Kitabı oku: «Wikipedia und der Wandel der Enzyklopädiesprache», sayfa 12

4.2 Korpuszusammensetzung

Das Enzyklopädiekorpus enthält insgesamt 549.685 TokensToken und ist im Vergleich zu Referenzkorpora wie DeReKo (Institut für deutsche Sprache 2020), FRANTEXT (ATILF-CNRS et al. 2020) oder BNC (Oxford Text Archive 2020) sehr klein. Allerdings besteht das Ziel des Korpus nicht darin, eine ganze Nationalsprache in ihrer Vielfalt abzubilden, sondern es ist als SpezialkorpusSpezialkorpus konzipiert, mit dessen Hilfe die Unterschiede zwischen gedruckten EnzyklopädieartikelnEnzyklopädieartikel– gedruckter und WikipediaartikelnWikipediaartikel festgestellt werden sollen. Dabei werden Einflussgrößen wie die Sprache, das Medium, das Werk, aber auch die fachliche Zugehörigkeit der Artikel kontrolliert.

Insgesamt wurden aus sechs Enzyklopädien stets die gleichen Stichwörter ausgewählt und die Artikel in voller Länge in das Korpus aufgenommen. Die Artikelzahl ist somit pro Fach, pro Werk und pro Sprache identisch. Die Artikel stammen aus den Werken La Grande Encyclopédie Larousse (1971–1976), Encyclopaedia Universalis (1990), Enciclopedia Europea Garzanti (1976), NOVA. L’enciclopedia UTET (2001) sowie aus Wikipédia. L’encyclopédie libre (2015) und Wikipedia. L’enciclopedia libera (2015):1

Diagramm 1:

Prozentuale Anteile der Enzyklopädien im Korpus bezogen auf die Gesamtzahl der Tokens

Aufgrund der unterschiedlichen Artikellängen variiert der Anteil des Materials aus den einzelnen Enzyklopädien. Das meiste Material stammt aus UV (38 %), weil diese Enzyklopädie die längsten Artikel enthält. An zweiter Stelle steht WPF (17 %), aus der etwas mehr Sprachmaterial entnommen wurde als aus LAR (16 %). Weniger Material stammt aus WPI (11 %), NOV (9 %) und EU (9 %). An der Verteilung des Materials lässt sich bereits erkennen, dass französische Artikel länger als italienische sind, und dass WikipediaartikelWikipediaartikel häufig länger als Artikel aus den gedruckten Enzyklopädien sind.

Die sechs untersuchten Enzyklopädien unterteilen sich in drei französische (LAR, UV, WPF) und drei italienische (EU, NOV, WPI). Diese beiden Sprachkorpora sind analog aufgebaut: Jedes enthält zwei PrintenzyklopädienEnzyklopädie– Print-~ und eine Wikipediaausgabe. Entsprechend der Bedeutung der Wikipedia werden zum Vergleich gedruckte UniversalenzyklopädienEnzyklopädie– Universal-~ mit einem hohen Stellenwert in den beiden Ländern ausgewählt. Zu diesen zählt in Frankreich die Encyclopédie Larousse (LAR) aus den 70er Jahren, wobei es sich nicht um ein enzyklopädisches Wörterbuchenzyklopädisches Wörterbuch handelt, für das das Haus Larousse bekannt ist, sondern um ein reines SachwörterbuchWörterbuch– Sach-~ (Schafroth 2014: 218). Ebenso bedeutend ist Encyclopaedia Universalis (UV) aus den 90er Jahren, die als französisches Pendant der Encyclopædia Britannica bezeichnet wird, und als Referenzwerk von hoher Qualität gilt. Die Enzyklopädieartikel der UV entsprechen jedoch nicht den kurzen Einträgen eines Nachschlagewerks, sondern sie ähneln in ihrer Länge und Komplexität eher Handbuchartikeln (Schafroth 2014: 218). Im italienischen Korpus werden Artikel der Enciclopedia Europea Garzanti (1976) (EU) aus den 70er Jahren und NOVA. L’enciclopedia UTET (2001) (NOV) aus den 2000er Jahren gewählt, wobei auch hier beide Verlage für ihre Referenzwerke in Italien bekannt sind. Bewusst nicht genutzt werden Artikel aus der Enciclopedia Italiana di scienze, lettere ed arti (1929–1939). Zwar existieren insgesamt ein Nachdruck aus dem Jahre 1949, eine Neuauflage des ersten Bandes und des zweiten Appendix aus dem Jahre 1952, ein kompletter Neudruck aus dem Jahre 2005 und eine Luxusausgabe, die vierte Auflage, aus dem Jahre 2009 (cf. Schafroth 2012: 412f.), jedoch sind auch in diesen neueren Auflagen die Originalartikel enthalten:

Aber neu aufgelegt bedeutet eben nicht, inhaltlich neu gestaltet. Vielmehr ist es aus ökonomischen und editorischen Gründen auch nicht wünschenswert, die Originaltexte zu verändern. Alles neue Wissen zu einem Begriff, Namen oder Thema, welches sich im Laufe mehrerer Jahrzehnte akkumuliert, wird also über die Appendizes abgehandelt (Schafroth 2012: 413).

Da im Printkorpus der vorliegenden Studie Enzyklopädieartikel aus den 70er und 90er bis 2000er Jahren enthalten sein sollen, können die Artikel der gedruckten Ausgaben der Enciclopedia Italiana nicht verwendet werden. Deren Inhalt stammt teilweise aus den 30er Jahren und ist in Einträgen wie Italia, italianità, religione, guerra oder nazione ideologisch markiert (cf. Schafroth 2012: 427). Das Onlinekorpus besteht lediglich aus den Wikipediaausgaben, weil der Fokus auf Unterschieden zwischen einer redaktionell erstellten PrintenzyklopädieEnzyklopädie– Print-~ und einer kollaborativ erstellten OnlineenzyklopädieEnzyklopädie– Online-~ liegen soll. Eine diachrone Komponente erhalten die Korpora dadurch, dass in beiden Sprachkorpora entsprechend Enzyklopädien aus den 70er und aus den 90er bis 2000er Jahren mit den Versionen der Wikipedia aus dem Jahr 2015 verglichen werden, wodurch punktuell Entwicklungen überprüft werden können.

Variiert das Material hinsichtlich der Parameter Sprache, Werk und Medium, so ist zudem entscheidend, welchem Fachgebiet ein Artikel zugeordnet werden kann, da davon beispielsweise Eigenschaften wie der Grad der FachsprachlichkeitFachsprachlichkeit oder die Frequenz von evaluativen Ausdrücken beeinflusst wird. Das Korpus enthält Artikel aus den vier Fächern Geografie, Chemie, Medizin und Wirtschaft:

Diagramm 2:

Prozentuale Anteile der Disziplinen im Korpus in Bezug auf die Gesamtzahl der Tokens

Aufgrund der Tatsache, dass Artikel aus der Geografie zumeist länger sind als Artikel aus den anderen Fächern, stammen ungefähr 45 % des Sprachmaterials aus diesem Fach. An zweiter Stelle folgt das Textmaterial aus der Wirtschaft mit 26 %. Artikel der Chemie machen 17 % und aus der Medizin lediglich 12 % des Korpus aus. Im Bereich Geografie wurden Länderartikel, im Chemiekorpus Artikel zu chemischen Stoffen, im Medizinkorpus Artikel über Krankheiten ausgewählt. Die Lemmata der Wirtschaftsartikel sind dagegen heterogen.

Zusätzlich zur quantitativen Verteilung des Korpusmaterials nach Werk oder Fach liegen zu den Wikipediaartikeln Daten zum Entstehungsprozess vor, die sich ebenfalls auf die textinternen Charakteristika der Artikel auswirken könnten.2 Eine Abfrage der Anzahl von Autoren, Bearbeitungen und Sichtungen pro Artikel ergibt für die beiden Wikipediakorpora die folgenden Durchschnittswerte:

Tabelle 2: Durchschnittliche Anzahl der Autoren, Bearbeitungen, Sichtungen in den Wikipediakorpora

Insgesamt werden im französischen Wikipediakorpus die Artikel durchschnittlich von mehr Autoren verfasst, häufiger bearbeitet und gesichtet als in der italienischen Version. Die französische Wikipediagemeinde ist insgesamt größer und aktiver, was zudem auch für das Zielpublikum der Enzyklopädie gilt. Berücksichtigt man die fachliche Zugehörigkeit der Artikel, so kann gesagt werden, dass in beiden Wikipediakorpora die Länderartikel von den meisten Autoren verfasst, am häufigsten bearbeitet und besucht werden. Am wenigsten Beachtung finden dagegen die Wirtschaftsartikel.

Eine Auflistung der Artikel sowie ein Überblick über die Schichtung des Korpus finden sich in der folgenden Tabelle:

Tabelle 3: Korpuszusammensetzung

Zur Erstellung des Geografiekorpus wurden aus jeder der sechs Enzyklopädien Länderartikel ausgewählt. Pro Enzyklopädie wurden Artikel zu den Ländern Afghanistan, Albanien, Angola, Saudi-Arabien und Argentinien in das Korpus integriert. Die Auswahl der Länderartikel führt dazu, dass das Geografiekorpus eher für den Bereich Humangeografie sowie für weitere Geistes- und Sozialwissenschaften repräsentativ ist, jedoch nur eingeschränkt für den Bereich Physische Geografie. Die Länderartikel enthalten Informationen zur geografischen Situierung, Geschichte, Wirtschaft und Politik eines Landes, womit sich beispielsweise auch Teilgebiete der Humangeografie wie die Sozialgeografie, die Politische Geografie, die Wirtschaftsgeografie und die Kulturgeografie, weitere Geistes- und Sozialwissenschaften wie die Geschichtswissenschaft und die Politikwissenschaft beschäftigen. Anstelle der Länderartikel hätten auch Artikel aus der Physischen Geografie beispielsweise zu Lemmata wie fr. glacier/it. ghiaccio ʻGletscherʼ, fr. lœss/it. löss ʻLößʼ oder fr. moraine/it. morena ʻMoräneʼ gewählt werden können. Aufgrund der größeren Beliebtheit der Länderartikel bei den Lesern werden diese für den Bereich Geografie als repräsentativer angesehen als Artikel zu Stichwörtern aus der Physischen Geografie. Zudem wird darauf geachtet, dass die Länder relativ weit entfernt von Frankreich oder Italien liegen, um auszuschließen, dass kulturspezifische Hinweise auf Frankreich oder Italien in der geografischen Nähe der Länder begründet liegen. Die ausgewählten Länder verteilen sich zudem über die Kontinente Asien, Europa, Afrika und Amerika, womit die Heterogenität des Korpus vergrößert wird und Ähnlichkeiten in der Darstellung eher auf die Enzyklopädien als auf tatsächliche Ähnlichkeiten zwischen den Ländern zurückzuführen sind.

Stellvertretend für den Fachbereich Chemie werden Artikel zu chemischen Substanzen in das Korpus aufgenommen. Dabei ergeben sich je nach Werk leichte Unterschiede bei der Benennung der Artikel. Der Artikel zum Thema Säure erscheint in LAR unter dem Stichwort acides, wobei die Pluralform darauf aufmerksam macht, dass es sich um eine ganze Gruppe von Stoffen handelt. In UV lautet der Titel acides et bases, was den Zusammenhang zwischen Säuren und Basen betont. Analog wählen die italienischen Printenzyklopädien acidi e basi. In beiden Wikipediaversionen wird der kürzeste Titel fr. acide/it. acido verwendet, wobei in der italienischen Wikipedia von der Pluralform it. acidi auf den Artikel, der mit der Singularform betitelt ist, weiterverwiesen wird. Unabhängig vom Titel behandeln die Artikel jedoch stets verschiedene Säuren und auch Säure-Base-Reaktionen, weswegen die inhaltliche Vergleichbarkeit trotz etwas abweichender Betitelung, die jeweils andere Aspekte hervorhebt, gegeben ist. Ebenso finden sich verschiedene Titel bei Artikeln zum Thema Alkaloide. Bis auf WPF wählen jedoch alle Werke einen Titel im Plural, der die Stoffgruppe in den Vordergrund stellt. In der französischen Wikipedia wird der Titel im Singular gewählt, zudem wird von fr. alcaloïdes auf fr. alcaloïde umgeleitet. In der italienischen Wikipedia ist es genau umgekehrt: der Titel steht im Plural, entsprechend wird von it. alcaloide auf it. alcaloidi weitergeleitet. Analog wird in allen Enzyklopädien, außer der französischen Wikipedia, bei Artikeln zum Thema Alkohole der Titel im Plural gewählt und somit wiederum die Stoffgruppe betont. In der französischen Wikipedia wird der Titel im Singular angegeben und durch den Zusatz chimie präzisiert, um ihn von einem gleichlautenden Artikel abzugrenzen, der seinen Schwerpunkt auf alkoholische Getränke legt. An den italienischen Titeln lassen sich zudem die orthografischen Varianten alcol und alcool ablesen, wobei alcol die heutzutage gängigste ist (LZ 2017: s.v.). Entsprechend leitet der italienische Wikipediaartikel von alcooli zur gängigeren Variante alcoli weiter. Die anderen Lemmata zu Stoffen im Chemiekorpus sind in allen Werken identisch. Insgesamt zeigt sich eine leichte Tendenz der französischen Wikipedia, kürzere und dafür etwas weniger präzise Titel bei der Bezeichnung von Stoffgruppen zu bevorzugen, weil auch die Artikel mit einem Titel in der Singularform jeweils Stoffgruppen behandeln und somit inhaltlich vergleichbar sind.

In das Medizinkorpus werden Artikel zu den Krankheiten Allergie, Anämie, Anorexie, Cholera und Koma aufgenommen. Zum Thema Allergie wird in allen Werken außer in UV der Titel fr. allergie/it. allergia gewählt. UV betitelt allergie et hypersensibilité und stellt somit in den Vordergrund, dass der Artikel auch Überempfindlichkeiten behandelt, die teilweise schwer von einer Allergie abgrenzbar sind. UV betitelt hier genauer als die anderen Enzyklopädien, deren entsprechende Artikel auch Informationen über Überempfindlichkeiten enthalten. Ebenso wählt UV zum Thema Anämie als einzige Enzyklopädie einen Titel im Plural, der betont, dass es verschiedene Arten von Anämien gibt, die jedoch in den entsprechenden Artikeln der anderen Enzyklopädien ebenso behandelt werden. Ebenso wie in der französischen wird in der italienischen Wikipedia der Titel im Singular gewählt. Die weiteren untersuchten Lemmata aus dem Bereich Medizin sind hingegen identisch.

Größere Abweichungen bei den Artikeltiteln sind zudem bei den Wirtschaftsartikeln erkennbar. Zum Thema Bank enthält LAR den Artikel banque. In UV besteht kein Eintrag zum Stichwort banque, sondern lediglich die Stichwörter banques centrales und banques d’affaires. Um eine inhaltliche Vergleichbarkeit mit Artikeln zum Stichwort banque aus den anderen Werken zu erreichen, werden in UV beide Stichwörter untersucht. In WPF wird der Artikel zum Stichwort banque gewählt, ebenso wie in NOV und WPI Artikel zum Stichwort banca analysiert werden. In NOV existiert neben dem Artikel banca ein Artikel mit dem Lemma banca centrale. Da in den Artikeln aus den anderen Enzyklopädien dieses Thema zumeist mitbehandelt wird und kein einzelner Artikel dazu existiert, werden in NOV die Artikel zum Stichwort banca und zum Stichwort banca centrale untersucht. Zum Thema Wertpapierbörse finden sich Artikel unter den Stichwörtern bourse de valeurs in LAR und WPF, sowie unter dem allgemeiner gehaltenen Titel bourse in UV, der unter anderem auch Wertpapierbörsen beschreibt und eine Abgrenzung, beispielsweise zu Warenbörsen, in der Einleitung vornimmt. Der allgemeiner gehaltene Titel findet sich auch in EU und NOV, die vergleichbare Inhalte unter dem Titel borsa präsentieren, während WPI hier analog zu WPF den präziseren Titel borsa valori wählt. Das Thema Konjunktur wird in LAR und UV unter dem Stichwort conjoncture präsentiert. In der französischen Wikipedia existiert ein Artikel zum Stichwort conjoncture (économie), wobei auf einer Homonymieseite der Gebrauch des Ausdrucks in der Philosophie von dem in den Wirtschaftswissenschaften unterschieden wird. Inhalte, die in den französischen Printenzyklopädien unter dem Stichwort conjoncture zu finden sind, werden in WPF zudem unter cycle économique behandelt, weswegen dieser Artikel in das Korpus aufgenommen wird. Sowohl EU als auch NOV beinhalten einen Artikel zum Stichwort congiuntura economica. In WPI existiert kein solcher Artikel, jedoch ist ein Artikel zum Stichwort ciclo economico angelegt, der als thematisch vergleichbar erachtet wird. Zum Thema Wirtschaftskrise enthält LAR das Stichwort crises et cycles économiques, das an einer Vielzahl von Beispielen über Wirtschaftskrisen informiert und diese zudem aus der Perspektive von wirtschaftlichen Zyklen sieht. Auf diese Vielzahl macht auch UV durch das Stichwort crises économiques im Plural aufmerksam, während WPF crise économique im Singular wählt. Auch EU betitelt im Singular mit crisi economica, während NOV crisi economiche im Plural wählt. In der italienischen Wikipedia existiert kein Artikel zu Stichwörtern wie crisi oder crisi economica. Thematisch am ehesten vergleichbar ist der Artikel recessione, weswegen er in das Wirtschaftskorpus aufgenommen wird.