Digital Humanities meets Computational Linguistics – gemeinsam den Forschungshorizont erweitern

Viele geisteswissenschaftliche Forschungsprojekte und Fragestellungen basieren auf der Analyse von Daten, die in Form von Texten vorliegen. Die Computerlinguistik (CL) kann den Digital Humanities (DH) wichtige Werkzeuge für die textbasierte Analyse von Forschungsfragen liefern. Doch längst ist es nicht mehr ausreichend, Computerlinguisten in diesem Zusammenhang als Dienstleister und die Digital Humanities als bloße Auftraggeber zu betrachten. Welche Rolle können Computerlinguisten in der Zusammenarbeit mit Geisteswissenschaftlern einnehmen? Was macht die gemeinsame Arbeit an geisteswissenschaftlichen Fragestellungen für beide Seiten aus und wie kann (und sollte?) diese den Arbeitsprozess an sich beeinflussen? Diesen Fragen widmeten sich Dr. Sarah Schulz und Dr. Nils Reiter vom Institut für Maschinelle Sprachverarbeitung der Uni Stuttgart während ihres Gastvortrags “Reflected Text Analysis: Computational Linguistics meets Digital Humanities” an der Uni Köln am 7. Juni 2018.

Hinweis: Dieser Blog-Beitrag verwendet sprachlich das generische Maskulinum (z. B. Geisteswissenschaftler) zur besseren Lesbarkeit. Es sind stets Personen männlichen und weiblichen Geschlechts gleichermaßen gemeint.

About CRETA: Centrum für reflektierte Textanalyse

Die promovierten Computerlinguisten Sarah Schulz und Nils Reiter arbeiten mit unterschiedlichen Schwerpunkten am Institut für Maschinelle Sprachverarbeitung der Uni Stuttgart. Neben ihrer Tätigkeit am Lehrstuhl “Grundlagen der Computerlinguistik” arbeiten beide am „Centrum für reflektierte Textanalyse“ (CRETA) – Nils Reiter als wissenschaftlicher Koordinator und Sarah Schulz als Postdoc.

Das Forschungszentrum CRETA ist wissenschaftlichen Projekten gewidmet, die sich mit der Analyse von Textdaten im Bereich der Digital Humanities befassen. In den Projekten arbeiten Vertreter verschiedener Institute bzw. verschiedener Fachgruppen (Germanistische Mediävistik, Theoretische Computerlinguistik, „Ästhetische Theorie“ sowie die sozialwissenschaftliche Fachgruppe) (siehe Abbildung 1). Dabei werden digitale Werkzeuge für verschiedene Forschungsfragen entwickelt, die die jeweilige Analyse unterstützen sollen.

Abbildung 1: Die Struktur von CRETA (Quelle: Präsentation von Sarah Schulz und Nils Reiter, IMS Universität Stuttgart)

In einem der Projekte wird beispielsweise an einem Werkzeug zur automatischen Erkennung und Visualisierung von emotionalen Informationen in Texten gearbeitet. Damit lassen sich linguistische oder literaturwissenschaftliche Fragestellungen untersuchen: Welche Emotionen sind mit bestimmten Figuren in einem Roman assoziiert? Wie stabil bleiben bestimmte sprachliche emotionstragende Elemente im Laufe der Zeit?

In den verschiedenen fachübergreifenden Projekten wird ein besonderes Augenmerk auf die kritische Reflexion und die Weiterentwicklung der jeweils angewandten Arbeitsmethoden gelegt. Dies betrifft zum einen die Herausarbeitung technischer Methoden mithilfe der Fachgruppe Theoretische Computerlinguistik, zum anderen die regelmäßige Hinterfragung der Arbeitsprozesse an sich.

Während des Vortrags an der Uni Köln stellen Sarah Schulz und Nils Reiter ihre Erfahrungen vor: Wie funktioniert die Zusammenarbeit von Computerlinguistik und Digital Humanities und welche Projekte gibt es in Stuttgart? Warum ist sie wichtig für beide Seiten und welche Herausforderungen birgt die interdisziplinäre Forschungsarbeit?

CL und DH – gemeinsame Wurzeln

Um das Zusammenwirken von Computerlinguistik und Digital Humanities darzustellen, beleuchtet Sarah Schulz zunächst die Entstehung der Computerlinguistik. Diese Disziplin entstand mit der Entwicklung des Computers und überschneidet sich teilweise mit der Korpuslinguistik. In diesem Bereich konnten Korpora, die bisher händisch zusammengetragen und analysiert wurden, mithilfe des Computers automatisiert(er) untersucht werden (siehe Abbildung 2). Demnach hilft der Computer, Probleme der Linguisten zu lösen, was Sarah Schulz zu dem Schluss bringt, dass Computerlinguistik eine der frühesten Ausprägungen der Digital Humanities ist. Denn auch hier geht es darum, (geisteswissenschaftliche) Problemstellungen computergestützt zu bearbeiten.

Abbildung 2: Digital Humanities als Schnittstelle zwischen Computerlinguistik und Korpuslinguistik (Quelle: Präsentation von Sarah Schulz und Nils Reiter, IMS Universität Stuttgart)

Die Zusammenarbeit von CL und DH als gegenseitige Bereicherung

Außerdem enthält der Forschungsgegenstand der Geisteswissenschaftler meist Text, sodass der Schluss nahe liegt, dass die Methoden der Computerlinguistik in den Digitalen Geisteswissenschaften adaptiert werden können. Mithilfe der computerlinguistischen Algorithmen ist es möglich, Aufgaben der Digital Humanities zu vereinfachen, beispielsweise indem Informationsextraktion auf Dramen angewendet wird. Indem beispielsweise maschinelles Lernen auf geisteswissenschaftliche Probleme angewendet wird, können Wissenschaftler außerdem komplexere Fragestellungen bewältigen oder durch Hochskalierung weiträumiger arbeiten, d. h. mit größeren Korpora arbeiten. So kann zum Beispiel – statt eines einzelnen Dramas von Shakespeare – das Gesamtwerk oder ein Großteil des Werkes im Hinblick auf Figurennetzwerke oder Ähnliches untersucht werden.

An dieser Stelle ist es jedoch unerlässlich, über das Verhältnis zwischen Digital Humanities und der Computerlinguistik nachzudenken – scheinen doch Computerlinguisten als Dienstleister für Geisteswissenschaftler zu fungieren und ihre “Auftraggeber” mit Werkzeugen für eine bestimmte Forschungsfrage zu versorgen.

Neben diesen Vorteilen für die Digital Humanities sieht Sarah Schulz ebenso Gründe für die Computerlinguistik, die für eine Zusammenarbeit sprechen. Eine klare Bereicherung für die CL bestehe vor allem darin, dass die computerlinguistischen Methoden an „echten“ bzw. anderen Texten erprobt werden können. Da Algorithmen häufig nur auf der Basis von zeitgenössischen Zeitungsartikeln entwickelt werden, ist es (auch aus linguistischer Perspektive) interessant, zu sehen, was passiert, wenn eben diese oder ähnliche Algorithmen auf zum Beispiel mittelhochdeutsche Texte angewandt werden. Theoretisch wäre es für Computerlinguisten auch möglich, aus eigener Kraft diese Texte computergestützt zu untersuchen. Jedoch fehlte ihnen dann das Expertenwissen von Geisteswissenschaftlern – ein Wissen, das erheblich dazu beiträgt, die Ergebnisse in ihrem soziohistorischen Kontext zu betrachten und mögliche Unklarheiten in den Texten angemessen zu behandeln.

Schließlich profitieren beide Seiten von einer Zusammenarbeit, da hierbei neue Fragestellungen entstehen können, die ohne das Zusammenspiel von technischer und inhaltlicher Expertise gar nicht denkbar gewesen wären.

Zusammenarbeit als Herausforderung

So gewinnbringend interdisziplinäres Arbeiten sein mag, birgt es stets Hürden, die bewältigt werden müssen, um ein Projekt erfolgreich durchzuführen. Zunächst sei es wichtig, so die Referenten, sich auf ein gemeinsames Vokabular zu verständigen, um in Zukunft auftretende Probleme von beiden Seiten verstehen zu können und Missverständnisse auszuschließen.

Diese Herausforderung ist ein generelles Merkmal interdisziplinärer Arbeit. Die Zusammenarbeit von DH und CL sei besonders anfällig für Missverständnisse, da beide Disziplinen ähnliche Forschungsgegenstände (Texte) haben und ein ähnliches Vokabular verwenden, hinter welchem jedoch teils unterschiedliche Terminologien stecken. Um nicht “aneinander vorbei zu reden”, ist es sehr wichtig, gemeinsam herauszufinden, welche impliziten bzw. unbewussten Annahmen sich hinter den verwendeten Begriffen verstecken.

Weiterhin sei es wichtig, dass sich die Forscher darüber austauschen, welche Merkmale im Text als – für die Forschungsfrage – relevant betrachtet werden und welche Merkmale nicht analysiert werden. Für Computerlinguisten stehe möglicherweise der (“reine”) Text im Vordergrund, während zum Beispiel Literaturwissenschaftler ein besonderes Augenmerk auf Strukturmerkmale wie Kapitel, Szenen oder Ähnliches legen könnten. Welche Textmerkmale untersucht werden sollen, beeinflusst selbstverständlich die Auswahl bzw. Entwicklung eines passenden Analyse-Tools.

Das gemeinsame Vokabular, die Festlegung relevanter Textmerkmale sowie die verwendeten Analysemethoden und -Tools müssen im Laufe des Arbeitsprozesses regelmäßig im Hinblick auf die Forschungsfrage überprüft werden.

Annotation als gemeinsame Basis

Üblicherweise werden die genannten Phänomene mithilfe von Annotation festgehalten. Dabei geht es darum, Kategorien im Text an bestimmten Textspannen explizit sichtbar zu machen. Diese Methode nutzen sowohl (digitale) Geisteswissenschaftler (händisch/auf dem “Papier”) als auch Computerlinguisten (in Auszeichnungssprachen wie XML), weshalb es sich anbietet, Annotation in gemeinsamen Projekten anzuwenden. Durch Annotation in realen Datensätzen ist es beispielsweise möglich, Theorien empirisch zu validieren. So kann be- oder widerlegt werden, ob ein angenommenes Phänomen tatsächlich in der realen Welt vorkommt. Ferner kann Annotation explorativ eingesetzt werden, um Phänomene zu entdecken, die selbst wieder zu neuen Theorien führen.

Es können verschiedene syntaktische, morphologische oder semantische Phänomene in Texten annotiert werden. Ein interessantes Beispiel ist das Annotieren von Koreferenz. Zwei Wörter koreferieren, wenn sie sich auf die gleiche nicht-textliche Einheit beziehen. Dies ist beispielsweise relevant bei der Analyse von Figuren in Dramen. Während die Markierung von Koreferenz in vielen Fällen eindeutig ist (“[Mary] bought a house. [She] lived happily ever after. [The woman] enjoyed the garden.”), kann es in anderen Fällen sehr kompliziert sein, zum Beispiel beim Auftreten generischer Ausdrücke. Zur Veranschaulichung nutzt Nils Reiter ein Zitat aus dem Drama “Miß Sara Sampson” von Lessing: Der Wirt. […] “Was liegt mir daran, ob ich es weiß oder nicht, was Sie für eine Ursache hierherführt, und warum Sie bei mir Verborgnen sein wollen? [Ein Wirt] nimmt sein Geld, und lässt seine Gäste machen, was Ihnen gut dünkt. […]”. In diesem Fall ist nicht eindeutig referenzierbar, auf wen sich “ein Wirt” bezieht.

Beispielprojekte der Uni Stuttgart: computergestützte Dramenanalyse

Im Rahmen der Präsentation stellt Nils Reiter verschiedene Forschungsprojekte des Instituts für Maschinelle Sprachverarbeitung vor. Ziel des Projektes QuaDrama (Quantitative Drama Analysis) ist es, Methoden für die Analyse von Dramen herauszuarbeiten und zudem Hypothesen zu dramenhistorischen Entwicklungen zu überprüfen. Im Rahmen des Projektes wird ein Korpus von 600 deutschsprachigen Dramen aus der Zeit von 1740 bis 1920 in Bezug auf verschiedene Aspekte der dramatischen Figur analysiert. Dafür werden strukturelle Informationen, wie die Einteilung in Akte und Szenen, berücksichtigt und mit einer maschinellen Analyse der Figurenreden kombiniert. Die zugehörigen literaturwissenschaftlichen Fragestellungen lauten unter anderem: Welche Figurentypen zeichnen sich ab und durch welche Textmerkmale werden sie markiert? Wie entwickeln sich Figuren(-typen) im Laufe der Handlung? Zeichnen sich prototypische Beziehungsmuster zwischen Figurentypen ab? Wie entwickeln sich Figurentypen und Beziehungsmuster im Laufe der deutschen Dramengeschichte? Die Analysen werden also literaturhistorisch eingebunden.

Die unten dargestellte Abbildung visualisiert im oberen Teil die Kopräsenz der Figuren in Lessings Minna von Barnhelm. Unten bildet sie eine Clusteranalyse aller Dialoge in den einzelnen Akten ab, die die Ähnlichkeit von Sprecheinsätzen untersucht. Demnach spricht Minna im zweiten Akt anders als im fünften Akt, jedoch ähnlich zu Tellheim im jeweiligen Akt. Ob Lessing hier bewusst die Sprache der Minna an die von Tellheim angepasst hat, oder ob dieses Ergebnis nur zustande kommt, weil die Personen in den jeweiligen Akten über dieselben Inhalte sprechen, bleibt offen.

Abbildung 3: Kopräsenz von Figuren im Drama: Lessings Minna von Barnhelm (Quelle: Benjamin Krautter, https://quadrama.github.io/publications/Krautter2018aa )

Die Fachgruppe Mediävistik beschäftigt sich in CRETA außerdem mit der Erzählstruktur im Artusroman Parzival von Wolfram von Eschenbach. Dabei werden gezielt Figuren und Beziehungen untersucht. Die Nutzung maschineller Methoden bietet sich hier vor allem an, so Nils Reiter, da Artusromane sehr lang sind und viele verschiedene Figuren mit kompliziertem Beziehungsgeflecht enthalten. Die Analyse des Romans wird in mehrere Teilschritte aufgeteilt, darunter: das Erkennen von Entitäten, das Erfassen und Auflösen der Koreferenzen, die Einteilung der Handlung in Episoden, die semantischen Analysen zur Klassifikation der Beziehungen und die Visualisierung der Netzwerke.

Im Rahmen eines weiteren CRETA-Projektes werden Adaptationen von Goethes Die Leiden des jungen Werthers analysiert. Anhand maschineller Verfahren setzen sich die Beteiligten mit der Frage auseinander, anhand welcher Kriterien ein Werk als sogenannte Wertheriade gilt. Dafür werden unter anderem strukturelle und inhaltliche Merkmale identifiziert und verglichen. Nach aktuellem Forschungsstand ist die Dreiecksbeziehung zwischen der Hauptfigur Werther, Lotte sowie deren Verlobten Albert ein wichtiger Untersuchungsgegenstand. Um die Figurenbeziehungen zu charakterisieren, entwickelt die Fachgruppe “Neuere Deutsche Literatur” in Zusammenarbeit mit dem Institut für Maschinelle Sprachverarbeitung ein Netzwerk-Tool namens rCat.

DH und CL in der Lehre

Die sich aus der Zusammenarbeit von CL und DH ergebenden Synergieeffekte haben Einzug in das Lehrangebot des Instituts für Maschinelle Sprachverarbeitung der Uni Stuttgart gehalten. So gibt es seit 2015 einen Masterstudiengang „Digital Humanities“, in dem die Studierenden eine geisteswissenschaftliche Ausrichtung mit Methoden der DH und der CL kombinieren. Basismethoden des Natural Language Processing, Projektarbeiten sowie die Reflexion digitaler Methoden sind integraler Bestandteil des Curriculums, betont Sarah Schulz während des Vortrags in Köln. (siehe auch: Teaching Computational Aspects in the Digital Humanities Program at University of Stuttgart – Intentions and Experiences)

Die Lehrveranstaltungen im Teilbereich Digital Humanities sind exklusiv auf die DH-Studierenden ausgerichtet. Die Computerlinguistik- und Informatikkurse werden hingegen zusammen mit Studierenden der CL und der Informatik am jeweiligen Institut besucht. Auf diese Weise sind die DH-Studierenden mit unterschiedlichen Arbeitsweisen konfrontiert, was sie für interdisziplinäre Projekte während des Studiums und danach “wappnen” soll.

Fazit

Die Digital Humanities sind ein junger Forschungsbereich, in welchem geisteswissenschaftliches Know-How auf digitale Tools und Methoden trifft. Methoden der Computerlinguistik können helfen, Fragestellungen zu formalisieren und zu operationalisieren sowie größere Datenmengen zu analysieren. Eine computergestützte Analyse kann explorativ neue Blickwinkel für die Forschung bis hin zu neuen Fragestellungen ergeben und “blinde Flecken” aufspüren. Gemeinsam mit Experten an konkreten geisteswissenschaftlichen Fragestellungen und der Analyse “echter” Texten zu arbeiten, ist für viele Computerlinguisten ein spannender Anwendungsbereich. Wo unterschiedliche Forschungs- und Kommunikationskulturen aufeinandertreffen, ist die regelmäßige Abstimmung der Beteiligten von besonderer Wichtigkeit, um ein interdisziplinäres Projekt erfolgreich durchzuführen. Arbeitsmethoden zu hinterfragen und das gemeinsam genutzte Vokabular auf Missverständnisse zu prüfen, muss integraler Bestandteil dieses Arbeitsprozesses sein.

Zu den Autorinnen:

Johanna Binnewitt hat ihren BA in Informationsverarbeitung und Musikwissenschaft an der Universität zu Köln absolviert. Neben dem Studium im MA “Informationsverarbeitung” an der Universität zu Köln arbeitet sie am Kölner Institut für Digital Humanities.

Anna Fischer hat ihren BA-Abschluss in Politikwissenschaft am Institut d’Études Politiques Paris absolviert und studiert derzeit Informationsverarbeitung im Master an der Universität zu Köln. Nach dem Bachelorstudium hat sie vier Jahre in einer Agentur für Online-Bildungsmedien für Projekte öffentlicher Auftraggeber, u. a. des Bundesumweltministeriums, gearbeitet.  


Schreibe einen Kommentar

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

This site uses Akismet to reduce spam. Learn how your comment data is processed.