Weitz studiert nach einem Bachelorabschluss in Informatik an der TH Köln jetzt den breiten Informatik-Master an der Universität zu Köln mit einem Fokus auf Machine Learning und Data Science. Neben dem Studium arbeitet sie in einem kleinen Personalberatungsunternehmen.

(Wir bitten, den unten stehenden automatisch generierten Zitierhinweis von OpenEdition zu ignorieren und die Beitragsautoren bei Bezugnahme korrekt anzugeben.)

---

---