Publikationsserver des Instituts für Deutsche Sprache
Not a member yet
11061 research outputs found
Sort by
Grammatical mark-up: Some more demarcation disputes
Get PDFA selective tour of annotation in historical corpora begins with extra-linguistic markup: how far can it alert the corpus user to usage which is atypical of the variety being sampled? Several syntactic fossils are discussed, and a playful use of foreign and pseudo-foreign words. Are they a kind of code-switching? In the former case the answer No is given, in the latter a partial Yes.
As for grammatical mark-up, with few exceptions a given scheme must privilege one particular analysis for each word, sentence or other unit of analysis. Special tags are available in the CLAWS and Penn Treebank tagsets for cases which remain ambiguous but which are in principle decidable. Grammatical mark-up remains essentially a matter of synchronic analysis, and the guiding principle is to be as specific as possible; tagsets routinely deploy a much finer set of distinctions than traditional word classes. Historical corpora like the Penn family aim also for consistency of analysis. I argue that both principles can be problematic.
Consider first the push towards a unique POS tag for every word. I propose that certain kinds of word are vague as to their word class not because of a failure of analysis but because they are genuinely underdetermined. Vagueness is not ambiguity, so ambiguity tags would be inappropriate - at least with their currently intended values. Secondly, the desideratum of consistency does not allow for patterns which arguably have dual analyses synchronically, nor for items which are in transition or which have changed over the time-span of a historical corpus. Among the data discussed are the POS-tagging and parsing of adjectives derived from passive participles (interested, amused), multi-word prepositions (on behalf of), phrasal and prepositional verbs (run over), proper-to-common-noun conversions and noun-to-adjective transitions (BandAid), countable-to-mass conversions (He looked at me across a vast expanse of table) and the converse (two coffees). A brief conclusion argues that while some of the problems considered are statistically unimportant, others demand greater flexibility of mark-up
Grundlosigkeit: Anmerkungen zum Problem der Quellen in der Literaturwissenschaft
Get PDFDas Problem der Quellen philologischer Untersuchungen kann als ein pragmatisches und als ein prinzipielles betrachtet werden. Ein pragmatisches Problem ist es in der Korpuslinguistik, wenn es um die Definition dessen geht, was ein Korpus ist und welches Korpus als Quellenbasis einer phonetischen, morphologischen, lexikalischen oder grammatischen Untersuchung fungieren soll. Die Ausgangsfragen einer solchen Untersuchung sind fast immer so weit objektivierbar und damit so präzise formulierbar, dass der Spielraum für die Quellen, die der Untersuchung in Form eines (digitalen) Korpus zugrunde gelegt werden, so gering ist, dass entweder erst gar keine hermeneutischen Probleme entstehen oder eine Verständigung über mögliche hermeneutische Probleme auf pragmatische Weise möglich ist. Das Erkenntnisinteresse des Linguisten bestimmt mit der zu untersuchenden Sache einen überschaubaren hermeneutischen Horizont der Untersuchung: mit den zu untersuchenden Texten die entsprechenden Kontexte und damit das Quellenmaterial der Untersuchung
Wortbildungsangaben als Hilfe für den Zugriff auf andere Datentypen und als Hilfe bei kommunikativen und kognitiven Informationsbedürfnissen
Get PDFDie Lexikographie wird oft als eine linguistische Teildisziplin (angewandte Linguistik) mit einer steil steigenden Erfolgsentwicklung der letzten 40 Jahre dargestellt. Richtig ist, dass in dieser Zeit eine Reihe von lexikographischen Zeitschriften und lexikographischen Gesellschaften entstanden ist. Falsch und nachteilig ist es dabei gewesen, Lexikographie als einen Zweig der Linguistik zu sehen; und zwar nicht nur aus vielen theoretischen Gründen, sondern vor allem, weil die Forschungsziele und die methodische Tradition der Linguistik einen stark negativen Einfluss auf die theoretische und praktische Lexikographie der letzten 40 Jahre gehabt haben. Nun ist es normalerweise nicht sehr produktiv, wenn man bei interdisziplinärer Forschung und der Erarbeitung konkreter Informationswerkzeuge die disziplinäre Zuordnung als wesentliches Thema bezeichnet und zu viel Kraft auf Fachklassifikationen und Fachzuordnungen verwendet. Dies ist es nur dann, wenn eine bestimmte Zuordnung dazu führt, dass die Forschung und die praktischen Ergebnisse dieser Forschung negativ davon beeinflusst werden. Dies ist bei der Okkupierung der Lexikographie durch die Linguistik allerdings geschehen, wie weiter unten nachgewiesen werden soll. Zunächst aber sollte kurz aufgezeigt werden, warum die Ausarbeitung von Wörterbüchern keine linguistische Disziplin sein kann. Nehmen wir zunächst das Beispiel der vier dänischen Musikwörterbücher, die wir in Dänemark ausgearbeitet haben
Wer spricht Deutsch in Usbekistan? Zur Bedeutung der deutschen Sprache und Kultur bei Usbekistandeutschen
Get PDFSpuren des Deutschen in Usbekistan lassen sich spätestens ab Mitte des 19. Jahrhunderts feststellen, als die ersten Deutschen in das zentralasiatische Land einwanderten. Die ersten Deutschen, die sich auf dem Gebiet des heutigen Usbekistans ansiedelten, stammten aus dem Baltikum. Die Mehrzahl der Usbekistandeutschen heute sind Nachfahren der 1941 aus dem europäischen Teil der ehemaligen Sowjetunion deportierten Deutschen. Seit den 1990er Jahren sind viele Deutschstämmige nach Deutschland oder in andere Staaten der ehemaligen Sowjetunion ausgewandert. Gleichzeitig sind auch zahlreiche Deutsche aus eben diesen Staaten oder gar Deutschland nach Usbekistan (re-)migriert. Somit ist das Usbekistandeutsche historisch gesehen durch mehrere qualitativ unterschiedliche Migrationsphasen gekennzeichnet. Heute leben noch rund 4.000 ethnisch Deutsche in Usbekistan, doch nicht alle sprechen auch Deutsch
Tools for historical corpus research, and a corpus of Latin
Get PDFWe present LatinlSE, a Latin corpus for the Sketch Engine. LatinlSE consists of Latin works comprising a total of 13 million words, covering the time span from the 2nd Century BC to the 21st century AD. LatinlSE is provided with rich metadata mark-up, including author, title, genre, era, date and century, as well as book, section, paragraph and line of verses. We have automatically annotated LatinlSE with lemma and part-of-speech information, enabling users to search the corpus with a number of criteria, ranging from lemma, part-of speech, context, to subcorpora defined chronologically or by genre. We also illustrate word sketches, one-page summaries of a word’s corpus based collocational behaviour. Our future plan is to produce word sketches for Latin words by adding richer morphological and syntactic annotation to the corpus
Ein Mann ist reich, stark und bewaffnet und eine Frau schön, nackt und schwanger. Stereotype Zuschreibungen zu Mann und Frau in Pressetexten und ihr Einfluss auf korpusbasierte Wörterbücher des Deutschen
No full textWörterbücher sind oft ein Spiegelbild ihrer Zeit, d. h., der jeweilige kulturelle Kontext beeinflusst, wie die im Wörterbuch abgebildete Sprache beschrieben wird. Dies gilt für viele sprachliche Ausdrücke, besonders aber für Personenbezeichnungen wie Mann oder Frau, da sich hier Rollenzuschreibungen oder als typisch angesehene Eigenschaften im Sprachgebrauch spiegeln. Um die Beschreibung im Wörterbuch zwar zeitgebunden, aber möglichst neutral zu halten, sind moderne wissenschaftliche Wörterbücher in der Regel korpusbasiert. Das bedeutet, dass die im Wörterbuch beschriebene Sprache anhand von großen sprachlichen Datenmengen analysiert wird. Solche großen linguistischen Textsammlungen zum Schriftsprachgebrauch basieren jedoch sehr häufig auf Pressetexten. In diesem Beitrag wird untersucht, wie sich der sprachliche Kontext von den Wörtern Mann und Frau in Pressetexten von dem in anderen Textsammlungen unterscheidet und welche Fragen in diesem Kontext für die Lexikografie aufgeworfen werden
Gesprochenes Deutsch in der Diaspora: Dokumentation und Vergleich
No full textWeltweit befinden sich Varietäten des Deutschen im Kontakt mit unterschiedlichen Sprachen und weisen dort kontaktinduzierte Sprachwandelphänomene auf, durch die sie sich von anderen deutschsprachigen Varietäten unterscheiden. In der Vergangenheit wurden diese Diaspora-Varietäten überwiegend getrennt voneinander untersucht. Unser Ausgangspunkt ist die Hypothese, dass durch einen systematischen Vergleich mehrerer dieser Varietäten deutlicher erkennbar wird, welche Entwicklungen von spezifischen Kontaktsprachkonstellationen abhängig sind und welche sich allgemein in Szenarien beobachten lassen, in denen deutsche Varietäten mit (beliebigen) anderen Sprachen in Kontakt stehen. Unser Beitrag stellt Überlegungen aus einem Projekt vor, das sich mit der systematischen Erschließung von einschlägigen gesprochensprachlichen Korpora am IDS befasst und zwei Schwerpunkte miteinander verbindet: Zum einen wird eine technische Plattform entwickelt, die es erlaubt, korpusbasierte Daten von Diaspora-Varietäten einheitlich zu annotieren, sie lexikographisch und datenanalytisch aufzuarbeiten und online zu präsentieren. Der zweite Schwerpunkt besteht darin, die Daten auf dieser Grundlage kontrastierend zu beschreiben und vergleichende lexikologische und lexikalisch-syntagmatische Analysen vorzunehmen. Am Beispiel von Gesprächspartikeln, die sowohl spezifisch gesprochensprachlich sind als auch sich in unterschiedlichen Sprachen verschieden verhalten, illustriert der Beitrag die Herangehensweise des Projekts an die gesprochensprachliche Lexik von Kontaktvarietäten.Varieties of German are in contact with different languages around the world and exhibit contact-induced language change phenomena which distinguish them from other German-speaking varieties. In the past, these diaspora varieties were mainly analysed separately. Our starting point is the hypothesis that a systematic comparison of several of these varieties will make it easier to recognise which developments are dependent on specific contact language constellations and which can generally be observed in scenarios in which German varieties are in contact with (any number of) other languages. Our article presents considerations from a project which has the aim of systematically exploring relevant spoken language corpora at the IDS and combines two focal points: firstly, the development of a technical platform which allows us to annotate corpus-based data of diaspora varieties in a standardised way, to process them using lexicographical and data-analytical methods and to present them online. The second focus is to describe the data on this basis in a contrastive manner and to carry out comparative lexicological and lexico-syntagmatic analyses. The article illustrates the approach the project takes to the spoken lexis of contact varieties based on the example of conversational particles, which are both specific to spoken language and behave differently in different German contact varieties
Elsen, Hilke: Neologismen. Ein Studienbuch. Tübingen: Narr Francke Attempto, 2022. 198 S.; Ill. (Narr Studienbücher). ISBN 978-3-8233-8485-4 [Rezension]
No full text
Querying Repetitions in Spoken Language Corpora
Get PDFIn this paper, we present a tool for searching repetitions in interaction corpora. Our approach based on the MTAS-technology uses common search token indices to retrieve repetitions from spoken language transcripts in a dynamic way. The CQP Query Language and a graphical user interface menu with extensive settings specially designed for conversation analysis researchers allow to find repetitions of complex linguistic forms in various pragmatic contexts. Furthermore, the web application enables searching for repetition constructions that may contain synonyms and hyp(er)onyms coming from GermaNet or from custom-defined word lists uploaded to the tool