Netzwerkdynamik, Plotanalyse
Zur Visualisierung und Berechnung der ›progressiven Strukturierung‹ dramatischer Texte
Peer Trilcke¹ · Frank Fischer² · Mathias Göbel³
Dario Kampkaspar⁴ · Christopher Kittel⁵
¹ Universität Potsdam / Institut für Germanistik & Theodor-Fontane-Archiv
² Higher School of Economics, Moskau
³ Staats- und Universitätsbibliothek Göttingen
⁴ Herzog August Bibliothek Wolfenbüttel
⁵ Karl-Franzens-Universität Graz / Open Knowledge Österreich
Diese Präsentation: dlina.github.io/presentations/2017-bern/
DHd 2017 · Bern/CH · 15. Februar 2017
TOC
- Einleitung
- Netzwerkdynamik – Plotanalyse?
- Visualisierung dynamischer Graphen
- Berechnung dynamischer Netzwerke
- Dynamik, Rhythmik. Resümee
- Bibliografie
1. Einleitung
dlina-Projekt
Arbeitsgruppe
- F. Fischer (Moskau), M. Göbel (Göttingen), D. Kampkaspar (Wolfenbüttel), C. Kittel (Graz), H.-L. Meiners (Göttingen), D. Skorinkin (Moskau), P. Trilcke (Potsdam)
- Blog: lina.digital
- Github: github.com/dlina & github.com/lehkost/dramavis
Forschung
- Automatisierte, philologisch kuratierte Extraktion, Analyse und Interpretation von Netzwerkdaten aus literarischen (derzeit v. a.: dramatischen) Texten
dlina-Projekt
Korpus
- Primäres Arbeitskorpus (›under revision‹): »dlina Corpus 15.07«, umfasst 465 deutschsprachige Dramen (1731–1929), entstanden auf Basis des TextGrid Repository
- Siehe auch: den Blogpost »Introducing ›dlina Corpus 15.07‹«
dlina-Projekt
Netzwerkdaten
- Erfasst werden Knoten, d. i. Figuren
- Erfasst werden Kanten, d. i. Interaktionen zwischen Figuren
- Operationalisierung von ›Interaktion‹: Wenn zwei Figuren innerhalb eines vorgegebenen Segments (Szene/Auftritt; Akt/Aufzug) des Dramas jeweils mindestens einen Sprechakt vollziehen, dann interagieren sie miteinander.
Reflexion
- in dlina arbeiten wir mit recht abstrakten Modellierungen literarischer Texte, basierend auf der »structural intuition« (Freeman 2004: 4) der formalen Netzwerkanalyse
- Forschung ist auch der Versuch, die Eigenlogik und den Erkenntniswert dieser abstrakten Modellierungen auszuloten.
Reflexion
- Forschung geht zwar aus von tradierten Fragestellungen der Literaturwissenschaft. Diese erfahren im Zuge der netzwerkanalytischen Operationalisierung jedoch eine erhebliche Abstraktion.
- Eine Konsequenz daraus: Die Antworten, die wir erhalten, sind zunächst einmal keine Aussagen innerhalb des tradierten literaturwissenschaftlichen Diskurses.
Aus dem dlina-Itinerar:
Der ›Beat‹ des Dramas
drama-change-rate-chart zu Goethe: Iphigenie auf Tauris (1787)
2. Netzwerkdynamik – Plotanalyse?
Bisher: statische Netzwerke
Statischer Netzwerkgraph zu Lessing: Emilia Galotti (1772)
Netzwerkdynamik
- Allerdings: Literarische Texte (und damit auch ›ihre‹ Netzwerke) entfalten sich in der Zeit.
- Neues Ziel: Das Netzwerk des Dramas in seiner sukzessiven Transformation beschreiben und seine einzelnen Zustände miteinander vergleichen.
- Fokus also auf Netzwerkdynamik bzw. dynamische Netzwerke
Plotanalyse?
- Damit womöglich ein Schritt in Richtung eines uneingelösten Versprechens von Franco Moretti (2011): Netzwerkanalyse als Plotanalyse.
- Die temporale Dimension von ›Plot‹
- »the repeated attempts to redefine parameters of plot reflect both the centrality and the complexity of the temporal dimension of narrative« (Dannenberg 2005: 435)
- Plot als Konzept zur Beschreibung der »progressive structuration« (Kukkonen 2013: §4) von Texten
3. Visualisierung dynamischer Graphen
Ein Beispiel
https://maladesimaginaires.github.io/intnetviz/ – siehe auch Aris Xanthos, Isaac Pante, Yannick Rochat, Martin Grandjean: Visualising the Dynamics of Character Networks. URL: http://dh2016.adho.org/abstracts/407
Probleme der Graph-Visualisierung
- »too close« für die Analyse größerer Korpora
- eher brauchbar für didaktische Zwecke
4. Berechnung dynamischer Netzwerke
Zwei Fragerichtungen
Zeitpunkt-orientiert (Indices u. a.)
- Identifizieren eines Zeitpunkts: An welchem Zeitpunkt innerhalb der ›progressiven Strukturierung‹ eines Textes ereignet sich X? (z. B. all-in-index; central-character-entry-index)
- Quantifizieren eines Zeitpunkts: Was ereignet sich am Zeitpunkt Y eines Textes? (z. B. final-scene-size-measure)
Geschehens-orientiert (Change Rates u. a.)
- Wie lässt sich die (Abfolge von Struktur-Zuständen der) ›progressiven Strukturierung‹ eines Textes charakterisieren? (z. B. drama-change-rate)
Zeitpunkt-orientiert, zum Beispiel:
all-in-index
Leitende Frage
- Identifizieren eines Zeitpunkt: Wann sind alle Figuren eines Dramas mindestens einmal aufgetreten?
Voraussetzung
- Normalisierte Bestimmung eines Zeitpunkts im Drama
- Erfolgt mittels des ›Progressionsindex‹
Zeitpunkt-orientiert, zum Beispiel:
all-in-index
all-in-index für 6 ausgewählte Dramen – Mean (orange Linie) bezieht sich auf das Gesamtkorpus
Geschehens-orientiert:
drama-change-rate
- Ziel: Wert für die Dynamik der ›progressiven Strukturierung‹ ermitteln.
- Idee: Die drama-change-rate.
Lösungsansatz: Die ›gute alte‹ Konfigurationsmatrix (Salomon Marcus, Manfred Pfister) – als ›Segmentmatrix‹.
Nebenbemerkung: Reduktion des Korpus auf Texte mit mehr als 5 Akten/Szenen (nun noch 331 Texte)
Die Segmentmatrix
Segmentmatrix zu Goethe: Iphigenie auf Tauris (1787)
Blaues Feld = Figur ist im Segment auf der Bühne
Die Segmentmatrix
Segmentmatrix zu Goethe: Iphigenie auf Tauris (1787)
Orangenes Feld = Figur ist in aufeinanderfolgenden Segmenten auf der Bühne (liaison des scenes)
Berechnung der drama-change-rate
Segmentmatrix zum 1. Akt von Goethe: Iphigenie auf Tauris (1787)
Berechnung der drama-change-rate
Segmentmatrix zum 1. Akt von Goethe: Iphigenie auf Tauris (1787)
Berechnung der drama-change-rate
Segmentmatrix zum 1. Akt von Goethe: Iphigenie auf Tauris (1787)
Berechnung der drama-change-rate
Segmentmatrix zum 1. Akt von Goethe: Iphigenie auf Tauris (1787)
Der ›Beat‹ von Iphigenie
drama-change-rate-chart zu Goethe: Iphigenie auf Tauris (1787)
drama-change-rate-measures: Mean = 0.598 – SD = 0.163
Der ›Beat‹ von Iphigenie
drama-change-rate-chart zu Goethe: Iphigenie auf Tauris (1787) – orange Linien (vertikal): Akte
drama-change-rate-measures: Mean = 0.598 | SD = 0.163
Der ›Beat‹ von Iphigenie
drama-change-rate-chart zu Goethe: Iphigenie auf Tauris (1787) – orange Linie (horizontal): Mean
drama-change-rate-measures: Mean = 0.598 | SD = 0.163
200 Jahre drama-change-rate
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
200 Jahre drama-change-rate:
Die Mitte
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
200 Jahre drama-change-rate:
Die Ausreißer
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
Ein Mean-Ausreißer nach oben
drama-change-rate-chart zu Goethe: Egmont (1788) – orange Linie (horizontal): Mean
drama-change-rate-measures: Mean = 0.993 | SD = 0.023
Weitere Mean-Ausreißer nach oben
Oben links: Goethe: Götz von Berlichingen (1773); rechts: Lenz: Der Hofmeister (1774) –
Unten links: Tieck: Die verkehrte Welt (1800); rechts: Grabbe: Napoleon oder die hundert Tage (1831)
Mean-Ausreißer nach unten
Oben links: Stephanie: Der Schauspieldirektor (1786); rechts Goethe: Der Bürgergeneral (1793) –
Unten links: Benedix: Die Hochzeitsreise (1849); rechts: Rilke: Ohne Gegenwart (1898)
Wie lese ich
drama-change-rate-charts?
Lektion 1: Dynamik → Arithmetisches Mittel (Mean)
- Mean-Ausreißer nach oben = hochdynamische Dramen (ein Großteil oder gar alle Figuren werden zwischen den Segmenten ausgetauscht)
- Mean-Ausreißer nach unten = niedrigdynamische Dramen (ein kleiner Teil oder gar keine Figuren werden zwischen den Segmenten ausgetauscht)
Lektion 2: Rhythmik → Standardabweichung (SD)
SD-Ausreißer nach oben
Links: Benkowitz: Die Jubelfeier der Hölle, der Faust der jüngere (1801) | SD = 0.334;
rechts: Goethe: Faust I (1808) | SD = 0.326
SD-Ausreißer nach unten
Links: Schnitzler: Anatol (1893) | SD = 0.079;
rechts: Schnitzler: Der Reigen (1902) | SD = 0.026
Zwischenergebnis:
Zwei Extremtypen-Paare (1/2)
Mean-Ausreißer (links nach oben, rechts nach unten) – orange Linie: Mean.
Links: Lenz: Der Hofmeister (1774), Mean: 0.899;
rechts: Goethe: Der Bürgergeneral (1793), Mean: 0.396.
Zwischenergebnis:
Zwei Extremtypen-Paare (2/2)
SD-Ausreißer (links nach oben, rechts nach unten) – orange Linie: Mean.
Links: Benkowitz: Die Jubelfeier der Hölle, der Faust der jüngere (1801), SD: 0.334;
rechts: Schnitzler: Der Reigen (1902), SD: 0.026.
Bis jetzt im Fokus: Die Ausreißer
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
Letzter Fokus: Die ›Mitte‹
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
Der drama-change-rate-Normaltyp
drama-change-rate-mean für 331 Dramen
Grundlage: dlina-Korpus, Niedrigsegmentstücke (Segmentzahl < 6) aussortiert
Vier drama-change-rate-Normaltypen
Oben rechts: L. A. V. Gottsched: Die Pietisterey im Fischbein-Rocke (1736);
links: Schiller: Wallensteins Tod (1799) –
Unten rechts: Ganghofer: Der Herrgottschnitzer von Ammergau (1880);
links: Sudermann: Der Bettler von Syrakus (1911)
Der ›Beat‹ eines Normaltyps
drama-change-rate-chart zu Ganghofer: Der Herrgottschnitzer von Ammergau (1880)
drama-change-rate-measures: Mean = 0.646 | SD = 0.229
5. Dynamik, Rhythmik. Resümee
Dynamik, Rhythmik
(U. a.) ein neues Beschreibungsinventar …
- ›Dynamik‹ der drama-change-rate
- ›Rhythmik‹ der drama-change-rate
(U. a.) die Frage …
- was für ein Verständnis des (historischen und typologischen) Phänomens ›Drama‹ dieses aus der Abstraktion entwickelte Beschreibungsinventar eröffnen könnte?
Dynamik, Rhythmik
(Z. B.) eine abschließende Frage …
- Liessen sich wahrnehmungspsychologische Begründungen für die Rhythmik der drama-change-rate finden?
- Im Sinne von …
- Die ›normale‹ Rhythmik (Normaltyp) erfüllt ein Grundbedürfnis: Mischung aus Dynamisierung und Konstanz (solide Unterhaltung)?
- Die ›abweichende‹ Rhythmik (Ausreißer) begegnet demgegenüber bei avantgardistischen Typen: extremer Wechsel (Überforderung) oder extreme Gleichförmigkeit (Langeweile)?
Weiterlesen
- DLINA-Blog (lina.digital)
- DLINA-Daten auf Github
- dramavis auf Github
- Play(s) auf Github
- Twitter:
- #dlina
- Frank Fischer (@umblaetterer)
- Mathias Göbel (@goebel_m)
- Christopher Kittel (@chris_kittel)
- Peer Trilcke (@peertrilcke)
6. Bibliografie
Bibliografie (1/4)
- Agarwal, A., Corvalan, A., Jensen, J., Rambow, O. (2012). Social Network Analysis of Alice in Wonderland. Proceedings of the Workshop on Computational Linguistics for Literature, Montréal, S. 88–96, http://www.aclweb.org/anthology/W12-2513 [letzter Zugriff 9.2.2017].
- Carley, K. M. (2003). Dynamic Network Analysis. Breiger, R., Carley, K. M., Pattison, P. (eds.): Dynamic Social Network Modeling and Analysis. Workshop Summary and Papers. Washington D. C., S. 133–145, http://www.nap.edu/read/10735/chapter/9 [letzter Zugriff 9.2.2017].
- Dannenberg, H. (2005). Plot. Herman, D., Jahn, M., Ryan, M.-L. (eds.): The Routledge Encyclopedia of Narrative Theory. London: Routledge, S. 435–439.
- Fischer, F., Göbel, M., Kampkaspar, D., Trilcke, P. (2015). Digital Network Analysis of Dramatic Texts. Digital Humanities 2015. Conference Abstracts. University of Western Sydney, online [letzter Zugriff 9.2.2017].
- de Nooy, W. (2006). Stories, Scripts, Roles, and Networks. Structure and Dynamics 1.2 http://escholarship.org/uc/item/8508h946 [letzter Zugriff 9.2.2017].
- Elson, D. K., Dames, N., McKeown, K. R. (2010). Extracting Social Networks from Literary Fiction. Proceedings of ACL 2010, Uppsala, S. 138–147 http://dl.acm.org/ft_gateway.cfm?id=1858696&type=pdf&CFID=659731302&CFTOKEN=83466756 [letzter Zugriff 25.8.2016].
Bibliografie (2/4)
- Federico, P., Aigner, W., Miksch, S., Windhager, F., Zenk, L. (2011). A Visual Analytics Approach to Dynamic Social Networks. Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies (i-KNOW). Graz, http://publik.tuwien.ac.at/files/PubDat_198995.pdf [letzter Zugriff 9.2.2017].
- Freeman, L. C. (2004). The Development of Social Network Analysis. A Study in the Sociology of Science. Vancouver: Empirical Press.
- Jannidis, F., Reger, I., Krug, M., Weimer, L., Macharowsky, L., Puppe, F. (2016). Comparison of Methods for the Identification of Main Characters in German Novels. Digital Humanities 2016. Conference Abstracts. Jagiellonian University & Pedagogical University, Kraków, S. 578–582 http://dh2016.adho.org/abstracts/297 [letzter Zugriff 9.2.2017].
- Kittel, C., Fischer, F. (2016). dramavis (v0.2.1). GitHub repo: https://github.com/lehkost/dramavis [letzter Zugriff 9.2.2017]. Kukkonen, K. (2013). Plot. Hühn, P. et al. (eds.): The Living Handbook of Narratology. Hamburg. http://www.lhn.uni-hamburg.de/article/plot [letzter Zugriff 9.2.2017].
- Moretti, F. (2011). Network Theory, Plot Analysis. Stanford Literary Lab Pamphlets, No. 2 (1. Mai 2011), http://litlab.stanford.edu/LiteraryLabPamphlet2.pdf [letzter Zugriff 9.2.2017].
Bibliografie (3/4)
- Park, G.-M., Kim, S.-H., Cho, H.-G. (2013). Structural Analysis on Social Network Constructed from Characters in Literature Texts. Journal of Computers 8.9, S. 2442–2447, http://ojs.academypublisher.com/index.php/jcp/article/view/jcp080924422447/7672 [letzter Zugriff 9.2.2017].
- Pfister, M. (1977). Das Drama. Theorie und Analyse. München: Fink.
- Pohl, M., Reitz, F., Birke, P. (2008). As Time Goes by. Integrated Visualization and Analysis of Dynamic Networks. AVI 2008 – Proceedings of the Working Conference on Advanced Visual Interfaces, Neapel, S. 372–375, http://doi.acm.org/10.1145/1385569.1385636 [letzter Zugriff 9.2.2017].
- Prado, S. D., Dahmen, S. R., Bazzan, A. L. C., Mac Carron, P., Kenna, R. (2016). Temporal Network Analysis of Literary Texts. Advances in Complex Systems (ACS) 19(3), S. 1–19, https://arxiv.org/pdf/1602.07275 [letzter Zugriff 9.2.2017].
- Rochat, Yannick (2014). Character Networks and Centrality. Thèse de Doctorat, Lausanne, https://infoscience.epfl.ch/record/203889/files/yrochat_thesis_infoscience.pdf [letzter Zugriff 9.2.2017].
- Stiller, J., Nettle, D., Dunbar, R. I. M. (2003). The Small World of Shakespeare's Plays. Human Nature 14, S. 397–408, https://www.staff.ncl.ac.uk/daniel.nettle/shakespeare.pdf [letzter Zugriff 9.2.2017].
Bibliografie (4/4)
- Stiller, J., Hudson, M. (2005). Weak Links and Scene Cliques Within the Small World of Shakespeare. Journal of Cultural and Evolutionary Psychology 3, S. 57–73.
- Trilcke, P., Fischer, F., Göbel, M., Kampkaspar, D. (2015). 200 Years of Literary Network Data [blogpost], https://dlina.github.io/200-Years-of-Literary-Network-Data/ [letzter Zugriff 9.2.2017].
- Trilcke, P., Fischer, F., Göbel, M., Kampkaspar, D., Kittel, C. (2016). Theatre Plays as 'Small Worlds'? Network Data on the History and Typology of German Drama, 1730–1930. Digital Humanities 2016. Conference Abstracts. Jagiellonian University & Pedagogical University, Kraków, S. 385–387 http://dh2016.adho.org/abstracts/407 [letzter Zugriff 9.2.2017].
- Waumans, M. C., Nicodème, T., Bersini, H. (2015). Topology Analysis of Social Networks Extracted from Literature. Plos One, 3 June 2015, http://dx.doi.org/10.1371/journal.pone.0126470 [letzter Zugriff 9.2.2017].
- Xanthos, A., Pante, I., Rochat, Y., Grandjean, M. (2016). Visualising the Dynamics of Character Networks. Digital Humanities 2016. Conference Abstracts. Jagiellonian University & Pedagogical University, Kraków, S. 417–419 http://dh2016.adho.org/abstracts/407 [letzter Zugriff 9.2.2017].
(Presentation done with reveal.js in Sublime Text 3 on Fedora 25.)
Addendum: final-scene-size-measure
Ende der Präsentation 🐬