Visuelle Dramenanalyse
Mathias Göbel¹, Dario Kampkaspar²
- Staats- und Universitätsbibliothek Göttingen
- Herzog August Bibliothek Wolfenbüttel
Präsentation: https://lina.digital/presentations/2016-graz/
Literaturhaus Graz, »Visuelle Dramenanalyse«, 13.4.2016
Präsentation lizenziert unter CC-BY 4.0.
Gliederung
- #DLINA
- Workflow
- Data Mining
- Data Editing
- Visualisierung & Analyse
- Dramen als Small Worlds
- Horváth im Vergleich
#DLINA
digital literary network analysis
Die dlina-Arbeitsgruppe
Team
- dlina = digital literary network analysis
- interinstitutionelle Arbeitsgruppe aus Literaturwissenschaftlern und Informatikern
- Mitglieder: Frank Fischer, Dario Kampkaspar, Christopher Kittel, Mathias Göbel, Hanna-Lena Meiners, Peer Trilcke, Andreas Vogel
- Dokumentation …
#DLINA
- Literaturwissenschaft und Analyse sozialer Netzwerke
- Definition der Struktureinheiten (vgl. Solomon Marcus, 1973):
- Sprechakt (und damit verbundene Sprecher) in einer übergeordneten Einheit (Akt, Szene, …)
Die dlina-Arbeitsgruppe
Ziel
- automatisierte, philologisch kuratierte Extraktion, Analyse und Interpretation von Netzwerkdaten aus dramatischen Texten
- Netzwerkdaten = Interaktionen zwischen Figuren
- Operationalisierung von ›Interaktion‹: Wenn zwei Figuren innerhalb eines vorgegebenen Segments (Szene/Auftritt; Akt/Aufzug; »Absatz«) des Dramas jeweils einen Sprechakt vollziehen, dann interagieren sie miteinander.
#DLINA
Typologie der Struktur am Beispiel
zwei Dramen Goethes
 |
 |
| Iphigenie auf Tauris (1787) | Götz von Berlichingen (1773) |
#DLINA
465 Netzwerke
»Distant Reading Showcase«: 465 deutschsprachige Dramen von 1731 bis 1929 (figshare).
Vorgehen
Workflow
Data Mining → Data Editing → Visualization & Analysis
Data Mining
Korpus
- TextGrid Repository: umfangreichste Ressource TEI-getaggter literarischer Werke (666 Dramen, siehe Blogpost)
- Workflow angepasst an unterschiedliche Qualität (schlechtes TEI, OCR-Fehler, etc.)
Data Mining
DLINA Corpus 15.07 (»Codename Sydney«)
- Dramen von 1731 bis 1929
- Auswahlkriterien:
- genuin deutschsprachige Werke
- nur Texte mit Sprechakten (keine Pantomime)
- vollständige Texte
- Dramen mit korrekturfähigen Markup
- Ergebnis: 465 Dramen (Sydney corpus)
Data Editing
Strukturdatenextraktion
- originale TEI-Dateien werden beibehalten
- Überführung in das "Zwischenformat": XML, vgl. Blogpost):
- RNG schema
- eine Datei pro Drama (lina.xml)
- enthält Metadaten, Strukturdaten und Dokumentation
Date Editing
automatische Verarbeitung extrahiert auch alle Fehler
- Fehler in vorangegangenen Konversionen der Dokumente
- OCR-Fehler
- ...
- Intrinsische Fehler
- Namensvariation
- ...
Dokumentations der Editionsregeln in einem Blogpost.
Data Editing
Crowdbasierte Anreicherung eines literarischen Volltext-Korpus
Android App
Visualisierung & Analyse
Für jedes Drama haben wir eine Webseite erstellt: Auflistung:
- Netzwerke (statisch und dynamisch)
- KookkurenzMatrizen
- Häufigkeiten (Sprechakte, Wörter, Zeichen)
- Zwischenformat
Display & Analysis
Beispiel: G. E. Lessings "Emilia Galotti" (1772)
Dramen als ›Small Worlds‹?
Idee
Herausforderung:
Heterogenität der Dramen-Netzwerke
Interpretationsszenarien,
zum Beispiel
| Geschichte | Typologie |
|  |
| Siehe z.B. den Blogpost 200 Years of Literary Network Data |
Laufende Forschungen: Typen von Dramen-Netzwerken |
Typen von Dramen-Netzwerken
Literaturtheoretische Hintergrund-Hypothesen
- Dramen als kontextsensible ästhetische Modelle sozialer Formationen, d.h. …
- … Dramen stellen soziale Formationen dar (z.B. Kleinfamilie, Königshof, ›Gesellschaft‹);
- … diese sozialen Formationen bestehen nur in der ästhetischen Darstellung, als Modelle;
- … diese Modelle sind (zumindest potenziell) kontextsensibel, stehen also in Wechselwirkung mit realen sozialen Formationen.
Typen von Dramen-Netzwerken:
›Small World‹-Idee
Ansatz: Bezug auf netzwerkanalytische Typologie
- Netzwerktyp der ›Small World‹ (zuerst bei Watts & Strogatz 1998; cf. Watts 2004);
- »widespread in biological, social and man-made systems« (Watts & Strogatz 1998, 442)
- »highly clustered, like regular lattices, yet have small characteristic path lengths, like random graphs« (Watts & Strogatz 1998, 440)
- Vorläufer in der Anwendung auf Dramen (hier: Shakespeare): Stiller, Nettle & Dunbar 2003; Stiller & Hudson 2005
- im Folgenden: Anwendung auf die automatisiert (zugleich philologisch kuratiert) extrahierten Netzwerkdaten des dlina-Korpus
Typen von Dramen-Netzwerken:
›Small World‹-Idee
Relationale Bestimmung von ›Small Worlds‹
| Regular | ›Small World‹ | Random |
 |
 |
 |
| Clustering Coefficient (C) | ||
| 0,600 | 0,852 | 0,131 |
| Average Path Length (APL) | ||
| 6,261 | 2,346 | 2,258 |
Typen von Dramen-Netzwerken:
›Small World‹-Idee
Definition von ›Small World‹-Netzwerken
- 1. Kriterium: Clustering Coefficient (C) des beobachteten Netzwerks ist signifikant höher als der C eines entsprechenden Random-Netzwerks
- 2. Kriterium: Average Path Length (APL) des beobachteten Netzwerks weicht nicht signfikant ab von der APL eines entsprechenden Random-Netzwerks
Typen von Dramen-Netzwerken:
›Small World‹-Idee
Zusatzkriterium: ›Scale Free‹
- ›Scale Free‹-Netzwerke als Variante von ›Small World‹-Netzwerken (beschrieben von Albert & Barabási 2002);
- weisen zusätzlich eine Node Degree Distribution mit Power Law auf
Typen von Dramen-Netzwerken:
›Small World‹-Idee
Kriterien (Indikatoren) im Überblick
- 1. Kriterium: Clustering Coefficient (C) des beobachteten Netzwerks ist signifikant höher als der C eines entsprechenden Random-Netzwerks
- 2. Kriterium: Average Path Length (APL) des beobachteten Netzwerks weicht nicht signfikant ab von der APL eines entsprechenden Random-Netzwerks
- 3. Kriterium (Scale Free): Die Node Degree Distribution lässt sich am besten mit einer Power Law-Regression beschreiben
3. Dramen als ›Small Worlds‹?
Studie
1. Kriterium: Clustering Coefficient
- Der Clustering Coefficient (C) des beobachteten Netzwerks ist signifikant höher als der C eines entsprechenden Random-Netzwerks
- Vorgehen
- Berechnung von 1000 Randomnetzwerke zu jedem einzelnen Dramen-Netzwerk
- Berechnung des Mittelwerts für die Randomnetzwerke → Clustering Coefficient (C Random)
- Bildung des Quotienten aus C und C Random → Clustering Coefficient Abweichung (C Abw)
- Identifizierung der Dramen mit einem signifikant höheren C Abw (signifikant höher = größer als Mean+2*SD)
2. Kriterium: Average Path Length
- Die Average Path Length (APL) des beobachteten Netzwerks weicht nicht signfikant ab von der APL eines entsprechenden Random-Netzwerks
- Vorgehen
- Berechnung von 1000 Randomnetzwerke zu jedem einzelnen Dramen-Netzwerk
- Berechnung des Mittelwerts für die Randomnetzwerke → Average Path Length (APL Random)
- Bildung des Quotienten aus APL und APL Random → Average Path Length Abweichung (APL Abw)
- Aussortierung der Dramen, die Kriterium 1 erfüllen, aber bei APL Abw signifikant abweichen (kleiner als Mean-2*SD bzw. größer als Mean+2*SD)
3. Kriterium: Power Law Distribution
- Die Node Degree Distribution lässt sich am besten mit einer Power Law-Regression beschreiben
- Vorgehen
- Berechnung der Node Degree Distribution
- Berechnung der Bestimmtheitsmaße (R²) für diverse Regressionen (linear, quadratisch, exponentiell, logarithmisch, Power Law)
- Aussortierung aller Dramen, die Kriterium 1 & 2 erfüllen, aber keine Power Law-Regression aufweisen
Diskussion
Drei Fragen (von vielen)
- 1. Was heißt eigentlich: Dramen als ›Small Worlds‹?
- 2. Wenn ›Small World‹-Dramen die seltene ›Abweichung‹ sind: Was ist dann die ›Norm‹?
- 3. Gibt es neben ›Small World‹-Dramen weitere ›Abweichungen‹?
1. Was heißt ›Dramen als Small Worlds‹?
1. Was heißt ›Dramen als Small Worlds‹?
 |
 |
Zentrale Figur(en) plus Cliquenbildung
hier am Bsp. von Goethe, "Götz"
1. Was heißt ›Dramen als Small Worlds‹?
| Arnim, "Jerusalem" | Raimund, "Der Barometermacher" |
 |
 |
 |
 |
| Soden, "Doktor Faustus" | Nestroy, "Der böse Geist" |
2. Was ist die ›Norm‹?
2. Was ist die ›Norm‹?
›Abweichung‹: u.a. Power Law z.B. in "Götz"
viele ›untere‹ Figuren - wenig ›mittlere‹ Figuren - sehr wenig ›obere‹ Figuren
2. Was ist die ›Norm‹?
In der Regel (›Norm‹) jedoch andere Verteilungen
 |
 |
| viele ›mittlere‹ Figuren | |
3. Weitere Abweichungen?
3. Weitere Abweichungen?
Z.B.: Die ›umgekehrte‹ Power Law-Regression
3. Weitere Abweichungen?
| Goethe, "Götz" Drama des ›großen Individuums‹ |
Mühsam, "Judas" Drama des ›Kollektivs‹ |
 |
 |
| aristokratisches Modell? | kommunistisches Modell? |
Der Horváth im Vergleich
Average Path Length
| APl | Apl random | |
| Gesamtfassung | 1,419047619 | 1,41912381 |
| Endfassung | 1,138339921 | 1,138339921 |
Clustering Coefficient
| CC | CCR | |
| Gesamtfassung | 0,34473 | 0,581865746 |
| Endfassung | 0,51355 | 0,861728332 |
Geschichten aus dem Wiener Wald in DLINA
Literatur
- Réka Albert & Albert-László Barabási: Statistical Mechanics of Complex Networks, in: Reviews of Modern Physics 74 (2002), 47–97.
- Albert Lászlo Barabási & Bonabeau, Eric: Scale Free Networks, in: Scientific American 288 (2003) 50–59.
- Frank Fischer, Mathias Göbel, Dario Kampkaspar & Peer Trilcke: [Blog] Network Analysis of Dramatic Texts, URL: https://dlina.github.io/
- Franco Moretti: Network Theory, Plot Analysis, in: Stanford Literary Lab Pamphlets, No. 2 (May 1st, 2011).
- James Stiller, Daniel Nettle & Robin I. M. Dunbar: The Small World of Shakespeareʼs Plays, in: Human Nature 14 (2003), 397–408.
- James Stiller & Matthew Hudson, Weak Links and Scene Cliques Within the Small World of Shakespeare, in: Journal of Cultural and Evolutionary Psychology 3 (2005), 57–73.
- Peer Trilcke: Social Network Analysis (SNA) als Methode einer textempirischen Literaturwissenschaft, in: Philip Ajouri, Katja Mellmann & Christoph Rauen (Hg.): Empirie in der Literaturwissenschaft, Münster 2013, 201–247.
- Duncan J. Watts & Steven H. Strogatz: Collective Dynamics of ›Small World‹ Networks, in: Nature 393 (1998), 440-442.
- Duncan J. Watts: Six Degrees. The Science of a Connected Age, New York 2003.
Visuelle Dramenanalyse
https://lina.digital
Mathias Göbel¹, Dario Kampkaspar²
Staats- und Universitätsbibliothek Göttingen
Herzog August Bibliothek Wolfenbüttel
Präsentation: https://lina.digital/presentations/2016-graz/
Literaturhaus Graz, »Visuelle Dramenanalyse«, 13.4.2016
Präsentation lizenziert unter CC-BY 4.0.