Konstanze Marx Internetlinguistik

1.4.2 DIY: Eine Datensammlung selbst generieren

Sie haben die Aufgabe, aktuelle Konzeptualisierungen von WISSENSCHAFTSBETRUG am Beispiel von Metaphern zu untersuchen. Erstellen Sie ein Korpus, auf dessen Grundlage Sie Aussagen über die Verwendung von Metaphern mit Bezug auf Plagiatsaffairen in der Internet-Berichterstattung im Zeitraum Februar 2011 bis März 2013 machen können. Beschreiben Sie Ihre Vorüberlegungen. Wie gehen Sie bei der Korpuserstellung vor, wie bereiten Sie Ihre Daten für die Auswertung auf?

Wie könnte man nun beim Anlegen einer Datensammlung vorgehen? Eine altmodische aber doch bewährte Methode, Daten aus dem WWW zusammenzustellen, ist das copy- und paste-Verfahren. Es verlangt schlicht keinerlei informatisches Vorwissen. Hierbei werden die Daten auf der entsprechenden Internetseite markiert, kopiert und in ein Word-Dokument integriert.

Der Vorteil an diesem Verfahren ist, dass die Daten unproblematisch in verschiedenen Formaten abgespeichert werden können. Für manche KonkordanzprogrammeKonkordanz ist beispielsweise die Umwandlung in txt-Dateien nötig. Dabei sollten immer auch die Quelle, von der die Daten stammen, das Datum der Veröffentlichung, das Datum der letzten Aktualisierung der Seite (wenn eruierbar) und das Zugriffsdatum notiert werden. Am unkompliziertesten lassen sich all diese Angaben in einem Bildschirmfoto zusammenfassen, das zusätzlich immer mit abgespeichert werden sollte.

Ein Konkordanzprogramm ist dabei behilflich, spezifische Wörter und deren unmittelbaren Kontext herauszufiltern. Es ermöglicht außerdem die Erstellung von Wortlisten und einfache statistische Rechnungen.

Es gibt eine Reihe derartiger Programme/Werkzeuge, die auch im WWW zur Verfügung stehen, als Beispiele seien hier antconc, Glossanet, NotaBene, Conc 1.8 für Macintosh oder KWiCFinder genannt. Eine ausführliche Beschreibung zur Anwendung von antconc gibt Bubenhofer unter:

Das Abspeichern kompletter Webseiten (mit dem Browser Firefox z. B. spielend leicht zu bewerkstelligen, indem beispielsweise einfach über die geläufige Tasten-Kombination Strg + S unter Dateityp „Webseite, komplett“ gewählt wird) ist eine sinnvolle Ergänzung, wenn die Architektur der Seite für Text-Bildrelationsanalysen nachvollziehbar bleiben soll.

Je nach angestrebter Korpus-Größe und Fragestellung ist für die Datensammlung ein längerer Zeitraum zu veranschlagen. Es ist deshalb wichtig, den Aufbau systematisch anzugehen. Das heißt, dass Worddokumente oder auch Bilddateien mit einem nachvollziehbaren Dateinamen versehen und in einer rekonstruierbaren Ordnerstruktur abgespeichert werden sollten. Auch die Ordner sollten Namen erhalten, deren Sinn sich auch nach Monaten noch erschließt. Als Bestandteile für Dokumentnamen eignen sich ein Kürzel für die Quelle des Belegs, das Erscheinungsdatum, ein Verweis auf die Textsorte und/oder ein inhaltlicher Hinweis.

Angewendet auf die obige Aufgabe wäre es z. B. möglich, das Online-Medien-Spektrum darüber abzudecken, dass Beiträge aus Boulevardzeitungen (bild.de) mit Beiträgen aus Tages- (sueddeutsche.de, faz.net) oder Wochenzeitungen (spiegel.de, zeit.de) verglichen werden. Ebenso können politisch eher links gerichtete (z. B. taz.de), eher konsverative (welt.de) und in etwa neutrale Online-Publikationen (berliner-zeitung.de) ausgewählt werden.

Es liegt nahe, unter den Stichwörtern „Karl Theodor zu Guttenberg“, „Silvana Koch-Mehrin“, „Annette Schavan“ oder „Plagiat“, „Plagiatsaffaire“ usw. nach Artikeln zu suchen, die im Zeitraum Februar 2011 bis März 2013 erschienen sind, diese sind entsprechend abzuspeichern.

Dazu könnten Ordner angelegt werden, die nach den Online-Medien benannt sind. Je nachdem, wieviele Texte gefunden werden, können Unterordner angelegt werden, für die verschiedene Ordnungen vorstellbar sind, z. B. Textsorten (Reportage, Nachricht, Kommentar, Leitartikel, Glosse) oder auch Erscheinungsmonate. Im vorliegenden Fall wäre es auch denkbar, Ordner anzulegen, die entsprechend der Phasen der Aberkennung des Doktortitels bezeichnet sind, beispielsweise: Beginn der öffentlichen Debatte, Prüfverfahren, Aberkennung, Rücktritt. Abhängig von der Länge der Texte ist zu entscheiden, ob ein Textdokument pro Beitrag angelegt werden kann. Es ist nicht sonderlich zweckmäßig, eine Reihe von längeren Artikeln in einem Word-Dokument abzuspeichern. Kommentare von Nutzer*innen sind nicht nur viel kürzer, oftmals referieren Nutzer*innen innerhalb der Kommentarbereiche aufeinander, so dass es hier günstig erscheint, mehrere Kommentare in einem Textdokument zusammenzufassen. Es hat sich bewährt, bereits in die Dokumentennamen auch Nummerierungen aufzunehmen. Der achte Leitartikel (art) in der Sammlung, der beispielsweise in der Berliner Zeitung (bz) am 11.2.2013 erschienen ist und die Nachfolge des Bildungsministerposten zum Thema hat, könnte den Dokumentennamen 8_bz_11.2.13_art_wanka erhalten und würde im Ordner ‚Rücktritt‘ abgelegt.

Möglicherweise eleganter, aber gleichzeitig auch aufwendiger und an mehr informationstechnologisches Vorwissen geknüpft, ist die Eingabe und Verwaltung der Korpusdaten über eine Datenbank. Die einfachste Möglichkeit einen Import in eine Datenbank vorzubereiten ist die systematische Eingabe der Texte in Felder einer (Excel-)Tabelle. Das soll an einem Beispiel veranschaulicht werden (siehe Tabelle 1-1, angelehnt an das Muster auf www.bubenhofer.com).

Tab. 1-1:

Vorschlag für eine Systematisierung von Korpustexten in einer Excel-Tabelle

Sind die Daten so gespeichert, lassen sie sich am einfachsten über den Datei-Explorer durchsuchen. Je größer die Datensammlung jedoch wird, desto günstiger ist der Import in geeignete relationale Datenbanksysteme, z. B. Access, Filemaker oder Oracle.

Das Grundgerüst der Datenbank kann ähnlich strukturiert sein wie die vorbereitete Tabelle. Um einen Datenimport aus der Excel-Tabelle beispielsweise vornehmen zu können, werden oftmals sogenannte CSV-Dateien eingesetzt, die die Angaben in der Tabelle in einen importfähigen Datensatz übersetzen. Zudem müssen beim Einsatz von Datenbanksystemen Ein- und Ausgabemasken sowie Auswerteprogramme, sog. Reports, programmiert werden – eine Aufgabe, die ohne EDV-Kenntnisse schwer zu bewerkstelligen ist.

Es ist auch möglich, Korpora mit sogenannten Scrapern aufbauen. Grundkenntnisse im Programmieren, z.B. mit Python, sind hierbei von Vorteil.

Für Studierende ist erfahrungsgemäß die Angabe einer Mindestgröße für eine Belegsammlung von großer Bedeutung. Mit Schlobinski (2011: 133) könnte man dieser Frage folgendermaßen begegnen: „Gegenüber Aussagen, die allein auf der Grundlage der Introspektion gewonnen wurden und somit eine Einerstichprobe darstellen, ist jede auch noch so schmale Datenbasis ein Gewinn. Auf der anderen Seite sollte man generell vorsichtig sein, wenn aufgrund weniger Belege Aussagen über Sprachen oder gar Sprachfamilien getroffen werden, die von Hunderten, Tausenden oder gar Hunderttausenden gesprochen werden“ (Schlobinksi 2011: 133). Es gibt aber auch Ansichten wie: „Kein Korpus ist groß genug, um die Diversität der Daten im Hinblick auf Parameter wie Medium, Thematik, Stilebene, Genre, Textsorte, soziale, areale, dialektale Varietäten, gesprochene vs. geschriebene Texte etc. repräsentativ abzubilden. Versuche, das Problem durch Erweiterung der Stichprobe zu lösen, vergrößern nur die Diversität der Daten im Hinblick auf die bekannten (und möglicherweise noch unbekannte) Variabilitätsfaktoren und damit die Inhomogenität“ (Köhler 2005: 5). Kurzum: Wir können hier keine konkreten Zahlen nennen, als Faustregel gilt jedoch, dass genügend Daten vorhanden sind, sobald sich ein Muster finden lässt.

Für wissenschaftliche Hausarbeiten und studentische Forschungsprojekte sollte der Aufwand dabei einerseits überschaubar bleiben, andererseits muss die Datensammlung genügend Belege aufweisen, um Aussagen treffen zu können. QualitativeQualitativ Aussagen lassen sich manchmal auch schon mit einem vergleichsweise kleinen Korpus treffen. Allerdings darf dabei dann kein Anspruch auf Repräsentativität erhoben werden. Die Ergebnisse der Analyse eines kleinen Korpus treffen eben auf genau dieses Korpus zu. Generell ist zu beachten, dass Themen für korpusbasierte BA- oder MA-Projekte schon mit dem Vorlauf festgelegt werden sollten, der für die Generierung eines Korpus kalkuliert wird.

Zwar dürfen Korpora nur mit Zustimmung der Datenurheber*innen veröffentlicht werden, sie sollten jedoch für Ihre*n Prüfer*innen zugänglich sein, z. B. digital in einem geschützten Bereich, für den Sie einzig dem*der Prüfer*in Zugang gewähren.

1.4.3 Klick ins Feld: Einfach einmal nachfragen?

Online-Umfragen sind ein beliebtes Instrument in der empirischen Sozialforschung. Im folgenden Abschnitt soll diskutiert werden, inwieweit sie auch für sprachwissenschaftliche Datenerhebungen nutzbar sind. Nicht jede sprachwissenschaftliche Fragestellung ist dazu geeignet, über einen FragebogenFragebogen geklärt zu werden.

Überlegen Sie sich eine geeignete sprachwissenschaftliche Fragestellung, über die ein Internet-Fragebogen Aufschluss geben kann.

Der Gebrauch von Lexemen in spezifischen sprachlichen Umgebungen (Kotexten), regionale sprachliche Differenzen oder Grammatikalitätsurteile lassen sich gut über (Online-)Fragebögen erfassen. Möchte man aber z. B. wissen, welchen Einfluss Texte mit hohem Emotionspotenzial auf die Rezeption haben, ist es schwierig, Proband*innen direkt danach zu fragen. Ebenso wenig kann z. B. direkt erfragt werden, wie Menschen beten (vgl. Marx/Damisch 2013). Sobald persönliche Einstellungen oder emotionale Einflüsse auf Textproduktion und -rezeption im Mittelpunkt des Forschungsinteresses stehen, wird die empirische Datenerhebung generell problematisch. Es bedarf einer äußerst geschickten Wahl und Formulierung der Fragen, um sich der Antwort auf solche Forschungsfragen zumindest nähern zu können. In solch diffizilen Fällen, kann der Weg über eine anonyme Online-Befragung möglicherweise fruchtbringend sein. Sogenannte Interview-Effekte werden hier (wie auch bei schriftlichen Befragungen, die nicht online durchgeführt werden) auf ein Minimum reduziert. Die Proband*innen werden nie einer Face-to-Face-Situation ausgesetzt, so dass sie möglicherweise freier agieren, falls sie Antworten bevorzugen, die weder sozialen Normen noch angenommenen Erwartungen entsprechen. Suggestivfragen beherbergen allerdings immer ein Restrisiko für Interview-Effekte auch wenn die Fragen schriftlich präsentiert werden.

Gegenüber herkömmlichen Befragungen haben Online-Fragebögen den Vorteil, dass sie dank der technologischen Bedingungen schnell auszufüllen und zu versenden sind. Damit kann die Teilnahme an der Befragung in die normalen Abläufe der Bildschirmarbeit integriert werden. Befragungen, die beispielsweise per Post verschickt werden, scheitern oftmals an einer verschwindend geringen Rücklaufquote. Einen Fragebogen aus einem Umschlag zu nehmen, ihn zu lesen, auszufüllen, anschließend wieder in einen Umschlag zu packen, eventuell noch zu frankieren und zum Briefkasten zu tragen, sind Schritte, die Proband*innen nur ungern auf sich nehmen. Angekündigte Befragungen, die in einem vereinbarten Rahmen durchgeführt werden, weisen zwar eine höhere Rücklaufquote auf, weil der*die Leiter*in der Befragung den Rücklauf unmittelbar kontrollieren kann, jedoch ergibt sich hier eine Schwierigkeit, die sich auf das Antwortverhalten auswirken kann: Der*die Proband*in kann nicht selbst entscheiden, wann er*sie die Fragen bearbeitet.

Im Online-Verfahren hingegen bestimmen die Teilnehmer*innen einer Studie den Zeitpunkt, an dem sie die Fragen bearbeiten, selbst. Versuchsleiter*innen hegen an diesem Punkt zu Recht die Hoffnung auf eine höhere Motivation und Kooperationsbereitschaft auf der Seite der Teilnehmer*innen. Ein weiterer Vorteil ist, dass mit geringem Aufwand eine große Anzahl an Personen ungeachtet geographischer Distanzen erreicht werden kann. Das ist z. B. für sprachkontrastive Fragestellungen interessant. Online-Fragebögen können auch mit einer Sprachauswahl-Option ausgestattet werden, so dass der Fragebogen von Sprecher*innen verschiedener Sprachen ausgefüllt werden kann. Vorteilhaft ist auch, dass alle Daten sofort digital vorliegen und in (Statistik-)Programmen weiterverarbeitet werden können. Damit werden Kosten und Zeit gespart.

Notieren Sie, welche Nachteile die Methode, Daten über Online-Fragebögen zu erheben, mit sich bringt.

Die Nachteile von Online-Fragebögen liegen vorwiegend darin, dass nicht kontrolliert werden kann, ob eine Person der Zielgruppe den Fragebogen ausfüllt oder möglicherweise jemand, der die Zielgruppenparameter nicht erfüllt, stellvertretend für eine Person agiert. Es kann ebenso wenig kontrolliert werden, ob nur eine Person den Fragebogen ausfüllt oder die Antworten Ergebnis einer gemeinschaftlichen Beratung im Rahmen einer illustren Partygesellschaft sind.

Auch die Zusammensetzung der Stichprobe kann nachteilig sein. So nehmen oftmals Personen teil, die einfach Freude an empirischen Erhebungen haben, oder Personen, die die jeweilige Thematik besonders positiv oder besonders negativ tangiert. Die Menge dieser Personen muss nicht notwendigerweise deckungsgleich mit der Stichprobe sein, die für eine repräsentative Aussage benötigt wird. Diese Gefahr kann dadurch eingegrenzt werden, dass Befragungsbögen per E-Mail verschickt werden. Hierfür müssen einer elektronischen Nachricht an eine statistisch ermittelte Auswahl an Adressat*innen lediglich Textdateien hinzugefügt werden. Dieses Vorgehen birgt wiederum eine andere Gefahr – die unsichere Rücklaufquote, weil Proband*innen eine E-Mail mit dem ausgefüllten Fragebogen zurücksenden müssen und dabei möglicherweise auch fürchten, nicht anonym zu bleiben. Eine Zugangsberechtigung zu einer Cloud, in der die ausgefüllten Fragebögen hinterlegt werden können, könnte ihnen diese Angst nehmen.

Online-Befragungen können auch über interaktive Online-Formulare via Webbrowser bearbeitet werden. Ein Versuch, dabei die Stichprobe zu steuern wäre, per E-Mail eine statistisch ermittelte Auswahl an Adressat*innen auf den entsprechenden Link zum Fragebogen aufmerksam zu machen.

Mit Hilfe der Internetseite

Solange dieses Angebot nicht für kommerzielle Zwecke genutzt wird, ist es kostenlos. Nutzer*innen müssen sich lediglich registrieren und den einfachen Anweisungen folgen. Wir empfehlen, bei der Anmeldung keine private E-Mail-Adresse (yahoo, gmail etc.), sondern die Uni-E-Mail-Adresse anzugeben. Eine zusätzliche Software ist nicht vonnöten, da die Befragung auf dem Server SoSciSurvey läuft. Weitere kostenlose Anbieter sind zoomerang.com, Questionstar oder Umfrageonline (mit kostenloser Basisversion). Für größere Studien, in deren Rahmen eine Teilnehmer*innen- und Datenverwaltung und kontinuierliche Rückmeldungen über den Verlauf der Erhebung gewünscht sind, bietet sich das kostenpflichtige Angebot von rogator.de an (vgl. Döring 22003: 230).

Es ist wichtig, präzise anzugeben, wie lange die Bearbeitung des Fragebogens maximal dauert. Gerade bei zeitaufwändigeren Befragungen können potenzielle Teilnehmer*innen so den Zeitpunkt, zu dem sie die Fragen beantworten, besser festlegen. Gleichzeitig wird so einem Problem vorgebeugt, das im Zusammenhang mit Online-Befragungen häufiger auftritt: der vorzeitige Abbruch und damit die Nicht-Verwertbarkeit der Daten.

1.4.4 Log-File-Analyse – Einfach mitschneiden?

Die sogenannte Log-File-AnalyseLog-File-Analyse ist eine Methode der Datenerhebung, die in etwa mit der teilnehmenden Beobachtung vergleichbar ist. Auf den Rechnern der teilnehmenden Versuchspersonen werden spezifische Protokollierungsprogramme installiert, die neben den technischen Informationen über den Datenverkehr auch inhaltliche Botschaften aufzeichnen, die im Anschluss ausgewertet werden können. Dieses Vorgehen bietet sich insbesondere für digitale Interaktionssituationen, z. B. in Sozialen Netzwerken (vgl. Gysin 2014, 2015) oder Chat-Räumen (Orthmann 2000), an. Die an der Erhebung teilnehmenden Nutzer*innen wissen, dass die von ihnen generierten Daten aufgezeichnet werden.

Spielt das sogenannte Beobachterparadoxon auch bei Daten eine Rolle, die im oder über das WWW generiert werden?

Es kann nicht ausgeschlossen werden, dass sie sprachliche Äußerungen immer auch im Hinblick darauf produzieren, dass diese Daten für eine Analyse bestimmt sind.

Für den*die Versuchsleiter*in ist oftmals im Nachhinein ohne explizites Nachfragen kaum zu rekonstruieren, inwieweit beispielsweise besonders drastische oder auch besonders milde Äußerungen der Erhebungssituation geschuldet sind. Der*die Versuchsleiter*in muss ebenfalls damit leben, dass ihm*ihr ein Teil der produzierten Daten generell verborgen bleiben wird, weil die Nutzer*innen von der Möglichkeit Gebrauch machen, die Aufzeichnungsprogramme zu deaktivieren. Wie bei jeder teilnehmenden Beobachtung wird auch hier mit der Hoffnung gearbeitet, dass sich die Versuchsteilnehmer*innen über einen längeren Zeitraum an die Aufnahmesituation gewöhnen und zunehmend natürlich agieren.

1.4.5 Digitale Ethnographie