Dramen als small worlds? Netzwerkdaten zur Geschichte und Typologie deutschsprachiger Dramen 1730-1930

paper
Authorship
  1. 1. Peer Trilcke

    Georg-August-Universität Göttingen (University of Gottingen)

  2. 2. Frank Fischer

    Niedersächsische Staats- und Universitätsbibliothek Göttingen

  3. 3. Mathias Göbel

    Niedersächsische Staats- und Universitätsbibliothek Göttingen

  4. 4. Dario Kampkaspar

    Herzog August Bibliothek Wolfenbüttel

Work text
This plain text was ingested for the purpose of full-text search, not to preserve original formatting or readability. For the most complete copy, refer to the original conference program.


Ansatz
Neben dem ›klassischen‹ strukturalistischen Paradigma, das sich wesentlich an
Theoremen der Linguistik orientiert (u. a. Lotman 1972; Titzmann 1977), gibt es
in der Literaturwissenschaft bereits seit Jahrzehnten Ansätze zu einer
Strukturanalyse, die sich auf die empirische Soziologie – insbesondere auf die
Social Network Analysis – bezieht und Struktur
entsprechend nicht über basale semantische Relationen (etwa als Opposition oder
Äquivalenz) definiert, sondern über soziale Interaktionen (Marcus 1973; Stiller
et al. 2003; de Nooy 2006; Stiller / Hudson 2005; Elson et al. 2010; Agarwal et
al. 2012). Im Kontext der Digital Humanities haben diese Ansätze zu einer
literaturwissenschaftlichen Netzwerkanalyse (Trilcke 2013) in den letzten Jahren
eine neue Dynamik gewonnen (Moretti 2011; Rydberg-Cox 2011; Park et al. 2013).
Aus literaturwissenschaftlicher Sicht versprechen diese Analyseverfahren dabei
auf umfangreichen Korpora basierende, von quantitativen Daten gestützte
Erkenntnisse über die Literaturgeschichte wie auch über die generischen
Eigenarten literarischer Texte. Im Projekt dlina. Digital
Literary Network Analysis haben wir einen Workflow zur Extraktion,
Analyse und Visualisierung von Netzwerkdaten aus dramatischen Texten mit
rudimentärer TEI-Auszeichnung entwickelt (Fischer et al. 2015). Der hier
projektierte Vortrag wird Ergebnisse der netzwerkanalytischen Auswertung dieser
Daten präsentieren und vor dem Hintergrund etablierter fachwissenschaftlicher
Fragestellungen diskutieren.

Datenerhebung und -analyse
Unser derzeitiges Korpus umfasst 465 deutschsprachige Dramen (Zeitraum 1730 bis
1930), die aus dem Textgrid
Repository extrahiert wurden. Die für die Netzwerkanalyse relevanten
Strukturdaten dieser Dramen (Segmentierung, Figurenidentifikation) wurden in
einem regelbasierten Prozess händisch ediert, um OCR- und TEI-Tagging-Fehler zu
beheben sowie solchen ›Eigenarten‹ der literarischen Texte zu begegnen, die die
Analyseergebnisse verfälschen würden (u. a. unterschiedliche Bezeichnungen
identischer Figuren; Bezeichnung von Figurengruppen mit unbestimmten Numeralien
wie ›beide‹ oder ›alle‹; etc.). Die edierten Strukturdaten liegen in einem
eigens entwickelten Datenformat, dem dlina-Format, in Form von XML-Dateien vor.
Die Visualisierung der Netzwerke und die Berechnung netzwerkanalytischer Werte
erfolgt – mittels Python- und D3-Skripten – automatisiert auf Basis der in den
dlina-Dateien gespeicherten Strukturdaten. Neben Graphen und basalen Werten, die
die Netzwerke global beschreiben (Network Size, Density, Average Degree, Average
Path Length), werden dabei auch Zentralitätswerte für sämtliche Figuren eines
Dramas erhoben (u. a. Degree, Average Distance, Closeness Centrality,
Betweenness Centrality). Die Implemtierung weiterer Berechnungsrountinen (u. a.
Clustering Coefficient, logarithmierte Degree Distribution-Tabellen) ist für den
Winter 2015/16 vorgesehen. Sämtliche Daten und Visualisierungen werden frei
verfügbar im Netz publiziert (https://github.com/dlina und https://dlina.github.io/linas/).

Literaturwissenschaftliche Auswertung 1: Dramengeschichte
Die diachrone Erstreckung unseres Dramenkorpus über ca. 200 Jahre deutscher
Literaturgeschichte macht es möglich, größere Entwicklungen im Bereich der
strukturellen Komposition von dramatischen Texten zu beobachten (erste
Überlegungen dazu haben wir in einem Blogpost skizziert: https://dlina.github.io/200-Years-of-Literary-Network-Data/). Neben
Werten, die sich auf die Gesamtnetzwerke der einzelnen Dramen beziehen (u. a.
Network Size, Density, Average Degree; s. exemplarisch zur Average Path Length,
Abbildung 1), werden dabei auch figurenbezogene Werte, v.a. Zentralitätsmaße,
einbezogen, die Aufschluss etwa über die Streuung des Personals eines Dramas
bzw. dessen Zusammensetzung aus ›zentralen‹ und weniger ›zentralen‹ Figuren
gibt. Auf Grundlage dieser Werte sollen im Vortrag einige globale Thesen der
Literaturgeschichte diskutiert werden. So werden wir erstens diskutieren, inwieweit sich anhand der netzwerkanalytischen
Werte eine Ausdifferenzierung der strukturellen Komposition von dramatischen
Texten am Ende des 18. Jahrhunderts beobachten lässt: Eine solche
Ausdifferenzierung wäre angesichts des Nebeinanders von ›geschlossenen‹, in der
Tradition der Französischen Klassik stehenden Dramen und ›offenen‹ Dramen, die
sich u. a. an der Drramatik Shakespeares orientieren, zu erwarten. Zweitens werden wir einige geläufige
literaturwissenschaftliche Periodisierungshypothesen testen (u. a. aus dem
Strukturalismus und der Sozialgeschichte); gefragt werden soll hier, inwieweit
die Entwicklung der netzwerkanalytischen Werte mit den von der Forschung
vorgeschlagenen Periodisierungen korreliert.

Abb. 1: Average Path Length (Mean; nach Dekaden)

Literaturwissenschaftliche Auswertung 2: Dramentypen
Die von uns bisher erhobenen Werte zeigen, dass Dramen in dem untersuchten
Zeitraum auf sehr unterschiedliche Weise strukturiert wurden. In der
›traditionellen‹ Literaturwissenschaft wurden für solche unterschiedlichen
›Bauformen‹ diverse Typologien entwickelt, in der Germanistik am bekanntesten
ist Volker Klotz’ Unterscheidung in eine ›offene‹ und eine ›geschlossen‹
Dramenform (Klotz 1960). Diesen typologischen Impuls wollen wir aufgreifen und
einen Vorschlag unterbreiten, wie sich mittels netzwerkanalytischer Daten
bestimmte Typen der strukturellen Komposition von Dramen unterscheiden (und dann
wiederum historisch verorten) lassen. Unser Vorschlag greift dabei Überlegungen
aus der Forschung zu sog. Small-world-Netzwerken auf. Diese Forschungen setzen
bei der Beobachtung an, dass die Werte von empirisch erhobenen Netzwerken nicht
selten signifikant von entsprechenden Random-Netzwerken (also z. B. nach dem
Erdős-Rényi-Modell erstellten Graphen) abweichen. Abweichungen sind dabei
insbesondere beim Clustering Coefficient, bei der Averge Path Length sowie bei
der Degree Distribution zu beobachten (Albert / Barabási 2002). Für den hier
projektierten Vortrag werden wir diese Werte – sowie die Werte für die
entsprechenden Random-Netzwerke – für unser Gesamtkorpus erheben (sowie einen
Workflow für die automatisierte Erhebung entwickeln) und diskutieren. Erste
Testläufe deuten dabei darauf hin, dass sich auf diese Weise tatsächlich
unterschiedliche Typen der strukturellen Komposition von Dramen beschreiben
lassen könnten. So zeigen sich z. B. auffällige Unterschiede bei der Degree
Distribution (s. exemplarisch die Tabellen für vier Dramen in Abbildung 2); und
mit Blick auf den Clustering Coefficient zeigt sich, dass im Vergleich zu
Random-Netzwerken signifikant höhere Werte, wie sie bei Small-world-Netzwerken
zu erwarten sind, zwar in mehreren Fällen vorkommen, jedoch keineswegs für alle
Dramennetzwerke charakteristisch sind (siehe exemplarisch die Werte in Abbildung
3). Im Vortrag werden wir diese Werte für alle Dramen unseres Korpus
präsentieren; wir werden diskutieren, inwieweit sich hier – aufbauend auf dem
Small-world-Konzept – netzwerkanalytisch basierte Typen der strukturellen
Komposition von Dramen unterscheiden lassen und wir werden literarhistorisch
fundiert erörtern, welche Eigenschaften der Dramen für die unterschiedlichen
Werte verantwortlich sind.

Abb. 2.1 bis 2.4: Node Degree Distribution für »Der
sterbende Cato« (1731), »Emilia Galotti« (1772), »Götz von Berlichingen« (1773)
und »Die Räuber« (1781)

Abb. 3: Vergleich des Clustering Coefficent des
Dramen-Netzwerks mit dem eines jeweils entsprechenden Random-Netzwerks

Bibliographie

Albert, Réka / Barabási, Albert-László (2002):
"Statistical mechanics of complex networks", in: Reviews
of Modern Physics 74: 47–97.

Agarwal, Apoorv / Corvalan, Augusto / Jensen, Jacob /
Rambow, Owen (2012): "Social Network Analysis of Alice in Wonderland" in: Proceedings of the
Workshop on Computational Linguistics for Literature. Montréal
88–96.

de Nooy, Wouter (2006): "Stories, Scripts, Roles, and
Networks" in: Structure and Dynamics 1, 2 http://escholarship.org/uc/item/8508h946#page-1 [letzter Zugriff
12. Oktober 2015].

Elson, David K. / Dames, Nicholas / McKeown, Kathleen R.
(2010): "Extracting Social Networks from Literary Fiction", in: Proceedings of the 48th Annual Meeting of the Association
for Computational Linguistics. Uppsala 138–147.

Fischer, Frank / Kampkaspar, Dario / Göbel, Mathias /
Trilcke, Peer (2015): "Digital Network Analysis of Dramatic Texts",
in: DH 2015, Sydney, 2. Juli 2015
https://dlina.github.io/Our-Talk-at-DH2015/ [Skript] und https://dlina.github.io/presentations/2015-sydney/sydney.html#/
[Slides] [letzter Zugriff 12. Oktober 2015].

Klotz, Volker (1960): Geschlossene
und offene Form im Drama. München: Hanser.

Lotman, Jurij M. (1972): Die
Struktur literarischer Texte. München: Wilhelm Fink.

Marcus, Solomon (1973): Mathematische Poetik. Frankfurt am Main: Editura Academiei.

Moretti, Franco (2011): "Network Theory, Plot
Analysis" in: Stanford Literary Lab Pamphlets 2 http://litlab.stanford.edu/LiteraryLabPamphlet2.pdf [letzter
Zugriff 12. Oktober 2015].

Park, Gyeong-Mi / Kim, Sung-Hwan / Cho, Hwan-Gue
(2013): "Structural Analysis on Social Network Constructed from Characters
in Literature Texts", in: Journal of Computers 8, 9:
2442-2447 http://ojs.academypublisher.com/index.php/jcp/article/view/jcp080924422447/7672
[letzter Zugriff 12. Oktober 2015].

Rydberg-Cox, Jeff (2011): "Social Networks and the
Language of Greek Tragedy", in: Journal of the Chicago
Colloquium on Digital Humanities and Computer Science 1, 3 https://letterpress.uchicago.edu/index.php/jdhcs/article/view/86/91
[letzter Zugriff 12. Oktober 2015].

Stiller, James / Nettle, Daniel / Dunbar, Robin I. M.
(2003): "The Small World of Shakespeare's Plays", in: Human Nature 14: 397–408.

Stiller, James / Hudson, Matthew (2005): "Weak Links
and Scene Cliques Within the Small World of Shakespeare", in: Journal of Cultural and Evolutionary Psychology 3:
57–73.

TextGrid: TextGrid Repository
https://textgridrep.de [letzter
Zugriff 10. Februar 2016].

Titzmann, Michael (1977): Strukturale Textanalyse. Theorie und Praxis der Interpretation.
München: Wilhelm Fink.

Trilcke, Peer (2013): "Social Network Analysis (SNA)
als Methode einer textempirischen Literaturwissenschaft", in: Ajouri, Philip
/ Mellmann, Katja / Rauen, Christoph (eds.): Empirie in
der Literaturwissenschaft. Münster: mentis 201–247.

If this content appears in violation of your intellectual property rights, or you see errors or omissions, please reach out to Scott B. Weingart to discuss removing or amending the materials.

Conference Info

In review

DHd - 2016
"Modellierung - Vernetzung – Visualisierung: Die Digital Humanities als fächerübergreifendes Forschungsparadigma"

Hosted at Universität Leipzig

Leipzig, Germany

March 7, 2016 - March 11, 2016

160 works by 434 authors indexed

Conference website: http://dhd2016.de/

Contributors: Patrick Helling, Harald Lordick, R. Borges, & Scott Weingart.

Series: DHd (3)

Organizers: DHd