Bestandsaufnahme

Wie bereits erwähnt, befinden sich in meinem Korpus 7221 Artikel. Diese bilden zusammen eine Datenbank von 7.141.425 Wörtern (also gut 7 Mio. Wörtern/ word tokens), aufgesplittet in 104607 Wortformen/ word types.

Das häufigste Wort ist (wenig überraschend) der bestimmte Artikel the (er taucht 422.328 Mal auf), bei den einmalig auftauchenden Worten reicht die Spannweite von A wie “abating” zu Z wie “zygote” – bzw., wenn man es skurill haben will, von A wie ‘Aaaaaah’ bis zu Z wie ‘Zzzzzzzz’.

Die Suchabfragen der einzelnen Suchbegriffe geben mir eine Übersicht, was ich so an Arbeit pro Wort(gruppe) zu leisten habe. Hier steht, wie viele Hits eine bestimmte Query in AntConc liefert. Fett gedruckte Worte (inklusive ihrer Unterbegriffe) habe ich bereits analysiert:

  1. ‘homosex*’ = 9520
    1. homosexual = 5034
    2. homosexuals = 2811
    3. homosexuality = 1630
    4. homosexually = 23
    5. homosex = 3
    6. homosexualists = 3
    7. homosexualrights = 3 (Tippfehler)
    8. homosexualism = 2
    9. homosexualities = 2
    10. homosexality = 1 (Tippfehler)
    11. homosexualbrawl = 1 (Tippfehler)
    12. homosexualist = 1
    13. homosexualitythe = 1 (Tippfehler)
    14. homosexualsadomasochism = 1 (Tippfehler)
    15. homosexualtiy = 1 (Tippfehler)
    16. homosexualty = 1 (Tippfehler)
    17. homosexuuality = 1 (Tippfehler)
  2. ‘gay*’ = 6606
    1. gay = 5786
    2. gays = 680
    3. gaye = 54 (irrelevant)
    4. gaylin = 15 (Eigenname, irrelevant)
    5. gaylord = 12 (Eigenname, irrelevant)
    6. gayness = 10
    7. gaynes = 9 (Eigenname, irrelevant)
    8. gayle = 8 (Eigenname, irrelevant)
    9. gayer = 6
    10. gayl = 5 (Tippfehler bzw. Eigenname, irrelevant)
    11. gaynor = 4 (Eigenname, irrelevant)
    12. gaymont = 3 (Eigenname, irrelevant)
    13. gayed = 2
    14. gayest = 2
    15. gayheart = 2 (Eigenname, irrelevant)
    16. gaydos = 1 (Eigenname, irrelevant)
    17. gaydreams = 1
    18. gayev = 1 (Eigenname, irrelevant)
    19. gaynesratkowski = 1 (Tippfehler/ Eigenname, irrelevant)
    20. gaynors = 1 (Eigenname, irrelevant)
    21. gaytime = 1
    22. gaytown = 1
    23. gaywick = 1 (Eigenname, irrelevant)
  3. ‘lesbia*’ = 1172
    1. lesbian = 834
    2. lesbians = 233
    3. lesbianism = 100
    4. lesbiansim = 1 (Tippfehler im Korpus)
  4. sodomy = 569
  5. ‘queer*’ = 238
    1. queer = 183
    2. queer = 33
    3. queerly = 9
    4. queerest = 3
    5. queerness = 3
    6. queered = 2
    7. queerer = 2
    8. queering = 2
    9. queernesses = 1
  6. ‘sodomi* = 134
    1. sodomized = 72
    2. sodomizing = 31
    3. sodomize = 8
    4. sodomites = 6
    5. sodomite = 5
    6. sodomists = 4
    7. sodomizes = 3
    8. sodomies = 2
    9. sodomist = 2
    10. sodomizers = 1
  7. ‘bugger+++’ = 54 
    1. bugger = 25
    2. buggers = 18
    3. buggery = 9
    4. buggerall = 1
    5. buggered = 1
  8. ‘fag+’ = 47
    1. fag = 35
    2. fags = 12
  9. ‘faggot+’ = 46
    1. faggot = 31
    2. faggots = 15
  10. ‘homoerot*’ = 45
    1. homoerotic = 39
    2. homoeroticism = 6
  11. ‘sapphic+’ = 6
    1. sapphic = 5
    2. sapphics = 1

Ein paar Begriffe sind mir anscheinend noch durch die Lappen gegangen:

  1. sapphism (1x im Korpus)
  2. faggy (1x)
  3. lesbic (1x)

Diese sollte ich nochmal in der Datenbank überprüfen, aber eigentlich sollten die nicht so oft in den Texten vorkommen. Dafür ist der Beifang zu klein.

Ich überlege mal, wie ich mit dem Wortfeld sodomy umgehe; mal sehen, was es bringt, das nach Personen, anderen Nomen und Verben zu trennen.

 

State of the Arbeit

Das Dokument meiner MA-Arbeit umfasst inzwischen 35 Seiten. Die letzten Wochen habe ich damit zugebracht, zunächst am methodischen Teil zu arbeiten und danach mich tief in die Materie des historischen Kontexts gestürzt. Inzwischen habe ich die historische Entwicklung in den USA zwischen 1950 und 1980 mit einem Fokus auf die gesellschaftliche Rolle der Homosexuellen und den Diskurs über die Homosexualität beschrieben. Als nächstes ist dann die genaue Darstellung der 1980er dran, in der ich genauer auf den Ausbruch der HIV/ AIDS-Epidemie eingehe. Dafür ist aber erstmal noch einiges an Lesen fällig.

Der methodische Teil ist zumindest teilweise fertig: Den korpuslinguistischen Teil habe ich fertig, am Teil zur historischen Diskursanalyse arbeite ich, und dann kommen die Teile zur kritischen Diskursanalyse und schließlich die Synthese der drei Teile zur CADS-Methodik.

Ich bin im Moment noch nicht sicher, ob ich das theoretische Kapitel, in dem ich vorhatte, über Sozialkonstruktivismus sowie den Konnex von Sprache, Wissen und Macht zu schreiben, wirklich seperat mache, oder als Teil des methodischen Kapitel quasi passim einbaue.

Und dann… kann ich mich endlich an die Daten machen 🙂

Erste Ergebnisse

Ich habe in den letzten Tag ein bisschen Data-Crunching gemacht und die Jahre 1981 bis 1986 auf ihre häufigsten Nomen und Verben durchsucht. Da es ein thematischer Korpus ist (mit den Suchbegriffen homosex!, AIDS und HIV), kann man natürlich keine Aussage über den allgemeinen Sprachzustand machen, aber dennoch sehen, was so in Verbindung mit diesen Themen an Worten genutzt wurde.

Zur Erinnerung: Die Datengrundlage sind Artikel der Washington Post mit folgenden Kennzahlen.

1981 1982 1983 1984 1985 1986
Artikel 225 243 441 438 680 837
Word types 18.703 19.066 24.225 24.516 27.023 33.822
Word tokens 233.130 226.154 368.728 397.680 585.460 868.772

Word tokens bezeichnet dabei die Zahl der tatsächlichen Wörter, word types die Zahl der unterschiedlichen Wörter. Der Satz “A gay person is a queer person” beinhaltet 7 word tokens (A, gay, person, is, a , queer, person), aber nur 5 word types (A, is, gay, person, queer).

Man sieht auf den ersten Blick, dass es innerhalb der 5 Jahre ansteigt; 1981-1982 waren es jeweils ca. 230 Artikel, 1983-1984 ca. 440, und danach steigt es weiter stark an.

Die häufigsten Nomen (Eigennamen wie Reagan ausgeschlossen, Bezeichnungen aus compund nouns wie White House wurden belassen) aus den jeweiligen Jahren sind die folgenden:

Rang 1981 1982 1983 1984 1985 1986
1 year people AIDS people AIDS AIDS
2 people years people AIDS people people
3 years time year year disease year
4 women rights years years blood years
5 school women disease state virus time
6 house year blood women health disease
7 man man life life year virus
8 men men health president years life
9 sex house house men time health
10 city state man blood school drug

Hier die häufigsten Adjektive:

Rang 1981 1982 1983 1984 1985 1986
1 new new new new new new
2 old homosexual gay gay gay gay
3 homosexual black homosexual homosexual national medical
4 gay old old democratic homosexual good
5 long gay national national american high

Es ist, wie ich finde, extrem interessant, dass zwar der Suchbegriff “AIDS” ab 1983 klar den thematischen Korpus dominiert, der Suchbegriff “homosex!” aber zunehmend von “gay”, nach dem ich noch gar nicht explizit gesucht habe, ‘verdrängt’ wird. Besonders für den zweiten Fall wird es interessant sein, die collocates zu betrachten; welche Worte sind mit <gay>, welche mit <homosexual> verbunden, und welche Signifikanz hat dies?

 

Datenakquise, die zweite!

 

Datenakquise

Suchergebnisse, via infogr.am

So, die erste Zeitung, nämlich die Washington Post, habe ich über die ersten 15 Jahre hinweg nach drei Schlagworten durchsucht. Auf LexisNexis habe ich die drei Suchbegriffe “body(homosex!), “body(HIV)” und “body(allesgross(plural(“AIDS”)))” gesucht. Da ich ja eine Korpusanalyse mache, musste ich bei allen Begriffen den Operator body davor setzen, um nicht Artikel zu finden, die (teilweise auch fälschlich) mit den Schlagwörtern AIDS & HIV versehen waren. Mittels dem Trunkierungszeichen ! habe ich mit homosex! alle Begriffe wie homosexuality, homosexuals, homosexual insgesamt gefunden; bei AIDS musste ich noch mehr Operatoren davor setzen, um Formen des Verbs to aid bzw das Nomen aid auszuschließen.

Auf der obigen Grafik habe ich die Treffer der drei Schlagworte im Verhältnis zueinander und den AIDS-Fällen und -Toten in den USA zwischen Beginn der Epidemie (1981) und dem Höhepunkt (1993-5) geplottet. Das Wort “AIDS” ist klar das häufigste – 1992 finden sich 1500 Artikel in der Washington Post, welche das Wort aufweisen. Den Peak des Begriffs homosex! finden wir 1993 mit etwa 900 Treffern, aber zu diesem Zeitpunkt herrschte eine Debatte um “Don’t ask don’t tell“, also der Rolle von Homosexuellen im US-amerikanischen Militär. Zwar verlaufen die Trends der Kurven von homosex! und AIDS ab ca. 1986 einigermaßen analog, aber ich glaube nach einem kursorischen Lesen einiger Quellen, dass sich um 1990 die gedankliche Verbindung von Homosexualität und AIDS einigermaßen löst.

Ich werde demnächst noch die New York Times über den gesamten Zeitraum und einige kleinere Zeitungen über Teile des Zeitraums auswerten. Für die erste Analyse im Rahmen meines Studienprojekts – quasi dem test run – werde ich die drei Begriffe aus der Washington Post nehmen. Wahrscheinlich werden mir dann auch weitere Begriffe auffallen, die ich dem Korpus hinzufügen kann. Zudem werde ich in den nächsten Tagen mal genauer in die Methodik hinein schauen.

Datenakquise, die erste!

Via LexisNexis habe ich die Jahre 1981 bis 1996 der Washington Post mit dem Operator “homosex!” durchsucht. Das “!” ist dabei als Platzhalter für eins oder mehrere Zeichen zu verstehen, um sowohl “homosexuals”, “homosexual” und “homosexuality” zu finden.

graph1

 

Diese Grafik zeigt die Verteilung des Begriff-Sets über die Jahre 1981-1996 – die Jahre zwischen der Entdeckung von HIV-AIDS hin zum Punkt, an dem die Anzahl der Neuerkrankungen ihren Höchststand erreichte und überschritt. Insgesamt habe ich also jetzt schon mehr als 7000 Artikel und somit die Grenze dessen, was an qualitativer Analyse zu leisten ist, bei weitem überschritten. Ich vermute, dass ab Beginn der 1990er der Diskurs weg von HIV-AIDS hin zu “Don’t ask, don’t tell” gehen wird. Mal sehen, wo es logisch ist, den analytischen Cut zu machen… aber zunächst sind noch weitere Operatoren zu durchsuchen!

Gebt mir Daten!

Ich habe gerade einige Zeit damit zugebracht, im LexisNexis nach Volltextausgaben von US- und UK-Zeitungen zu suchen. Ich habe immerhin 5 Zeitungen aus den USA und 2 aus dem UK gefunden, zu denen ich Volltextzugriff habe. Die Washington Post (US) hat Artikel ab Januar 1977, die New York Times (US) ab Juni 1980, der Guardian (UK) ab Juli 1984, der Orange County Register (US) und die Tampa Bay Times (US) ab Januar 1987, der Independent (UK) ab September 1988 und die USA Today ab Januar 1989.

Zudem gibt es den UK Parliamentary Hansard doch online – nun muss ich hoffen, dass mit den entsprechenden Skripts eine Datenbank daraus werden kann! Und per Fernleihe habe ich eine CD bestellt, auf welcher der Guardian und der Observer gespeichert sind. Hoffentlich bekomme ich die geliefert – und hoffentlich sind die Daten verarbeitbar!

Is there any Data out there?

Ich suche zur Zeit noch nach Datensätzen für meine korpusanalytischen Teil der Masterarbeit. Der ursprüngliche Gedanke war, einen eigenen Korpus zu erstellen; ich habe aber bei einer ersten Recherche gefunden, dass es sehr schwierig ist, (frei) an digitale Volltexte amerikanischer und britischer Zeitungen zu kommen. Auch habe ich zunächst keine Digitalisate amerikanischer und britischer Parlamentaria gefunden, und das hat mich doch sehr überrascht. Die Drucksachen und Protokolle des deutschen Bundestags sind ja ab der ersten Sitzung frei, digital und im Volltext vorhanden.

Für mein Exposé-Gespräch habe ich mal alle möglichen Korpora rausgesucht, die Sinn machen. Wie das gelaufen ist, könnt ihr im entsprechenden Report zum Gespräch lesen.