Ist Expert:innenwissen der Schlüssel? Interpretationstexte als Ressource für die Analyse literarischer Werke in den Computational Literary Studies

• Antragsteller: Professor Dr. Robert Jäschke; Professor Dr. Steffen Martus
• Fachliche Zuordnung: Germanistische Literatur- und Kulturwissenschaften (Neuere deutsche Literatur) ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 424207720

Ausgehend von „Schlüsselstellen in der Literatur“ in der ersten Phase unseres Projekts im SPP 2207 „Computational Literary Studies“ (CLS) haben wir neue Wege eingeschlagen, um Expert:innenwissen der Literaturwissenschaft zu nutzen, das in Interpretationstexten zum Ausdruck kommt. Damit leisten wir einen Beitrag zum Ziel des SPP, mit qualitativen Methoden gewonnene Ergebnisse mit quantitativen Methoden zu kombinieren. In dieser zweiten Phase erweitern wir diesen Ansatz, um weitere Möglichkeiten zur Wiederverwendung bestehender literaturwissenschaftlicher Ressourcen und zur Kombination von Forschungspraktiken zu eröffnen, die in der Literaturwissenschaft und in den CLS üblich sind. Wie wir bei der Analyse von Schlüsselstellen gezeigt haben, bei der wir empirisch erfasst haben, welchen Passagen professionelle Interpret:innen besondere Bedeutung zumessen, setzen wissenschaftliche Interpretationen bestimmte Schwerpunkte, während CLS typischerweise gleichmäßig selektiv und fokussiert verfahren. Zum Beispiel gehen übliche Clustering-Ansätze davon aus, dass Texte in allen ihren Passagen gleich bedeutsam sind (in der für die Untersuchung priorisierten Hinsicht, z. B. häufigste Wörter, Emotionen usw.). Ausgehend von der Analyse von Schlüsselstellen wollen wir nun fragen, inwieweit Fachwissen diese gewichtenden Interpretationsverfahren erschließt und wie solche „fachkundigen“ Lektüren CLS-Verfahren voranbringen können. Wir wollen Expert:innenwissen auf drei verschiedene Arten zur Verbesserung von CLS-Methoden nutzen. Die Schwerpunkte haben sich aus unserer bisherigen Forschung ergeben, so dass die Untersuchungen pragmatisch voneinander profitieren; jede von ihnen knüpft an bestehendes CLS-Fachwissen an, um von dort aus riskantere Forschungsfragen zu testen.1. Erkennung narrativer Strukturen: Wir wollen fragen, wie die Bestimmung von Ereignissen zum Verständnis von Schlüsselstellen beitragen kann und wie sich narratologische Aspekte, insbesondere im Hinblick auf Handlungsstrukturen in literarischen Texten, identifizieren lassen. 2. Sentimentanalyse: Wir wollen die Perspektive gängiger Ansätze umkehren und das bereits vorhandene Wissen über Emotionen in interpretativen Texten nutzen. Nicht zuletzt wollen wir fragen, wie sich textbasierte Ansätze zur Emotionserkennung mit solchen kombinieren lassen, die Wissen voraussetzen, das deutlich über die thematisierten Emotionen hinausgeht. 3. Text-Clustering: Schließlich wenden wir uns dem Clustering am Beispiel der Gruppierung literarischer Texte in literarische Epochen zu. Dabei wollen wir fragen, wie sich das, was wir heuristisch als gleichmäßige (CLS) oder gewichtende (Expert:innen) Textanalyse bezeichnet haben, kombinieren lässt. Zusammenfassend ist unsere Forschungsfrage: Wie kann bereits etabliertes Interpretationswissen im Rahmen von CLS auf neue Weise genutzt werden, um vorhandene literaturwissenschaftliche Ressourcen möglichst effektiv zu nutzen und interdisziplinäre Verbindungen zu erschließen?

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2207: Computational Literary Studies