Untersuchungen zu Nominalstil und Verbalstil bei Zeitungs- und wissenschaftlichen Texten

Inhaltsverzeichnis

1. Einleitung

2. Definition linguistischer Begriffe

3. Untersuchung
3.1 Rohdaten
3.2 Statistische Untersuchung
3.2.1 Anwendung von WebLicht
3.2.2 Anwendung von Excel
3.2.3 Anwendung der Formel und statistische Interpretation

4. Linguistische Interpretation

5. Fazit

6. Literaturverzeichnis

7. Verzeichnis der untersuchten Texte

1. Einleitung

In der vorliegenden Hausarbeit möchte ich die Verwendung vom Nominalstil im Vergleich zum Verbalstil innerhalb von verschiedenen Textsorten mit Methoden der quantitativen Linguistik erforschen. Die beiden von mir gewählten Textsorten sind dabei zum einen Zeitungstexte und zum anderen wissenschaftliche Texte. Bei letzteren handelt es sich um fünf Texte (komplette Texte) beziehungsweise Textausschnitte (Ausschnitte aus kompletten Texten), auf die ich innerhalb meiner universitären Laufbahn gestoßen bin. Die Zeitungstexte stammen aus einer regionalen Tageszeitung, dem Meininger Tageblatt, bei welcher ich ab und an als freier Mitarbeiter selbst Artikel verfasse. Auch hier werde ich fünf Texte auswählen. Den Anstoß, dieses Thema zu behandeln, gab mir eine Forschungsidee von Strauss et al. (2008: 54 f.) im Buch Problems in Quantitative Linguistics 1. Darin werden viele Themenvorschläge für die wissenschaftliche Arbeit innerhalb der quantitativen Linguistik geboten.

Meine Hypothese lautet, dass der Nominalstil häufiger als der Verbalstil bei wissen­schaftlichen Texten vorkommt und dass es sich bei Tageszeitungstexten genau anders­herum verhält. Ob dem tatsächlich so ist, soll sich durch diese Hausarbeit zeigen. Hier­zu gehe ich wie folgt vor: Zunächst definiere ich für meine Untersuchung wichtige linguistische Begriffe, beispielsweise Nomen. Daraufhin werde ich die Rohdaten vorstellen: Welche wissenschaftlichen und welche Tageszeitungstexte verwende ich genau? Im Anschluss führe ich mit digitalen Methoden am PC und der Anwendung einer mathematischen Formel die Untersuchung durch; die Arbeitsschritte sollen in der Hausarbeit detailliert beschrieben werden. Wenn die Ergebnisse der Untersuchung vorliegen, interpretiere ich diese noch auf einer linguistischen Ebene.

Zugehörig zu dieser Hausarbeit ist eine ZIP-Datei. Diese enthält eine in vier Ordner aufgeteilte Sammlung von Daten, die ich in verschiedenen Arbeitsschritten verwendet habe. Die Titel der vier Ordner beschreiben deren Inhalt und erklären sich durch die beschriebenen Untersuchungsschritte in dieser Hausarbeit.

2. Definition linguistischer Begriffe

Da laut der Aufgabenstellung in Problems in Quantitative Linguistics 1 von Strauss et al. (2008: 54 f.) Verben und Nomen in Texten gezählt werden sollen, stellt sich zunächst erst einmal die Frage, welche Wörter denn in diese Kategorien fallen. Dazu werden die beiden Begriffe für den Gebrauch innerhalb dieser Hausarbeit definiert: Was ist also gemeint, wenn in der Arbeit zum Beispiel von einem Nomen die Rede ist? Die dritte Auflage des Lexikons der Sprachwissenschaft von Hadumod Bußmann wird für das Aufstellen der Definitionen und zur Nennung weiterer wichtiger Merkmale zu Rate gezogen, aber auch eigene Überlegungen finden Eingang in das Folgende. Gegebene Informationen zum Nominalstil basieren weiterhin auch auf Nominalstil in populärwissenschaftlichen Texten von Marja Punkki-Roscher (1995).

Bußmann (2002: 469) gibt zwei verschiedene Bedeutungen des Begriffs Nomen an, zum einen, in einem engeren Sinne, die synonyme Verwendung mit Substantiv. Zum anderen schreibt Bußmann (2002: 469), dass damit auch eine „zusammenfassende Bezeichnung für nominale Wortarten“ gemeint sein kann. Welche dies im Speziellen sind, soll in verschiedenen Grammatiken unterschiedlich angegeben werden. Entweder sind mit dem Begriff alle deklinierbaren Wortarten gemeint oder lediglich Substantiv und Adjektiv zusammengefasst (vgl. Bußmann 2002: 469)¹. Da diese Auslegung für mein Vorhaben zu weit gefasst wäre, beschränke ich mich auf die Verwendung von Nomen als Synonym zu Substantiv. Worum handelt es sich nun bei einem Substantiv? Substantive sind Wörter, welche sich im Deutschen nach Kasus, Numerus und Genus deklinieren lassen, jedoch keine Adjektive, Artikel, Numerale und Pronomen sind (vgl. Bußmann 2002: 151, 664). Weitere Merkmale sind, dass Wörter dieser Wortart das Zentrum von Nominalphrasen darstellen und innerhalb dieser spezifiziert werden können. Sie lassen sich in Konkreta und Abstrakta unterteilen. Konkreta sind die Substantive, die etwas Konkretes, im wortwörtlichen Sinne „Greifbares“, bezeichnen. Zu ihnen zählen Eigennamen sowie Stoff- und Sammelbezeichnungen. Abstrakta hingegen bieten die Möglichkeit abstraktere Konzepte, wie zum Beispiel Eigenschaften oder Gefühle, sprachlich auszudrücken (vgl. Bußmann 2002: 664).

Auch Verben spielen eine Schlüsselrolle in der vorliegenden Hausarbeit. Ich definiere sie als Wörter, die „in der Zeit verlaufende Phänomene [bezeichnen]“ (Bußmann 2002: 731) sowie konjugiert und durch grammatische Kategorien bestimmt werden können (vgl. Bußmann 2002: 731). Verben lassen sich nominalisieren. Nominalisierte Verben werden in dieser Hausarbeit als Nomen angesehen. Auch ein adjektivischer Gebrauch von Verben ist möglich. In solchen Fällen sollen die betreffenden Wörter als Adjektive angesehen werden; dazu später mehr.

Was Nominalstil im Sinne dieser Hausarbeit ist, ergibt sich letzten Endes aus der Aufgabenstellung: Wann er aus statistischer Sicht vorliegt, wird im Unterkapitel 3.2.3 beschrieben. Grob gesagt geht es darum, dass innerhalb der Untersuchung erhaltene Zahlenwerte in eine mathematische Formel eingesetzt werden und man dann anhand eines Referenzwertes messen kann, ob ein nominaler Stil vorliegt (vgl. Strauss et al.: 54 f.). Obwohl das Vorhandensein des Nominalstils im Sinne dieser Hausarbeit durch die Aufgabenstellung festgelegt ist, soll (der Vollständigkeit halber) eine Definition erfolgen. Bußmann (2002: 472) beschreibt Nominalstil einführend als „Bezeichnung eines Stils, dessen grammatisches Hauptmerkmal der häufige Gebrauch abstrakter Substantive ist.“ Die Satzglieder bestehen oftmals im Kern aus Nominalisierungen, anstatt dass Konstruktionen mit finiten Verben verwendet werden (vgl. Bußmann 2002: 472). Bei den im nominalen Stil verwendeten Prädikaten handelt es sich oftmals um Verben, welche recht inhaltsarm sind. Substantivgruppen sind innerhalb dieses Stils hingegen eher Träger des verbalen Inhalts (vgl. Punkki-Roscher 1995: 10). Die Verwendung von Nominalstil wurde beispielsweise von der normativen Stilistik als sprachlich „unschön“ angesehen, jedoch ist dies möglicherweise zu kurz gedacht (vgl. Bußmann 2002: 472). Von Bußmann (2002: 472) wird dieser Stil als angemessen für Textsorten angesehen, welche Wissen vermitteln sollen; dazu zählen natürlich auch wissenschaftliche Texte. Durch die Verwendung von nominalem Stil können Texte komprimiert werden (vgl. Punkki-Roscher 1995: 10).

Unter Verbalstil hingegen verstehe ich einen stark vom Verb beeinflussten Schreibstil, als eine Art Pendant zum Nominalstil. Diesen Stil macht sozusagen genau das aus, was nach Bußmann (2002: 472) gerade kein Merkmal des Nominalstils ist: „selbstständige[…] oder untergeordnete Sätze[…] mit einem finiten Verb.“

3. Untersuchung

3.1 Rohdaten

Bei den Rohdaten handelt es sich um zehn Texte oder Textausschnitte mit jeweils unter 2000 Tokens: Es sind fünf Zeitungstexte und fünf Ausschnitte aus wissenschaftlichen Texten, allesamt in deutscher Sprache verfasst. Die begrenzte Tokenanzahl ist hinsichtlich der Zipf-Orlovschen Zahl von Bedeutung. Die Begrenzung stellt einen Grund dafür dar, wieso bei den wissenschaftlichen Texten Ausschnitte und keine kompletten Texte gewählt wurden. Hätte eine Nutzung der vollständigen wissenschaftlichen Texte als Rohdaten stattgefunden, so wäre dies im Rahmen dieser Arbeit ein unverhältnismäßiger Arbeitsaufwand und auch aufgrund der Zipf-Orlovschen Zahl nicht ratsam. Die Tageszeitungstexte übersteigen eine Tokenanzahl von 2000 hingegen auch in ihrer jeweiligen „Komplettversion“ nicht und werden deshalb nicht nur ausschnittweise genutzt.

Die Zeitungstexte sind fünf Artikel der Südthüringer Regionalzeitung Meininger Tageblatt, die von mir selbst verfasst wurden (mit Ausnahme von einem). Alle fünf Texte sind im Jahr 2017 erschienen. Inhaltlich geht es um ein Theaterstück, den Urfaust („Urfaust“ überrascht, Altmann, W. K. (2017a)), um den 102. Geburtstag eines Meininger Bürgers (Tipps vom ältesten Meininger: Regt euch nicht auf!, Altmann, W. K. (2017b)), um einen Mundart-Abend (Restlos ausverkaufter Mundart-Abend, o. V. (2017)), um eine Vorführung in einem Kindergarten (Episode der Bibel nachgespielt, Altmann, W. K. (2017c)) und um ein Musik-Festival (Per Paddelboot zum Riedfest, Altmann, W. K. (2017d)).

Die anderen fünf Texte sind Ausschnitte aus wissenschaftlichen Niederschriften. Auf vier davon bin ich erstmals in meinem bisherigen Master-Studium im Fach Germanistische Sprachwissenschaft an der Friedrich-Schiller-Universität Jena ge­stoßen, auf einen während meines Germanistik-Bachelor-Studiums, ebenfalls an besagter Hochschule. Letzterer Text heißt Was ist eigentlich modern? Vorschläge zur Revision literaturwissenschaftlicher Modernebegriffe u nd wurde von Anke-Marie Lohmeier (2007) verfasst. Die anderen vier Textausschnitte entstammen aus folgenden Niederschriften: Von der Kognition zur verbalen Interaktion: Bedeutungskonstitution im Kontext aus Sicht der Kognitionswissenschaften und der Gesprächsforschung von Arnulf Deppermann (2006), Anaphorisch oder deiktisch? von Manfred Consten (2004), Gesprächsanalytisches Transkriptionssystem 2 (GAT 2) von Margret Selting et al. (2009) und Deixis in der face-to-face-Interaktion von Anja Stukenbrock (2015).

Im Umgang mit den Rohdaten gibt es folgende Festlegungen anzumerken: Bei den Zeitungsartikeln sind die Autorenangabe und Beschriftungen von Fotos nicht in den für die Untersuchung genutzten Text mit eingeflossen. Den einzelnen Ortsnamen direkt am Anfang der Artikel habe ich mit in die Daten aufgenommen und jeweils als einen Eigennamen, also als Nomen, gezählt. Der Grund dafür ist, dass die Ortsangabe eine inhaltliche Information bezogen auf den Text liefert, auch wenn der Ort auch im eigentlichen Text des Artikels noch einmal genannt werden kann.

Bei den Ausschnitten aus wissenschaftlichen Texten wurden Fußnoten an den jeweils zugehörigen Stellen der Ausschnitte eingefügt. Jener Inhalt der Fußnoten kommt innerhalb meiner bearbeiteten Version also genau an der Stelle vor, an der die kleine hochgestellte Ziffer im Textausschnitt steht. Handelt es sich bei Fußnoten aber lediglich um Quellenangaben, wurden diese nicht eingefügt. Quellenangaben wurden im Allgemeinen außen vor gelassen. Besteht eine Fußnote also aus Quellenangabe und Text, dann wurde der Text verwendet, die Quellenangabe nicht. In den Ausschnitten der wissenschaftlichen Texte sind keine Texte zu Bildern/Darstellungen vorhanden. Wenn doch, wären diese nicht aufgenommen worden, analog zu den Zeitungstexten. Die von mir bearbeiteten Rohdaten liegen als Word-Dokumente vor.

Diese Dokumente wurden stellenweise von mir korrigiert, da beim Kopieren aus den Originaltexten von technischer Seite aus Fehler unterlaufen sind. Im Ausschnitt aus Stukenbrock (2015) innerhalb meines Word-Dokuments fehlten zum Beispiel im Originaltext enthaltene Umlautmarkierungen von ä, ö und ü. Statt diesen Umlaut-Buchstaben war an den fehlerhaften Stellen a, o und u zu lesen. Da mir dies im Worddokument auffiel, habe ich nachgesehen, wie es sich im Originaltext verhält, und dann anhand des Originals im von mir erstellten Dokument korrigiert. Auf Seite 2 von Stukenbrock (2015) findet sich beispielsweise das Wort „Indexikalität“. Nach dem Kopieren des Textausschnitts in das Word-Dokument stand in die­sem a­ber Inde­xikalitat, was von mir dann wiederum zu Indexikalität berichtigt wurde. Anschei­nend hatte der Computer die Umlautpunkte beim Kopieren nicht erkannt. Ein anderes Beispiel für eine Korrektur meinerseits stellt der folgende Fall dar: Auf Seite 3 im Originaltext von Stukenbrock (2015) steht „schließlich“, in der kopierten Version stand aber zunächst schlieslich, was ich wieder in schließlich „zurückänderte“.

3.2 Statistische Untersuchung

3.2.1 Anwendung von WebLicht

Zur Teildurchführung der Untersuchung habe ich die online zur Verfügung stehende Software WebLicht genutzt. Auf der Webseite betätigte ich zunächst die Schaltfläche Start Weblicht, danach konnte ich mich über die Friedrich-Schiller-Universität Jena einloggen. Der nächste Schritt war, auf Start zu klicken (später für den nächsten Text(ausschnitt) war dann zusätzlich auch das Klicken auf New Chain statt Start möglich). Im Anschluss konnte ich den jeweiligen Text(ausschnitt) in ein dafür vorgesehenes Textfeld, in dem vorher „Enter your text here.“ stand, hineinkopieren. Hierbei habe ich nur beim Lohmeier-Textausschnitt eine Änderung vorgenommen, weil beim Kopieren von der Word-Datei zu WebLicht anscheinend ein technischer Fehler geschehen ist: So wurde bei WebLicht aus dem Wort gegenläufigen die „Version“gegenläu¬¬¬figen, welche natürlich von mir korrigiert wurde.

Der Document Type und die Language mussten gewählt werden; im Falle meiner Untersuchung fiel die Wahl bei ersterem auf Plain Text und bei letzterem auf German. Nach einem Klick auf OK fragt WebLicht, ob man den Easy Mode oder den Advanced Mode nutzen möchte. In letzterem Modus für „Fortgeschrittene“ wählt man selber aus, welche Tools man für seinen Text verwendet. Per Doppelklick kann man die Tools hinzufügen und diese dann über die Schaltfläche Run Tools ausführen lassen; letzteres geschieht nacheinander in der vom Nutzer eingegebenen Reihenfolge. Nach der Wartezeit kann man sich Ergebnisdaten über die kleinen Icons für Visualize Result ausgeben lassen. Hier habe ich nun ausprobiert, ob ich eine dem Easy Mode überlegene Möglichkeit des Part-of-Speech-Taggings erstellen kann, aber es ist mir nicht gelungen. Ich habe dabei auf Anraten meiner Dozentin Frau Dr. Steiner stets als erstes Tool SfS: To TCF Converter gewählt. Meine Wahl fiel aber auf den Easy Mode; ich fand keine Möglichkeit, wie mir der Advanced Mode für meine Zwecke bessere Daten liefern konnte. Im Auswahlbildschirm, in dem man sich zwi­schen den beiden Modi entscheiden kann, wird angegeben, dass man mit dem ein­fachen Modus eine „pre-defined chain“ (CLARIN-D/SfS-Uni. Tübingen 2012) nutzt.

Nach Wahl des Easy Mode konnte ich eine der Annotationen auf der linken Seite ankreuzen. Um das gewünschte Ergebnis zu bekommen, war dies in meinem Fall POS Tags/Lemmas. Aber egal, was man an dieser Stelle auswählt, der TCF Converter wird auch im Easy Mode für German Plain Text immer automatisch als erstes Tool genutzt. Wählt man POS Tags/Lemmas, werden die beiden Tools IMS: Tokenizer und IMS: TreeTagger hinzugefügt. Auch in diesem Modus kann man über Run Tools dann das Ganze ausführen lassen. Nach der Durchführung ist es möglich, in einem bestimmten Bildschirmbereich herunterzuscrollen, bis man die Table view vorfinden kann. Bei der Tabelle klickt man rechts oben auf Save und daraufhin auf Save tokens as CSV (up to 1000 sentences). Nun lässt sich die durch WebLicht generierte Datei abspeichern.

3.2.2 Anwendung von Excel

Mein weiteres Vorgehen gestaltete sich so, dass für jeden Text(ausschnitt) eine neue Excel-Tabelle angelegt werden musste. Es wurde also jeweils pro Text ein neues Excel-Worksheet geöffnet. Darin habe ich zunächst auf Daten geklickt, dann auf Externe Daten abrufen und danach auf Aus Text. Nun habe ich pro Worksheet jeweils eine per WebLicht erstellte Datei ausgewählt; dies kann man mit Doppelklick auf die jeweilige Datei erledigen oder indem man die Datei mit einem einfachen Linksklick markiert und dann Importieren auswählt. Es sollte sich dann ein Fenster geöffnet haben. In diesem bestätigt man Die Daten haben Überschriften und wählt den Dateiursprung aus. Jener besagte Dateiursprung musste für mein Vorhaben 65001 Unicode (UTF-8) sein. Nach einem Klick auf Weiter > kümmert man sich nun um die Trennzeichen. Ich habe hierbei den Haken bei Tabstopp entfernt und stattdessen bei Komma ein Häkchen gesetzt. Nun kann man entweder auf Weiter > und danach auf Fertig stellen oder einfach gleich auf Fertig stellen klicken. Nach der Betätigung des OK -Buttons per Mausklick hat man eine adäquate Tabelle generiert.

Nachdem ich dies mit allen zehn WebLicht-Dateien in die Tat umgesetzt hatte, verfügte ich dementsprechend über zehn für mein weiteres Vorgehen wichtige Excel-Tabellen. Als nächstes musste ich Tabelle für Tabelle „manuell“ Part-of-Speech-Angaben, also die automatisch zugeordneten Wortarten² der einzelnen Tokens, kontrollieren. Diese waren zunächst stellenweise fehlerbehaftet. Mir ging es dabei darum, dass Verben und Nomen korrekt zugeteilt waren und dass andere Tokens nicht fälschlicherweise als Verben und Nomen bezeichnet wurden. Die Wortarten ließen sich an bestimmten Abkürzungen erkennen, deren Bedeutungen dem Stuttgart-Tübingen-TagSet zu entnehmen sind. Die für meine Untersuchung relevanten Abkürzungen dieses Tagsets lauten NN und NE für die Nomen und VVFIN, VVIMP, VVINF, VVIZU, VVPP, VAFIN, VAIMP, VAINF, VAPP, VMFIN, VMINF und VMPP für die verschiedenen Verbformen (vgl. Schiller et al. 1999). Ich musste bei der Durchsicht aber nicht nur auf die Wörter mit diesen Part-of-Speech-Tags achten, sondern auf alle Tokens, da es sowohl vorkommen kann, dass ein Token mit einem dieser Tags kein Verb oder Nomen ist, als auch, dass ein Verb oder Nomen eine andere Zuordnung erhalten hat. Nur auf die genannten Abkürzungen zu achten, reichte also nicht aus bei meiner Kontrolle.

Meine Ergebnisse hielt ich zunächst handschriftlich fest. Das direkt im Excel-Work­sheet zu ändern, wäre ein unverhältnismäßig großer Aufwand gewesen, da man dann an einigen Stellen die Zeilenanzahl komplett neu ausrichten und die Tabelle manuell stark hätte verändern müssen. So habe ich mir eine Art „Strichliste“ für jedes einzelne Worksheet erstellt, in der +N, -N, +V und –V plus die jeweiligen Zeilenzahlen stehen. +N bedeutet, dass ich bei der Zählung der Nomen durch Excel noch ein wei­teres No­men hinzurechnen muss (beziehungsweise eben die Zahl, die sich aus meinen +N und –N für ein Dokument ergibt). Ein +N habe ich beispielsweise ver­merkt, wenn ein Nomen nicht als solches erkannt wurde. Ist zum Beispiel ein Verb als Nomen er­kannt worden, hätte ich dann –N, +V schreiben müssen, da ein Nomen von der Gesamtanzahl abgezogen wird, aber ein Verb hinzugerechnet werden muss. Damit dieser Prozess an Transparenz gewinnt, habe ich die jeweiligen handschriftlichen Anmerkungen in die Excel-Worksheets übertragen, rechts von der Tabelle und den jeweiligen Zeilen, immer in die G-Spalte. Bezieht sich eine Anmerkung auf mehrere Zeilen, so steht sie in der ersten der relevanten; es wird in solchen Fällen aber vermerkt, auf welche Zeilen sich dies bezieht. Es wird in so einem Fall aber nicht bei allen genannten Zeilen der genannte Betrag abgezogen oder hinzugefügt, sondern nur einer, wenn nur einer genannt ist. Die eingeklammerten Zahlen sollen aber erkenntlich werden lassen, auf welchen Tokenkomplex sich die Änderung bezieht. Hat man zum Beispiel eine Kombination aus Vor- und Zunamen, die jeweils getrennt getaggt werden und beiden Tokens fälschlicherweise ein NE zugeordnet wurde, könnte rechts von mir hinzugefügt minus N (1-2) ³ stehen, sofern Vorname in Zeile 1 und Zuname in Zeile 2 steht. Ein N wird dabei also abgezogen, da die Kombination aus Vor- und Zuname zusammengehört und nur ein NE ergibt. Die genaue Anzahl der Abzüge und Hinzufügungen von Nomen und Verben werde ich im Folgenden nennen, ebenso auf einige exemplarische Fälle in diesem Kontrollprozess eingehen.

Vorweg sei noch einmal erwähnt, dass versucht wurde, Nominalisierungen und Adjektivierungen von anderen Wortarten als Nomen und Adjektive anzusehen und nicht als die ursprünglichen Wortarten. Bei Verben, die im Partizip Perfekt standen, gestaltete sich die Auswahl, ob man es nun als Verb oder Adjektiv deklariert, teilweise als schmaler Grat; es kam dabei darauf an, ob die jeweiligen Partizip-Perfekt-Formen rein adjektivisch gebraucht wurden oder eher nicht. Dies war manchmal der Fall, manchmal nicht.

Zuerst zu den Tageszeitungstexten: Bei dem Kindergarten-Text habe ich dreimal N hinzugefügt und viermal abgezogen. Hinzugefügt wurde eines beispielsweise in Zeile 12, da Meiningen ein Eigenname und Nomen (NE) ist. Abgezogen wurde ein N zum Beispiel, da Christian und Moritz in den Zeilen 223 und 224 jeweils als Nomen eingeordnet wurden, meine Zählung den Eigennamen Christian Moritz aber nur als ein Nomen (in diesem Fall wäre es wieder ein NE) rechnet. Verrechnet man die abgezogenen und hinzugefügten Werte (-4 + 3 = -1), stellt man fest, dass dem Text insgesamt ein N abgezogen wird. Bezüglich V habe ich hier nur eines abgezogen und keins hinzugefügt; damit ist klar, dass eben insgesamt ein V abgezogen wurde.

Der Mundart-Text bekam zusammengerechnet ein N und drei V abgezogen. Hierin findet man auch den exemplarischen Fall, dass ich zwar eigentlich von meiner Kontrolle her etwas ändern würde, die Anzahl an N und V aber an der jeweiligen Stelle gleich bleibt, weshalb es von mir an der Tabelle nicht angemerkt wurde. Dies findet man in den Zeilen 9 und 10 vor, Mundart-Abend. Das TRUNC würde ich entfernen, die beiden Zeilen zusammenlegen und daraus ein NN machen, aber die Anzahl an NN bleibt dadurch so oder so gleich.

Der Text zu dem Theaterstück Urfaust bekam insgesamt zwei N hinzugefügt, die Anzahl an V wurde nicht verändert. Acht N und vier V wurden nach meiner Durchsicht und Errechnung bei dem Text Tipps vom ältesten Meininger: Regt euch nicht auf! abgezogen. Bei dem Text Per Paddelboot zum Riedfest wurden insgesamt 13 N und zwei V abgezogen.

Nun zu den wissenschaftlichen Textausschnitten: Bei dem von Consten verfassten Ausschnitt (Consten 2004: 20) wurden fünf N abgezogen und zwei V hinzugefügt. Im Falle von Deppermann (2006: 11-13) waren es zusammengerechnet fünf abgezogene N. Der Wert von V blieb hier gleich, da eines abgezogen und eins hinzugefügt wurde. Beim Lohmeier (2007: 6 f.)-Textausschnitt verhielt es sich mit V genauso wie bei Deppermann. Allerdings wurden hier nach der Verrechnung vier N hinzugefügt. gegliederten in Zeile 199 wurde in ein V geändert, weil durch die Wortgruppe zuvor stratifikatorisch gegliederten (Zeilen 197-199) der Fokus auf den handelnden Aspekt von gegliederten gelegt wird und es nicht unbedingt als reines Adjektiv gezählt werden sollte. In Zeile 249 (gekennzeichnet) wurde aber wieder ein V abgezogen (durch die adjektivische Verwendung des Wortes), wodurch wieder ein Ausgleich entstand und dadurch bei der Anzahl von V nichts geändert werden musste.

[...]

¹ Literaturangaben beziehen sich in dieser Hausarbeit nicht ausschließlich immer nur auf den vorangehenden Satz, sondern auf den letzten inhaltlich zusammengehörenden Abschnitt. Sinn dieser Vorgehensweise ist es, eine Masse an übermäßig vielen Literaturangaben zu vermeiden.

² Nicht nur Wortarten werden beim Part-of-Speech-Tagging zugeordnet, es werden zum Beispiel auch Satzschlusszeichen Kategorisierungen zugewiesen.

³ Die Schreibweise von minus und plus als Wort statt als Rechenzeichen wurde gewählt, da ich keine Möglichkeit kannte, die Rechenzeichen in Excel schreiben zu können, ohne dass das Programm Funktionen oder ähnliches erzeugen wollte oder dass das, was man in das Feld geschrieben hatte, automatisch geändert wurde.