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.

 

Habemus Corpus II – This Time, it’s for Real!

Mir ist bei den ersten Analysen aufgefallen, dass es doch einige Artikel-Dubletten in meinen Korpus geschafft haben, da die Metadaten-Vergabe in Nexis nicht ganz stringent zu sein scheint und daher das Skript nicht alle Artikel-Dubletten rausrechnen konnte.

Freundlicherweise hat mein Betreuer, Prof. Dr. Hoffmann, sein Skript nochmals angepasst und in mehreren Phasen konnten er und ich jetzt endlich einen finalen Korpus erstellen.

Ich habe mich inzwischen auch dazu entschieden, Teilkorpora nicht nur nach Jahren, sondern auch nach Zeitungen zu erstellen. Mal sehen, ob die Washington Post und die New York Times erkennbar unterschiedlich über Homosexualität sprechen.

Zur Transparenz erstmal meine Suchbegriffe bei Nexis, anhand derer der Korpus erstellt wurde:

  1. body(bugger!)
  2. body(fag)
  3. body(faggot)
  4. body(gay)
  5. body(homoerot!)
  6. body(homosex!)
  7. body(lesbia!)
  8. body(plural(homos))
  9. body(queer!)
  10. body(sapphic!)
  11. body(sodomi!)
  12. body(sodomy)
Artikel 1981 1982 1983 1984 1985 gesamt
in NYT 700 647 704 914 1007 3972
in WashPost 512 545 675 791 726 3249
gesamt 1212 1192 1379 1705 1733 7221

Ok, nicht #40000Texte. #7221Texte. Anyway: to the Laboratory of Language!

Habemus Corpus

Dank der tollen Unterstützung meines Betreuers, Prof. Dr. Sebastian Hoffmann aus der Anglistik, habe ich jetzt einen Korpus für meine Masterarbeit.

Die Datenlage sieht momentan wie folgt aus:

Jahr 1981 1982 1983 1984 1985
Anzahl der Artikel 1.257 1.220 1.404 1.739 1.771

7931 Artikel. Klingt doch super.

Zur Datenauswertung nutze ich die neueste Version von Laurene Anthony’s AntConc 3.5.0., glücklicherweise jetzt mit 64bit Unterstützung, so dass ich meinen RAM auch ordentlich nutzen kann.

Mal gespannt, was jetzt bei der Datenanalyse rauskommt. I’ll keep you posted!

Fazit meines Studienprojekts

Letze Woche habe ich das Studienprojekt (meine Pilotstudie) abgegeben; nachdem ich die erste und zweite Analyse verbloggt habe, will ich euch mein Fazit nicht vorenthalten. In den nächsten Wochen wird die Masterarbeit ruhen, da ich noch ein paar andere Dinge zu tun habe, allen voran mein erstes Staatsexamen. Dazu kommt aber auch noch ein Blogbeitrag, denn auch da wird es um Homosexualität und Geschichte gehen.

During the completion of this paper, I realised a number of issues that will have to be addressed before or during the finalisation of my M.A. thesis. Most importantly, I will have to compile another corpus with the redefined query terms. There might be obscure terms I missed to denote homosexuality, but I am confident I will cover a very large, representative portion of the discourse on homosexuality. As I mentioned above, the focus of my research must be what has been said about homosexuality during the early years of the HIV/ AIDS health crisis and not what has been said in general during this period.

It will also be central that I consider employing additional software for linguistic analysis, most prominently WordSmith and WMatrix, in addition to AntConc and its accompanying programmes. Especially WMatrix will be helpful in close comparison of sub-corpora, especially when looking at different time points of the discourse (e.g. comparing 1981 to 1986).

Also, it will be very important to find adequate secondary literature. Most academic texts dealing with discourse make a point how fuzzy, even over-stretched the term discourse is in current academic discussions. This means that many texts will not necessarily deal with my field of interest, and also it will necessitate that I give a clear and concise definition of my understanding of discourse. The current stat e of my definition is given in this paper.

As I mentioned, the choice of texts used for this paper was only partly because of its suitability. Copyright laws and licensing of databases on the one hand, and the non-existence of transcribed audio and audio-visual material on the other hand, were also contributing factors to the compilation of material. It can only be hoped that better technological tools (reliable, automatic sound-to-digital-text transcription, reliable fast OCR-scanning) and change towards open-access databases will enable studies with different foci.

After some initial pilot analysis, I am confident I can perform a more general analysis of the discourse on homosexuality during the beginning of the HIV/ AIDS crisis. I will, however, need to formalise the steps of analysis and ground my methodology more firmly on the variety of secondary literature available on CADS and CDA.

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.