🏆Selbsttest: Wissen und Praxis

5.7. 🏆Selbsttest: Wissen und Praxis#

Hinweis

Mit diesen Übungsaufgaben können Sie sich selbst einschätzen und das im Kapitel Gelernte reflektieren.

Sie können die Fragen in beliebiger Reihenfolge beantworten und auch mehrfach versuchen.

So funktioniert es:

  • Wählen Sie bei jeder Frage die Antwort(en), die Sie fĂĽr richtig halten

  • Lesen Sie das Feedback zu den einzelnen Antwortoptionen sorgfältig durch

  • Die Erklärungen helfen Ihnen, Ihr Verständnis zu vertiefen – auch bei korrekten Antworten

Ihre Ergebnisse werden weder bewertet noch gespeichert. Nutzen Sie dieses Assessment, um WissenslĂĽcken zu identifizieren und gegebenenfalls die entsprechenden Abschnitte des Kapitels noch einmal zu bearbeiten.

Geschätzte Zeit: 1h 30min

Viel Erfolg!

5.7.1. Frage 1#

5.7.2. Frage 2#

5.7.3. Frage 3#

5.7.4. Frage 4#

Ein Text hat eine Länge von 500 Wörtern und enthält 15 Wörter aus dem semantischen Feld “Luft”. Ein zweiter Text hat eine Länge von 800 Wörtern und enthält 20 Wörter aus demselben semantischen Feld.

5.7.5. Frage 5#

Betrachten Sie folgende drei Texte aus demselben Erscheinungsjahr und ihre Häufigkeitswerte:

  • Text A: 30 Luftwörter bei 600 Wörtern Gesamtlänge

  • Text B: 25 Luftwörter bei 400 Wörtern Gesamtlänge

  • Text C: 20 Luftwörter bei 500 Wörtern Gesamtlänge

5.7.6. Frage 6#

5.7.7. Frage 7#

5.7.8. Frage 8#

(Wählen Sie alle zutreffenden Antworten aus)

5.7.9. Frage 9#

5.7.10. Frage 10#

5.7.11. Frage 11#

5.7.12. Frage 12#

5.7.13. Frage 13#

5.7.14. Frage 14#

Betrachten Sie den Beispielsatz aus dem Kapitel:

Ich roch eine üble, von den Schloten der neuen Fabriken schwer geschwängerte Luft.

5.7.15. Frage 15#

5.7.16. Frage 16#

5.7.17. Frage 17#

5.7.18. Frage 18#

Bringen Sie die Schritte der syntaktischen N-Gramm-Analyse in die Reihenfolge, in der sie im Notebook durchgefĂĽhrt werden.

Ordnen Sie die Schritte der syntaktischen N-Gramm-Analyse in der richtigen Reihenfolge an:
Schritt 1
Hier ablegen
Schritt 2
Hier ablegen
Schritt 3
Hier ablegen
Schritt 4
Hier ablegen
Schritt 5
Hier ablegen
Ziehen Sie diese zu den passenden Beschreibungen
Aggregation und Visualisierung der Adjektiv-Häufigkeiten im Zeitverlauf
KWIC-Kontextanalyse der Belegstellen aus den AusreiĂźertexten zur qualitativen Einordnung
Einlesen der gespeicherten spaCy-Annotationen (DocBin-Dateien) und der Metadaten
Identifikation von Ausreißertexten, die die Ausschläge in den Zeitreihen (mit-)verursachen
Extraktion der abhängigen Adjektive von "Luft" über Dependenzlabel "nk" und POS-Tag "ADJ"

5.7.19. Frage 19#

5.7.20. Frage 20#

5.7.21. Frage 21#

5.7.22. Frage 22#

5.7.23. Frage 23#

5.7.24. Frage 24#

5.7.25. Frage 25#

Analysieren Sie das folgende Szenario:

Ein Forschungsteam möchte untersuchen, ob die Thematisierung von “Wald” in der deutschsprachigen Literatur des 19. Jahrhunderts zunimmt – etwa als Reaktion auf die fortschreitende Abholzung und Industrialisierung.

  1. Beschreiben Sie, wie das Team ein semantisches Feld “Wald” erstellen könnte und worauf dabei zu achten ist.

  2. Erläutern Sie, warum für den Vergleich der Texte relative statt absolute Häufigkeiten berechnet werden sollten.

  3. Beschreiben Sie, wie die Ergebnisse als Streudiagramm mit Trend-Linie visualisiert und interpretiert werden könnten – und welche Mindestanforderungen an die Datenpunkte gelten.

  4. Diskutieren Sie, wie das Team mit einem Zwei-Stichproben-Design die Robustheit seiner Befunde prüfen könnte.

Lösung

Beispiellösung zur Selbstbewertung:

1. Erstellung des semantischen Felds “Wald”:

  • Sammlung bedeutungsverwandter Substantive, z.B. “Forst”, “Gehölz”, “Tann”, “Waldung”, “Dickicht”

  • Wie in der Fallstudie gezeigt, können Large Language Models bei der Generierung von Kandidaten helfen; der Prompt sollte den historischen Sprachgebrauch des 19. Jahrhunderts sowie Eindeutigkeit der Wörter einfordern

  • Ergänzend korpusbasiertes Vorgehen: z.B. mit AntConc alle Komposita mit “Wald” als Erstglied extrahieren (analog zu “Stadtluft”, “Bergluft” usw.)

  • Manuelle Filterung der Liste: mehrdeutige oder zu allgemeine Wörter entfernen, da die Wörter losgelöst vom Kontext gezählt werden und sich möglichst ausschlieĂźlich auf den Zielbereich beziehen sollten

  • Da die Wörter mit den Lemmata der annotierten Texte verglichen werden, sollten sie in der Grundform vorliegen

2. Relative statt absolute Häufigkeiten:

  • Literarische Texte sind sehr unterschiedlich lang (von kurzen Erzählungen bis zu langen Romanen)

  • Absolute Häufigkeiten wĂĽrden lange Texte systematisch bevorzugen

  • Relative Häufigkeit = absolute Häufigkeit geteilt durch Textlänge (ggf. mal 100, also Treffer pro 100 Tokens) – so wird der Anteil der Waldwörter am Gesamttext vergleichbar

  • Beim Zusammenfassen mehrerer Texte (z.B. eines Jahres): Summe der absoluten Häufigkeiten durch Summe der Textlängen teilen, nicht den Durchschnitt der relativen Häufigkeiten bilden, da sonst kurze Texte ĂĽberproportionalen Einfluss hätten

3. Visualisierung und Interpretation:

  • Streudiagramm: jeder Text ein Datenpunkt, X-Wert = Publikationsjahr (nur das Jahr liegt als Metadatum vor), Y-Wert = relative Häufigkeit

  • Trend-Linie per linearer Regression (Methode der kleinsten Quadrate): eine steigende Gerade zeigt eine Zunahme, eine fallende eine Abnahme, eine waagerechte keinen Zusammenhang

  • FĂĽr eine generalisierbare Interpretation sollten mindestens 30 Datenpunkte vorliegen, die möglichst gleichmäßig ĂĽber die Zeit verteilt sind

  • Einzelne AusreiĂźertexte identifizieren und qualitativ (z.B. per KWIC) prĂĽfen – sie könnten inhaltlich wegweisend sein oder den Trend verzerren

  • Vorsicht bei der Deutung: Ein steigender Trend belegt noch keine Kausalität (z.B. Abholzung als Ursache)

4. Zwei-Stichproben-Design:

  • Zwei unabhängige Zufallsstichproben aus demselben Quellkorpus ziehen (unterschiedliche Random States), idealerweise zeitlich balanciert, z.B. gleich viele Texte pro Jahrzehnt

  • Alle Analysen parallel auf beiden Stichproben durchfĂĽhren und die Ergebnisse vergleichen

  • Zeigen beide Stichproben dieselben Muster (ähnliche Trend-Linien, ähnliche AusreiĂźerstruktur), sind die Befunde robust gegenĂĽber der konkreten Zufallsauswahl

  • Weichen die Ergebnisse deutlich voneinander ab, hängen sie vermutlich an einzelnen Texten der jeweiligen Stichprobe und sollten nicht generalisiert werden

5.7.26. Frage 26#

Stellen Sie sich vor, Sie möchten mit den Methoden dieses Kapitels untersuchen, wie das Substantiv “Wasser” in der deutschsprachigen Literatur des 19. Jahrhunderts semantisiert wird.

  1. Erklären Sie, warum sich hierfür syntaktische n-Gramme besser eignen als lineare n-Gramme.

  2. Beschreiben Sie, wie die Extraktion der Adjektiv-Substantiv-Paare mit den vorhandenen spaCy-Annotationen technisch funktioniert und welche Anpassung am Notebook-Code dafür nötig wäre.

  3. Erläutern Sie, wie Sie auffällige Ausschläge in den Zeitreihen überprüfen würden, bevor Sie sie interpretieren.

  4. Beschreiben Sie, wie Sie quantitative und qualitative Analyse kombinieren würden, um zu einer belastbaren Aussage über die Semantisierung von “Wasser” zu kommen.

Lösung

Beispiellösung zur Selbstbewertung:

1. Syntaktische statt lineare n-Gramme:

  • Lineare n-Gramme erfassen nur unmittelbar benachbarte Tokens und zerfallen bei EinschĂĽben: In “das trĂĽbe, von Abwässern der Fabriken verschmutzte Wasser” wĂĽrde das Paar “trĂĽbe – Wasser” nicht als Muster erkannt

  • Das Deutsche realisiert viele Konstruktionen diskontinuierlich (Partizipialattribute, Verbklammern, flexible Wortstellung), sodass lineare n-Gramme gerade die interpretativ interessanten Muster fragmentieren

  • Syntaktische n-Gramme folgen den Relationen im Dependenzbaum: Das Adjektiv ist dort direkt als Attribut des Substantivs analysiert – unabhängig davon, wie viele Wörter auf der Textoberfläche dazwischenstehen

  • So werden stabile Beschreibungsweisen auch dann erfasst, wenn die Oberflächenform stark variiert

2. Technische Umsetzung:

  • Die im Kapitel Korpusverarbeitung erzeugten spaCy-Annotationen (DocBin-Dateien) einlesen und ĂĽber die Spalte DC.identifier mit den Metadaten verknĂĽpfen

  • FĂĽr jedes Token prĂĽfen: Ist es ein Substantiv (POS-Tag “NOUN”) mit dem Lemma “Wasser”? Dann alle syntaktischen Kinder durchgehen und diejenigen zählen, die das Dependenzlabel “nk” und das POS-Tag “ADJ” tragen (die deutschen spaCy-Modelle verwenden “nk” statt “amod”)

  • Nötige Anpassung im Notebook: lediglich die Variable fĂĽr das Zielsubstantiv ändern, also noun = "Wasser" statt noun = "Luft" – die Funktion extract_dependent_adjective_list akzeptiert auch Listen mehrerer Substantive, z.B. noun = ["Wasser", "Fluss", "Strom"]

  • Ergebnis: pro Text die Häufigkeit jedes beobachteten Adjektivs (count) sowie die Gesamtzahl der “Wasser”-Vorkommen (noun_count), aus denen sich die relative Häufigkeit rel_freq = (count / noun_count) * 100 berechnen lässt

3. Überprüfung auffälliger Ausschläge:

  • Zunächst prĂĽfen, ob ein Ausschlag von wenigen Texten getragen wird: pro Text die normalisierte Kennzahl rel_freq berechnen, Peak-Dekaden bestimmen und die Texte mit den höchsten Werten (Top-k) als AusreiĂźertexte auflisten

  • Texte mit sehr wenigen Belegen des Zielsubstantivs herausfiltern (z.B. noun_count < 5), um instabile Extremwerte zu vermeiden

  • Den Anteil einzelner Texte an allen Treffern einer Dekade berechnen, um sichtbar zu machen, ob ein einzelnes Werk den Ausschlag dominiert

  • Die Belegstellen der AusreiĂźertexte per KWIC-Ansicht (Kontextfenster, z.B. window=7) und ggf. ganzem Satzkontext lesen und semantisch einordnen

4. Kombination quantitativer und qualitativer Analyse:

  • Quantitativ: korpusweite Rangliste der Adjektive (Balkendiagramm/Tabelle), diachrone Verläufe mit gleitendem Durchschnitt (z.B. 10-Jahres-Fenster), parallel auf zwei Stichproben zur RobustheitsprĂĽfung

  • Qualitativ: KWIC-LektĂĽre ausgewählter Belegstellen, um zu prĂĽfen, ob die Adjektive tatsächlich im vermuteten Sinn verwendet werden (z.B. “trĂĽbes Wasser” wörtlich oder metaphorisch)

  • Interpretation nur auf Muster stĂĽtzen, die in beiden Stichproben auftreten und sich in der qualitativen PrĂĽfung bestätigen

  • Grenzen der Operationalisierung reflektieren: Adjektiv-Substantiv-Paare erfassen nur einen Ausschnitt der Semantisierung; subtilere Formen (Metaphern, Handlungskontexte) bleiben unsichtbar

Contents