Archiv der Kategorie: Allgemein

VerbaAlpina erklärt sich selbst – Teil 2: Informationstechnik


(1983 Wörter)

Grundsätzliches

  • VerbaAlpina (VA) beschäftigt sich mit der Frage, welche Bezeichnungen es für ausgewählte, für den Alpenraum typische Konzept/Begriffe es gab und gibt
  • VA ist mit diesem Ziel ein von der DFG gefördertes Langfristvorhaben mit Perspektive bis 2025 (derzeit dritte Teilphase [2019-2022] in Beantragung)
  • Die Untersuchung ist auf den Alpenraum beschränkt
  • Die Grenze des Untersuchungsgebiets ist das Perimeter der sog. Alpenkonvention (Link)
  • Das Sprachmaterial stammt hauptsächlich aus sog. Sprachatlanten und Wörterbüchern (letztere nur, wenn sie Auskunft über die regionale Verbreitung der verzeichneten Wörter geben; Beispiel: Idiotikon)
  • Neben Sprachatlanten und Wörterbüchern verwendet VA Methoden des Crowdsourcing („citizen science“) zur Sammlung von Sprachmaterial (dazu später mehr)
  • VA fragt nach der Verbreitung von Wörtern innerhalb des Alpenraums (welche Wörter werden wo verwendet und welche Bedeutung haben sie dort?)
  • Im Hinblick auf die Wörter ist VA im Wesentlichen an sog. Morpholexikalischen Typen (Morphtypen) interessiert. Diese sind letztlich vergleichbar mit den Lemmata von Wörterbucheinträgen
  • Ein Morphtyp im Sinn von VA wird definiert durch
    • die Orthographie,
    • die Zugehörigkeit zu einer Sprachfamilie (germanisch, romanisch, slawisch),
    • die Wortart,
    • das Genus und
    • die Affigierung (letztere z. B. –chen in Häuschen ⇒ eigener Morphtyp neben Haus)
    • Beispiel: la malga (romanisch, feminin, ohne Affigierung); zwei Morphtypen: die Butter und der Butter
  • VA befasst sich in der Hauptsache mit Dialektausdrücken (also nicht mit den Hochsprachen)
  • VA ist nur nachrangig an phonetischer Variation interessiert
  • Das geographische Bezugssystem innerhalb der Alpenkonvention wird durch die politischen Gemeinden gebildet (5771; statisches Referenzystem; Änderungen werden nicht berücksichtigt)
  • VA besitzt neben der diatopischen auch eine diachronische Dimension (Veränderungen über die Zeit; Sprachatlanten z. T. aus der 1. Hälfte des 20. Jh. ⇔ Daten aus dem Crowdsourcing von heute)
  • Die Kernentitäten von VA sind demnach:
    • Morphtyp
    • Konzepte (zur Unterscheidung von Wörtern stets in Versalien geschrieben; BUTTER meine das Konzept, also die Sache als solche; Butter hingegen meint das Wort „Butter“)
    • Gemeinden
    • [Zeit]

⇒ Das Wort xy wurde/wird in den Jahren jjjj in der/den Gemeinde(n) yz zur Bezeichnung des Konzepts KO verwendet

  • Die Wechselbeziehung von Morphtypen und deren Bedeutung erzeugt vor dem Hintergrund von Raum und Zeit eine enorme Komplexität:

Zu den Kernentitäten gehört auch der sog. Basistyp. Damit sind Wörter gemeint, die in irgendeiner Weise ganz offenkundig mit einem Morphtypen verbunden sind, ohne dass der Zusammenhang im Detail geklärt werden kann. In aller Regel handelt es sich dabei um ältere Vorstufen. Hierzu ein Beispiel:

Das deutsche Wort Salamander hängt unverkennbar mit dem italienischen salamandra zusammen. Das Wort salamandra gab es schon im Lateinischen (Georges). Für das deutsche Salamander stellt sich nun die Frage, ob es sich direkt aus dem Lateinischen entwickelt hat (Etymologie-Szenario) oder ob es später aus dem Italienischen übernommen worden ist (Entlehnungs-Szenario). Fragen dieser Art sind häufig nur mit sehr großem Aufwand – wenn überhaupt – zu entscheiden. Dennoch besteht unverkennbar eine Verbindung. Um diese dokumentieren zu können, hat VA den Basistyp eingeführt. (anders als im Fall von lat. salamandra können manche Basistypen keiner spezifischen Sprache zugeordnet werden. Gleichwohl muss es sie gegeben haben. In solchen Fällen wird ein Basistyp rekonstruiert [Kennzeichnung durch * vor dem Basistypen]; Beispiel: *cala als Basistyp z. B. von frz. chalet)

  • In Sprachatlanten und Wörterbüchern werden vielfach keine Morphtypen, sondern Einzelbelege oder phonetische Typen dokumentiert (z. B. Kaas, Chaas, Käs – alles Varianten des Morphtyps der Käse) ⇒ Quelldaten müssen klassifiziert werden (sog. „Typisierung“)
  • Im Zuge der Typisierung verknüpft VA nach Möglichkeit einen Morphtyp mit einem korrespondierenden Eintrag in einem sog. Referenzwörterbuch. Liste der Referenzwörterbücher (Beispiel: der Morphtyp „malga|rom|f|nicht affigiert“ entspricht dem Eintrag malga im Vocabolario der Treccani; http://www.treccani.it/vocabolario/malga/)
  • VA sammelt bis zu einem gewissen Grad auch Daten zur sog. außersprachlichen Peripherie. Als Beispiel können die Fundorte lateinischer Inschriften im Alpenraum genannt werden. Diese geben können einen Hinweis auf die Intensität der Romanisierung geben. Dies wiederum kann etwa die heutige Verbreitung romanischer Basistypen in bestimmten Regionen mehr oder weniger plausibel erscheinen lassen.

Technik

  • VA ist ein rein digitales Projekt – praktisch vollkommener Verzicht auf traditionelle papiergebundene Methoden
  • verwendet Standardsoftware, quasi ausschließlich open source
  • knapp 50% der Projektbeteiligten sind im Informatik-Sektor des Projekts tätig (2 wiss. Mitarbeiter, 1 Hilfskraft)

Backend und Frontend

Backend

  • Backend wird gebildet von einer MySQL-Datenbank
  • Vorteile der MySQL-DB:
    • Web-fähig
    • an der ITG herrscht seit langem Expertise
    • große Anzahl weiterer Projektdaten in der selben Server-Umgebung (MySQL-Cluster), so dass technische/inhaltliche Verknüpfung theoretisch möglich (Demo)
  • Die VADB ist im Lauf der Zeit immer komplexer geworden (normaler Vorgang) – aktuell 156 Tabellen (Demo)
  • Tabellen der Kernentitäten:
    • Einzelbeleg: Tabellen „aeusserungen“ und Tabelle „tokens“
    • Morphtyp: Tabelle „morph_typen“
    • Konzept: Tabelle „konzepte“
    • Ortschaft: Tabelle „orte“
    • Die Zusammenhänge zwischen den einzelnen Entitäten sind in der Datenbank aufgrund der sog. Normalisierung nur durch komplexe Operationen darstellbar. Nur eine kurze Skizze: Beispiel id_aeusserung = 89349
    • Daher Bündelung der verteilten Informationen in sog. Datenzugriffsschicht: vap_ling_de („Human-readable interface“; in mehreren Sprachen verfügbar) und z_ling (für Maschinen)
  • jeweils aktuelle Arbeitsversion trägt den Namen va_xxx
  • VADB wird alle halbe Jahre versioniert
    • Erzeugung einer DB-Kopie, an der nichts mehr geändert wird.
    • Suffix: _jjh (j=Jahr; h=Halbjahr), z. B. va_191: Datenbankversion der ersten Jahreshälfte 2019 (erzeugt Ende Juni/Anfang Juli; die Versionen der 2. Jahreshälfte werden gegen Ende Dezember erzeugt).
    • Wichtig für Gewährleistung der Zitierfähigkeit! Ein Wechsel zwischen den Versionen ist im Frontend von VerbaAlpina möglich (Demo)
  • neben der VADB existiert eine Reihe von Datenbanken der offiziellen VA-Partner (Kooperationsvereinbarungen; bislang insgesamt 53). Präfix: pva_ (= Partner von VerbaAlpina; Demo)

Frontend

  • Standard-WordPress-Installation (Demo: https://www.verba-alpina.gwi.uni-muenchen.de/)
  • auch hier wieder: Front- und Backend (Demo)
  • ergänzt um Eigenentwicklungen, zumeist in Form von sog. Plugins (werden auf Github unter offenen Lizenzen (CC BY-SA,  zur Nachnutzung zur Verfügung gestellt: https://github.com/VerbaAlpina/)
  • Mehrsprachig: die wichtigsten Sprachen des Alpenraums + Englisch (verursacht großen Aufwand)
  • Multifunktional:
    • Arbeitsinstrument für Mitarbeiter
    • Dokumentation
    • Publikation
    • Datensammlung
  • Punkt Dokumentation: Methodologie (Reflexion vielfältiger Aspekte, sprachwissenschaftlicher ebenso wie informatischer) (Demo)
  • Weitere Kern-Module des Frontend neben der Methodologie:
    • Interaktive Karte (Demo: malga, HERDE;
      • Integration von semasiologischer und onomasiologischer Perspektive;
      • qualitative und quantitative Kartierung: quantitative Kartierung bildet die Häufigkeit der in einer Region auf der aktuellen Karte dargestellten Symbole durch Intensität der Flächenfärbung ab (Beispiel: malga|rom|f|- in der Bedeutung ALM)
      • Kombination mit Daten der außersprachlichen Peripherie;
      • Einbindung von Normdaten: Wikidata-Q-IDs und Geonames-IDs: Belegfenster malga ⇒ HERDE im Ort Stenico)
      • Auf der Karte können auch individuelle Suchanfragen in SQL formuliert werden, die dann kartiert werden (Beispiel: liefer alle Einzelbelege des Morphtyps Butter, die mit einem „P“ beginnen: where Type_Kind = ‚L‘ AND Type = ‚Butter‘ AND Instance like ‚p%‘)
      • Technisch hochperformant (Nutzung des Standards WebGL, der den direkten Zugriff auf die Grafikkarte erlaubt; s. den Methodologie-Eintrag)
    • Lexicon Alpinum (Demo alt; Neuentwicklung! ⇒ Demo)
    • Transkriptionstool: Operationalisierung der strukturierten Erfassung analoger Datenquellen, v. a. von Sprachatlanten (Demo; Verwendung des Betacodes ⇒ normale Tastatur, geringe Fehleranfälligkeit, schnell zu erlernen, keine Kenntnisse in phonetischer Transkription erforderlich; Automatisierung vor allem wegen Zuordnungsproblematik nicht möglich)
    • Typisierungstool: Klassifizierung/Typisierung der digitalisierten Daten (Demo)
    • Crowdsourcing-Tool(s) …

Einsatz von Crowdsourcing

  • Motivation:
    1. Konsolidierung von Inkonsistenzen, die sich aus der inhomogenen Dokumentationslage auf Basis von Sprachatlanten und Wörterbüchern ergeben (Übersicht über unterschiedliche thematische Abdeckung verschiedener Atlanten) ⇒ regionale Begrenzung der Quellen und unterschiedlicher Inhalt: z. B. wird nicht jedes Konzept von jedem Sprachatlas berücksichtigt. ⇒ Beseitigung von Dokumentationslücken (Demo)
    2. Mithilfe bei Transkription (⇒ Zooniverse-Tool; ursprüngliche Absicht: Verwendung eines „Baukastens“ ( Zooniverse Project Builder), der den Entwicklungsaufwand reduziert. Hoffnungen haben sich leider nicht bestätigt, Entwicklungsaufwand kaum geringer als bei Eigenentwicklung. Weiterer Nachteil: Nicht direkt ins VA-System integriert, sondern auf Server von Zooniverse. Bislang noch nicht beworben, daher noch nicht produktiv. Transkriptionsergebnisse müssen in csv-Datei exportiert werden, die dann in va-DB importiert wird. Entsprechende Prozedur wird derzeit entwickelt – (Demo) – Zooniverse ist ein „citizen science web portal „, das eine große Anzahl von Crowdsourcing-Projekten unterstützt und auf seinen Seiten hostet. Eines der sehr frühen Projekte: Klassifizierung von Glaxien, ähnliche Aufgabe wie bei VerbaAlpina: Transkription von Logbüchern von Arktisfahrern aus dem 19. und frühen 20. Jh. – Zooniverse ist an der Universität Oxford beheimatet und verfügt über eine sehr große Anzahl von *registrierten* freiwilligen „Crowdern“ (über 1,5 Mio.); VerbaAlpina „not yet an official Zooniverse project“ (aufwendiges Review-Verfahren)
  • Die Vitalität des Crowd-Sourcing-Tools 1) wird überwacht: CSGRAPH

Nachhaltigkeit

  • Sämtlicher „Output“ von VA muss dauerhaft zugänglich und nutzbar sein
  • Paradigma ist – in dieser Beziehung – das traditionelle Buch auf Papier
  • Im Detail sind damit u. a. die folgenden Postulate verbunden:
    • Die Daten müssen dauerhaft auffindbar sein (Buch: Bibliothekskataloge; wichtig: Es muss klar sein, an welche Institution ich mich wende. Bei einem Buch geht man selbstverständlich zur Bibliothek)
    • Die Daten müssen dauerhaft zugänglich sein (Buch: Bibliotheken)
    • Inhalte müssen präzise und stabil zitierbar sein (Buch: Seitenzahlen)
  • Durch die Möglichkeiten der elektronischen Vernetzung kommen, gegenüber dem Paradigma des Buches, die folgenden Postulate hinzu:
    • Projektdaten sollten mit Daten außerhalb des Projekts verknüpft werden können.
    • Zu diesem Zweck müssen die Daten des Projekts zu Entitäten zusammengefasst werden. Jede Instanz einer Entität muss eindeutig identifizierbar sein und über eine elektronische Adresse ansprechbar sein.
    • Die Kernentitäten von VA sind wiederum die oben bereits genannten:
      • Morphtypen
      • Konzepte
      • Orte
      • Basistypen
    • Jede Instanz dieser Entitäten erhält einen innerhalb des Projekts eindeutigen Identifikator: Morphtypen Präfix L, Konzepte Präfix C, Orte Präfix A, Basistypen Präfix B) – Beispiele im Lexikon Alpinum
    • Die Identifikatoren können auch als „Normdaten“ bezeichnet werden – Unter Normdaten versteht man eindeutige, numerische oder alphanumerische Zeichenketten, die eine Instanz einer bestimmten Entität eindeutig identifizieren. Frühe Normdatensysteme sind z. B. im Kontext des Bibliothekswesens entstanden; ein Motiv dabei ist gewesen, Autoren mit gleichlautenden Namen eindeutig identifizieren zu können (⇒ häufige Personennamen wie im Deutschen „Schmid“ oder „Meier“). Bekannte Normdatensysteme sind z. B. die Gemeinsame Normdatei (GND) der deutschen Nationalbibliothek (Suchportal; Demo: Krefeld [123778689], Alexander der Große [118501828]). Ein für VA relevantes Normdatensystem ist z. B. die Wikidata (Beispiel folgt gleich)
    • Die projektspezifischen Normdaten können im Mapping-Verfahren mit bestehenden projektexternen Normdatensystem verknüpft werden (z. B. Wikidata-QIDs: VA-Konzept-ID C612 [ALMHÜTTE] ⇒ Wikidata Q-ID Q2649726])
  • Sofern diese inhaltliche Verknüpfung nicht von Menschen, sondern von Maschinen geleistet werden soll, spricht man von Interoperabilität.
  • Die interaktive Karte stellt im Hinblick auf die Zitierfähigkeit eine besondere Herausforderunge dar: Jeder User kann individuelle Kartenbilder erzeugen, die möglicherweise wesentlich für eine spezifische Argumentation sind. VA hat daher ein System entwickelt, das die Erzeugung individueller URLs erlaubt, deren Aufruf exakt das Kartenbild generiert, das bei Erzeugung der URL auf dem Bildschirm zu sehen war (Demo).
  • Wesentliche Voraussetzung für die uneingeschränkte Nachnutzbarkeit von Projektdaten ist eine möglichst offene Lizenzpolitik. Seit einigen Jahren bietet hier die Initiative Creative Commons (CC; gemeinnützige Organisation, gegründet 2001) generische Lizenzmodelle. VA stellt all seine Inhalte, soweit möglich, unter der CC-Lizenz BY-SA zur Verfügung. Einzige Bedingung ist dabei nur die Nennung des ursprünglichen Urhebers (BY) und die Weitergabe der Daten unter eben dieser Bedingung (SA = share alike)
  • Diese Postulate im Hinblick auf Nachhaltigkeit sind seit einigen Jahren im Akronym FAIR verankert (bereits von Thomas Krefeld angesprochen): Daten müssen Findable – Accessible – Interoperable und Reusable sein.
  • Übertragung der VA-Daten an die UB der LMU, dabei Anreicherung um Metadaten (Prozeduren derzeit noch in der Entwicklung)
  • Zu diesem Zweck: API (Application Programming Interface; dt: Programmierschnittstelle) – Ermöglicht Zugriff auf die Kerndaten von VA, gegliedert nach Morphtypen – Konzepten – Ortschaften – Einzelbelegen (Demo)
  • Wozu Metadaten? – Ein simples Beispiel: VA spricht in seinem Datenbestand von „morpholexikalischem Typ„. In einem anderen Projekt wird dasselbe Konzept etwa als „Lemma“ bezeichnet. Die Inhalte beider Kategorien sind jedoch aufeinander zu beziehen. Damit Menschen – und mehr noch Maschinen – erkennen können, dass es sich um kongruente, mit einander zu verknüpfende Daten handelt, können die jeweiligen Datenbestände auf ein gemeinsames, nach Möglichkeit weithin bekanntes und anerkanntes Bezugssystem abgebildet werden. Meist verwendet das Metadatenschema ein alphanumerisches System, das bestimmte Entitäten eindeutig identifiziert.
  • VA bzw. die UB der LMU verwenden zwei verschiedene, weit verbreitete Metadatenschemata, wobei das eine, vom Konsortium Datacite, im Wesentlichen für die Erfassung von üblicherweise in Bibliothekskatalogen erfassten Daten wie Autoren, Schlagwörter und Entstehungszeit und -ort bezieht (s. dazu den Best Practice Guide)
  • Für die inhaltliche Tiefenerschließung findet das Metadatenschema CIDOC CRM (das Conceptual Reference Model [CRM] geht zurück auf eine Arbeitsgruppe des Comité International pour la Documentation [CIDOC], das seinerseits eine Gliederung des International Council of Museums (ICOM) darstellt; seit Anfang der 1990er Jahre) Anwendung (Dokumentation):

 

Neue Romania


(1823 Wörter)
  1. global#

Mit einem reichlich vagen Ausdruck werden Französisch, Spanisch und Portugiesisch daher auch als ‘Weltsprachen’ bezeichnet; damit wird in unklarer Weise sowohl auf ihre Verbreitung als Erstsprache (L1) wie als Fremdsprache (L2) angespielt.

Für die Tatsache, dass es sich die Sprachen der europäischen Kolonisten im globalen Maßstab so massiv auf Kosten der präkolonialen Sprachen etablieren konnten, gibt es unterschiedliche Gründe, die mit der Kolonisierung zusammenhängen; sie lassen sich unter dem polemischen aber durchaus gerechtfertigten französischen Schlagwort der glottophagie ‚Sprachenfresserei‘ zusammenfassen, das von Jean-Louis Calvet 1974 geprägt wurde #Dieser Ausdruck wurde offenkundig nach dem Muster von fra. anthropophagie ‚Menschenfresserei‘ gebildet.#:

  • Die vorkoloniale Bevölkerung wurde je nach Zeit und Gegend verfolgt und war teils systematischem Genozid ausgesetzt (so vor allem in Uruguay).
  • Nach der Unabhängigkeit wurde der koloniale Gebrauch der europäischen Sprachen in Verwaltung, Bildungseinrichtungen und öffentlichen Medien fortgesetzt.
  • Ein Teil der kolonialen Bevölkerung indigener Herkunft vollzog im Zuge der Akkulturation einen Wechsel zu den europäischen Sprachen  der Kolonisten; aus dieser Tradition entwickelte sich im frankophonen Kontext  die politisch, ideologisch und literarisch auch über Frankeich hinaus einflussreiche négritude-Bewegung; das Kozept wurde 1935 von Aimé Césaire geprägt (« Conscience raciale et révolution sociale », L’Étudiant Noir, journal mensuel de l’association des étudiants martiniquais en France, mai-juin 1935 http://www.letudiantnoir.com/).
  • Die Territorien der postkolonialen Staaten sind historisch willkürlich zustande gekommen; sie lassen sich nicht auf einzelne Sprachgemeinschaften abbilden, sondern umfassen oft sehr vielsprachigen Regionen, ohne entwickelte Schriftlichkeit; die Beibehaltung des kolonialen Sprachgebrauchs beugt Konflikten zwischen Gemeinschaften vor, die entstünden (und teils auch entstanden sind), wenn jeweils eine spezifische indigene Sprache auf Kosten anderer implementiert und offizialisiert würde; allein in Brasilien werden 160 unterschiedliche indigene Sprachen gesprochen, die zu 19 Sprachfamilien gruppiert werden können Überblick und in den beiden benachbarten République du Congo und République démocractique du Conge( früher: Zaire)  mehr als 200 Sprachen und .
  • Manche Kolonien wechselten im Laufe der Geschichte (auch mehrfach) den Besitzer bzw. ihre staatliche Zugehörigkeit, so dass unter Umständen sogar mehrere europäische Sprachen als Staatssprachen eingesetzt wurden (so zum Beispiel Spanisch und Englisch in Puerto Rico; Französisch und Englisch in Kamerun; Spanisch, Portugiesisch und Französisch in Äquatorialguinea).

Auf der Basis der romanischen Sprachen – das gilt vor allem für das Französische und das Portugiesische – haben sich vor allem in manchen Gebieten während der Kolonialzeit Sprachen  so genannte Kreolsprachen entwickelt (vgl. Vorlesung vom ##), die nicht mehr zu den romanischen Sprachen gerechnet werden. Allerdings sind die Sprecher der Kreolsprachen  zunehmend zweisprachig, was zu ausgeprägtem Sprachkontakt und einer strukturellen und lexikalischen Wiederannäherung der Kreolsprachen an die historisch´zu Grunde liegenden Sprachen der ehemaligen Kolonialmächte führt; diese Konstellationen, die in erster Linie die französisch basierten Kreols betreffen, werden als post-creole continuum bezeichnet.

Die Unterschiede zwischen den spanisch-, portugiesisch- und französischsprachigen Gebieten der Neuen Romania einerseits und innerhalb der drei genannten Gebiete andererseits sind so erheblich, dass es jeder Staat für sich untersucht werden müsste. Dabei sollten in jedem Fall die folgenden Parameter berücksichtigt werden:

  • Mit welche indigenen und womöglich später hinzugekommenen Sprachen stehen die romanischen Sprachen in Kontakt?
  • Wie ist das Verhältnis von L1- und L2-Sprechern?
  • Gibt es zusätzlich zur jeweiligen romanischen Sprache eine romanisch basierte Kreolsprache?
  1. Spanisch#

Aus den ehemals spanischen Kolonialgebieten entstanden Nationalstaaten, die mit wenigen Ausnahmen (wie z.B. die Philippinen seit 1987) das Spanische als Staatssprache beibehalten haben; in einigen Fällen wurden indigene Sprachen kooffizialisiert #einfügen#.

  1. Portugiesisch#

Überblick Im Fall des Portugiesischen ist das

Die lusophonen Staaten sind in der Comunidade dos Paises de Lingua Portuguesa, der Gemeinschaft_der_Portugiesischsprachigen_L%C3%A4nder, zusammengeschlossen; im Hinblick auf die Größe und kulturelle Vielfalt der vertretenen Weltregionen spielt das historische Ausgangsland, Portugal, nurmehr eine eine periphere Rolle.

Allerdings ist bemerkenswert, dass es selbst in der portugiesischsprachigen Welt und hier speziell in Brasilien, ebenso wenig wie in der frankophonen oder hispanophonen, bislang noch nicht zur expliziten Kodifizierung und Implementierung nationaler Sprachstandards gekommen ist.

  1. Französisch#

Die ehemals französischen Kolonialgebiete nahmen eine divergente Entwicklung (Überblick) , denn aus ihnen wurden teils eigene Nationalstaaten (so überall in Afrika), teils Provinzen von Nationalstaaten (Québec, Lousiana), teils aber auch französische Departements (Guadeloupe, Französisch-Guayana, Martinique, Mayotte, La Réunion) oder weitgehend autonome Gebiete (die sogenannten Collecitivités d’outre mermit enger politischer Anbindung an Frankreich (z.B. Französisch-Polynesien). Im Unterschied zu den portugiesisch- und spanischsprachigen Gebieten der Neuen Romania sind die französischsprachigen Gegenden mindestens teilweise in die nach wie vor stark zentralistischen Strukturen Frankreichs eingebunden.  

https://en.wikipedia.org/wiki/Louisiana_French

Obwohl die teils kleinen frankophonen Gebiet außerordentlich weit voneinander entfernt sind gibt es gelegentlich bemerkenswerte, durchaus standardferne Parallelen, wie an einem toponomastischen Beispiel angedeutet werden soll; sowohl in der Karibik wie auch im Indischen Ozean sehr weit verbreitet sind zwei Landschaftsbezeichnungen, die in Frankreich selbst zwar vorkommen, aber nur sehr selten belegt sind: morne ‘Hügel’ und piton ‘(spitzer) Gipfel’:

MORNE2, subst. masc.
[Principalement dans une île ou sur un littoral] Colline, montagne. Un gros morne la termine [une île] à chacune de ses extrémités; et un pic, ou plutôt un volcan, à en juger par sa forme, s’élève au milieu (Voy. La Pérouse, t.3, 1797, p.96). Aux Gonaïves, près du Port-au-Prince. On voit une habitation en ruine sur les flancs élevés d’un morne qui domine une rade (LAMART., T. Louverture, 1850, I, 1, p.1263). Le côté de l’est est barré par de hauts mornes ferrugineux qu’enserre et couronne le bleu de la mer (T’SERSTEVENS, Itinér. esp., 1933, p.88).
Prononc. et Orth.: []. Att. ds Ac. dep. 1798. Étymol. et Hist. 1640 (BOUTON, Relation de l’establissement des François depuis l’an 1635 dans l’Isle de la Martinique, p.30). Mot du créole des Antilles qui s’est répandu ensuite aux créoles de la Réunion, d’Haïti et de la Martinique, d’orig. incertaine (cf. FEW t.21, p.15a). Peut-être issu, par altération, de l’esp. morro «monticule, rocher» (1591 ds COR.-PASC.) qui représente un type *murrum, du rad. prérom. *murr-, v.moraine et morion1Cf. BL.-W.1-5 et CHAUDENSON, Le Lex. du parler créole de la Réunion, t.1, p.619. Fréq. V. morne1Bbg. DULONG (G.). Le Mot morne en canad. fr. In: Congrès Internat. Des Sc. Onom. Wien, 1969, t.1, pp.255-258. (TLFI s.v. morne)

PITON, subst. masc.
I. Clou ou vis à tête recourbée ou en forme d’anneau servant à recevoir un crochet, l’anse d’un cadenas, une tringle, etc. Fixer, planter, visser un piton au mur. Il tailla le bois du pupitre avec son canif, et fit tant qu’il déchaussa le piton de fer dans lequel le cadenas était accroché (CHAMPFL., Souffr. profess. Delteil, 1853, p.35). Un de ces jeunes hommes blonds (…) était monté sur la table et glissait l’autre bout de la corde dans un gros piton qui était enfoncé dans une poutre du plafond (G. LEROUX, Roul. tsar, 1912, p.157). V. agripper ex. 7.
 ALPIN. ,,Broche métallique constituée d’une lame et d’une tête qui comporte un oeil pour le passage du mousqueton dans lequel coulisse la corde„ utilisée pour l’escalade artificielle (PETIOT 1982). Piton de rocher, piton à glace; piton d’assurance, de passage, de rappel, de renvoi, de sécurité. La corde, je l’avais montée au lac Noir, avec des pitons et des anneaux. Je voulais fixer les pitons à l’endroit d’où mon enfant avait roulé, et me laisser descendre moi-même le long de la corde jusqu’à ce que je le retrouve (PEYRÉ, Matterhorn, 1939, p.155):

[…] II. GÉOGR. Sommet pointu et dénudé d’une montagne, en partic., aux Antilles et à la Réunion. Le piton des Neiges à la Réunion. Bourbon n’est à vrai dire, qu’un cône immense (…) dont les gigantesques pitons s’élèvent à la hauteur de seize cents toises (SAND, Indiana, 1832, p.237). Au crépuscule on entendait un bourdonnement: c’était la tante de Charles Lacoste qui, désolée d’avoir quitté ses pitons et ses mornes, effleurait du doigt sa guitare (JAMMES, m.1922, p.14).

 P. anal.
Relief isolé de forme conique, monticule aigu difficile à escalader. Piton rocheux, volcanique; escalader un piton. Un piton qui s’enlevait à brusques arêtes, une sorte de pyramide tronquée, au bout d’une longue falaise noire (VERCEL, Cap. Conan, 1934, p.205): […] Étymol. et Hist.I. 1. 1382 «clou dont la tête est en forme d’anneau» (Doc. ap. Ch. BRÉARD, Compte du Clos des Galées de Rouen, p.82); 2. 1884 alpin. (Annuaire du Club alpin fr., Année 1883 ds QUEM. DDL t.27); 3. région. a) 1930 «bouton de sonnette, de montre» (Canada); b) 1930 être sur le piton (ibid.)II. 1640 [éd.] géogr. (BOUTON, Relation de l’establissement des Français depuis l’an 1635 en l’isle de la Martinique, p.31); 1862 arg. (LARCH., p.250). I piton «clou» a été introduit dans le nord de la France par les constructeurs de bateaux du Midi; dér. du prov. pitar «picorer, picoter», lui-même dér. du rad. pitt-, désignant quelque chose de pointu (v. pite1); suff. -on1*. II prob. issu, par l’intermédiaire du parler de la Martinique (cf. BOUTON, supra) où le mot semble avoir été apporté par les colonisateurs venus de Gascogne ou éventuellement du nord de l’Espagne (cf. béarnais pitoû «élévation» ds FEW t.8, p.612b), du sens de «corne qui commence à pousser (chez les chevreaux, les agneaux), pointe de la corne du taureau; rejeton d’un arbre qui commence à bourgeonner» qu’a l’esp. piton au XVIIes. (v. COR.-PASC., s.v. pito et AL.), lui-même dér. de pitt-, v. supra. Voir FEW t.8, pp.612a-614b. Fréq. abs. littér.: 73. Bbg. QUEM. DDL t.27. WEIL (A.). En Marge d’un nouv. dict. R. Philol. fr. 1932, t.45, pp.31-32. (TLFi, s.v. piton) #http://stella.atilf.fr/#

Karibik/Indischer Ozean

[map lat=“5.32036″ lng=“-4.01611″]

[marker lat=“14.69493″ lng=“-61.11460″]Morne Chapeau Nègre[/marker]

[marker lat=“14.70153″ lng=“-61.11441″ colour=“blue“]Petit Piton[/marker]

[marker lat=“15.86873″ lng=“-61.57628″]Morne Rouge[/marker]

[marker lat=“16.28008″ lng=“-61.76034″ colour=“blue“]Piton Grand Fond[/marker]

[marker lat=“16.28874″ lng=“-61.76544″]Morne Mazeau[/marker]

[/map]

[marker lat=“-20.09585″ lng=“57.63497″ colour=“blue“]Piton, Dorf (Mautitius)[/marker]

[marker lat=“-20.44063006 lng=“57.33358973″]Le Morne, Berg (Mauritius)[/marker]

[marker lat=“-20.4586107″ lng=“57.4933333″]Piton Poule, Berg (Mauritius)[/marker]

[marker lat=“-17.58373″ lng=“-149.49182″ colour=“blue“]Piton de Pirae, Berg (Tahiti, Französisch Polynesien)[/marker]

morne in Québec

[marker lat =“49.22748″ lng=“-65.57430″]Le Morne[/marker]

[marker lat =“46.47171″ lng=“-70.45107″]Le Morne[/marker]

[marker lat=“46.31399″ lng=“-70.50604″]Le Morne[/marker]

in F nur ganz selten, morne auf OSM 4 Treffer, piton af OSM 6 Treffer

[marker lat =“44.39464″ lng=“2.61096″]La Morne[/marker]

[marker lat =“45.52332″ lng=“4.92062″]Le Morne[/marker]

[marker lat =“46.75534″ lng=“-1.14601″]Le Morne[/marker]

[marker lat=“47.08685″ lng=“-1.70430″]La Morne (Sumpf)][/marker]

 

[marker lat=“44.06317″ lng=“1.93696″ colour=“blue“]Le Piton[/marker]

[marker lat=“43.71739″ lng=“-0.29694″ colour=“blue“]Piton[/marker]

[marker lat=“44.38814″ lng=“-0.98994″ colour=“blue“]Piton[/marker]

[marker lat=“43.71739″ lng=“-0.29694″ colour=“blue“]Piton[/marker]

[marker lat=“44.32880″ lng=“0.14894″ colour=“blue“]Piton[/marker]

[marker lat=“44.21269″ lng=“0.31209″ colour=“blue“]Piton[/marker]

[marker lat=““ lng=““ colour=“blue“][/marker]

portunhol (https://de.wikipedia.org/wiki/Portu%C3%B1ol), lumfardo (< ita. lombardo ‘lombardisch’ ) https://en.wikipedia.org/wiki/Rioplatense_Spanish, porteño

Biblio

Povos indígenas no Brasil

VerbaAlpina – Digital Geolinguistics Dedicated to the Lexical Analysis of the Alpine Region (Zitieren)

Stephan Lücke
(5722 Wörter)

Abstract

Since 2014 the DFG-funded long term project VerbaAlpina (VA) is run at the Ludwig-Maximilians-University of Munich (LMU). VA is a cooperation of the Institute of Romance Studies and the LMU Center for Digital Humanities (DH; IT-Gruppe Geisteswissenschaften).

The project focuses on lexical variation throughout the Alpine area as defined by the so-called Alpine Convention (https://www.alpconv.org/). Whereas geolinguistic research within the Alpine region is traditionally orientated towards the spread of national languages and towards political borders, VA takes the homogeneous natural environment of the mountaneous region and the resulting uniform habitat conditions and ways of living as the guiding parameters defining its area of research.

VA is conceptualized as a strictly digital project that uses web technology for various purposes such as documentation, publication and visualisation. VA takes its data from traditional geolinguistic publications, mainly linguistic atlases and suitable dictionaries (i.e. dictionaries providing geographic information). The strictly digital approach is associated with several challenges starting from the difficulties regarding the transcription of the sometimes complex phonetic characters that are used especially in some of the linguistic atlases. VA has developed a series of specific reusable and freely available online tools that are used within the workflow of digitizing data from the printed sources. Another tool, the so-called Crowdsourcing tool, was built for gathering speech data from online users with the aim of filling documentation gaps that result from inconsistencies of the available printed sources.

An interactive online map that is using performant up-to-date graphical technology (WebGL) offers suggestive qualitative and quantitative visualisation of geographic distribution patterns from onomasiological and/or semasiological perspectives. These can also be combined with non linguistic data such as the sites of latin inscriptions.

In addition to the geolinguistic core themes of the project, VA is providing methodological reflexion on many of the issues deriving from the strictly digital orientation that should be of interest also beyond the borders of the project and even beyond the field of geolinguistics. In general, VA is looking for perspectives and solutions that allow the linkage of lexical data across so far isolated domains of geolinguistic research projects with the option of real interoperability (the “I” in the acronym FAIR).

The talk will provide more detailed information on the mentioned aspects of the project VerbaAlpina.


Talk*

One word in advance: It is still common to work with PowerPoint presentations on occasions like this. VerbaAlpina tries to avoid PowerPoint as it does not totally comply with the „FAIR“-criteria: At least a powerpoint presentation is not interoperable (FAIR) at all and usually hardly findable, accessible and reusable (FAIR). On the other hand, all these demands are met with a web-based contribution like the one you can see right here. This preamble is not meant as a criticism of using Powerpoint but rather as an apology for the use of this different kind of presentation.

You can scan the QR-Code below with your smartphone and follow the talk on your mobile device.

! Scan with Smartphon !

! Scan with Smartphon !

Introduction

Some of you might already know our project VerbaAlpina. Nevertheless, I will start my talk by sketching the overall frameset of VerbaAlpina.

Scientific Approach

VerbaAlpina is a linguistic project with mainly lexical orientation. The focus is on a simple question: We would like to know which terms are used for specific concepts in the Alpine region. The documentation is limited to concepts that are typical for the Alpine region, such as mountain pasture and dairy farming or the specific alpine flora and fauna. From the point of view of traditional geolinguistics, a fundamental innovation is certainly the definition of the research area. The scope of many of the existing speech atlases for example complies with political-administrative concepts such as national territories or the selection criterion is restricted to the distribution of national languages. In contrast, VerbaAlpina has chosen the homogeneity of the Alpine region in terms of landscape, culture, and economy as the decisive aspect for the definition of the research area.

As already mentioned, the focus of VerbaAlpina’s interest is the lexical material. VerbaAlpina’s database is primarily based on material published in traditional language atlases. To a certain extent dictionaries were also used, but only those whose entries contain information on the geographical distribution of the documented terms. Examples include the Swiss-German Idiotikon or the Dizionario di Montagne di Trento by Corrado Grassi (DizMT).1. Among the language atlases prominent examples are the Sprach- und Sachatlas Italiens und der Südschweiz (AIS) and the Vorarlberger Sprachatlas (VALTS).

VerbaAlpina sees itself as an entirely „digital“ online project that completely refrains from publications in conventional book or atlas form. The term „digital“ also refers to work with *structured* data, that means data enriched with metadata. All these data are managed in a relational database (MySQL).

VerbaAlpina’s data model is dominated by the correlation between the world of language and the extralinguistic reality, that is the world of concepts. The following scheme illustrates this correlation and makes it clear that in principle a certain word can designate more than just one concept and vice versa several words can exist for one and the same concept. In the context of VerbaAlpina, concepts are always written in capitals to clearly distinguish between words and concepts:

Correlation between designations and concepts

This basic model, which initially appears very simple, quickly acquires a high degree of complexity by adding the dimensions of space and time. This is because certain terms for certain concepts are only used in certain regions. The location and size of these regions can change over time or even disappear altogether.

So the question is:

  • Which words are or have been used
  • at which places
  • at what time to designate
  • which concepts?

Since the dimension of space is one of the central factors, VerbaAlpina only collects language material with georeferencing, as is the case in language atlases or in some dictionaries.

VerbaAlpina’s spatial dimension is defined by the perimeter of the so-called Alpine Convention. The Alpine Convention is a treaty under international law signed by the countries sharing the Alps. The perimeter is a boundary drawn by this organisation which defines the extent of the Alps administratively. For purely pragmatic reasons VerbaAlpina follows this border since a clear delimitation of the study area is organisationally indispensable and otherwise hardly possible.2

Within the study area all collected and georeferenced language material is related to the grid of political communities. In the case of large-scale distribution data such as „Ticino“ or „Vorarlberg“, the corresponding language data is attributed to all municipalities in these regions. Starting from the fine granulation of the political communes, the language material can be grouped in later analyses according to superordinate political units such as cantons, departments, government districts or regions and visualised on a map.

From VerbaAlpina’s point of view, the dimension of time is a little problematic, since the data grid is still very patchy in terms of chronological distribution and unbalanced in relation to the entire Alpine region. Some of the sources evaluated by VerbaAlpina indicate the time of the collection of a single document very precisely, sometimes even to the day3, while for other sources the year of publication only provides a terminus ante quem for the language data recorded therein.

VerbaAlpina’s data material acquires historical depth through the interlocking of the words drawn from the sources and the identification of similarities in the lexical basis. French salamandre, Italian salamandra and German salamander have the same lexical basis. It is obvious to assume a historical connection here. However, it is not easy to decide whether, for example, the German word is derived from one of the two Romance words (loanword scenario), or whether all three variants can be traced back to a common forerunner independently of each other. In such cases, VerbaAlpina identifies a lexical precursor from an earlier language spoken in the Alpine region and assigns it to the modern words in order to be able to grasp *that* there is a connection between the three words mentioned. VerbaAlpina refers to such precursors as „base types“. In the case of the example this would be the Latin salamandra.

The reason for this simplification is twofold: on the one hand, it is often not possible to decide which of the possible scenarios mentioned is present in the individual case and on the other hand, corresponding searches may be very time-consuming, so that they cannot be carried out within the framework of the project due to time constraints. The VA base types have the great advantage that they can be used to represent obviously existing connections *without* forcing the specification of the connections in detail.

The central reference value of VerbaAlpina are the so-called „morpholexical types“, hereinafter referred to as „morph types“. These are lexical units that are distinct, that means unmistakable, with regard to the linguistic family they belong to, spelling, genus and the question of whether they have an affixation or not. In this respect, the morph types correspond roughly to the lemmas of traditional dictionaries. These are predominantly nomina, verbs only play a subordinate role in VerbaAlpina so far.

VerbaAlpina initially bases its typification on so-called reference dictionaries. If there is a suitable entry in these dictionaries, it is assigned to the selected tokens. If the type exists in several reference dictionaries, multiple assignments are made. If a morph type does not exist in any reference dictionary, VerbaAlpina creates its own new morph type which is then assigned.

For the data collected from language atlases and dictionaries the morph type they represent must be decided on a case-by-case basis. An automatic assignment seems impossible. VerbaAlpina has developed a special tool facilitating manual typification, in which the transcribed and then tokenised utterances can be assigned to morph types (screenshot; link [registered users only]).

VerbaAlpina deliberately refrains from assigning morph types to individual languages or even dialects. The reason is that linguistic landscapes and thus also the Alpine region basically represent continua within which clear demarcations are practically impossible. Strictly speaking, each locality can have its own dialect. When defining the morph types, therefore, only the assignment to one of the three language families existing in the Alpine region is made. The assignment to a language family is inherited from the sources from which the documents belonging to the respective morph type originate.

The phonetic dimension is largely ignored by VerbaAlpina but can be mapped in the VerbaAlpina data model and is already present selectively in the database.

Many project specific aspects, be it related to linguistics or computer sciences, are reflected and thus documented in the methodology section of the project website.

Technical Aspects

VerbaAlpina tools

VerbaAlpina uses standard software wherever possible which must also be open source. Essentially, this involves the MySQL database management system (DBMS) for managing the central database and the WordPress PHP framework for the project website. For the specific requirements of the project, however, tools based on the aforementioned basic technologies have been developed. All of them are available on Github for free re-use under the CC-BY-SA license (VerbaAlpina-Github-Repository). And there is already one case in which some of our tools is reused: The VerbaPicardia (APPI).

Betacode and Transcription Tool

Betacode

For the transcription of „exotic“ writing systems, that primarily are found in language atlases, VerbaAlpina uses a concept that was developed and successfully used for the Thesaurus Linguae Graecae (TLG) in the 1970s (TLG-Betacode). In essence, the aim is to replace arbitrary characters and diacritics with defined and documented sequences of ASCII characters. The rules follow as simple and mnemotechnically favorable patterns as possible. For example, an acute on a base character is transcribed by a slash behind the base character.

The utterance you see here4:

taken from the AIS, is transcribed according to the transcription rules as follows:

la lac/a/

The sound value denoted by a sign is not important at all. This also means that identical signs such as the acute are always transcribed in the same way, that means with a slash after them, completely independent of the transcribed original and the possibly specific phonetic meaning. Only a source specific conversion procedure, in which all transcriptions are transferred into the IPA system, takes the sound values of the original source into account.

This method has several advantages:

  • It is possible to transcribe characters that are not yet Unicode-encoded.
  • The transcription can be done comfortably with standard keyboards and without complicated key combinations.
  • The transcriptors do not require knowledge of the meaning of the characters.
  • The transcriptions are – unlike multi-byte characters from UTF-8 – technically robust against unwanted changes.
  • Transcription takes place without loss of information.5

Transcription Tool

Especially, the automatic structured recording of lexical material from language atlases represents a considerable technical problem. It is not about the transformation of the partly exotic writing systems, which are sometimes used there. OCR programs such as Abbyy Finereader can be trained in such a way that they also correctly capture such writing systems and even produce the VerbaAlpina-specific beta code.6

In case of the linguistic atlases of the Romance tradition the real difficulty lies often in assigning the correct place, represented by a number, to the statements entered directly on the map. Machines are always overwhelmed by this task – and sometimes even humans are – when the entries on the map are too close together, as is the case, for example, in the AIS in southern Switzerland and neighbouring Italy.7

AIS-map 1218: Problem of assigning strings to numbers

From the point of view of automatic data acquisition the language atlases with point symbol maps, which are widely used in the field of German studies, appear to be even more complicated. In contrast to the Romance atlases data is usually displayed here in typified form. Concrete individual utterances of the informants are only presented occasionally.

Punktsymbolkarte germanistischer Tradition (VALTS IV 73: Die SENNHÜTTE)

The structured collection of data from these language atlases can therefore only be carried out manually. The problem is that consistent, error-free data collection requires a high degree of concentration and discipline. VerbaAlpina has developed a special transcription tool to make this work easier, to reduce the risk of errors and to ensure that the procedure is as systematic as possible.

Transcription tool

The tool synoptically combines a scan of the map to be transcribed and the form in which the transcriptions are entered. Maps and points on the map that have already been transcribed are marked accordingly. The system also prevents the duplicate capture of individual entries on the map. The transcriptor is given the numbers or signatures of the points on the map one after the other by the system. The transcription then takes place in the appropriate field of the form. The other parameters such as map number, location point number and concept assignment are specified by the system and are stored together with the transcription in the database. The registered data in the database then look like this:8

The input mask presents the general transcription rules for data entry in beta code in a windowframe at the top right, so the transcriptor can consult them with as little effort as possible. The automatic conversion corresponding to the original script on the map is displayed to the right of the input field as the transcriptor is writing. Thus, the transcriptor can immediatly detect eventual typos. In addition, the system prevents entering invalid character combinations.

Crowdsourcing tool

The database compiled by VerbaAlpina from language atlases and dictionaries shows inconsistencies in several respects. These inconsistencies result mainly from the fact that the language atlases each cover only parts of the Alpine region and do not all comprise the same concepts. As a result, for a certain region there are terms for concepts that were not even queried elsewhere – which does not mean that they do not exist there. For example the concept BEE is only attested in the areas documented by the following atlases: AIS, ALF, ALJA, ASLEF, TSA as is visualized on the following map9

Missing attestations for the concept BEE

It is not possible to carry out any surveys to fill the gaps. VerbaAlpina is therefore using the idea of crowdsourcing to round off the database. The idea is that users on the Internet contribute previously undocumented terms for selected concepts. VerbaAlpina has developed a special crowdsourcing tool (CS tool) for this purpose (Link). The functionality is deliberately kept simple so as not to deter potential crowders.

The VerbaAlpina Crowdsourcing (CS) Tool

Each „crowder“ has to select a location on a map and enters designations for selected concepts that are, in his opinion, common at this location. VerbaAlpina typifies the entire material as well as the data from atlases and lexica. A validation of the crowd material is theoretically possible through the principle of third-party confirmation but is currently not carried out by VerbaAlpina, mainly because the amount of data is still too small.

VerbaAlpina is monitoring the crowd activity (Link). Experience has shown that the vitality of the croudsourcing tool, that is: the number of entries, depends crucially on corresponding advertising activities. Immediately after media reports about VerbaAlpina and its crowdsourcing tool or corresponding propaganda in social media, the number of entries rises sharply but always falls again soon.

Mapping tool

The interactive online map appears as the, so to say, „showcase“ of the project. It is designed as the central data access point for the public, enabling the representation of language data in the dimension of space and thus revealing connections that often remain hidden when data is viewed in table or list form.

The digital map offers both the possibility of accessing the database from the perspective of words, that means of mapping the various concepts that can be designated by a particular word, and the option of asking the opposite question: Which concepts are designated where with which words. In traditional publishing, these two perspectives could only be served by two different genera: The (onomasiological) language atlas and the (semasiological) dictionary. The digital online map even offers the possibility of synoptically mapping both perspectives.

The map essentially offers two different forms of visualization. he standard method is qualitative mapping where the individual data which are bundled according to political communities are first displayed on the map by symbols. The following example shows the mapping of the distribution of the Romanic morph type malga, grouped according to its regionally different meanings:

A click on the map symbols opens an info window in which the underlying language data is presented. In addition to the source, the concept designated with the word, the base type and the individual attestation of the respective source in IPA are also displayed. The framed letters behind morph and base types refer to the corresponding entries in the reference dictionaries and are partly interactive, depending on accessibility on the net. A click on the symbol then leads directly to the corresponding entry in the reference dictionary. The info window also includes norm data and links to them. A click on the globe symbol next to or below the municipality name leads to the corresponding Geonames page, the concept names are linked to the Wikidata entries.

In addition to qualitative mapping, VerbaAlpina also offers a quantifying presentation. A click on the Q in the circle next to the menu item „Areas and regions“ acccumulates the currently mapped elements according to regions and colours them differently according to the number of elements mapped there. As default the large language areas form the reference pattern. By selecting the corresponding menu item „Areas and regions“, the data can also be accumulated and mapped according to smaller administrative units down to the level of municipalities.

The following map shows the distribution of morph types connected to the (Latin) base type butyuru(m) (Link):

Distribution of morph types connected to the base type butyru(m) (qualitative mapping)

The same data accumulated on the quantifying map (Link):

quantifying representation of the distribution of morph types connected to the base type butyru(m)

In addition to the realistic representation of the geographical boundaries, the quantifying representation can also be visualized on a hexagon map. In this kind of map, the geographical units are represented by hexagons of identical size. Thus, visual distortion effects are avoided which result from the area sizes which differ strongly from each other in reality. Of course, this kind of mapping has the disadvantage that the geographical arrangement of the areas and especially the number of adjacent areas no longer corresponds to reality in most cases. The added value certainly results from the possibility of switching between the different mapping variants and thus gaining an almost objective impression.

Hexagon map

The sharing symbol at the top right-hand corner of the map allows you to call up a persistent link that refers stably to the current map view and can, for example, be sent by e-mail or used in texts.

The realization of the online map is based on the latest graphics technology (WebGL) and is extremely powerful. This performance becomes visible above all during zoom processes with a large number of map symbols and borders, which demand a high computing power from the computer. The use of WebGL allows the necessary calculations on the processor of the graphics card (GPU) which is responsable for the decisive performance gain.

Cross-linkage and sustainability

Access to VA-data

Access to VerbaAlpina data is possible in various ways:

  • Via the project portal, which is freely accessible on the Internet and above all via the interactive online map and the – not yet mentioned – Lexicon alpinum,
  • via the API, which is also freely accessible,
  • or by using the PMA interface of the MySQL database.

The API allows the download of finely granulated material in a number of different formats and aggregations. Access via the PMA interface is reserved for VerbaAlpina’s official cooperation partners. The PMA interface allows data analysis using the SQL language. SQL-statements can also be executed using a form in the mapping tool. This function will be accessible to the public very soon. At present its use is restricted to registered users.

VerbaAlpina’s core data is very finely granulated and the individual elements are uniquely identified with persistent identifiers and can therefore be addressed precisely. Ultimately, these alphanumeric identifiers fulfill the function of VerbaAlpina-specific norm data. In concrete terms, all morph types, concepts and political communities are given a unique number which can be used to access the specific data in different ways or be referenced externally. Identifiers of the morph types have the prefix L, concepts C and communities A. The ID L1435, for example, stands for the morph type „babeurre (m.) (roa.)“. The first of the following addresses calls up a mapping of the distribution of this morph type, the second leads to the download of the data stored on this morph type in XML format and the last, finally, leads to the commentary in the Lexicon Alpinum – if available:

With a few exceptions, all URLs that refer to VerbaAlpina content contain a parameter that refers to a specific version of VerbaAlpina, marked in red in the examples above. The first two digits represent the year, the last one the version number of the year (191: first version in 2019). While the database of the working version, which is recognizable by the character string xxx, is subject to permanent changes, the contents of the other versions are stable. This ensures that references to these URLs always call up the same content and citation security is guaranteed. VerbaAlpina data is versioned twice a year, at mid-year and at year-end. You can choose between the available versions on the homepage.

The data of VerbaAlpina will soon also be transferred to the RDF schema of the Semantic Web. However, the establishment of a SPARQL endpoint is not planned for the time being; the corresponding implementation involves some effort and seems dispensable since there are a number of other ways of accessing the VerbaAlpina data. After all, VerbaAlpina meets the criteria of the „Linguistic linked open data“ movement (http://linguistic-lod.org/).10. Towards open data for linguistics: Lexical Linked Data (PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer.)), and the data of VerbaAlpina will soon be included in this.

In the course of transferring the data of VerbaAlpina to the research data repository of the LMU-Library every item is enriched with DataCite metadata and is given a persistent DOI. The corresponding procedure is currently in development. It will soon be functional.

Linkage with external resources

VerbaAlpina links the three core categories of its database with external databases via the integration of suitable norm data.

In the case of morph types, corresponding links are established to the reference dictionaries. An interesting side effect is that the different suitability of the corresponding resources becomes clear. In terms of maximum interoperability, only some of the reference dictionaries provide suitable possibilities to technically address data in a desireable way. Positive examples include the portal of the Centre National de Ressources Textuelles et Lexicales ([Bibl:CNRTL]) or the Italian Treccani which offer transparent URLs for each lexical entry (e.g:  https://www.cnrtl.fr/definition/beurre, http://www.treccani.it/vocabolario/burro/). In some other cases references are only possible with great inaccuracy or not at all. It is not uncommon to encounter the phenomenon that the addressability of the contents still refers to the conventional page logic of book printing and to PDF documents or image files. This is, for example, the case with the French etymological dictionary (FEW).

For the concepts VerbaAlpina refers so far exclusively to the so-called Wikidata data objects. Each concept is assigned the respective Wikidata Q-ID in the database of VerbaAlpina. The corresponding link leads to the Wikidata data object page. There you will find links to the articles in the different Wikipedia of this concept. The link to the norm data of geonames has already been mentioned.

As we have already seen, links to all norm data are presented to the user in the info windows on the online map.

Some organizational stuff

VerbaAlpina started in 2014 and is funded by the German Research Foundation (DFG) with a perspective until 2025. The individual project terms comprise 3 years each. At the moment we are heading towards the last year of the second term and are about to prepare the application for the funding of the third term.

VerbaAlpina is directed by Thomas Krefeld and myself. The staff is divided into two parts: There are three linguists and two computer scientists who are each supported by assistants. Among the linguists there are two Romance scholars and one Germanist. One of the computer scientists is mainly responsible for all aspects of the core data (data modelling, interfaces, API), the other mainly for all questions of visualisation, mainly the interactive online map.

VerbaAlpina is thus an interdisciplinary DH project with parts of the classical humanities and computer science. The LMU Center for Digital Humanities (IT-Gruppe Geisteswissenschaften; ITG) is responsible for the informatics part. This institution was created in 2000, is largely financed by the six humanities faculties of the LMU and has an unlimited perspective of existence. The ITG is responsible for planning and operating the IT infrastructure in the Humanities area. One of the ITG’s steadily growing areas of responsibility is support in the planning and implementation of DH projects. From the ITG’s point of view, VerbaAlpina is only one of numerous projects whose project data is managed in the context of a heterogeneous, but uniformly – namely relationally – structured overall data pool. Over the years, this data pool has grown to considerable size and diversity, offering at least theoretically the perspective of data analysis across project boundaries. Against this background, the ITG is currently developing a cooperation with the LMU-Master’s programme in Data Science, which was launched at the beginning of 2017.

The ITG also plays an important role with regard to the sustainability of the results produced by VerbaAlpina. After the end of project funding, the ITG will continue to operate the project portal as far as possible and perform the minimum maintenance work required for operation.


* Given at the colloqium „NEW WAYS OF ANALYZING DIALECTAL VARIATION“, held at Sorbonne University, Paris, 21-23 November 2019. The English version of the talk was initially produced with the help of DeepL (https://www.deepl.com/translator) and subsequently corrected or adapted where necessary.


  1. Grassi documents the local variation of a single small town in the Italian province of Trento 

  2. However, the chosen definition of the study area causes certain asymmetries, such as the fact that the Swiss Emmental, famous for its cheese, lies outside the Alpine Convention and is therefore not covered by VerbaAlpina, although this region could very well be considered part of the Alpine region from both an economic and an environmental point of view. 

  3. Such is the case in the <span class="bibl" data-bibl="ais">AIS</span> 

  4. AIS 1218_1, 129 

  5. This would be the case, for example, if the Böhmer Ascoli system, used for example in the <span class="bibl" data-bibl="ais">AIS</span>, were transcribed directly into <span class="vaabr" data-vaabr="IPA">IPA</span> instead of the present one, since <span class="vaabr" data-vaabr="IPA">IPA</span> does not allow such a fine differentiation with regard to the individual sounds as Böhmer Ascoli does 

  6. The procedure is sketched in <a href="http://www.kit.gwi.uni-muenchen.de/pdf/band/001/korpus-im-text_band_001_v001.pdf"><span class="vaabr" data-vaabr="SDOT">S.</span> Lücke / C. Riepl / C. Trautmann, Softwaretools und Methoden für die korpuslinguistische Praxis (Korpus im Text 1, München 2017</a>, <span class="vaabr" data-vaabr="SDOT">S.</span> 126f. 

  7. A master thesis has just been completed at the Institute of Computer Science of the <span class="vaabr" data-vaabr="LMU">LMU</span>, which was intended to design an algorithmic solution to this problem. Among other things, deep learning methods were used. As far as VerbaAlpina can judge, however, no success is in sight in this way either – not to talk about the technical availability of an appropriate tool. 

  8. The corresponding sql-statment reads as follows:</p> <p>SELECT</p> <p>concat(a.Aeusserung, ‚ (‚,<br /> group_concat(f.<span class="vaabr" data-vaabr="IPA">IPA</span> order BY f.Id_Token SEPARATOR ‚ ‚),‘)‘<br /> ) AS aeusserung,<br /> b.erhebung,<br /> b.karte,<br /> b.nummer,<br /> b.stimulus,<br /> c.Nummer,<br /> c.Alter_Informant,<br /> c.Geschlecht,<br /> e.Beschreibung_F,<br /> ‚[name of transcriptor]‘ as erfasst_von,<br /> a.erfasst_am</p> <p>FROM aeusserungen a<br /> JOIN stimuli b<br /> USING(id_stimulus)<br /> JOIN informanten c<br /> USING(id_informant)<br /> JOIN vtbl_stimulus_konzept d<br /> USING(id_stimulus)<br /> JOIN konzepte e<br /> USING(id_konzept)<br /> JOIN tokens f<br /> ON a.Id_Aeusserung=f.Id_Aeusserung<br /> WHERE<br /> a.Aeusserung LIKE ‚%lac/a-/%‘<br /> and b.Erhebung LIKE ‚AIS‘<br /> AND b.Karte LIKE ‚1218‘<br /> AND b.Nummer LIKE ‚1‘<br /> AND c.Nummer LIKE ‚128‘<br /> AND e.Beschreibung_F LIKE ‚PETIT-LAIT, APRÈS LA PREMIÈ<span class="vaabr" data-vaabr="RE">RE</span> SÉPARATION DES COMPOSANTS SOLIDES, EST DONNÉ À MANGER‘<br /> GROUP BY a.Id_Aeusserung; 

  9. <strong>AIS</strong>: Map 1152: un’ape; le api“<br /> <strong>ALF</strong>: Map 1: abeille“<br /> <strong>ALJA</strong>: Map 792: (l‘) abeille *(le) mâle des abeilles“<br /> <strong>ASLEF</strong>: Map 1148: ape“<br /> <strong>TSA</strong>: Map III_28: Biene“</p> <p>(cf. map <a href="https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=xxx&tk=2428" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=xxx&tk=2428</a>)<br />  

  10. <span class="vaabr" data-vaabr="SDOT">S.</span> Chiarcos, Christian; McCrae, John; Cimiano, Philipp; Fellbaum, Christiane (2013 

VerbaAlpina – Digital Geolinguistics Dedicated to the Lexical Analysis of the Alpine Region (Zitieren)

Stephan Lücke
(4835 Wörter)

Abstract

Since 2014 the DFG-funded long term project VerbaAlpina (VA) is run at the Ludwig-Maximilians-University of Munich (LMU). VA is a cooperation of the Institute of Romance Studies and the LMU Center for Digital Humanities (DH; IT-Gruppe Geisteswissenschaften).

The project focuses on lexical variation throughout the Alpine area as defined by the so-called Alpine Convention (https://www.alpconv.org/). Whereas geolinguistic research within the Alpine region is traditionally orientated towards the spread of national languages and towards political borders, VA takes the homogeneous natural environment of the mountaneous region and the resulting uniform habitat conditions and ways of living as the guiding parameters defining its area of research.

VA is conceptualized as a strictly digital project that uses web technology for various purposes such as documentation, publication and visualisation. VA takes its data from traditional geolinguistic publications, mainly linguistic atlases and suitable dictionaries (i.e. dictionaries providing geographic information). The strictly digital approach is associated with several challenges starting from the difficulties regarding the transcription of the sometimes complex phonetic characters that are used especially in some of the linguistic atlases. VA has developed a series of specific reusable and freely available online tools that are used within the workflow of digitizing data from the printed sources. Another tool, the so-called Crowdsourcing tool, was built for gathering speech data from online users with the aim of filling documentation gaps that result from inconsistencies of the available printed sources.

An interactive online map that is using performant up-to-date graphical technology (WebGL) offers suggestive qualitative and quantitative visualisation of geographic distribution patterns from onomasiological and/or semasiological perspectives. These can also be combined with non linguistic data such as the sites of latin inscriptions.

In addition to the geolinguistic core themes of the project, VA is providing methodological reflexion on many of the issues deriving from the strictly digital orientation that should be of interest also beyond the borders of the project and even beyond the field of geolinguistics. In general, VA is looking for perspectives and solutions that allow the linkage of lexical data across so far isolated domains of geolinguistic research projects with the option of real interoperability (the “I” in the acronym FAIR).

The talk will provide more detailed information on the mentioned aspects of the project VerbaAlpina.


Talk*

Englische Version

Einführung

Ein Wort vorab: Nach wie vor ist es üblich, bei Vorträgen mit PowerPoint-Präsentationen zu arbeiten. Es gehört zum Konzept von VerbaAlpina, darauf zu verzichten, und die Vorträge stattdessen als WordPress-Beiträge zu konzipieren, die im Internet frei verfügbar sind. Der Grund ist, dass PowerPoint-Präsentationen nicht „FAIR“, also findable, accessible, interoperable und reusable sind, VerbaAlpina jedoch größten Wert auf die Einhaltung dieser Prinzipien legt. Mit WordPress-Beiträgen ist dies deutlich besser gewährleistet.

Some of you might already know our project VerbaAlpina, regardless I want to start my talk by sketching the overall frameset of VerbaAlpina in short terms.

Scientific Approach

VerbaAlpina ist ein im wesentlichen lexikalisch ausgerichtetes sprachwissenschaftliches Projekt. Im Zentrum des Interesses steht die vor der Hand einfache Frage, welche sprachlichen Bezeichnungen für ganz bestimmte Konzepte im Alpenraum verbreitet sind. Die Dokumentation ist dabei beschränkt auf Konzepte, die typisch für den Alpenraum sind, wie etwa die Alm- und Milchwirtschaft oder auch die spezifisch alpine Tier- und Pflanzenwelt. Eine aus Sicht der traditionellen Geolinguistik grundlegende Neuerung ist sicherlich der Zuschnitt des Untersuchungsgebiets, oder vielmehr die zugrundeliegende Motivation, die nicht, wie verbreitet der Fall, politisch-administrative Konzepte wie etwa Staatsgebiete, sondern vielmehr die naturräumliche und in der Folge kulturelle Homogenität einer Region zum Auswahlkriterium macht.

Wie bereits gesagt, steht das lexikalische Material im Mittelpunkt des Interesses von VerbaAlpina. Der Datenbestand von VerbaAlpina basiert zum einen auf dem Material, das in traditionellen Sprachatlanten publiziert vorliegt. Zum anderen wurden auch Wörterbücher herangezogen, allerdings nur solche, deren Einträge auch Informationen zur geographischen Verbreitung der Bezeichnungen enthalten. Als Beispiel können das Schweizerdeutsche Idiotikon oder auch der Dizionario di Montagne di Trento von Corrado Grassi genannt werden. Letzterer dokumentiert die lokale Variation eines einzelnen kleinen Ortes in der italienischen Provinz Trento. Von den Sprachatlanten können als prominente Beispiele der Sprach- und Sachatlas Italiens und der Südschweiz (AIS) oder auch der Sprachatlas von Vorarlberg (VALTS) genannt werden.

VerbaAlpina versteht sich als durch und durch „digitales“ Online-Projekt, das vollständig auf Publikationen in herkömmlicher Buch- oder Atlasform verzichtet. Mit „digital“ ist hier überdies die Arbeit mit *strukturierten*, also um Metadaten angereicherten, Daten gemeint. Diese werden in einer relationalen Datenbank verwaltet.

Das Datenmodell von VerbaAlpina wird dominiert von der Wechselbeziehung zwischen der Welt der Sprache und der außersprachlichen Realität, also der Welt der Konzepte. Das nachfolgende Schema illustriert diese Wechselbeziehung und macht deutlich, dass grundsätzlich ein bestimmtes Wort mehr als nur ein Konzept bezeichnen kann und umgekehrt auch mehrere Wörter für ein und dasselbe Konzept existieren können. Zur klaren Unterscheidung zwischen Wörtern und Konzepten werden im Kontext von VerbaAlpina Konzepte stets in Versalien geschrieben:

Zusammenhang zwischen Bezeichnungen und Konzepten

Dieses zunächst sehr simpel anmutende Basismodell erlangt sehr schnell hohe Komplexität durch die Hinzufügung der Dimensionen von Raum und Zeit. Denn bestimmte Bezeichnungen für bestimmte Konzepte sind nur in bestimmten Regionen gebräuchlich. Dabei können Lage und Größe dieser Regionen sich über die Zeit verändern oder auch ganz und gar verschwinden.

Die Fragestellung lautet also:

  • Welche Wörter werden oder wurden
  • an welchen Orten
  • zu welcher Zeit zur Bezeichnung
  • welcher Konzepte verwendet?

Da die Dimension des Raumes einen der zentralen Faktoren darstellt, sammelt VerbaAlpina ausschließlich Sprachmaterial mit Georeferenzierung, wie dies etwa in Sprachatlanten oder in manchen Wörterbüchern vorliegt.

Der Rahmen der räumlichen Dimension ist von VerbaAlpina durch das Perimeter der sog. Alpenkonvention abgesteckt. Die Alpenkonvention ist ein völkerrechtlicher Vertrag der Alpenanrainerstaaten. Das Perimeter ist eine von dieser Organisation gezogene Grenze, die die Ausdehnung der Alpen administrativ definiert. VerbaAlpina orientiert sich aus rein pragmatischen Gründen an dieser Grenze, da eine klare Abgrenzung des Untersuchungsgebiets  organisatorisch unerlässlich und anders kaum möglich ist. Allerdings bedingt die gewählte Definition des Untersuchungsgebiets gewisse Asymmetrien, wie etwa die Tatsache, dass das Schweizerische Emmental, berühmt für seinen Käse, außerhalb der Alpenkonvention liegt und daher nicht von VerbaAlpina erfasst wird, obwohl diese Region in wirtschaftlicher wie auch naturräumlicher Hinsicht sehr wohl zum Alpenraum gerechnet werden könnte.

Innerhalb des Untersuchungsgebiets stellen für VerbaAlpina die politischen Gemeinden das zentrale Referenzsystem dar: Sämtliches gesammeltes und georeferenziertes Sprachmaterial wird auf das Raster der politischen Gemeinden bezogen. Bei großflächigen Verbreitungsangaben wie etwa „Tessin“ oder „Vorarlberg“ werden die entsprechenden Sprachbelege auf sämtliche Gemeinden dieser Regionen übertragen. Ausgehend von der feinen Granulierung der politischen Gemeinden kann das Sprachmaterial bei späteren Analysen nach übergeordneten politischen Einheiten wie etwa Kantonen, Départments, Regierungsbezirken oder Regionen gruppiert und auf einer Karte visualisiert werden.

Ein wenig problematisch ist aus Sicht von VerbaAlpina die Dimension der Zeit, da das Datennetz im Hinblick auf die chronologische Streuung bislang noch sehr dünn und bezogen auf den gesamten Alpenraum unausgewogen ist. Manche der von VerbaAlpina ausgewerteten Quellen geben den Zeitpunkt der Erhebung eines Einzelbelegs sehr exakt, manchmal sogar tagesgenau, an, bei anderen Quellen liefert das Jahr der Publikation lediglich einen Terminus ante quem für die darin erfassten Sprachdaten.

Das Datenmaterial von VerbaAlpina erhält historische Tiefe durch die Verklammerung der aus den Quellen geschöpften Wörter durch die Feststellung von Gemeinsamkeiten bezüglich der lexikalischen Basis. So besitzen französisch salamandre, italienisch salamandra und deutsch Salamander dieselbe lexikalische Basis. Hier einen historischen Zusammenhang zu vermuten, liegt nahe. Es lässt sich jedoch nicht ohne weiteres entscheiden, ob z.B. das deutsche Wort aus einem der beiden romanischen Wörter hervorgegangen ist (Entlehnungsszenario), oder ob alle drei Varianten unabhängig von einander auf einen gemeinsamen Vorläufer zurückzuführen sind. Um dennoch erfassen zu können, *dass* zwischen den drei genannten Wörtern ein Zusammenhang besteht, identifiziert VerbaAlpina in solchen Fällen einen lexikalischen Vorläufer aus einer früheren im Alpenraum verbreiteten Sprache und weist diesen den modernen Wörtern zu. VerbaAlpina bezeichnet solche Vorläufer als „Basistypen“. Im Fall des Beispiels wäre dies das lateinische salamandra.

Der Grund für diese Vereinfachung ist ein doppelter: Zum einen ist vielfach nicht zu entscheiden, welche der genannten Varianten im Einzelfall vorliegt, zum anderen sind entsprechende Recherchen unter Umständen sehr aufwendig, so dass sie im Rahmen des Projekts aus Zeitgründen nicht betrieben werden können. Die VA-Basistypen haben den großen Vorteil, dass sie offenkundig bestehende Zusammenhänge datentechnisch abbilden lassen, *ohne* zur Spezifizierung der Zusammenhänge im einzelnen zu zwingen.

Die zentrale Bezugsgröße von VerbaAlpina sind die sog.morpholexikalischen Typen„, im folgenden kurz „Morphtypen“ genannt. Dabei handelt es sich um lexikalische Einheiten, die bezüglich ihrer Sprachfamilienzugehörigkeit, ihrer Schreibung, des Genus und der Frage, ob sie eine Affigierung aufweisen oder nicht, distinkt, also unverwechselbar sind. Insofern entsprechen die Morphtypen in etwa den Lemmata der traditionellen Wörterbücher. Dabei handelt es sich ganz überwiegend um Nomina, Verben spielen bei VerbaAlpina bislang eine untergeordnete Rolle.

Bei der Typisierung orientiert sich VerbaAlpina zunächst an sog. Referenzwörterbüchern. Sofern in diesen Wörterbüchern ein passender Eintrag vorhanden ist, wird dieser den ausgewählten Tokens zugewiesen. Existiert der Typ in mehreren Referenzlexika, erfolgen Mehrfachzuordnungen. Sollte ein Morphtyp in keinem Referenzlexikon vorhanden sein, erzeugt VerbaAlpina einen eigenen, neuen Morphtypen, der dann zugewiesen wird.

Für die aus Sprachatlanten und Wörterbüchern erfassten Daten muss jeweils im Einzelfall entschieden werden, welchen Morphtypen sie repräsentieren. Eine automatische Zuweisung erscheint unmöglich. Für die manuelle Typisierung hat VerbaAlpina ein eigenes Tool entwickelt, in dem die transkribierten und anschließend tokenisierten Äußerungen Morphtypen zugeordnet werden können.

VerbaAlpina verzichtet bewusst auf die Zuweisung der Morphtypen zu Einzelsprachen oder gar Dialekten. Der Grund ist, dass sich Sprachlandschaften und so auch der Alpenraum grundsätzlich als Kontinua darstellen, innerhalb derer klare Abgrenzungen praktisch unmöglich sind. Streng genommen kann jede Ortschaft ihren eigenen Dialekt besitzen. Bei der Definition der Morphtypen erfolgt daher lediglich die Zuweisung zu einer der drei im Alpenraum vorhandenen Sprachfamilien. Die Zuordnung zu einer Sprachfamilie wird dabei von den Quellen vererbt, aus denen die Belege stammen, die dem jeweiligen Morphtypen angehören.

Die phonetische Dimension wird von VerbaAlpina weitgehend ausgeblendet, ist im Datenmodell von VerbaAlpina jedoch abbildbar und punktuell im Datenbestand auch schon präsent.

Die Entwicklung der Sprache im Raum ist stets mehr oder minder stark beeinflusst von einer ganzen Reihe dynamischer Prozesse. Dazu gehören etwa Wanderungsbewegungen, Verdrängungen, Landnahmen, der Wandel von Wirtschaftsformen oder auch der klimatischen Rahmenbedingungen. Aus diesem Grund sammelt VerbaAlpina – allerdings unsystematisch und selektiv – auch nicht-sprachliche Daten, die die genannten Phänomene dokumentieren. Als Beispiel können Daten zu archäologischen Fundstätten der Völkerwanderungszeit oder auch die Informationen zu Verkehrswegen und Ortschaften genannt werden, die der Tabula Peutingeriana entnommen werden können. Auch die Daten dieser außersprachlichen Peripherie müssen georeferenzierbar sein. VerbaAlpina bietet den Nutzern die Möglichkeit, diese Daten in Beziehung zur Verbreitung sprachlicher Phänomene zu setzen und auf diese Weise historische Zusammenhänge sichtbar werden zu lassen.

Technical Aspects

VA-Tools

VerbaAlpina setzt nach Möglichkeit weit verbreitete Standardsoftware ein, die außerdem open source sein muss. Im Wesentlichen handelt es sich um das Datenbankmanagementsystem (DBMS) MySQL zur Verwaltung des zentralen Datenbestands sowie um das PHP-Framework WordPress. Für die spezifischen Anforderungen des Projekts wurden jedoch überwiegend auf den genannten Basistechnologien aufbauende Tools entwickelt, die allesamt auf Github zur freien Nachnutzung unter der CC-BY-SA-Lizenz verfügbar sind (https://github.com/VerbaAlpina?tab=repositories).

Der VA-Betacode und das VA-Tanskriptionstool

Betacode

Für die Transkription von „exotischen“ Schriftsystemen, wie sie häufig gerade in Sprachatlanten anzutreffen ist, setzt VerbaAlpina ein Verfahren ein, das bereits in den 1970er Jahren für den Thesaurus Linguae Graecae (TLG) entwickelt und erfolgreich eingesetzt worden war. Im Kern geht es darum, beliebige Schriftzeichen durch definierte und dokumentierte Sequenzen von ASCII-Zeichen zu ersetzen. Die Regeln folgen möglichst einfachen und mnemotechnisch günstigen Mustern. So wird z.B. ein Akut auf einem Basiszeichen durch einen Slash hinter dem Basiszeichen transkribiert.

Die Äußerung1

wird gemäß den Transkriptionsregeln folgendermaßen transkribiert:

la lac/a/

Dabei spielt der mit einem Zeichen bezeichnete Lautwert keine Rolle. Das bedeutet auch, dass identische Zeichen wie z.B. der Akut vollkommen unabhängig von der transkribierten Vorlage und der möglicherweise spezifischen phonetischen Bedeutung stets gleich, nämlich mit einem nachgestellten Slash transkribiert wird. Erst ein vorlagenspezifisches Konvertierungsverfahren, bei dem sämtliche Transkriptionen in das IPA-System übertragen werden, berücksichtigt die Lautwerte der ursprünglichen Quelle.

Diese Methode besitzt gleich mehrere Vorteile:

  • Es ist die Transkription von Zeichen möglich, die bislang noch nicht unicode-kodiert sind
  • Die Transkription kann bequem mit Standardtastaturen und ohne komplizierte Tastenkombinationen erfolgen
  • Die Transkriptoren benötigen keine Kenntnisse über die Bedeutung der Zeichen
  • Die Transkriptionen sind – anders als Multi-Byte-Characters von UTF-8 – technisch robust gegen ungewollte Veränderung
  • Die Transkription erfolgt ohne Informationsverlust (was z.B. der Fall wäre, wenn anstelle des vorliegenden Böhmer-Ascoli-Systems direkt in IPA transkribiert werden würde, da IPA keine so feine Unterscheidung hinsichtlich der Einzellaute erlaubt wie Böhmer-Ascoli)

VA-Transkriptionstool

Speziell die automatische strukturierte Erfassung von lexikalischem Material aus Sprachatlanten stellt ein erhebliches technisches Problem dar. Dabei geht es nicht um die Verwandlung der, wie wir am Beispiel des AIS gesehen haben, teils exotischen Schriftsysteme, die dort bisweilen Verwendung finden. OCR-Programme wie z.B. Abbyy Finereader lassen sich so trainieren, dass sie auch solche Schriftsysteme korrekt erfassen und sogar den VerbaAlpina-spezifischen Betacode produzieren.

Im Fall der Sprachatlanten der romanistischen Tradition besteht die eigentliche Schwierigkeit darin, die direkt auf der Karte eingetragenen Äußerungen jeweils der richtigen Nummer zuzuordnen. Maschinen sind mit dieser Aufgabe immer dann überfordert, wenn die Eintragungen auf der Karte zu dicht beieinander liegen, wie dies z.B. im AIS im Bereich der Südschweiz und dem angrenzenden Italien der Fall ist. Am Institut für Informatik der LMU ist soeben eine Masterarbeit abgeschlossen worden, die eine algorithmische Lösung für dieses Problem entwerfen sollte. Dabei wurde u.a. mit Deep-Learning-Verfahren gearbeitet. Soweit VerbaAlpina es einschätzen kann, ist aber auch auf diesem Wege kein Erfolg in Sicht. Von einer technischen Verfügbarkeit eines entsprechenden Tools kann auf keinen Fall die Rede sein.

Aus Sicht der automatischen Datenerfassung noch komplizierter erscheinen die im Bereich der Germanistik verbreiteten Sprachatlanten mit Punktsymbolkarten, bei denen bestimmte Merkmalsausprägungen als Symbole auf der Karte dargestellt werden. Anders als bei den romanistischen Atlanten werden hier auch zumeist typisierte Daten abgebildet, konkrete Einzelbelege der Informanten werden nur in Ausnahmefällen präsentiert.

Punktsymbolkarte germanistischer Tradition (VALTS IV 73: Die SENNHÜTTE)

Die strukturierte Erfassung der Daten aus diesen Sprachatlanten kann also nur manuell erfolgen. Das Problem dabei besteht dann wiederum darin, dass die konsistente fehlerfreie Datenerfassung ein hohes Maß an Konzentration und Disziplin erfordert. Zur Erleichterung dieser Arbeit, und um die Fehleranfälligkeit zu verringern und außerdem ein möglichst systematisches Vorgehen zu gewährleisten, hat VerbaAlpina ein spezielles Transkriptionstool entwickelt.

Das VA-Transkriptionstool

Das Tool integriert einen Scan der zu transkribierenden Karte in das Formular, in das die Transkriptionen eingetragen werden. Bereits transkribierte Karten werden entsprechend farblich markiert, und auch die Doppelerfassung einzelner Eintragungen auf der Karte werden vom System verhindert. Dem Transkriptor werden vom System nacheinander die Nummern oder Siglen der Ortspunkte auf der Karte vorgegeben. Die Transkription erfolgt dann in das dafür vorgesehen Feld des Formulars. Die anderen Parameter wie Kartennummer, Ortspunktnummer und Konzeptzuweisung sind vom System jeweils vorgegeben und werden gemeinsam mit der Transkription in der Datenbank abgespeichert. Die Eingabemaske präsentiert in einem Teilfenster rechts oben die allgemeinen Transkriptionsregeln für die Datenerfassung im Betacode, so dass der Transkriptor sie mit möglichst geringem Aufwand konsultieren kann. Zur Kontrolle für den Transkriptor wird rechts vom Eingabefeld simultan mit der Transkription die Originalschreibweise der Vorlage eingeblendet.

Crowdsourcingtool

Der von VerbaAlpina aus Sprachatlanten und Wörterbüchern zusammengetragene Datenbestand weist in mehrfacher Hinsicht Inkonsistenzen auf. Diese ergeben sich z.B. dadurch, dass die Sprachatlanten, die jeweils nur einen Teil des Alpenraums abdecken, nicht alle dieselben Konzepte dokumentieren, wie dies die folgende Abbildung ersichtlich macht:

[Screenshot]

In der Folge liegen also für eine bestimmte Region Bezeichnungen für Konzepte vor, die an anderer Stelle gar nicht abgefragt wurden – was nicht heißt, dass diese dort nicht existieren.

Die Durchführung von Nacherhebungen vor Ort ist nicht durchführbar. Daher setzt VerbaAlpina die Idee des Crowdsourcings ein, um den Datenbestand zu arrondieren. Die Idee ist, dass User im Internet bislang nicht dokumentierte Bezeichnungen für ausgewählte Konzepte beisteuern. Zu diesem Zweck hat VerbaAlpina ein spezielles Crowdsourcing-Tool (CS-Tool) entwickelt. Die Funktionalität ist bewusst simpel gehalten, um potentielle „Crowder“ nicht abzuschrecken.

Jeder „Crowder“ wird zu Beginn gefragt, welchem Dialekt seine Beiträge zuzuordnen sind. Anschließend muss er auf einer Karte einen Ort auswählen und gibt dann nach seiner Meinung an diesem Ort gebräuchliche Bezeichnungen für ausgewählte Konzepte ein. Das auf diese Weise gesammelte Material wird von VerbaAlpina ebenso typisiert wie die Daten aus Atlanten und Lexica. Eine Validierung des Crowd-Materials ist rein theoretisch durch das Prinzip der Fremdbestätigung möglich (Motto: Einmal ist kein Mal, zweimal ist immer), wird aktuell von VerbaAlpina aber nicht durchgeführt, nicht zuletzt, weil die Datenmenge bislang noch zu gering ist.

Die Erfahrung der vergangenen Jahre hat gezeigt, dass die Vitalität des Croudsourcing-Tools, also die Menge der Eintragungen, ganz entscheidend von entsprechenden Werbeaktivitäten abhängt. Nach Medien-Berichten über VerbaAlpina und sein Crowdsourcing-Tool oder entsprechende Propaganda in den sozialen Medien, steigen die Eintragungen jeweils stark an, sinken jedoch bald wieder ab.

Auch das CS-Tool kann unter der CC-BY-SA-Lizenz nachgenutzt werden.

Kartentool

Gleichsam das Schaufenster des Projekts bildet die interaktive Online-Karte. Sie ist als der zentrale Datenzugriffspunkt für die Öffentlichkeit konzipiert, der die Abbildung der Sprachdaten in der Dimension des Raums ermöglicht und somit Zusammenhänge offenbaren kann, die bei Betrachtung der Daten in Tabellen- oder Listenform häufig verborgen bleiben.

Die digitale Karte bietet sowohl die Möglichkeit, auf den Datenbestand aus der Perspektive der Wörter zuzugreifen, also sich die verschiedenen Konzepte kartieren zu lassen, die mit einem bestimmten Wort bezeichnet werden können, wie auch die Option, die umgekehrte Frage zu stellen: Welche Konzepte werden wo mit welchen Wörtern bezeichnet. Im traditionellen Publikationswesen konnten diese beiden Perspektiven nur durch zwei unterschiedliche Genera bedient werden: Den Sprachatlas und das Wörterbuch. Die digitale Online-Karte bietet sogar die Möglichkeit, beide Perspektiven synoptisch zu kartieren.

Die Karte bietet im wesentlichen zwei unterschiedliche Formen der Visualisierung an. Standard ist die qualitative Kartierung, bei der die Einzeldaten gebündelt nach politischen Gemeinden zunächst durch Symbole auf der Karte abgebildet werden. Das nachfolgende Beispiel zeigt die Kartierung der Verbreitung des romanischen Worttyps malga, gruppiert nach dessen regional unterschiedlichen Bedeutungen:

https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=191&tk=2414

Ein Klick auf die Kartensymbole öffnet ein Info-Window, in dem die zugrundeliegenden Sprachdaten präsentiert werden. Neben der Quelle werden auch das mit dem Wort bezeichnete Konzept, der Basistyp sowie der Einzelbeleg der jeweiligen Quelle in IPA-Transkription angezeigt. Die umrahmten Buchstaben hinter Morph- und Basistypen verweisen auf die entsprechenden Einträge in den Referenzwörterbüchern und sind z.T. interaktiv; ein Klick auf das Symbol führt dann direkt zum entsprechenden Eintrag im Referenzwörterbuch. In das Info-Window sind außerdem Normdaten eingebunden und entsprechend verlinkt. So führt ein Klick auf das Erdkugelsymbol neben oder unter dem Gemeindenamen auf die entsprechende Seite von Geonames, die Konzeptnamen sind mit den Einträgen bei Wikidata verknüpft.

Neben der qualitativen Kartierung bietet VerbaAlpina auch eine quantifizierende Darstellung an. Ein Klick auf das Q im Kreis neben dem Menüpunkt „Flächen und Regionen“ kumuliert die im Moment kartierten Elemente nach Regionen und färbt diese entsprechend der Anzahl der dort kartierten Elemente unterschiedlich ein. In der Grundeinstellung bilden die großräumigen Sprachgebiete den Referenzrahmen. Durch entsprechende Auswahl über den Menüpunkt „Flächen und Regionen“ kann die Kumulierung und Kartierung der Daten auch auf Basis kleinerer administrativer Einheiten erfolgen.

Neben der realitätstreuen Abbildung der geographischen Grenzverläufe kann die quantifizierende Darstellung auch auf der Grundlage einer Hexagonkarte erfolgen. Bei dieser Art der Kartendarstellung werden die geographischen Einheiten durch Hexagone mit jeweils identischer Größe dargestellt. Dadurch werden visuelle Verzerrungseffekte vermieden, die sich durch die in der Realität stark von einander unterscheidenden Flächengrößen ergeben. Natürlich ergibt sich bei dieser Art der Kartierung wiederum der Nachteil, dass die geographische Anordnung der Flächen und vor allem die Anzahl angrenzender Flächen in den meisten Fällen nicht mehr der Realität entspricht. Der Mehrwert besteht sicherlich in der Möglichkeit, zwischen den verschiedenen Kartierungsvarianten wechseln zu können und auf diese Weise einen annähernd objektiven Eindruck gewinnen zu können.

Das Teilensymbol am rechten oberen Rand der Karte erlaubt den Abruf eines persistenten Links, der stabil auf die aktuelle Kartenansicht verweist und z.B. über Mails versandt oder in Texte eingesetzt werden kann. Außerdem können ganz bestimmte Kartenansichten mit einer spezifischen Art und Anzahl von ausgewählten Daten als synoptische Karten unter einem frei wählbaren Namen gespeichert und mit einem ausführlichen Kommentar versehen werden. Anschließend erscheinen diese Karten im Menü „synoptische Karte“. Allerdings ist diese Funktion registrierten Benutzern vorbehalten.

Die Realisierung der Online-Karte basiert auf modernster Graphiktechnologie (WebGL) und ist extrem leistungsfähig. Sichtbar wird diese Leistungsfähigkeit vor allem bei Zoom-Vorgängen mit einer großen Anzahl von Kartensymbolen und Grenzverläufen, die dem Computer eine hohe Rechenleistung abverlangen. Der Einsatz von WebGL erlaubt die erforderlichen Berechnungen auf dem Prozessor der Graphikkarte, was den entscheidenden Leistungsgewinn mit sich bringt.

Vernetzung und Nachhaltigkeit

Zugriffsmöglichkeiten von außerhalb

Der Zugriff auf die Daten von VerbaAlpina ist auf verschiedene Weise möglich:

  • Über das im Internet frei zugängliche Projektportal und dort vor allem über die interaktive Online-Karte und das Lexicon alpinum
  • Über die, ebenfalls frei zugängliche, API
  • Über die PMA-Schnittstelle der MySQL-Datenbank

Die API erlaubt den Download des sprachlichen Kernmaterials in einer Reihe unterschiedlicher Formate und in unterschiedlicher Aggregierung. Der Zugriff über die PMA-Schnittstelle ist den offiziellen Kooperationspartnern von VerbaAlpina vorbehalten. Die PMA-Schnittstelle erlaubt Datenanalysen unter Einsatz der Sprache SQL.

Der Kerndatenbestand von VerbaAlpina ist sehr fein granuliert und die Einzelelemente sind mit persistenten Identifikatoren eindeutig identifiziert und somit präzise ansprechbar. Letztlich erfüllen diese alphanumerischen Identifikatoren die Funktion von VerbaAlpina-spezifischen Normdaten. Konkret erhalten unter anderem alle Morphtypen, Konzepte und politischen Gemeinden eine eindeutige Nummer, unter deren Verwendung dann auf unterschiedlichen Wegen auf die spezifischen Daten zugegriffen werden bzw. von externer Seite darauf referenziert werden kann. Identifikatoren der Morphtypen tragen das Präfix L, Konzepte C und Gemeinden A. Die ID L1435 steht beispielsweise für den Morphtypen „babeurre (m.) (roa.)“. Die Adresse db=191&single=L1435″ target=“_BLANK“>https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435 ruft sodann eine Kartierung der Verbreitung dieses Morphtyps auf, der Link version=191&format=xml&empty=0″ target=“_BLANK“>https://www.verba-alpina.gwi.uni-muenchen.de/?api=1&action=getRecord&id=L1435&version=191&format=xml&empty=0 führt zum Download der zu diesem Morphtyp gespeicherten Daten im XML-Format und der Link db=191#L1435″ target=“_BLANK“>https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=2374&db=191#L1435 schließlich auf den Kommentar im Lexicon Alpinum (sofern vorhanden).

Mit wenigen Ausnahmen enthalten alle URLs, die sich auf Inhalte von VerbaAlpina beziehen, einen – in den Beispielen von gerade eben rot markierten – Parameter, der sich auf eine ganz bestimmte Version von VerbaAlpina bezieht. Die beiden ersten Ziffern stehen jeweils für das Jahr, die letzte für Versionsnummer im Jahr (191: Erste Version im Jahr 2019). Während der Datenbestand der Arbeitsversion, die an der Zeichenfolge xxx erkennbar ist, permanenten Änderungen unterliegt, sind die Inhalte der anderen Versionen jeweils stabil. Dadurch ist sichergestellt, dass Verweise auf diese URLs stets dieselben Inhalte aufrufen und Zitationssicherheit gewährleistet ist. Die Versionierung der VerbaAlpina-Daten erfolgt zweimal im Jahr, jeweils zu Jahresmitte und zu Jahresende. Auf der Homepage ist die Auswahl zwischen den vorhandenen Versionen möglich. Für alle Inhalte von VerbaAlpina sind auch DOIs verfügbar.2

Demnächst werden die VerbaAlpina-Daten auch in das RDF-Schema des Semantic Web übertragen. Die Einrichtung eines SPARQL-Endpoints ist jedoch zunächst nicht vorgesehen; die entsprechende Umsetzung ist mit einigem Aufwand verbunden und erscheint entbehrlich, da es eine Reihe anderer Zugriffsmöglichkeiten auf die VerbaAlpina-Daten gibt. Immerhin erfüllt VerbaAlpina die Kriterien der „Linguistic linked open data“-Bewegung (LLOD; http://linguistic-lod.org/).3, und die VerbaAlpina-Daten werden bald auch in die LLOD-Cloud eingebunden sein.4

Verknüpfung mit externen Ressourcen

VerbaAlpina verknüpft die drei Kernkategorien seines Datenbestands über die Einbindung geeigneter Normdaten mit externen Datenbeständen.

Im Fall der Morphtypen werden entsprechende Verbindungen zu den Referenzlexika hergestellt. Ein interessanter Nebeneffekt ist, dass dabei die unterschiedliche Eignung der entsprechenden Ressourcen deutlich wird. Im Sinne maximaler Interoperabilität sind bislang die Inhalte nur weniger der von VerbaAlpina erfassten Referenzwörterbücher adressierbar. Positive Beispiele wären etwa das Portal des Centre National de Ressources Textuelles et Lexicales ([Bibl:CNRTL]) oder die italienische Treccani, die jeweils transparente URLs für jeden lexikalischen Eintrag anbieten (z.B.:  https://www.cnrtl.fr/definition/beurre, http://www.treccani.it/vocabolario/burro/). In manch anderen Fällen sind Referenzierungen entweder nur mit großer Ungenauigkeit oder auch gar nicht möglich. Nicht selten begegnet man dem Phänomen, dass sich die Adressierbarkeit der Inhalte noch an der herkömmlichen Seitenlogik des Buchdrucks und auf PDF-Dokumente oder Bilddateien bezieht. Dies ist etwa der Fall beim Französischen etymologischen Wörterbuch, ursprünglich von Walter Warburg (FEW).

Für die Konzepte verweist VerbaAlpina bislang ausschließlich auf die sog. Wikidata-Datenobjekte. Jedem Konzept ist in der VerbaAlpina-Datenbank die jeweilige Q-ID der Wikidata zugeordnet. Der entsprechende Link führt auf die Datenobjektseite bei Wikidata. Dort wiederum befinden sich Links zu den Artikeln in den verschiedensprachigen Wikipedien zu diesem Konzept. Bereits erwähnt wurde die Verknüpfung mit den Normdaten von geonames. Links für alle Normdaten der genannten Kategorien werden dem Nutzer in den Info-Windows auf der Online-Karte präsentiert.

Some organizational stuff

VerbaAlpina started in 2014 and is funded by the German Research Foundation (DFG) with a perspective until 2025. The individual project terms comprise 3 years each. At the moment we are heading towards the last year of the second term and are about to prepare the application for the funding of the third term.

Der Mitarbeiterstab ist zweigeteilt: Es gibt drei Sprachwissenschaftler und zwei Informatiker, die jeweils noch von Hilfskräften unterstützt werden. Unter den Sprachwissenschaftlern befinden sich zwei Romanisten und ein Germanist, von den Informatikern ist einer hauptsächlich für alle Belange der Kerndaten zuständig (Datenmodellierung, Schnittstellen, u.a. API), der andere überwiegend für alle Fragen der Visualisierung, hauptsächlich die interaktive Online-Karte.

VerbaAlpina stellt somit ein interdisziplinäres DH-Unternehmen mit Anteilen in den klassischen Geisteswissenschaften und in der Informatik dar. Der informatische Teil ist an der IT-Gruppe Geisteswissenschaften (ITG) angesiedelt. Diese Einrichtung besteht seit dem Jahr 2000, wird getragen von den sechs geisteswissenschaftlichen Fakultäten der LMU und besitzt eine unbefristete Existenzperspektive. Die ITG ist zuständig für Planung und Betrieb der IT-Infrastruktur im Bereich der Humanities. Einen stetig wachsenden Aufgabenbereich der ITG stellt die Unterstützung bei Planung und Durchführung von DH-Projekten dar. VerbaAlpina stellt aus Sicht der ITG also nur eines von zahlreichen Projekten dar, dessen Projektdaten im Kontext eines heterogenen, jedoch einheitlich – nämlich relational – strukturierten Gesamtdatenbestand verwaltet werden. Dieser im Lauf der Jahre auf beachtliche Größe und Vielfalt angewachsene Datenpool bietet zumindest theoretisch die Perspektive der Datenanalyse über Projektgrenzen hinweg. Vor diesem Hintergrund entwickelt sich zur Zeit eine Kooperation der ITG mit dem Master-Studiengang Data Science, der Anfang 2017 ins Leben gerufen wurde.

Die ITG spielt auch im Hinblick auf die Nachhaltigkeit der von VerbaAlpina erarbeiteten Ergebnisse eine wichtige Rolle. Nach dem Ende der Projektförderung wird die ITG das Projektportal im Rahmen ihrer Möglichkeiten weiter betreiben und das für den Betrieb erforderliche Minimum an Wartungsarbeit leisten.


* Given at the colloqium „NEW WAYS OF ANALYZING DIALECTAL VARIATION“, held at Sorbonne University, Paris, 21-23 November 2019


  1. AIS 1218_1, 129 

  2. Fragezeichen und Ampersands (&) müssen dabei durch den jeweiligen Hexadezimalwert des Zeichens in der Unicode-Tabelle (<strong><span style="color: #ff0000;">? = 3f</span></strong>, <span style="color: #339966;"><strong>& = 26</strong></span>) mit vorangestelltem % ersetzt werden. Die <span class="vaabr" data-vaabr="DOI">DOI</span> der URL <a href="https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435">https://www.verba-alpina.gwi.uni-muenchen.de/<strong><span style="color: #ff0000;">?</span></strong>page_id=133<strong><span style="color: #339966;">&</span></strong>db=191<strong><span style="color: #339966;">&</span></strong>single=L1435</a> liest sich wie folgt: <a href="https://dx.doi.org/10.5282/verba-alpina?urlappend=/%3fpage_id=133%26db=191%26single=L1435">https://dx.doi.org/10.5282/verba-alpina?urlappend=/<strong><span style="color: #ff0000;">%3f</span></strong>page_id=133<strong><span style="color: #339966;">%26</span></strong>db=191<strong><span style="color: #339966;">%26</span></strong>single=L1435</a> 

  3. <span class="vaabr" data-vaabr="SDOT">S.</span> Chiarcos, Christian; McCrae, John; Cimiano, Philipp; Fellbaum, Christiane (2013). Towards open data for linguistics: Lexical Linked Data (<a href="https://www.springer.com/cda/content/document/cda_downloaddocument/9783642317811-c1.pdf" target="_BLANK">PDF</a>). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer. 

  4. Die Erzeugung der RDF-Struktur wird derzeit vorbereitet. Die Registrierung erfolgt anschließend unter der Adresse <a href="https://lod-cloud.net/add-dataset" target="_BLANK">https://lod-cloud.net/add-dataset</a> 

Kassel_Reste (Zitieren)

TKrefeld
(214 Wörter)

Die einzelnen Schriftvarietäten werden darüber hinaus in englischer Bezeichnung aufgeführt und durch einen speziellen ; aber sie lassen nicht mehr durch einen Code identifizieren Glottolog. Im Unterschied zum Ethnologue fehlen auch die Selbstbezeichnungen (vgl. Link).

Die darstellung im  ist grundsätzlich ähnlich, aber sc

https://www.ethnologue.com/language/roh

 

deu und L 482

Dialekt (unvollständig) ISO-693.3 Sprache Sprachfamilie
Tirolerisch Bairisch Deutsch
Walserisch ger
Zimbrisch

Es ist also kein Wunder, dass es in informationstechnischer Sicht ebenfalls an eindeutigen und brauchbaren Identifikatoren mangelt.

nicht accessible disqulifizieren sich hier selbst

roh https://iso639-3.sil.org/code/roh (=romansh)

  1. nicht bsi zur eigentlich basalen Int´stanz, dem Sprecher, sondern bis LokDial, Typis.

 

selva di Progno, cimbri ob minderheit oder nicht ist unerneblich

Walsergemeinden

 

val resia Benacchio 2011

per def. keine standardformen

  1. markanter Unterschied: Territorial#
Dialekt (unvollständig) ISO-693.3 Sprache Sprachfamilie
Valdostano / Valdôtain  Valdostano / Valdôtain  rom
Occitan  Okzitanisch
Francoprovençal  Frankoprovenzalisch
Puter Bündnerromanisch Rätoromanisch
Surmiran
Sursilvan
Sutsilvan
Vallader
Jauer
Badiot Dolomitenladinisch
Maréo
Gherdëina
Fascian
Anpezan
Fodom
Furlan  Friaulisch

 

 

einer  Grundprinzip

Geolinguistik, Kleinsprachen und die FAIR-Prinzipien (am Beispiel von VerbaAlpina) (Zitieren)

Thomas Krefeld | Stephan Lücke
(1785 Wörter)

Dieser Beitrag wurde für die Sektion Rekonstruktion und Erneuerung romanischer Regional- oder Minderheitensprachen im Zeitalter der Digital Humanities des XXXVI. Deutschen Romanistentags verfasst. Der genannte Sektionstitel eröffnet einen außerordentlich weiten Horizont; denn die Ausdrücke, die er zusammenbringt, weisen

  • in die Sprachgeschichte (‘Rekonstruktion’);
  • in die Sprachplanung (‘Erneuerung’);
  • in den Sprachvergleich (‘romanisch’);
  • in die Geolinguistik (‘Regional-’);
  • in die Sprachpolitik (‘Minderheiten-’);
  • in die Sprachsoziologie (‘-sprache)’);
  • in die Neuen Medien (‘Digital Humanities’).

Unser Beitrag ist zwar in der Geolinguistik und in den Neuen Medien zentriert, aber Perspektiven für die anderen Felder lassen sich leicht daraus ableiten, wie angedeutet werden wird.

Romanische Geolinguistik

Ziel des Projekts VerbaAlpina (VA) ist die kleinräumige, d.h. lokale Erfassung des spezifisch alpinen Wortschatzes in den drei im Untersuchungsgebiet gesprochenen Sprachfamilien (Germanisch, Romanisch, Slawisch). Diese systematische Erweiterung der traditionell einzelsprachlichen Dialektologie ist sinnvoll, da zahlreiche Bezeichnungstypen über die Grenzen nur einer Sprachfamilie hinaus verbreitet sind; diese Ausdrücke wurden daher nicht zu Unrecht als Alpenwörter bezeichnet. Die Konzeption, der VA verpflichtet ist, lässt sich als interlinguale Geolinguistik charakterisieren, da Varianten aus mehreren Einzelsprachen zusammengebracht werden; Berücksichtigung finden jedoch ausschließlich georeferenzierbare Belege, wobei  die politische Gemeinde als Bezugseinheit der  Georeferenzierung fungiert. Das potentielle Netz umfasst alle 6990 Gemeinden der so genannten Alpenkonvention.

Dieser Voraussetzung genügen im wesentlichen zwei Typen von Quellen: grundsätzlich die Sprachatlanten und – wenngleich nicht im Grundsatz, sondern im Idealfall – die dialektale Lexikographie. Sobald diese gemeinsame Voraussetzung der Georeferenzierbarkeit gegeben ist, lassen sich beide Quellentypen auch komplementär darstellen, wie es auf den VA-Karten geschieht. So illustriert dieser Kartenausschnitt den Einbezug des DizMT, der einen einzigen Lokaldialekt thesauriert.

Überblicksartige Darstellungen, wie auf der gerade genannten Beispielkarte, sind jedoch nur möglich, wenn die nicht selten zahlreichen lokalen Einheiten zu Gruppen zusammengefasst werden, so wie formˈavo, fromˈazo, fryˈmai, furˈmaj, furmˈaʧ usw., die alle das Konzept KÄSE bezeichnen. Durch die Gruppierung werden die Belege zu Varianten abstrakterer Typen. Systematisch unterschieden werden in VA sogenannte ‘morpho-lexikalische Typen’ und ‘Basistypen’ (vgl. Typisierung; die morpholexikalischen Typen definieren sich über die Wortart, die Konstituenten des Worts (Basis [+ Wortbildungsmorphem]), im Fall von Nomina zudem über das Genus sowie über die Sprachfamilie; nun ist es praktisch, die Typen (d.h. die Klassen von Varianten) auch durch sprachliche Einheiten identifizieren zu können; dazu werden in VA die am besten bekannten/am weitesten verbreiteten Varianten gewählt, also die standardsprachlichen Äquivalente. So wird der morpholexikalische Typ, zu dem alle genannten Beispiele sowie 368 weitere (Stand: 17.9.2019) gehören, durch standardfra. fromage/standardita. formaggio identifiziert.

Noch abstrakter sind die Basistypen; sie gestatten es morpho-lexikalische Typen zu gruppieren, wenn sie eine gemeinsame historische Basis haben; das gilt auch für morpho-lexikalische Typen unterschiedlicher Sprachfamilien, also im Fall von Entlehnungen.   So werden die morpho-lexikalischen Typen fra. fromage/ita. formaggio (m.), formaggia (f.), fra. forme/ita. forma zum Basistyp lat. forma(m) gebündelt oder schweizerdeu. staafel, fra. étable (f.), ita. stabbio (m.) zum Basistyp lat. stabulum.

FAIR

  1. auf der Basis des Ladinia-Arbeitsberichts
  1. Stephan#

Lokale Belege, Typen virtuelle Repräsentation#

Wie die FAIR-Kriterien nun im Einzelnen ausbuchstabiert werden sollten, ist jedoch nicht eindeutig zu beantworten, denn es ergeben sich unterschiedliche Möglichkeiten. Ein geolinguistisches Modell für die virtuelle Abbildung dialektaler Kontinua wird von VerbaAlpina entwickelt. Grundlegend für die Identifikation der Daten ist darin die Georeferenzierung, die auf der Ebene der politischen Gemeinde erfolgt. Zusätzlich zu den Geodaten wird jeder Sprachbeleg einer der drei alpinen Sprachfamilien zugeordnet.

Die Zugehörigkeit kann übrigens nicht automatisch von der Gemeinde auf die Daten ‚vererbt‘ werden, denn es gibt durchaus zweisprachige Orte; so wurden für Selva di Progno oberhalb von Verona von Nutzern des CS–Tools germanische und romanische Belege geliefert, wie der Ausschnitt zeigt:

Zufälliger Ausschnitt aus den Crowd-Daten aus Selva di Progno

Zufälliger Ausschnitt aus den Crowd-Daten aus Selva di Progno

Die Zweisprachigkeit der gelieferten Materialien ist im Übrigen keineswegs überraschend, denn zur Gemeinde gehört die zimbrische Sprachinsel Ljetzan (ita. Giazza). Eine genauere Georeferenzierung auf diese frazione wäre übrigens auch keine Lösung, denn das Zimbrische ist in rapidem Rückgang begriffen, so dass auch im Ortsteil Ljetzan mittlerweile ganz überwiegend  eine romanische Varietät gesprochen wird.

Mit den Geokoordinaten und der Zuweisung einer Sprachfamilie ist eine lokal erhobene sprachliche Einheit hinreichend charakterisiert, um sie eindeutig im Dialektkontinuum zu verankern. Damit die lokalen sprachlichen Einheiten außerdem auch lexikologisch  identifiziert werden, weist VA ihnen (wie eingangs gesagt) einen möglichst weitverbreiteten, im Idealfall standardsprachlichen morpho-lexikalischen Typ zu, wie z.B. im Fall der im Ausschnitt gezeigten Form knest ‘Gehilfe des Hirten’ das deu. Knecht.

Geolinguistische Identifikatoren

Allerdings lassen sich aus der Tatsache, dass diese lokale Form  knest (sowie mehr oder weniger viele andere desselben Ortes auch) sich als Variante eines Typs erweist, für den es auch eine standarddeu. Variante gibt (Knecht) auch nicht im Ansatz Argumente gewinnen, ob man das lokale Zimbrische womöglich als eigenständige Sprache und nicht als Dialekt des Bairischen einstufen sollte.  Diese Frage stellt sich im germanisch- und slawischsprachigen Gebiet der Alpen ohnehin selten, allenfalls noch für das Walserische in manchen italienischen Walsergemeinden sowie für das  Rezijansko in der Val Resia.

Im Hinblick auf die geolinguistische Dokumentation, die in sprachwissenschaftlicher Perspektive unbedingt im Vordergrund stehen muss, ist der Unterschied sekundär und letztlich vollkommen unerheblich, denn jeder Erhebungsort hat potentiell ein mehr oder weniger spezifisches Idiom und alle diese lokalen Idiome sind im Hinblick auf das romanische Kontinuum gleichwertig – vollkommen unabhängig davon, ob ihr gesellschaftlicher Status als ‘Dialekt’ oder ‘Minderheitensprache’ eingestuft wird, oder ob sie in klassifikatorischer Absicht als ‘Kleinsprache’ oder ‘Subdialekt’ eines regional weiterverbreiteten Dialektverbunds eingeschätzt werden. Die romanische Situation muss man im Hinblick auf diese sprachsoziologischen und arealtypologischen Fragen als außerordentlich unübersichtlich bezeichnen. Ganz unterschiedlich motivierte Sprachnamen und klassifikatorische Kategorien werden oft vermischt.

Das Problem muss hier nicht im Detail beschrieben werden; es reicht ein Blick auf das Rätoromanische in der Schweiz.   Mit diesem Ausdruck wird in der Bundesverfassung eine der vier ‘Landessprachen’ bezeichnet. Im Art. 4  heißt es ganz lapidar:

„Die Landessprachen sind Deutsch, Französisch, Italienisch und Rätoromanisch.“1 (Bundesverfassung)

Es wird in Art. 70 weiterhin spezifiziert, dass diese Sprache auch ‘Amtssprache’ ist:

„Die Amtssprachen des Bundes sind Deutsch, Französisch und Italienisch. Im Verkehr mit Personen rätoromanischer Sprache ist auch das Rätoromanische Amtssprache des Bundes.“ (Art. 70 Sprachen)

Auch in der Verfassung des Kantons Graubünden ist vom ‘Rätoromanischen’ die Rede: 

„Art. 3 Sprachen
1 Deutsch, Rätoromanisch und Italienisch sind die gleichwertigen Landes- und Amtssprachen des Kantons.
[…]
3 Die Gemeinden bestimmen ihre Amts- und Schulsprachen im Rahmen ihrer Zuständigkeiten und im Zusammenwirken mit dem Kanton. Sie achten dabei auf die herkömmliche sprachliche Zusammensetzung und nehmen Rücksicht auf die angestammten sprachlichen Minderheiten.“ (VerfassungGR)

Dem verfassungsrechtlichen Gebrauch entspricht die Sprachkodierung in ISO 693-3 , denn dort ist ebenfalls für  ‚Rätoromanisch‘ (bzw. eng. Romansh) ein Identifikator vorgesehen, nämlich roh. Diese Kodierung lässt sich zwar als ein verlässliches Normdatum in geolinguistischen Metadatensätzen verwenden; es ist jedoch nicht genau genug, denn ‘das’ Rätoromanische in Graubünden existiert in Gestalt von mindestens 7 Varietäten, von denen 6 auch in der Schriftlichkeit ganz selbstverständlich und mit lang zurückreichender Tradition gebraucht werden.2 Daher sind weitere Sprachcodes erforderlich, die z.B. vom Wikidataprojekt oder vom Glottolog angeboten werden:3

Varietäten gemäß Lia Rumantscha Wikidata QID Glottolog Verfassungen CH, GR ISO-693.3
„Standardsprache“ Rumantsch Grischun „Rätoromanisch“ roh
„Schriftidiome“ Puter
Vallader Q690226 Lower Engadine
Surmiran Q690216 Surmiran-Albula
Sursilvan Q688348 Sursilvan
Sursilvan-Oberland
Sutsilvan Q688272 Sutsilvan
geprochener Dialekt Jauer Q690181

Man beachte, dass Wikidata das differenzierteste Angebot an IDs macht. Unabhängig davon, ob sie sich auf Dialekte oder (Klein)Sprachen beziehen, sind diese Codes mindestens dann für die geolinguistische Datenstrukturierung relevant, wenn sie in Referenzwörterbüchern explizit erscheinen, wie zum Beispiel in S, V oder P.

Glottolog identifiziert zwar die „Schriftidiome“, bezeichnet sie jedoch teils (Puter, Vallader) nur mit englischen Termini. Darüber werden die in der Tabelle (Spalte Glottolog) identifizierten Idiome weiterhin auf der spezifischsten Ebene einer zwölfstufigen Hierarchie positioniert, die teils auf rezent geographischen, teils auf genealogischen Kriterien beruht (in Klammern steht die Anzahl der erfassten Sprachen)4:

Taxonomie des Glottolog

1.▼Indo-European (588)
  • Albanian (4)
  • Anatolian (10)
  • Armenic (3)
  • Balto-Slavic (23)
  • Celtic (14)
  • Dacian
  • Germanic (106)
  • Graeco-Phrygian (11)
  • Indo-Iranian (324)
  • 2.▼Italic (86)
    • 3.▼Latino-Faliscan (83)
      • Faliscan
      • 4.▼Latinic (82)
        • Imperial Latin (81)
          • 5.►Latin
          • Romance (80)
            • Eastern Romance (5)
            • 6.▼Italo-Western Romance (70)
              • Italo-Dalmatian (5)
              • 7.▼Western Romance (65)
                • 8.▼Shifted Western Romance (63)
                  • 9.▼Northwestern Shifted Romance (31)
                    • Gallo-Italian (8)
                    • 10.▼Gallo-Rhaetian (23)
                      • Friulian
                      • Ladin
                      • Oil (20)
                      • 11.▼Romansh
                        • Lower Engadine
                        • Rumantsch Grischun
                        • Surmiran-Albula
                        • Sursilvan
                        • Sursilvan-Oberland
                        • Sutsilvan
                        • Upper Engadine

Jede taxonomische Ebene ist durch einen (hier nicht wiedergegebenen) Identifikator ansprechbar, so dass sich natürlich die Frage erhebt, ob diese auf den ersten Blick elaborierte Taxonomie, speziell die sechs romanischen Stufen für die digitale Strukturierung geolinguistischer Kontinua aus der Romania – im Sinne der FAIR-Kriterien F und I (Findable, Interoperable) – einen nützlichen Fortschritt bedeutet. Die Antwort ist ebenso klar wie kurz: nein.

Es fehlt den Kategorien jedenfalls am Ort, wo sie bereitgestellt werden, jegliche Transparenz, da keine Daten hinterlegt sind und keinerlei Kriterien mitgeliefert werden, die sich auf konkrete Daten anwenden ließen; dazu müsste gesagt werden, wo z.B. der Westen („Western Romance“) beginnt, wie eine alternative Trennung in ‚Gallo-Italian‘ und ‚Gallo-Rhaetian‘ abgeleitet wird usw. Von der fehlenden  Operationalisierung dieser klassifikatorischen Kategorien abgesehen muss ganz grundsätzlich bezweifelt werden, ob sich derartige top down formulierte trennscharfe Klassifikatoren überhaupt auf Kontinua anwenden lassen. Der einzig mögliche Weg für eine raumbezogene Klassifikation geht bottom up durch die metrische Bestimmung gemeinsamer bzw. nicht-gemeinsamer Merkmale, also im Sinne einer induktiven, datengetriebenen Dialektometrie, deren Präsentation stets gestattet zu den zugrunde liegenden Daten zurückzugehen und insofern auch reusability verspricht. Voraussetzung dafür ist jedoch, dass nicht nur die lokalen Idiome, sondern alle relevanten sprachlichen Merkmale mit eindeutigen Identifikatoren versehen werden; Ansätze dazu finden sich bereits im bereits erwähnten Wikidataprojekt in Gestalt von QIDs für grammatische Kategorien und LIDs für lexikalische Typen. Dieser Bestand sollte durch alle geolinguistischen Projekte im Sinne der FAIR-Prinzipien systematisch ausgebaut werden. Angesichts dieser eigentlich fundamentalen Herausforderung ist die skizzierte Taxonomie nicht nur unnütz sondern schädlich.


  1. Französisch: „<span style="font-size: 1rem;">Les langues nationales sont l’allemand, le français, l’italien et le romanche.</span><span style="font-size: 1rem;">“ | Italienisch: „</span><span style="font-size: 1rem;">Le lingue nazionali sono il tedesco, il francese, l’italiano e il romancio.</span><span style="font-size: 1rem;">“ | Rätoromanisch: „Las linguas naziunalas èn il tudestg, il franzos, il talian ed il rumantsch.“ 

  2. Weitaus schwieriger ist die Frage der Klassifikation im Hinblick auf das Dolomitenladinische, da die Extension dieses Klassifikators außerordentlich umstritten ist. 

  3. Außerdem ist der <span style="font-size: 1rem;"><a href="https://www.ethnologue.com/language/roh" target="_BLANK">Ethnologue</a> zu nennen.</span> 

  4. Die Ziffern wurden vom Verf. hinzugefügt. 

Skript für das Einarbeiten von Hilfskräften bei VerbaAlpina (Zitieren)

Beatrice Colcuc
(2213 Wörter)

1. VerbaAlpina kurze Projektvorstellung

1.1. Hintergrund

  • Alpenraum: mehrsprachig (5 Standardsprachen mit ihren jeweiligen Dialekte) aber ähnliche Lebenswelt (ähnliche Traditionen, Arbeitsbereiche, Gewohnheiten usw.)
  • Ist die Mehrsprachigkeit der Alpen nur „äußerlich“?

1.2. Ziele

  • Zusammenhänge zwischen den verschiedenen Sprachräumen anhand sprachlichen Materials zu schaffen
  • „Den Alpenraum in seiner historischen linguistischen Zusammengehörigkeit darzustellen“

2. Konzeption bzw. Ablauf des Projektes

2.1. Allgemeines

  • VerbaAlpina funktioniert online und verfügt über
    1. eine Web-Nutzeroberfläche (https://www.verba-alpina.gwi.uni-muenchen.de); Frontend durch WordPress
    2. eine Datenbank (https://pma.gwi.uni-muenchen.de/); Backend
  • Jede Funktion und jedem Tool auf der Oberfläche entspricht ein Eintrag in die Datenbank
  • Die im Rahmen von VerbaAlpina verarbeiteten Daten stammen aus zwei verschiedenen Quellen:
    1. aus Wörterbüchern bzw. Sprachatlanten (v.a. analog aber auch digital)
    2. aus dem Crowdsourcing
  • Wichtiges Merkmal der VA-Daten: Georeferenzierung

2.2. Datenquellen: Sprachatlanten und Wörterbücher

Die Sprachatlanten (weiß) und Wörterbücher (schwarz), die für VerbaAlpina relevant sind, werden auf der folgenden Karte dargestellt:

datenquellen

Sprachatlanten (weiß) und Wörterbücher (schwarz) im Bearbeitungsgebiet (entspricht den Grenzen der Alpenkonvention) von VerbaAlpina

2.3. Partnerschaften

3. Arbeitsschritte

Sprachdaten werden im Rahmen von VerbaAlpina auf drei Ebenen verarbeitet, die im Folgenden beschrieben werden.

3.1. Transkription

Mit Transkription ist die Tätigkeit gemeint, die das ‚abschreiben‘ von Sprachbelegen aus Sprachatlanten und Wörterbüchern umfasst. Dadurch werden Daten, die ursprünglich auf Papier vorliegen, digitalisiert und somit in den Datenbestand von VA aufgenommen.

Die Transkription erfolgt  über Oberfläche von VerbaAlpina:
Einloggen –> Backend –> VerbaAlpina –> Transkriptionstool

Screenshot

So schaut das Transkritpions-Tool aus:

Wichtig:

  • Sind die Kartentitel rot markiert, dann bedeutet dies, dass….Sind sie grün markiert, dann
  • Mit Informant_Nr ist direkt vom jeweiligen Atlas übernommen

  • Betacode: um den Informationsverlust zu vermeiden, hat VerbaAlpina eine Codierung kreiert, damit die Daten, so transkribiert werden können, wie sie in der Originalquelle stehen (Stichwort: quellentreu)
  • Jedem Beleg, der transkribiert wird, muss ein Konzept zugeordnet werden (s. Anlegen eines Konzepts)
  • Tippt man in das Feld etwas ein, erscheint rechts eine Vorschau;
    1. liegt ein Fehler in der Kodierung der Transkription vor (d.h. erkennt das System die eingetippten Zeichen nicht, so erscheint die Warnung „nicht gültig“. Der Beleg muss dementsprechend neu transkribiert werden.
    2. Wenn in der Vorschau nur ein Teil der Transkription rot markiert wird, bedeutet dies, dass die Transkription stimmen kann (bzw. dass die Zeichenkette vom System erkannt wird, dass es aber nicht graphisch darstellen kann). Der Beleg kann so erfasst werden;
  • Transkribieren = Übung

Weiterführende Methodologie-Beiträge von VerbaAlpina über die Transkription:

  1. Transkription 
  2. Transkriptionsregeln 

3.2. Tokenisierung

Die Tokenisierung erfolgt zum Teil automatisch. Durch die Tokenisierung werden die sprachlichen Äeusserungen in einzelnen Teilen aufgesplittert.
Damit dieser Prozess erfolgreich abgeschlossen werden kann, ist es wichtig, dass die Transkription richtig ist. Es ist im Nachhinein mühsam, die Daten nachträglich zu korrigieren. Deshalb sollten die transkribierten Belege mit der Originalfassung in den Atlanten bzw. Wörterbüchern immer stimmen.

Die Tokenisierung betrifft Hilfskräfte weniger: Normalerweise wird diese von den wissenschaftlichen Mitarbeitern durchgeführt.

3.3. Typisierung

Zu typisieren bedeutet sprachliche Ausdrücke unter Typen zusammenzufassen. Jeder ‚Typ‘ ist als eine Klasse von sprachlichen Ausdrücken zu verstehen.

Beispiel der Typen des Konzepts „BERG“ nach der Typisierung

Die Typisierung ist für VerbaAlpina zentral: Wenn das Ziel von VA die Darstellung von Zusammengehörigkeit ist, dann stellt die Typisierung eine zentrale Aufgabe dar. Aus diesem Grunde ist die Typisierung nur dann durchzuführen, wenn man sich sicher fühlt.

3.3.1. Methodologie-Beitrag: Typisierung

Bitte folgende Zeilen sorgfältig durchlesen:

Um sprachliche Belege in Gruppen zusammenzufassen, werden diese morpho-lexikalischen Typen zugeordnet. Oft sind die entsprechenden Typen aber noch nicht vorhanden. Im Folgenden soll also das Anlegen morpho-lexikalischer Typen am Beispiel eines Kompositums aus den deutschsprachigen Crowd-Daten erläutert werden.

Zum hier im Beispiel gezeigten Beleg Dachboden aus den Crowd-Daten existiert noch kein passender morpho-lexikalischer Typ.

Im Falle von Dachboden handelt es sich um ein Kompositum aus den Nomen Dach und Boden. Da auch die Zuordnung einzelner Wortbestandteile von Interesse sein kann reicht es daher nicht, einfach einen morpho-lexikalischen Typ Dachboden (m.) (gem.) anzulegen. Denn wenn man wissen möchte, was alles als Boden bezeichnet wird, wie es beim Heuboden der Fall ist oder die Konzepte herausfiltern will, die durch Dach näher bestimmt werden wie Dachfirst oder Dachstuhl.
Grundsätzlich ist bei den Belegen zu berücksichtigen, ob eine Genus-Angabe vorhanden ist und es eine lemmatische Entsprechung in den Referenzwörterbüchern findet. Falls keine Genus-Angabe vorhanden, dann muss der morpho-lexikalischer Typ, der keine Genus-Angabe beinhaltet, für die Zuweisung gewählt.
Im Falle von Dach und Boden findet sich ein Eintrag im Duden, der auch inhaltlich dem Wortbestandteil in Dachboden entspricht, eben dem Boden, der sich unter dem Dach befindet.

Zur Anlage eines neuen morpho-lexikalischen Typs wählt man „Neuen Typ erstellen“ und gelangt so zur Eingabemaske, die man entsprechend ausfüllt. Im Feld „Affix“ lässt Platz für die Angabe eines Suffix wie -lein beim Diminutiva. Beim Genus kann hier nur eine Wahl getroffen werden, denn im Falle einer Genusvariation zu einem Lexem muss jeweils ein einzelner morpho-lexikalischer Typ angelegt werden. Dann wird noch die entsprechende Referenzangabe benötigt. Durch Eintippen des Wortes unter „Zugeordnete Referenzen“ kann geprüft werden, ob für das Deutsche bereits ein Eintrag existiert. Ist das nicht der Fall, so kann man dies mit der Wahl des Buttons „Neue Referenz anlegen“ dies ändern. Falls ein Wort mit unterschiedlichen Genera geführt wird, kann dies hier vermerkt werden, außerdem die Quellenangabe als Link sowie optional ein interner Kommentar.

Mit „Einfügen“ wird die Referenz in die Datenbank geschrieben. Dem morpho-lexikalischen Typ muss sie aber noch zugwiesen werden. Dies geschieht, wie oben beschrieben, über das Eintippen ins Textfeld und der Wahl der jeweiligen Referenz.

Wie anfangs erwähnt liefern uns die Belege oft keine Genusangaben, weshalb auch ein morpho-lexikalischer Typ ohne Genus angelegt werden muss. Dabei unterscheidet sich dieser nur hinsichtlich der Genusinformation, die hier einfach ausgelassen wird. Selbst in dem Fall, dass die Referenzwörterbücher oder sonstige Literatur nur eine Genusangabe liefern, dann ist trotzdem ein morpho-lexikalischer Typ ohne Genusangabe notwendig.
Die selbe Prozedur ist bei Boden ebenfalls anzuwenden, also zwei morpholexikalische Typen als Maskulinum und ohne Genusangabe mit der Referenz auf den Wörterbucheintrag.

Nachdem diese Schritte erfolgt sind, können nun auch die morpho-lexikalischen Typen zum Kompositum angelegt werden, hier ebenfalls einer mit und einer ohne Genusangabe. Falls vorhanden soll auch hier die Referenz auf einen Wörterbucheintrag erfolgen. Was das Kompositum vom Ein-Wort-Lexem jedoch unterscheidet, ist der Eintrag im Feld „Bestandteile“. Hier sollen die morpho-lexikalischen Typen als Wortbestandteile angegeben werden, wobei das Bestimmungswort stets ohne Genus, das Grundwort mit Genusangabe gewählt wird, wenn denn das Kompositum auch ein Genustyp angegeben wurde.

3.3.1. Referenzwörterbücher

Die für VA relevanten Referenzwörterbücher sind folgende:

Für die romanischen Idiome: 

Wörter aus dem romanischen Sprachraum werden, sofern möglich, verknüpft mit den Lemmata von:

Für die romanischen Idiome:

Für die germanischen Idiome:

  • Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch
  • Grimm, Jacob und Wilhelm (1854-1961): Deutsches Wörterbuch von Jacob und Wilhelm Grimm, 16 Bde. in 32 Teilbänden, Leipzig (Quellenverzeichnis Leipzig 1971) (DWB)
  • Duden (Berücksichtigung aufgrund seiner faktischen Bedeutung und der großen Materialfülle – trotz der Dürftigkeit hinsichtlich der von ihm präsentierten lexikographischen Informationen)

Für die Bestimmung der Etymologie speziell von Basistypen dienen als Referenz:

  • Wartburg, Walther von (1922-1967): Französisches Etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes, 25 Bände, Basel (FEW), mit seinen artikelschließenden Kommentare, die oft auch über das Französische und sogar das Romanische hinaus grundlegend sind.
  • Kluge
  • DELI
  • Bezlaj und auch die neuste Ausgabe Snoj. Allgemein für slawische Etymologien s. Berneker
  • Als Referenzform für germanische Basistypen dienen wenn möglich die Lemmata des AWB, denn sie repräsentieren die ältesten belegten Formen.

3. Anlegen eines Konzeptes

Unsere Konzepttabelle `konzepte` hat in VerbaAlpina zwei Aufgaben. Zum einen ist sie für die Zusammenführung von verschiedenen Belegen mit gleicher Bedeutung nützlich, zum anderen dienen der Name bzw. die Beschreibung der Konzepte als Grundlage für das Crowdsourcing. Unter diesen beiden Gesichtspunkten ist auch das Anlegen eines neuen Konzepts zu sehen.
Eine vollkommen strikte Roadmap-to-Konzept kann es bei der Fülle verschiedener Themenbereiche nicht geben. Deshalb werden im Folgenden nur ein paar Hinweise gegeben, die bei der Erstellung von Konzepten beachtet werden sollen.

konzeptanlage

Eingabeformular bei der Anlage von Konzepten

Name_(DIFRSE)/Beschreibung_(DIFRSE):

Möchte man bei der Transkription oder der Typisierung Belege mit einem bestimmten Konzept verknüpfen, so sucht man zuerst, ob dieses Konzept schon angelegt wurde. Hier lohnt es sich, mehrere Suchanfragen zu starten, denn nicht immer ist das Konzept unter dem ersten Wort verzeichnet, das einem in den Sinn kommt. Folgendes Beispiel soll dies näher erläutern. Im Bayerischen Sprachatlas findet sich z.B. ein Stimulus „Weibl. Zuchttier nach dem Werfen (bei Schweinen)“ (BSA 0381). Hier könnte man natürlich nach Begriffen wie „Zuchttier“ suchen, es wird sich jedoch bald zeigen, dass diese Suche keine Treffer bringt. Auf der Suche nach „Schwein“ könnte es zuerst den Anschein haben, dass dieses Konzept nicht existiert und würde es nahelegen, dieses anzulegen. Eventuell wurde aber das Kozept als „SAU“ angelegt, ohne dieses näher zu beschreiben. Oft ist es der Fall, dass fälschlicherweise ein einzelner Begriff im Feld ‚Beschreibung_D‘ steht, obwohl dieser im Feld ‚Name_D‘ stehen sollte. Im Falle von Sau sollte also im Feld ‚Name_d‘ „SAU“ und in ‚Beschreibung_D‘ „SCHWEIN, WEIBLICH“ stehen. An solch ein bereits bestehnde Konzept sollte sich beim Anlegen von ähnlichen Konzepten orientiert werden, d.h. die Differenzierung des Konzepts findet am Ende des Beschreibungs-Textes statt, während der vordere Teil allgemeiner gehalten wird, z.B. „SCHWEIN, WEIBLICH, GESCHLECHTSREIF“ oder „SCHWEIN, WEIBLICH, NACH DEM WERFEN“ usw. Als Faustregel könnte man sagen: je ähnlicher sich Konzepte in der Realität sind, umso ähnlicher sollten auch die Konzeptbeschreibungen sein. Ein anderes Beispiel: „GEFÄSS ZUM TRANSPORT AUF DEM RÜCKEN FÜR MILCH AUS HOLZ“ ist Teil des Konzepts „GEFÄSS ZUM TRANSPORT AUF DEM RÜCKEN“ und dieses ist wiederum Teil des Konzepts „GEFÄSS ZUM TRANSPORT“. Dass diese Konzeptbeschreibungen nicht schön aussehen und auch nicht den normalen Sprachgebrauch widerspiegeln, ist hier nicht schlimm. Grundsätzlich sollte in Name-Feld als auch im Beschreibung-Feld etwas eingetragen werden, oft ist dies aber nicht möglich, da das Konzept so komplex ist oder es in der Standardsprache kein entsprechendes Wort gibt. Für die deutschsprachigen Konzepte verwendet ihr bitte Großbuchstaben, Kommata und Umlaute, nicht aber das große scharfe S „ẞ“. Seid Ihr Euch unsicher, sammelt Eure Problemfälle und teilt sie uns mit.

Kategorie:

Bei der Auswahl der Kategorie sucht die aus, die am besten passt. Solltet ihr Euch unsicher sein, dann gilt auch hier, wie beim Aufbau der Konzeptbeschreibung, wieder: nachschauen, ob ähnliche Konzepte schon existieren. Den Begriff „Ähnlichkeit“ kann man dabei sehr weit gefasst sehen. Müsst ihr z.B. das Konzept für einen Körperteil der Kuh anlegen, in der Tabelle wurde aber noch kein einziges Körperteil der Kuh erfasst, könnt ihr dann ggf. ja bei anderen Tieren schauen, ob dort schon etwas Ähnliches eingetragen wurde, z.B. „HORN DER KUH“ vgl. „HORN DER ZIEGE“.

Taxonomie:

Das Feld „Taxonomie“ ist bei der Erfassung von botanischen Konzepten oder der Tierwelt wichtig. Hier soll einfach der botanische Name z.B. Vaccinium myrtillus für ‚Heidelbeere’oder der wissenschaftliche Name für das Tier wie Passer domesticus für ‚Haussperling‘ eingetragen werden.

QID:

Im Feld „QID“ sucht ihr nach der QID, die dem Konzept in Wikidata zugeordnet ist. Dazu geht ihr am besten auf die Wikipediaseite selbst und wählt beim Artikel links „Wikidata-Datenobjekt“. Die ID findet ihr dann gleich hinter der meist englischen Bezeichnung der Sache.

Beispiel Wikidata-Datenobjekt

Stelle des Q-IDs in Wikidata

Da es zu Tätigkeiten in der Regel allerdings keine Wikipedia-Artikel gibt, empfiehlt es sich, die ID direkt über das Wikidata-Portal zu suchen. Tendenziell sind mehr QIDs über den englischen Begriff zu finden, z.B. „drinking„.

Kommentar_Intern:

Bei „Kommentar_Intern“ solltet Ihr einen kurzen Vermerk schreiben, was der Anlass war, dass Ihr das Konzept angelegt habt. Hier reicht wirklich nur eine kurze Notiz, die z.B. auf eine Karte im Atlas Bezug nimmt wie „AIS 223“ oder, falls der Vorschlag für das Konzept von einem Crowder stammt „Vorschlag von Crowder: crowder„.

VA_Phase:

Zuletzt solltet Ihr noch die Nummer der jeweiligen Konzeptphase unter „VA_Phase“ eintragen.

vaphasen

Projektphasen in VerbaAlpina

 

4. Datenbank

Die Datenbank muss nicht immer verwendet werden und der Zugang dazu wird nicht immer benötigt. Allerdings ist der Zugang zu ihr sehr nützlich, deshalb Datenbank-Zugang beantragen (bei den Informatikern) und den immer parat halten.

Bei manchen Aufträgen ist es notwendig, direkt in die Datenbank zu schauen. Die dafür notwendigen Abfragen werden in der Regel von den wissenschaftlichen Mitarbeitern bereitgestellt und erläutert.

5. Nachhaltigkeit

  • Datenversionierung
  • Backups und Archivierung
  • Dokumentation in der Rubrik „Methodologie“
  • Aufnahme in Kataloge der DNB

6. Technisches bzw. Organisatorisches

Um von Zuhause aus zu arbeiten, muss man eine VPN am Laptop installieren; Informationen und Anleitungen findet man unter folgendem Link: https://www.lrz.de/services/netz/mobil/vpn/anyconnect/ [Zugriff am 21/08/2019]

Im Büro arbeiten: Ein Rechner steht im VA-Büro zur Verfügung. Am besten trägt man sich in die Liste ein, damit die Arbeitszeiten sich nicht überschneiden. Gerade zu Beginn von neuen Aufgaben, empfiehlt es sich, dass ihr euch mit den wissenschaftlichen Mitarbeitern abspricht, weil in dieser Phase noch Fragen auftreten können.

Kommunikation: Am Besten alles kommunizieren, was gerade eure Beschäftigung ist usw.; das hat in erster Linie einen planungstechnischen Hintergrund, damit wir die nächsten Aufgaben vorbereiten können.

 

Unter der Haube – Ein Blick in den Maschinenraum von VerbaAlpina (im Rahmen der Ringvorlesung „Einblicke in digitale sprachwissenschaftliche Forschungsprojekte“) (Zitieren)

Stephan Lücke
(2328 Wörter)


Gliederung

  • Einführung
  • Datenerfassung
  • Ergebnis der systematischen Datenerfassung
  • Crowdsourcing (CS)
  • VerbaAlpina und FA*I*Rness
  • Die reine Technik
  • IT-Team von VerbaAlpina

Einführung

  • Ergänzung des Vortrags von Thomas Krefeld, der VerbaAlpina als geolinguistisches Vorhaben um Umfeld der Digital Humanities vorgestellt und den Fokus auf VerbaAlpina als „virtueller Forschungsumgebung“ gelegt hatte.
  • Zur Erinnerung:
  • Kernfrage von VerbaAlpina: Welche Dinge werden wo mit welchen Wörtern bezeichnet?
  • Fundamental: Unterscheidung zwischen Bezeichnung und KONZEPT, im Folgenden (und generell in Texten außerhalb der Datenbank) markiert durch unterschiedliche Typographie (Bezeichnung kursiv, Konzept in Versalien) ⇒

Butter ≠ BUTTER

  • Geographischer Rahmen: Alpenraum (Perimeter der Alpenkonvention [= völkerrechtlicher Vertrag zum Schutz der Alpen aus dem Jahr 1991] – rein pragmatische Entscheidung, aus der Perspektive der Operationalisierbarkeit unverzichtbar)
  • Zur Frage des „wo“: Geographische Referenz sind für VerbaAlpina die politischen Gemeinden im Alpenraum. Festgelegter Bestand, administrative Veränderung (Schaffung neuer Gemeinden, Fusion etc.) werden nicht berücksichtigt. Insgesamt 5771 Gemeinden ([[SQL:SELECT COUNT(*) AS Anzahl FROM orte a JOIN orte_kategorien b USING(id_kategorie) WHERE a.Alpenkonvention = 1 AND b.Id_Kategorie = 62]]; Karte)
  • Datenbasis: Sprachatlanten und Wörterbücher, ergänzt um Daten der „Crowd“ (sog. Crowdsourcing)
  • Digitalisierung“ erfolgt grundsätzlich über eine Reihe aufeinander folgender Ebenen:

Allgemeines Digitalisierungskonzept für Textquellen


Datenerfassung

  • Datenerfassung: Transkription aus Sprachatlanten und Wörterbüchern
  • Sprachatlanten: onomasiologisch („Welche Bezeichnungen gibt es z. B. für ein bestimmtes Konzept?“):

FLÜSSIGKEIT NACH DER GERINNUNG DER FESTSTOFFE BEI DER HERSTELLUNG VON KÄSEMolke, Abzug, Jutte, Käsemilch, kweta, petit-lait

  • georeferenzierte (!) Wörterbücher: semasiologisch (Welche Konzepte bezeichnet z. B. das Wort malga?)

Gaden (germanisch, Substantiv, männlich, nicht-affigiert) ⇒ DACHKAMMER, RAUM ZUM LAGERN VON MILCHPRODUKTEN, SCHEUNE, SCHLAFRAUM, STALL (Auswahl)

Beispiel Sprachatlanten

  • Sprachatlanten bislang quantitative Hauptquelle für VerbaAlpina
  • Zahlreiche Sprachatlanten im Alpenraum: Karte 

Netz der Sprachatlanten in Zentral- und Westalpen

  • Beispiel: der AIS (Sprach- und Sachatlas Italiens und der Südschweiz, Karl Jaberg, Jakob Jud, 1928-40): Elektronische Version „Navigais“ von Graziano Tisato:

Die Karte 1218 (KÄSEMILCH = MOLKE) des AIS in der online-Präsentation Navigais von Graziano Tisato

  • Die roten Nummern stehen für die Informanten
  • Neben den Nummern stehen Äußerungen, die von den Informanten stammen („Einzelbelege“)
  • Phonetische Transkription im sog. Böhmer-Ascoli-System (ähnlich Teuthonista)
  • Aus dieser Karte muss strukturiert die Information erfasst werden, an welchem Ort das vorgegebene Konzept wie bezeichnet wird. Beispiel:
Konzept Ortspunkt Äußerung
MOLKE 227 laʧ sɛrˈu
MOLKE 225 laj serˈuŋ
  • Die Informanten-Daten werden in einer eigenen Tabelle abgespeichert:
Erhebung Nummer Gemeinde Alter Geschlecht
AIS 225 Mello 25 m
AIS 227 Albosaggia 41 m
  • Alter und Geschlecht werden nicht von allen Sprachatlanten angegeben. In solchen Fällen bleiben die Felder einfach leer.
  • Der AIS liefert jedoch detaillierte Informationen zu den Informanten in den sog.Aufnahmeprotokollen“ (Jaberg/Jud 1928):

Aufnahmeprotokoll des AIS zum Erhebungspunkt 227 (Albosaggia) – Die hier in Frage gestellte Nummer 32 bezieht sich auf die Reihenfolge, in der die Erhebungen durchgeführt worden sind. Qn bezeichnet den „Questionario normale“, also das Standardfragebuch, das hier zum Einsatz gekommen ist (alternativ: Qe [erweitert], Qr [reduziert]). Die erwähnten Fotos sind online verfügbar in der „AIS Datenbank“ der Universität Bern (http://130.92.166.34/fmi/webd/AIS)

  • Auch Daten zu den Gemeinden werden in einer eigenen Tabelle abgespeichert:

(Abfrage: [[SQL:SELECT NAME, round(ST_x(a.Mittelpunkt),2) AS lng, round(ST_y(a.Mittelpunkt),2) AS lat, a.geonames FROM orte a WHERE a.Name IN ('Mello (Sondrio)','Albosaggia') AND a.Beschreibung LIKE 'Commune']])

Transkriptionsverfahren

  • Umgang mit Zeichen(kodierung): Böhmer-Ascoli nicht Unicode-kodiert, selbst wenn: Eingabe über Tastatur sehr umständlich, daher Einsatz des:
  • Betacode; Ideengeber: Thesaurus Linguae Graecae (1974)

Prinzip des Betacodes

  • Verfahren ist quellenunabhängig: Identische Zeichen bzw. Zeichenkombinationen (Basiszeichen samt Diacritica) werden stets identisch transkribiert, auch wenn möglicherweise unterschiedliche „Bedeutungen“ vorliegen. Diese werden bei der automatischen Umsetzung in IPA berücksichtigt.
  • Automatische Erfassung der Daten bislang nicht möglich
  • OCR wäre nicht das Problem! ⇒ Lücke/Riepl/Trautmann 2017, S. 126ff.
  • Hauptproblem jedoch: Zuordnung der Belege zu den einzelnen Erhebungspunkten

Ausschnitt aus AIS 1218_1 (KÄSEMILCH)

  • aktuell Thema einer Masterarbeit in der Informatik (Methoden: „nearest neighbour“ oder „deep learning“)
  • daher manuelle Erfassung der Daten mit dem VA-Transkriptionstool:

VA-Transkriptionstool: Beispiel AIS-Karte 1218_1 „KÄSEMILCH“

Typisierung

  • Manche Quellen (Sprachatlanten) dokumentieren die individuelle Sprecheräußerung („Einzelbeleg“) in phonetischer Transkription (so z. B. der AIS)
  • VerbaAlpina ist im Wesentlichen an lexikalischer Variation interessiert
  • Die beiden oben zitierten Belege aus der Karte „KÄSEWASSER“ des AIS unterscheiden sich zwar hinsichtlich der phonetischen Transkription, repräsentieren jedoch beide offenkundig den selben morpholexikalischen Typ (die hier vorgelegte Zuweisung zum Typ „latte serone“ ist exemplarisch und vorerst spekulativ):
Konzept Ortspunkt Äußerung morph_typ
MOLKE 227 laʧ sɛrˈu latte serone
MOLKE 225 laj serˈuŋ latte serone
  • ⇒ sämtliches gesammeltes Material muss typisiert werden
  • Was ist ein morpholexikalischer Typ? ⇒ VerbaAlpina dokumentiert solche und ähnliche Fragen in der Sektion „Methodologie
  • Arbeit, die nur von Sprachwissenschaftlern geleistet werden kann
  • Nutzung des Typisierungstools:

Die Karte AIS 1218_1 im Typisierungstool von VerbaAlpina

  • Status der in den Quellen versammelten Daten hinsichtlich Typisierung sehr unterschiedlich
  • manche Sprachatlanten liefern bereits typisierte Daten und präsentieren spezifische Einzelbelege der Informanten nur punktuell
  • Beispiel: VALTS (Vorarlberger Sprachatlas)

Karte 73 aus dem Vorarlberger Sprachatlas VALTS IV: SENNHÜTTE bzw. SENNEREIRAUM AUF DER ALPE

  • Diese Karte vereint die Dokumentation mehrerer unterschiedlicher Konzepte (neben SENNHÜTTE und SENNEREIRAUM AUF DER ALPE noch weitere: PRIMITIVE SENNHÜTTE AUF MAIENSÄßEN, SENNKÜCHE, KÄSEKELLER etc.)
  • Präsenz unterschiedlicher morpholexikalischer Typen durch spezifische Symbole markiert (sog.Punktsymbolkarte„; typisch für Sprachatlanten in germanistischer Tradition)
  • rote Symbole markieren morpholexikalische Typen romanischen Ursprungs, schwarze solche deutschen Ursprungs
  • Automatisierung unmöglich; manuelle Datenerfassung durch Spezialisten unerlässlich
  • Beispiel braune Markierung: In der Ortschaft Bichlbach (Erhebungspunkt T6), wird der SENNEREIRAUM INNERHALB DER ALPHÜTTE als Sennküche bezeichnet
  • Abbildung dieser Informationen im relationalen Datenformat:
Konzept Ortspunkt Äußerung morph_typ
SENNEREIRAUM INNERHALB DER ALPHÜTTE T06 ? Sennküche
  • Erfassung von Daten aus Wörterbüchern. Beispiel: [[Bibl:Idiotikon]

Eintrag „Teie“ im Schweizerdeutschen Wörterbuch (Idiotikon)

Gliederung des Eintrags „Teie“ im Schweizerdeutschen Wörterbuch (Idiotikon) nach den Kategorien des VerbaAlpina-Datenmodells

  • relationale Abbildung (exemplarischer Ausschnitt):
Konzept Ortspunkt Äußerung morph_typ
GEBRECHLICHE, BESCHRÄNKTE, SCHWERFÄLLIGE WEIBSPERSON Chur ? Teie

Ergebnis der systematischen Datenerfassung

  • Viele Bezeichnungen für viele Konzepte (m:n-Beziehung), stets georeferenziert (fiktive Tabelle):
Bezeichnung Konzept Gemeinde
malga HERDE Colico
malga ALM Pieve Di Ledro
malga SENNHÜTTE Ossana
muvel HERDE Lantsch/Lenz
pastura HERDE Wolkenstein in Gröden
  • Datenbank ermöglicht doppelte Perspektive: onomasiologisch und semasiologische (traditionell an unterschiedliche Publikationsarten gebunden: Sprachatlanten und Wörterbücher):
  • Relationales Datenmodell erlaubt den Einsatz der relationalen Algebra
  • ⇒ Einsatz der formalen Sprache SQL (structured query language) möglich
  • Beispiel für eine onomasiologische Suche:
select * from tabelle
where Bezeichnung like 'malga';

Ergebnis:

Bezeichnung Konzept Gemeinde
malga HERDE Colico
malga ALM Pieve Di Ledro
malga SENNHÜTTE Ossana
  • Beispiel für eine semasiologische Suche:
select * from tabelle
where Konzept like 'HERDE';

Ergebnis:

Bezeichnung Konzept Gemeinde
malga HERDE Colico
muvel HERDE Lantsch/Lenz
pastura HERDE Wolkenstein in Gröden
  • Die relationale Algebra erlaubt komplexe Berechnungen über dem Datenbestand
  • Beispiel:
/*
 SQL-Statement 
 Finde sämtliche morpholexikalischen Typen, 
 die das Konzept MOLKE bezeichnen, 
 und gib die jeweilige Häufigkeit des morpholexikalischen Typs an
*/

select 
 Name_Konzept as Konzept, 
 typ,
 anzahl

from
(
 select 
  count(*) as Anzahl, 
  a.Name_Konzept, 
  a.Typ 
 from vap_ling_de a
 
 where 
  a.Name_Konzept like 'MOLKE'
  and a.Art_Typ like 'Morph_Typ'
  group by a.Typ
  order by Anzahl desc
) sq
;
  • Weitere Fragestellungen, die mit der relationalen Algebra beantwortet werden können:
    • Welche Konzepte weisen die höchste Varianz lexikalischer Variation auf?
    • Wie hoch ist der Anteil lateinischer Basistypen bezogen auf ausgewählte Regionen innerhalb des Alpenraums?
  • Kartierung: Analytische Ergebnisse können auf der interaktiven online-Karte von VerbaAlpina visualisiert werden

Kartierung des Konzepts MOLKE auf der interaktiven online-Karte von VerbaAlpina

  • Kartierungen können über das „Teilen“-Symbol rechts oben auf der online-Karte dauerhaft gespeichert und durch das Versenden des entsprechenden Links mit anderen geteilt werden
  • Belegfenster, Beispiel:

Beispiel für ein Einzelbelegfenster auf der interaktiven online-Karte von VerbaAlpina

  • Einzelbelegfenster enthält neben Informationen zu Einzelbeleg (links oben), morpholexikalischem Typ und Konzept Verlinkungen auf externe Ressourcen: Geonames (kleiner Globus rechts oben) sowie Referenzlexika (G: Georges; C: CNRTL; T: Treccani; F: FEW)
  • Wichtig für Referenzierung auf externe Ressourcen: Deren feine Datengranulierung – jedes „Datum“ muss präzise über eine URL ansprechbar sein („Interoperabilität„!) ⇒ eine Lehre für VerbaAlpina!
  • Quantifizierungen: spezielle Funktion auf der interaktiven online-Karte:

Quantifizierende Kartierung des morpholexikalischen Typs „Anke“ auf der interaktiven online-Karte von VerbaAlpina

  • Hexagon-Karte:

Abbildung des Vorkommens des morpholexikalischen Typs „Anke“ auf der Hexagonkarte von VerbaAlpina

  • Neben der kartographischen Ergebnispräsentation bietet VerbaAlpina eine textorientierte Version an: das Lexicon Alpinum:

Das Lexicon Alpinum von VerbaAlpina

  • Kommentare zu ausgewählten (!) Konzepten, morpholexikalischen Typen und Basistypen (Basistyp: Gibt den Ursprung eines morpholexikalischen Typs an; nicht notwendig ein „Etymon“ im sprachwissenschaftlichen Sinn)
  • Angabe der VA-spezifischen Normdaten, die die VA-Konzepte und -morpholexikalischen Typen eindeutig bezeichnen.
  • Einträge im Lexicon Alpinum sind über URLs direkt referenzierbar. Beispiel: https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=2374&db=xxx&comment_id=L581#L581 (Morphtyp L581 Anke)
  • Diachrone Streuung des Datenmaterials über mindestens rund 100 Jahre (je nach Alter der Quellen)!

Crowdsourcing (CS)

  • Systematische Erfassung von Daten aus Atlanten und Wörterbüchern ergibt regionale Inkonsistenzen: Nicht für alle Gemeinden im Untersuchungsgebiet liegen Daten für alle Konzepte vor. Schematische Darstellung:
Gemeinde 1

(Atlas I)

Gemeinde 2

(Atlas II)

Gemeinde 3

(Atlas III)

Gemeinde n

(Atlas N)

Konzept A x x x
Konzept B x x
Konzept C x x
Konzept n x x x
  • Sog. „Nacherhebungen“ erforderlich
  • Feldforschung nicht finanzierbar
  • Lösung: Crowdsourcing („Begriff“ erstmals 2006 von Jeff Howe verwendet): „… bezeichnet die Auslagerung traditionell interner Teilaufgaben an eine Gruppe freiwilliger User, z. B. über das Internet“ (Wikipedia)
  • VerbaAlpina hat ein eigenes Crowdsourcing-Tool entwickelt (CS-Tool):

Das Crowdsourcing-Tool von VerbaAlpina

  • Eingabe von Bezeichnungen für auswählbare Konzepte
  • Ergebnis:
Gemeinde 1 Gemeinde 2 Gemeinde 3 Gemeinde n
Konzept A x CS x x + CS
Konzept B x x + CS CS
Konzept C CS x x
Konzept n x CS x + CS x
  • Konzept aus Sicht von VerbaAlpina durchaus erfolgreich:

Monitoring-Webseite für das Crowdsourcing-Tool von VerbaAlpina

  • Bislang über 11000 Eintragungen
  • Erkenntnis: Werbung ist unverzeichtbar
  • Diachrone Asymmetrien bestehen weiterhin bzw. kommen gar hinzu!
  • Andererseits: Dokumentation von Verschwinden bzw. Entstehung von morpholexikalischen Typen
  • Auch das Entstehen neuer Konzepte kann auf diese Weise erfasst bzw. dokumentiert werden (z. B. ELEKTRONISCHE KUHGLOCKE)

VerbaAlpina und FA*I*Rness

  • VerbaAlpina befasst sich derzeit verstärkt mit der Thematik des Forschungsdatenmanagement (FDM): Einbindung in die Projekte eHumanities – interdisziplinär und GeRDI
  • Wesentlicher Aspekt dabei: Gebot der FAIRness (Graphik von Thomas Krefeld):
FAIR principles
Data have to be Findable
Accessible
Interoperable
Reusable
  • Im Fokus: „Interoperabilität„; Beispiele:
  • Als wesentliche Voraussetzung für Interoperabilität erscheinen Normdaten: „normierte“ Datensätze; Normdaten existieren für ganz unterschiedliche Entitäten, z. B. Personen, Geographica oder auch Konzepte

Normdaten für Personen und Geographica

Normdaten für Konzepte

Normdaten für morpholexikalische Typen

  • Für viele Entitäten existieren speziell in der GND bislang noch keine Normdaten, so z. B. für morpholexikalische Typen – schlecht für VerbaAlpina, da morpholexikalische Typen eine der für VA zentralen Kategorien sind.
  • Ansätze allerdings bei Wikidata:  „lexemes“: https://www.wikidata.org/wiki/Wikidata:Lists/lexemes
  • Beispiel: morpholexikalischer Typ „der Käse„: https://www.wikidata.org/wiki/Lexeme:L49797
  • Die entsprechende Nummer wird in der Tabelle der Morphtypen in der DB von VA eingetragen:
  • Einträge können von Usern angelegt werden (evtl. Beispiel formaggio)

Die reine Technik

  • VerbaAlpina ist vollständig „digital“
  • Im wesentlichen zwei Komponenten: Ein multifunktionales (!) Web-Portal (VA_WEB) und eine (relationale) MySQL-Datenbank (VA_DB; in der Realität mehrere, vor allem zwei: eine spezifischen Projektdatenbank und eine WordPress-Datenbank für den Betrieb von VA_WEB)
  • VA_WEB: WordPress-Installation: in PHP programmiert, erweitert um projektspezifische Funktionen, die modular als „Plugins“ realisiert und der Allgemeinheit über Github zur Verfügung gestellt werden.
  • relevante VA-Eigenentwicklungen für VA_WEB:
    • Transkriptionstool
    • Typisierungstool
    • Crowdsourcing-Tool (CS-Tool)
    • SQLtoHTML: Einbindung von Abfrageergebnissen aus MySQL-Datenbank in WordPress-generierte Webseite
  • Responsive Webdesign (Anpassung der Darstellung an verschiedene Endgeräte):

Die VerbaAlpina-Karte auf einem Samsung S7 Display

Technologie der interaktiven online-Karte

  • Openstreetmap:  „Open Data“ gemäß Open Data Commons Open Database Lizenz (ODbL)
  • JS-Bibliothek Leaflet (vergleichbar mit bzw. Ersatz für Google Maps API)
  • WebGL (Web Graphics Library): JS-Programmierschnittstelle, die die Grafikkarte des Clients verwendet, um Visualisierungen hardwarebeschleunigt zu animieren ⇒ Verzögerungsfreie Animation von Markern auf der VA-Karte bei Zoomvorgängen

API


IT-Team von VerbaAlpina

Stand der Dinge – 18. Juni 2019 (Zitieren)

TKrefeld
(31 Wörter)

Der ursprünglich unter dieser Adresse präsentierte Text ist nunmehr Teil der Kongressakten des zweiten VerbaAlpina-Arbeitstreffens und kann, minimal modifiziert, unter der Adresse http://www.kit.gwi.uni-muenchen.de/?p=45335 abgerufen werden.