Detailseite
Projekt Druckansicht

Computergestützte Analyse von Unzuverlässigkeit und Wahrheit in Fiktion – Vernetzung und Operationalisieren der Narratologie (CAUTION)

Antragstellerinnen / Antragsteller Dr. Janina Jacke; Professor Dr. Jonas Kuhn
Fachliche Zuordnung Germanistische Literatur- und Kulturwissenschaften (Neuere deutsche Literatur)
Allgemeine und Vergleichende Sprachwissenschaft, Experimentelle Linguistik, Typologie, Außereuropäische Sprachen
Förderung Förderung von 2020 bis 2025
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 449444411
 
Erstellungsjahr 2025

Zusammenfassung der Projektergebnisse

Im Zentrum des Projekts stand eine mehrgleisige, computergestützte Untersuchung des narrativen Phänomens des unzuverlässigen Erzählens. Unter unzuverlässigem Erzählen in der hier untersuchten Variante sind Erzählinstanzen in fiktionalen literarischen Texten zu verstehen, die inkorrekte Behauptungen über die fiktive Welt der Erzählung aufstellen. In der literaturwissenschaftlichen Forschung wird dieses Phänomen als stark interpretationsabhängig eingeordnet, weshalb angenommen wird, dass die Einschätzung der Zuverlässigkeit einer Erzählinstanz je nach interpretierender Person (legitimerweise) unterschiedlich ausfallen kann. Die konkreten Begründungen für diese Annahme variieren dabei und eine empirische Überprüfung fand bisher nicht statt. Zugleich werden in der Forschung unterschiedliche Textmerkmale, sogenannte Indikatoren, herausgearbeitet, die auf ein Vorliegen unzuverlässigen Erzählens hindeuten können. Eine konkrete Zuordnung der Indikatoren zu Varianten unzuverlässigen Erzählens sowie (theoretische oder empirische) Untersuchungen der Indikationskraft fehlte dabei. In CAUTION wurden die genannten Forschungsdesiderate im Rahmen eines mehrgleisigen experimentellen computergestützten Ansatzes aufgegriffen. Dazu wurde zunächst ein Korpus aus neun kurzen fiktionalen Erzählungen (zuverlässig wie unzuverlässig) aus der Zeit zwischen dem 19. und dem 21. Jahrhundert erstellt. Es wurden dann potenziell relevante textuelle Indikatoren (bzw. indikative Eigenschaften von Erzählinstanzen) für unzuverlässiges Erzählen ausgewählt (emotionale Erregung, die Absicht sicher zu wirken, Unsicherheit, Adressatenorientierung, Abgelenktheit und Ablenkungsabsicht). Diese Indikatoren sollten zum einen mithilfe verfügbarer NLP-Modelle bestmöglich automatisch im Korpus festgestellt werden (shallow track). Zum anderen sollten die Indikatoren mithilfe manueller Annotation identifiziert werden, ebenso wie Vorkommnisse unzuverlässig erzählter Passagen (middle track). Schließlich sollten die den Annotationsentscheidungen zugrunde liegenden Entscheidungen sichtbar gemacht und zur Diskussion gestellt werden (deep track). Die aus den drei ineinandergreifenden Herangehensweisen sich ergebenden Daten können ausgewertet und verglichen werden, um unterschiedliche (aufgrund der geringen Korpusgröße zunächst tentative) Erkenntnisse zu generieren: (1) Feststellung von Indikatoren: Stimmen die automatisch festgestellten Indikatoren mit den manuell festgestellten Indikatoren überein? Können die manuellen Annotationen genutzt werden, um die NLP-Modelle zu optimieren? (2) Indikationskraft: Wie ist es um die tatsächliche Indikationskraft der Indikatoren bestellt? Welche Indikatoren korrelieren tatsächlich hinreichend oft mit unzuverlässigem Erzählen und auf welche Art? (3) Interpretationsabhängigkeit: Wie stark unterscheiden sich die Einschätzungen von Interpreten zu unzuverlässigem Erzählen tatsächlich? Welche Auswirkung haben das Sichtbarmachen und die Diskussion der zugrunde liegenden Entscheidungen? Die Ergebnisse werden literaturtheoretisch reflektiert und zur Nachnutzung zur Verfügung gestellt.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung