<?xml version="1.0" encoding="utf-8"?>
<?xml-model href="https://www.zfdg.de/sites/default/files/schema/tei_zfdg.rnc" type="application/relax-ng-compact-syntax"
?>
<TEI xmlns="http://www.tei-c.org/ns/1.0" xmlns:html="http://www.w3.org/1999/html"
xmlns:tei="http://www.tei-c.org/ns/1.0" xmlns:xlink="http://www.w3.org/1999/xlink"
xmlns:xhtml="http://www.w3.org/1999/xhtml">
<teiHeader>
<fileDesc>
<titleStmt>
<title>
<biblStruct>
<analytic>
<title level="a">Vorzüge von Auszügen – Urheberrechtlich geschützte Texte in
den digitalen Geisteswissenschaften (nach-)nutzen</title>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Melanie</forename>
<surname>Andresen</surname>
</name>
<email>melanie.andresen@ims.uni-stuttgart.de</email>
<idno type="gnd">1143061535</idno>
<idno type="orcid">0000-0002-3913-1273</idno>
</persName>
</resp>
<orgName>Universität Stuttgart, Institut für Maschinelle
Sprachverarbeitung</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Markus</forename>
<surname>Gärtner</surname>
</name>
<email>markus.gaertner@ims.uni-stuttgart.de</email>
<idno type="gnd">1268973939</idno>
<idno type="orcid">0000-0002-2687-4350</idno>
</persName>
</resp>
<orgName>Universität Stuttgart, Institut für Maschinelle
Sprachverarbeitung</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Sibylle</forename>
<surname>Hermann</surname>
</name>
<email>sibylle.hermann@ub.uni-stuttgart.de</email>
<idno type="gnd">1073989070</idno>
<idno type="orcid">0000-0001-9239-8789</idno>
</persName>
</resp>
<orgName>Universitätsbibliothek Stuttgart</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Janina</forename>
<surname>Jacke</surname>
</name>
<email>janina.jacke@uni-goettingen.de</email>
<idno type="gnd">108423968X</idno>
<idno type="orcid">0000-0001-7217-3136</idno>
</persName>
</resp>
<orgName>Georg August Universität Göttingen, Seminar für Deutsche
Philologie</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Nora</forename>
<surname>Ketschik</surname>
</name>
<email>nora.ketschik@ims.uni-stuttgart.de</email>
<idno type="gnd">1268974390</idno>
<idno type="orcid">0000-0001-8758-5432</idno>
</persName>
</resp>
<orgName>Universität Stuttgart, Institut für Maschinelle
Sprachverarbeitung</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Felicitas</forename>
<surname>Kleinkopf</surname>
</name>
<email>felicitas.kleinkopf@kit.edu</email>
<idno type="gnd">1268974757</idno>
<idno type="orcid">0000-0001-8670-2668</idno>
</persName>
</resp>
<orgName>Karlsruher Institut für Technologie, Institut für Informations- und
Wirtschaftsrecht, Zentrum für Angewandte Rechtswissenschaft</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Jonas</forename>
<surname>Kuhn</surname>
</name>
<email>jonas.kuhn@ims.uni-stuttgart.de</email>
<idno type="gnd">1064354289</idno>
<idno type="orcid">0000-0003-2860-5960</idno>
</persName>
</resp>
<orgName>Universität Stuttgart, Institut für Maschinelle
Sprachverarbeitung</orgName>
</respStmt>
<respStmt>
<resp>
<persName>
<name role="marc_aut">
<forename>Axel</forename>
<surname>Pichler</surname>
</name>
<email>axel.pichler@alumni.uni-graz.at</email>
<idno type="gnd">14316130X</idno>
<idno type="orcid">0000-0002-9177-7645</idno>
</persName>
</resp>
<orgName>Universität Stuttgart, Institut für Maschinelle
Sprachverarbeitung</orgName>
</respStmt>
<idno type="doi">10.17175/2022_007</idno>
<idno type="ppn">1816418234</idno>
<idno type="zfdg">2022.007</idno>
<idno type="url">https://www.zfdg.de/node/362</idno>
<date when="2022-11-03">03.11.2022</date>
</analytic>
<monogr>
<title level="j">Zeitschrift für digitale Geisteswissenschaften</title>
<respStmt>
<resp>Publiziert von</resp>
<orgName role="marc_pbl">Herzog August Bibliothek</orgName>
</respStmt>
<respStmt>
<resp>Transformation der Word Vorlage nach TEI</resp>
<persName/>
<name role="marc_trc">
<surname>Baumgarten</surname>
<forename>Marcus</forename>
<idno type="gnd">1192832655</idno>
</name>
</respStmt>
<availability status="free">
<p>Available at <ref target="https://www.zfdg.de">https://www.zfdg.de</ref>
</p>
</availability>
<biblScope unit="year">2022</biblScope>
<biblScope unit="artikel">0a</biblScope>
</monogr>
</biblStruct>
</title>
</titleStmt>
<editionStmt>
<edition>Elektronische Ausgabe nach TEI P5</edition>
</editionStmt>
<publicationStmt>
<distributor>
<name>
<orgName>Herzog August Bibliothek Wolfenbüttel</orgName>
</name>
</distributor>
<idno type="doi">10.17175/zfdg.01</idno>
<idno type="ppn">0819494402</idno>
<authority>
<name>Herzog August Bibliothek</name>
<address>
<addrLine>Lessingplatz 1</addrLine>
<addrLine>38304 Wolfenbüttel</addrLine>
</address>
</authority>
<authority>
<name>Forschungsverbund Marbach Weimar Wolfenbüttel</name>
<address>
<addrLine>Burgplatz 4</addrLine>
<addrLine>99423 Weimar </addrLine>
</address>
</authority>
<availability status="free">
<p> Sofern nicht anders angegeben </p>
<licence target="http://creativecommons.org/licenses/by/4.0/">CC BY SA 4.0</licence>
</availability>
<availability status="free">
<p> Available at <ref target="workID">https://www.zfdg.de; (c) Forschungsverbund
MWW</ref>
</p>
</availability>
</publicationStmt>
<sourceDesc>
<p>Einreichung als Fachartikel in der ZfdG durch die Autor*innen</p>
</sourceDesc>
</fileDesc>
<encodingDesc>
<editorialDecl><p>Transformation der WORD-Vorlage nach XML/TEI-P5 durch TEI-Oxgarage und
XSLT-Skripten</p>
<p>Medienrechte liegen bei den Autor*innen</p>
<p xml:lang="de">Lektorat des Textes durch die Redaktion in Person von <persName>Caroline Jansky</persName>.</p>
<p>All links checked<date when="2022-09-22">06.09.2022</date>
</p>
</editorialDecl>
</encodingDesc>
<profileDesc>
<creation>Einreichung als Artikel der Zeitschrift für digitale
Geisteswissenschaften</creation>
<langUsage>
<language ident="de">Text in Deutsch</language>
<language ident="de">Abstract in Deutsch</language>
<language ident="en">Abstract in Englisch</language>
</langUsage>
<textClass>
<keywords scheme="gnd">
<term>Urheberrecht<ref target="4062127-3"/>
</term>
<term>Data Mining<ref target="4428654-5"/>
</term>
<term>Infrastruktur<ref target="4026944-9"/>
</term>
<term>Open Science<ref target="1197084231"/>
</term>
<term>Digital Humanities<ref target="1038714850"/>
</term>
<term>Forschungsdaten<ref target="1098579690"/>
</term>
</keywords>
</textClass>
</profileDesc>
<revisionDesc>
<change/>
</revisionDesc>
</teiHeader>
<text>
<body>
<div>
<div type="abstract">
<argument xml:lang="de">
<p>Um urheberrechtlichen Einschränkungen beim Austausch zu Forschungsergebnissen
von vornherein aus dem Weg zu gehen, konzentrieren sich viele digitale
Geisteswissenschaftler*innen auf gemeinfreie Texte. Zur Überwindung dieser
problematischen Beschneidung des Gegenstandsbereichs schlagen Schöch et al.
2020 sogenannte abgeleitete Textformate vor, die digitale Analyseverfahren
unterstützen, den Text jedoch aus urheberrechtlicher Perspektive hinreichend
verfremden. Das Projekt XSample entwickelt eine komplementäre Lösung, die die
Berechtigung zur Weitergabe von Auszügen aus geschützten Texten (im Klartext)
nutzt. Der forschungsgesteuerte Ansatz ermöglicht Gruppen, die an einer
Nachnutzung interessiert sind, eine Optimierung des maximal erlaubten
Auszugsvolumens entlang eigener Forschungsfragen. </p>
</argument>
<argument xml:lang="en">
<p>In order to avoid copyright restrictions on the exchange of research results
from the outset, many researchers in the digital humanities focus on texts in
the public domain. To overcome this problematic limitation of the subject
matter, Schöch et al. 2020 propose so-called derived text formats that support
digital analysis procedures but sufficiently alienate the text from a copyright
perspective. The XSample project is developing a complementary solution that
leverages permission to share excerpts from copyrighted text (in plain text).
The research-driven approach allows groups interested in reuse to optimize the
maximum allowed excerpt volume along their own research questions.</p>
</argument>
</div>
<div type="chapter">
<head>1. Einleitung</head>
<p>Die korpusorientierte Forschung an Texten und anderen Materialien in den digitalen
Geisteswissenschaften ist durch das deutsche Urheberrecht eingeschränkt, das die
Weitergabe von Forschungsdaten zu geschützten Werken und deren Archivierung nur in
engen Grenzen erlaubt.<note type="footnote"> Die Namen der Autor*innen sind in den
Verfasserangaben alphabetisch aufgelistet. Im Projekt befanden sich juristische
Fragestellungen im Arbeitsschwerpunkt von Felicitas Kleinkopf; Markus Gärtner
befasste sich mit der technischen Umsetzung der Infrastruktur; das erste
Nutzungsszenario wurde von Melanie Andresen und Axel Pichler, das zweite von
Janina Jacke und Nora Ketschik bearbeitet; Sibylle Hermann koordinierte die
Projektarbeit und die Anbindung an die bibliothekarische Infrastruktur; Jonas
Kuhn war für konzeptionelle Fragen verantwortlich. Die textuelle Darstellung in
diesem Artikel wurde gemeinschaftlich von den Projektbeteiligten des <term
type="figure">XSample</term>-Projekts, auch über die Zuständigkeitsgrenzen
im Projekt hinweg, erstellt. </note> Die Restriktionen erschweren die
Einhaltung der guten wissenschaftlichen Praxis sowie der <term type="dh"
>FAIR-Prinzipien</term> für Forschungsdateninfrastrukturen.<note
type="footnote"> Die FAIR-Prinzipien formulieren vier
zentrale Anforderungen an Forschungsdaten: Sie sollten Findable, Accessible,
Interoperable und Reusable sein, siehe <ref type="bibliography" target="#wilkinson_fair_2016">Wilkinson et al. 2016</ref>.</note> In
vielen Projekten wird deshalb aus pragmatischen Gründen gänzlich darauf
verzichtet, urheberrechtlich geschützte Texte einzubeziehen. Nicht selten bedeutet
dies, dass zeitgenössische Texte – und mit ihnen bestimmte Fragestellungen –
nahezu vollständig ausgeblendet werden (müssen).<note type="footnote"> Der Schutz
von Texten durch das deutsche Urheberrecht endet siebzig Jahre nach Tod der
Autor*innen, sodass kein direkter Zusammenhang zwischen Publikationsjahr und
dem Ende des urheberrechtlichen Schutzes besteht. </note> Eine so weitreichende
Beschneidung des Gegenstandsbereichs führt jedoch nicht nur zu Verzerrungen der
Forschungslandschaft, die aus geisteswissenschaftlich-fachlichen Gründen
problematisch sind, sie hat häufig auch zur Folge, dass sich die Entwicklung
algorithmischer Verfahren mit sehr kleinen Datensätzen und / oder einer heterogenen
Kombination von Quellen behelfen muss. </p>
<p>Selbstverständlich besteht für Forscher*innen die Möglichkeit, für die Forschung
auf geschützten Texten in Verhandlungen mit den Rechteinhaber*innen zu treten.
Optimal ist, wenn im Vorfeld eine Lizenzvereinbarung ausgehandelt werden kann, die
eine unbegrenzte Weitergabe der geschützten Texte an Dritte zu Forschungszwecken
einschließt; dies gelingt jedoch nicht in allen Fällen und erfordert einen
erheblichen Aufwand und zeitlichen Vorlauf in Bezug auf jede zu verwendende
Datenquelle. Damit ist das Vorgehen mit der Praxis datenintensiver
Computermodellierung nur bedingt vereinbar, bei der etwa explorative Experimente
zu unterschiedlichen Erweiterungen der Datenbasis nur bei einem Bruchteil der
Daten eine längerfristige Weiterverfolgung bewirken.</p>
<p>Dieser Artikel sieht ein Desiderat für die digitalen Geisteswissenschaften – sei
es bei der Erschließung eines Gegenstandsbereichs oder bei der Methodenentwicklung
– darin, eine Forschungsdateninfrastruktur einzurichten, die ein exploratives
Vorgehen unterstützt, sodass die Urheberrechtsfrage nicht länger per se ein
Ausschlusskriterium für die Verwendung eines Textes oder eines Textkorpus ist.
Neben dem langfristigen (politischen) Ziel einer verbesserten urheberrechtlichen
Ausgangslage für die Forschung sollte dafür der bestehende rechtliche Korridor für
eine Weitergabe von Forschungsergebnissen zu geschützten Texten ausgenutzt
werden.</p>
<p>Schöch et al. schlagen zum Umgang mit der bestehenden Rechtslage eine
Konvertierung der Texte in sogenannte abgeleitete Formate vor, welche für eine
Reihe von digitalen Analyseverfahren geeignet sind, die den Text jedoch aus
urheberrechtlicher Perspektive hinreichend verfremden.<note type="footnote"> Vgl.
<ref type="bibliography" target="#schoech_textformate_2020">Schöch et al. 2020</ref>.</note> Diese abgeleiteten Textformate halten beispielsweise
für Textsegmente wie Kapitel oder Abschnitte lediglich die Häufigkeit der
enthaltenen Einzelwörter oder <term type="dh">n-Gramme</term> (also kurzen
Wortsequenzen) fest. Gängige Verfahren der Makroanalyse,<note type="footnote">
Vgl. <ref type="bibliography" target="#jockers_methods_2012">Jockers 2013</ref>. </note> die etwa lexikalische Indikatoren für die Dynamik
des Textverlaufs heranziehen, können auf dieser Basis zur Anwendung kommen. Der
Urheberrechtsschutz wird dabei durch den Aufbruch der Textstruktur aufgehoben,
sodass Restriktionen zur Archivierung, Weitergabe und Veröffentlichung der
Datensätze nicht mehr zum Tragen kommen. Das Konzept der abgeleiteten Textformate
leistet somit einen großen Beitrag zur Replizierbarkeit von Forschung und
Nachnutzbarkeit von Forschungsdaten.</p>
<p>Allerdings stößt das Konzept der abgeleiteten Formate dort an seine Grenzen, wo
die eigentliche Textgestalt forschungsrelevant wird. Dies ist nicht nur bei einer
Mikroanalyse, also etwa beim <term type="dh">Close Reading</term>, der Fall
(welches ohne Frage einen urheberrechtlich geklärten Gesamtzugriff auf den Text
voraussetzt). Vor dem Hintergrund geisteswissenschaftlicher Fragestellungen macht
häufig auch die Interpretation von Ergebnissen einer aggregierenden Makroanalyse
den Zugriff auf einige relevante Textpassagen in ihrer Gesamtgestalt erforderlich. </p>
<p>Das <term type="figure">XSample</term>-Projekt hat daher einen Ansatz entwickelt,
der komplementär zum Konzept der abgeleiteten Textformate eingesetzt werden kann
(vgl.<ref type="graphic" target="#nachnutzung_2021_001"> Abbildung 1</ref>). Dieser
Ansatz nutzt das bestehende Recht zur Weitergabe von prozentual begrenzten
Auszügen geschützter Werke zu Zwecken der wissenschaftlichen Forschung (<ref target="https://www.gesetze-im-internet.de/urhg/__60c.html">§ 60c
UrhG</ref>) und überträgt dies auf die Herausgabe von Korpusauszügen. Der erlaubte
Umfang dieser Auszüge beträgt zwar in der Regel nur 15 Prozent eines Werks, der
XSample-Ansatz ermöglicht jedoch eine dynamische, auf das individuelle
Forschungsanliegen zugeschnittene Auswahl der ›hilfreichsten 15 Prozent‹. Hierzu
können Nachnutzer*innen in Suchanfragen auf den Texten und gegebenenfalls
vorhandenen Annotationen genau spezifizieren, welche Teile des Korpus für sie
relevant sind. Auf diese Weise werden die rechtlichen Möglichkeiten in einer
zielführenden Art und Weise ausgeschöpft und nachhaltige Forschung mit
urheberrechtlich geschützten Texten begünstigt, ohne den Urheberrechtsschutz
aufzuheben. Insbesondere können auch Forschungsfragen bearbeitet werden, die den
Rückgriff auf den exakten Wortlaut ausgewählter Textpassagen und umfangreichere
Kontexte erfordern. Eine besondere Rolle nehmen dabei die
Forschungsinfrastruktureinrichtungen ein, die Wissenschaftler*innen auf
institutioneller Ebene unterstützen, indem sie ihnen digitale Werkzeuge, die z. B.
der Verwaltung und Veröffentlichung ihrer Forschungsdaten dienen, zur Verfügung
stellen. Zu diesen Forschungsinfrastruktureinrichtungen zählen heute vorwiegend
die wissenschaftlichen Bibliotheken. Das im Projekt entwickelte Tool wird
exemplarisch an die lokale Infrastruktur der Universität Stuttgart und das dort
vorhandene Forschungsdatenrepositorium angebunden. Die im Projekt entwickelte
Software steht frei zur Verfügung, sodass sie und die nötige Infrastruktur anderen
Forschungsinfrastruktureinrichtungen bereitgestellt werden können.</p>
<figure>
<graphic xml:id="nachnutzung_2021_001" url=".../medien/nachnutzung_2021_001.png">
<desc>
<ref type="graphic" target="#abb1">Abb. 1</ref>: In XSample entwickeltes
Auszugskonzept. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_001"/>
</desc>
</graphic>
</figure>
<p>Der vorliegende Beitrag geht in <ref type="intern" target="#hd2">Kapitel 2</ref>
zunächst auf die rechtlichen Grundlagen ein, die für Verfahren des <term type="dh"
>Text- und Data-Mining</term> (TDM)<note type="footnote"> Unter TDM versteht
das Urheberrecht <quote>die automatisierte Analyse von einzelnen oder mehreren
digitalen oder digitalisierten Werken, um daraus Informationen insbesondere
über Muster, Trends und Korrelationen zu gewinnen</quote> (<ref target="https://www.gesetze-im-internet.de/urhg/__44b.html">§§ 44b Abs. 1</ref>,
<ref target="https://www.gesetze-im-internet.de/urhg/__60d.html">60d Abs. 1 UrhG</ref>). Unterschieden wird rechtlich zwischen der eigentlichen
automatisierten Analyse, die urheberrechtlich freigestellt ist, und den dafür
notwendigen Vorbereitungsschritten, die wiederum urheberrechtlich relevant
sind. Unter das gesetzgeberische Verständnis von TDM kann ein Großteil
textbasierter Forschung gefasst werden, auch wenn die Forscher*innen ihre
Analyse selbst möglicherweise nicht als Text- und Data-Mining bezeichnen
würden.</note> gelten und die Rahmenbedingungen für das hier präsentierte
Auszugskonzept schaffen. <ref type="intern" target="#hd6">Kapitel 3</ref> stellt
dar, wie die Verfügbarmachung von individuell zugeschnittenen Textauszügen
innerhalb des rechtlichen Rahmens technisch umgesetzt werden kann. Dabei werden
insbesondere die unterschiedlichen Akteur*innen in den Blick genommen sowie Schritte
der Datenvorbereitung und verschiedene Möglichkeiten der Auszugsgenerierung
vorgestellt. Anschließend werden in <ref type="intern" target="#hd12">Kapitel
4</ref> zwei Nutzungsszenarien präsentiert, die im Kontext konkreter
Forschungsfragen ausführen, inwieweit abgeleitete Textformate und / oder das
Auszugskonzeptkonzept für die Reproduktion ihrer Forschung und die Nachnutzung
ihrer Daten praktikabel sind. Das erste Nutzungsszenario widmet sich der
Wissenschaftssprache der geisteswissenschaftlichen Fächer Literaturwissenschaft,
Linguistik und Philosophie und erstellt dazu ein Korpus aus insgesamt 135
urheberrechtlich geschützten Zeitschriftenartikeln. Das zweite Nutzungsszenario
beschäftigt sich mit dem Phänomen des unzuverlässigen Erzählens, das in einem
ersten Zugang anhand eines Korpus aus acht deutschsprachigen fiktionalen
Erzählungen aus dem 19. bis zum 21. Jahrhundert untersucht wird, die teilweise dem
Urheberrecht unterliegen. Nach Abschluss der Forschung sollen die Daten für die
Überprüfung der Ergebnisse und zur Nachnutzung in weiteren Projekten zur Verfügung
gestellt werden. Das Fazit in <ref type="intern" target="#hd15">Kapitel 5</ref>
fasst die Ergebnisse zusammen und leitet praktische Handlungsempfehlungen und
Desiderate ab.</p>
</div>
<div type="chapter">
<head>2. Urheberrechtliche Rahmenbedingungen für das Text- und Data-Mining </head>
<p>Bei der Beforschung insbesondere neuerer Texte und Korpora müssen sich die
digitalen Geisteswissenschaften mit Fragen des Urheberrechts auseinandersetzen.
Der urheberrechtliche Rahmen für die Forschung mit TDM hat sich in den letzten
Jahren mehrfach geändert, was es zusätzlich erschwert, aus
geisteswissenschaftlicher Perspektive zu überblicken, wie bzw. in welchem Umfang
mit geschützten Werken geforscht werden darf. Die letzten Änderungen ergaben sich
im Juni 2021, als die <term type="dh">Richtlinie zum Urheberrecht im digitalen
Binnenmarkt</term> (Digital Single Market-, kurz DSM-Richtlinie) im <term type="dh"
>Urheberrechtsgesetz</term> (UrhG) umgesetzt wurde. Um einen kurzen Überblick
über die Entwicklung der Gesetzeslage zu geben, wird nachfolgend (<ref
type="intern" target="#hd3">Kapitel 2.1</ref>) skizziert, in welchem Umfang
Vervielfältigungen (<ref target="https://www.gesetze-im-internet.de/urhg/__16.html">§ 16 UrhG</ref>) und öffentliche Zugänglichmachungen (<ref target="https://www.gesetze-im-internet.de/urhg/__19a.html">§ 19a UrhG</ref>)
für die Erstellung und (gemeinsame) Beforschung von Korpora im Kontext von TDM in
den verschiedenen Gesetzesfassungen erlaubt waren bzw. sind.<note type="footnote">
Einen umfassenderen Überblick über die Detailfragen des Forschungsprozesses
bieten zum alten Recht <ref type="bibliography" target="#dreier_urhg_2018">Dreier / Schulze 2018</ref>, § 60d;
<ref type="bibliography" target="#kleinkopf_text_2021">Kleinkopf et al. 2021</ref>;
vorwiegend auch <ref type="bibliography" target="#schoech_textformate_2020">Schöch et al. 2020</ref>, Randnummer 5–14; zu § 60d in seiner neuen Fassung,
vgl. <ref type="bibliography" target="#dreier_urhg_2022">Dreier in Dreier / Schulze 2022</ref>, § 44b und § 60d;
<ref type="bibliography" target="#raue_freistellung_2021">Raue 2021</ref>;
<ref type="bibliography" target="#kleinkopf_bildung_2021">Kleinkopf / Pflüger 2021</ref>, S. 645–647;
eine Betrachtung auf EU-Ebene bieten
<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner et
al. 2021</ref>, S. 11–13.</note> Daran anschließend werden Fragen nach der
Zugänglichmachung und Nachnutzbarkeit von Korpora sowie mögliche Lösungsansätze
diskutiert (<ref type="intern" target="#hd4">Kapitel 2.2.</ref>), darunter
insbesondere die rechtliche Grundlage für das in diesem Artikel vorgestellte
Auszugskonzept. Abschließend werden die wesentlichen Anforderungen an
Forschungsinfrastruktureinrichtungen zusammengefasst, die sich aus den
juristischen Rahmenbedingungen ergeben (<ref type="intern" target="#hd5">Kapitel
2.3</ref>).</p>
<div type="subchapter">
<head>2.1. Die Gesetzesentwicklung</head>
<p>Bis zum 1. März 2018 enthielt das UrhG keine gesonderte Erlaubnis, Werke zu
Zwecken des TDM zu nutzen. Deswegen waren TDM-Analysen an urheberrechtlich
geschützten Werken nur insoweit möglich, wie die Werke nicht kopiert oder
weitergegeben wurden: Diese Handlungen sind nach den Regelungen in §§ 16, 19a
UrhG urheberrechtlich relevant, die das ausschließliche Recht des Urhebers
enthalten, sein Werk zu vervielfältigen und es öffentlich zugänglich zu machen.
Eine ausdrückliche Erlaubnis<note type="footnote"> Erlaubnisnormen werden im
deutschen Urheberrecht als <quote>Schranken</quote> bzw.
<quote>Schrankenbestimmungen</quote> bezeichnet.</note> dieser Handlungen
wurde im Jahr 2018 durch das Gesetz zur Angleichung des Urheberrechts an die
aktuellen Erfordernisse der Wissensgesellschaft (UrhWissG) mit einem neuen
§ 60d UrhG geschaffen. Unter der Voraussetzung des rechtmäßigen Zugriffs
erlaubt § 60d UrhG der nicht-kommerziellen wissenschaftlichen Forschung seither
die Vervielfältigung (§ 16 Abs. 1 UrhG) und die öffentliche Zugänglichmachung
(§ 19a UrhG) geschützter Werke zu Zwecken des TDM. Seitdem existiert im
deutschen Urheberrecht erstmalig eine explizite Erlaubnis, geschützte Werke für
das TDM auch umfangreich zu verarbeiten. Defizitär war bereits zu jenem
Zeitpunkt, dass die Korpora zwar bei bestimmten Einrichtungen, darunter auch
den in diesem Artikel adressierten Forschungsinfrastruktureinrichtungen,
aufbewahrt werden durften, aber keine Möglichkeit bestand, die Korpora zu
Zwecken von Anschlussforschungen nachzunutzen.</p>
<p>Aufgrund des <term type="dh">Gesetzes zum Urheberrecht im digitalen
Binnenmarkt</term> vom 7. Juni 2021<note type="footnote"> Bundesgesetzblatt Jahrgang
2021 Teil I Nr. 27, ausgegeben zu Bonn am 4. Juni 2021.</note> hat sich der
Rechtsrahmen ein weiteres Mal verändert. Seitdem darf Forschung mit TDM auch zu
anderen Zwecken als zur nicht-kommerziellen wissenschaftlichen Forschung (diese
ist weiterhin in § 60d UrhG geregelt), z. B. in Unternehmen oder in der Presse,
praktiziert werden, wenn auch in eingeschränktem Umfang (§ 44b UrhG). Die
Erlaubnis ist dabei nach wie vor an den rechtmäßigen Zugang gebunden. Dieser
rechtmäßige Zugang liegt dann vor, wenn die genutzten Texte in Buchform
vorliegen, im Internet frei abrufbar sind oder als E-Books lizenziert
wurden.<note type="footnote"> Vertraglich oder technisch darf das TDM im
Rahmen wissenschaftlicher Zwecke (§ 60d UrhG) auch im Grundsatz nicht
ausgeschlossen werden (<ref target="https://www.gesetze-im-internet.de/urhg/__60g.html">§ 60g Abs. 1</ref>, <ref target="https://www.gesetze-im-internet.de/urhg/__95b.html">95b Abs. 1, 3 UrhG</ref>). Etwas anderes gilt
für kommerzielles TDM im Rahmen des § 44b UrhG oder für die Sicherung der
Funktionsfähigkeit technischer Systeme (§ 60d Abs. 6 UrhG).</note> § 60d
UrhG wurde außerdem um Befugnisse zugunsten von sogenannten
Kulturerbe-Einrichtungen erweitert. Neu ist auch, dass jedenfalls für
Vervielfältigungen im Rahmen von TDM nunmehr keine Vergütung mehr anfällt
(<ref target="https://www.gesetze-im-internet.de/urhg/__60h.html">§ 60h Abs. 2 Nr. 3 UrhG</ref>). Diese war zuvor durch die jeweiligen Einrichtungen
zu tragen.</p>
</div>
<div>
<p></p>
<p></p>
</div>
<div type="subchapter">
<head>2.2. Die Erlaubnisse für Forschungsinfrastruktureinrichtungen</head>
<p>§ 60d UrhG in seiner aktuellen Fassung erlaubt es u. a. Forschungs- und
sogenannten Kulturerbe-Einrichtungen, dazu zählen auch die in diesem Aufsatz
adressierten Forschungsinfrastruktureinrichtungen, vollständige Werke zu
Zwecken des TDM zu vervielfältigen (Abs. 1 bis 3) und die Vervielfältigungen
(d. h. nicht die unveränderten Ursprungsmaterialien) für die gemeinsame
wissenschaftliche Forschung bestimmt abgegrenzten Personenkreisen sowie
einzelnen Dritten zur Überprüfung der wissenschaftlichen Forschung öffentlich
zugänglich zu machen (Abs. 4 S. 1). Die Zugänglichmachung ist jeweils zu
beenden, wenn die gemeinsame Forschung oder die Überprüfung abgeschlossen ist
(Abs. 4 S. 2).</p>
<p>Die Befugnis zur Weitergabe der Korpora während der Forschungsarbeiten ist also
deutlich enger gefasst, als es ein allgemeiner Verweis auf die öffentliche
Zugänglichmachung (§ 19a UrhG) zur Folge hätte: Sie erlaubt die öffentliche
Zugänglichmachung eines Werks in einer Weise, dass es <quote>Mitgliedern der
Öffentlichkeit von Orten und zu Zeiten ihrer Wahl zugänglich ist</quote>.
Das bedeutet, dass das Werk Personen zugänglich gemacht wird, die der
Öffentlichkeit angehören, d. h. zu denen keine persönliche Beziehung existiert,
vgl. <ref target="https://www.gesetze-im-internet.de/urhg/__15.html">§ 15 Abs. 3 UrhG</ref>, und die einer <quote>unbestimmten Zahl potentieller
Adressaten</quote> und einer <quote>ziemlich großen Zahl von
Personen</quote> angehören.<note type="footnote"> Dreier in <ref type="bibliography" target="#dreier_urhg_2022">Dreier /
Schulze 2022</ref>, § 15 Randnummer 38 mit Verweis auf den EuGH.</note> Die Erlaubnis,
Korpora während der TDM-Forschungsarbeiten weiterzugeben (§ 60d Abs. 4 S. 1
UrhG), bezieht sich hingegen nur auf bestimmt abgegrenzte, d. h. weiter
eingegrenzte Personenkreise, die der Öffentlichkeit angehören. Bei
Forschungsgruppen handelt es sich in der Regel nicht um eine
Öffentlichkeit,<note type="footnote"> Vgl. <ref type="bibliography" target="#raue_freistellung_2021">Raue 2021</ref>, S. 799.</note>
weswegen es auf diese Erlaubnis in den meisten Fällen nicht ankommt.</p>
<p>Die TDM-Korpora dürfen gemäß § 60d UrhG so lange aufbewahrt werden, wie es für
die Forschung oder für Überprüfungszwecke erforderlich ist. Die Dauer erfasst
im Regelfall die von der guten wissenschaftlichen Praxis geforderten zehn
Jahre,<note type="footnote"> Vgl. Leitlinien zur Sicherung der guten wissenschaftlichen Praxis,
<ref type="bibliography" target="#dfg_leitlinien_2019">Deutsche Forschungsgemeinschaft 2019</ref>,
Leitlinie 17.</note> sie kann im Einzelfall aber auch kürzer oder länger bemessen
sein. Aufgrund der Wissenschaftsfreiheit unterliegt die Einschätzung der
Aufbewahrungsdauer den Forschenden und ist nur eingeschränkt überprüfbar.<note
type="footnote"> Vgl. <ref type="bibliography" target="#raue_freistellung_2021">Raue 2021</ref>, S. 799.</note>
</p>
<p>Eine Erlaubnis, die Korpora zur Aufbewahrung an
Forschungsinfrastruktureinrichtungen weiterzugeben, ist nicht mehr ausdrücklich
enthalten. Die Weitergabemöglichkeit kann allenfalls mittels einer extensiven
Auslegung aus der Gesetzesbegründung abgeleitet werden, denn diese scheint von
einer Aufbewahrung durch Kulturerbe-Einrichtungen auszugehen:<note
type="footnote"> Vgl. <ref type="bibliography" target="#kleinkopf_bildung_2021">Kleinkopf / Pflüger 2021</ref>, S. 647.</note>
<quote>Hiernach kann auch eine dauerhafte Speicherung erforderlich und folglich
zulässig sein, insbesondere, wenn sie durch Kulturerbe-Einrichtungen und
nicht durch die Forschungseinrichtung selbst erfolgt</quote>.<note
type="footnote"> <ref target="https://dserver.bundestag.de/btd/19/274/1927426.pdf">Bundestagsdrucksache 19/27426</ref>, S. 97.</note> Möglich ist aber in jedem
Fall, die TDM-Projekte gleich von Beginn an auf zentralen Bibliotheksservern
bzw. einrichtungsübergreifenden Servern anzusiedeln, sodass dort die
Archivierung ohne eine gesonderte Übermittlung erfolgen kann. Dann bewegt man
sich im Rahmen dessen, was die Gesetzesbegründung ausdrücklich enthält, und
vermeidet gleichzeitig, das Korpus erneut zu vervielfältigen (§ 16 UrhG).</p>
<p>Unklar ist aber weiterhin, ob zu Zwecken von Anschlussforschungen auf die
Korpora zugegriffen werden kann. Gemäß § 60d Abs. 5 UrhG dürfen die Korpora
(nach dem Gesetz jedoch nicht die unveränderten Ursprungsdaten)<note
type="footnote"> Etwas anderes kann gelten, wenn die Ursprungsdaten
entsprechend lizenziert sind, vgl. dazu auch <ref
type="intern" target="#hd8">Kapitel 3.2</ref>.</note> so lange aufbewahrt
werden, wie es für Zwecke der Überprüfung der Qualität der wissenschaftlichen
Forschung oder für die Forschung selbst erforderlich ist. Das impliziert, dass
es auch abseits der Überprüfung wissenschaftliches Interesse an den Korpora
geben kann. Auch die DSM-Richtlinie setzt voraus, dass nach Abschluss der
Forschungsarbeiten bzw. während der Langzeitarchivierung noch Interesse an
weiterer Beforschung der Korpora bestehen kann:<note type="footnote"> Vgl.
<ref type="bibliography" target="#kleinkopf_bildung_2021">Kleinkopf / Pflüger 2021</ref>, S. 647.</note>
<quote>Die Nutzung zum Zwecke der wissenschaftlichen
Forschung außerhalb des Text und Data Mining, etwa die Begutachtung unter
wissenschaftlichen Fachkollegen und gemeinsame Forschungsarbeiten, sollte
nach wie vor unter die Ausnahme oder Beschränkung im Sinne von Artikel 5
Absatz 3 Buchstabe a der Richtlinie 2001/29/EG fallen, sofern diese
Bestimmung anwendbar ist.</quote>
<note type="footnote"> Erwägungsgrund 15 S. 5 <ref type="bibliography" target="#DSM-Richtlinie_2019">DSM-Richtlinie</ref>.</note> Für eine
Nachnutzung der Korpora kommen neben den von Schöch et al. vorgestellten
abgeleiteten Textformaten sogenannte <term type="dh">Closed-Room-Zugänge</term>
<note type="footnote"> Vgl. <ref type="bibliography" target="#schoech_textformate_2020">Schöch et al. 2020</ref>, Randnummer 4 f.</note> (<ref target="https://www.gesetze-im-internet.de/urhg/__60e.html">§§ 60e Abs. 4</ref>,
<ref target="https://www.gesetze-im-internet.de/urhg/__60f.html">60f UrhG</ref>) und die Erlaubnis der auszugsweisen Nutzung zu Zwecken der
wissenschaftlichen Forschung (§ 60c UrhG) in Betracht. Nachfolgend werden diese
beiden Optionen dargestellt und gegeneinander abgewogen.</p>
<p>§§ 60e Abs. 4, 60f UrhG erlauben es Bibliotheken und anderen
Kulturerbe-Einrichtungen wie öffentlich zugänglichen Museen, ihren Nutzer*innen
Werke aus ihrem Bestand an Terminals in ihren Räumen für deren Forschung oder
private Studien zugänglich zu machen (sogenannte <term type="dh"
>Terminal-Schranke</term>). Die Nutzer*innen dürfen sogenannte <term
type="dh">Anschlusskopien</term>
<note type="footnote"> Der Terminus ›Anschlusskopie‹ meint, dass sich die
Erlaubnis der Erstellung einer zehnprozentigen Kopie von Nutzer*innen an die
Erlaubnis der Einrichtung, Werke an Terminals zugänglich zu machen,
anschließt; vgl. dazu auch Dreier in <ref type="bibliography" target="#dreier_urhg_2022">Dreier / Schulze 2022</ref>, § 60e Randnummer
21-24.</note> im Umfang von zehn Prozent erstellen. Einzelne Werke geringen
Umfangs<note type="footnote"> Unter ›geringem Umfang‹ werden gemeinhin 25
Seiten verstanden, vgl. Dreier in <ref type="bibliography" target="#dreier_urhg_2022">Dreier / Schulze 2022</ref>, § 60c Randnummer 15,
§ 60a Randnummer 22; <ref target="https://dserver.bundestag.de/btd/18/123/1812329.pdf">Bundestagsdrucksache 18/12329</ref>, S. 35.</note> wie Beiträge aus
wissenschaftlichen Zeitschriften dürfen hingegen vollständig genutzt werden.
Auf Grundlage des § 60e Abs. 4 UrhG kann also durch Kulturerbe-Einrichtungen
Vollzugriff gewährt werden, außerdem können die Anschlusskopien
interessengerecht erstellt werden. Ein entscheidender Nachteil an § 60e Abs. 4
UrhG ist gleichwohl, dass jedenfalls der erste Zugriff auf die Werke nur an
Terminals vor Ort erfolgen kann (sogenannte Closed-room-Zugänge).<note
type="footnote"> Vgl. <ref type="bibliography" target="#schoech_textformate_2020">Schöch et al. 2020</ref>, Randnummer 5.</note>
</p>
<p>Anders verhält es sich mit § 60c UrhG, der Erlaubnisnorm für Zwecke der
nicht-kommerziellen wissenschaftlichen Forschung, auf den sich das hier
vorgestellte Konzept stützt. § 60c UrhG basiert auf Art. 5 Abs. 3 lit. a
InfoSoc-Richtlinie, der den EU-Mitgliedsstaaten ermöglicht, in ihrem nationalen
Urheberrecht Erlaubnisse von Vervielfältigungen und öffentlicher
Zugänglichmachung <quote>für Zwecke der wissenschaftlichen Forschung, sofern –
außer in Fällen, in denen sich das als unmöglich erweist – die Quelle,
einschließlich des Namens des Urhebers, wann immer das möglich ist,
angegeben wird und soweit das zur Verfolgung nicht kommerzieller Zwecke
gerechtfertigt ist</quote> vorzusehen. </p>
<p>§ 60c Abs. 1 Nr. 1 UrhG erlaubt es, zu Zwecken der nicht-kommerziellen
wissenschaftlichen Forschung bis zu 15 Prozent von Werken und auch vollständige
Werke geringen Umfangs zu vervielfältigen und an bestimmt abgegrenzte
Personenkreise für deren eigene wissenschaftliche Forschung öffentlich
zugänglich zu machen, d. h. weiterzugeben. Auf dieser Grundlage können
geschützte Werke auf individuelle Anfrage teils vollständig, teils
auszugsweise, weitergegeben werden, auch digital und ohne Ortsbindung. Nicht
erlaubt ist allerdings, Werke für eine gesamte Einrichtung frei abrufbar zu
stellen.<note type="footnote"> Das entspräche einer Einstellung in ein
Universitäts-Intranet, diese ist jedoch gerade nicht erlaubt, vgl. Dreier in
<ref type="bibliography" target="#dreier_urhg_2022">Dreier / Schulze 2022</ref>, § 60c Randnummer 9; <ref target="https://dserver.bundestag.de/btd/15/008/1500837.pdf">Bundestagsdrucksache 15 / 837</ref>, S. 34.</note>
</p>
<p>Wenn Forschende also nach § 60c UrhG Texte auszugsweise zur Nachnutzung
erhalten und diese anschließend für TDM im Sinne des § 60d UrhG nutzen, werden
zwei Erlaubnisnormen, die auf unterschiedlichen Richtlinien beruhen (nämlich
einerseits der InfoSoc-Richtlinie und andererseits der DSM-Richtlinie),
miteinander kombiniert. Das ist rechtlich möglich.<note type="footnote"> Nach
der <ref type="bibliography" target="#DSM-Richtlinie_2019">DSM-Richtlinie</ref> ist es zulässig, weitere Nutzungen der TDM-Korpora auf
die ältere InfoSoc-Richtlinie zu stützen, das besagt zum einen
Erwägungsgrund 15 S. 5 und zum anderen Art. 24 Abs. 2, 25 <ref type="bibliography" target="#DSM-Richtlinie_2019">DSM-Richtlinie</ref>. Auch die
Rechtsprechung hat bereits in der Vergangenheit urheberrechtliche
Erlaubnisnormen miteinander kombiniert, wenn ihre jeweiligen Voraussetzungen
erfüllt sind, EuGH GRUR 2014, 1078 – TU Darmstadt / Ulmer; BGH GRUR 2015,
1101 – Elektronische Leseplätze II; so bereits <ref type="bibliography" target="#kleinkopf_text_2021">Kleinkopf et al. 2021</ref>, S.
198f.</note>
</p>
<p>Daneben entspricht die Nachnutzbarkeit auf Grundlage des § 60c UrhG auch den
Interessen der Urheber*innen, das gilt insbesondere deswegen, weil § 60c UrhG
vergütungspflichtig ist (§ 60h UrhG) und dadurch ein finanzieller Ausgleich für
die Rechteinhaber*innen hergestellt wird, schließlich ist für eine Nutzung gemäß
§ 60d UrhG ein rechtmäßiger Zugang erforderlich, der zumeist einen finanziellen
Ausgleich für den*die Urheber*in enthält. § 60c UrhG setzt diesen rechtmäßigen Zugang
allerdings nicht voraus. Die Vergütung stellt also einen Ausgleich der
urheberrechtlichen Interessen her. Insgesamt ermöglicht § 60c UrhG insofern
eine flexiblere Korpus-Nachnutzung als §§ 60e Abs. 4, 60f UrhG, weswegen sich
das in XSample entwickelte Konzept auf § 60c UrhG stützt.</p>
</div>
<div type="subchapter">
<head>2.3. Rahmenbedingungen für das Auszugskonzept</head>
<p>Zusammenfassend orientiert sich das hier vorgestellte Auszugskonzept an
folgenden rechtlichen Einschränkungen, die von
Forschungsinfrastruktureinrichtungen, die Korpora mit geschützten Texten bereitstellen möchten, zu prüfen sind:</p>
<p>
<hi rend="italic">Einbeziehung der Forschungsinfrastruktureinrichtungen</hi>:
Forschungsinfrastruktureinrichtungen, die die Korpora aufbewahren und
gegebenenfallsbereitstellen, sollten von Beginn an in die Projektkonzeptionen
integriert werden.</p>
<p>
<hi rend="italic">Aufbewahrungsdauer</hi>: Forscher*innen, die die Korpora
bereitstellen möchten, sollten eine der Forschung angemessenen
Aufbewahrungsdauer für die Korpora vorschlagen. Wenn diese von den von der DFG
vorgeschlagenen zehn Jahren<note type="footnote"> Leitlinien zur Sicherung
der guten wissenschaftlichen Praxis, <ref type="bibliography" target="#dfg_leitlinien_2019">Deutsche Forschungsgemeinschaft 2019</ref>, Leitlinie 17.</note> abweicht,
sollte eine explizite Begründung erfolgen.</p>
<p>
<hi rend="italic">Inhalt der Korpora</hi>: Die gespeicherten und gegebenenfalls
bereitgestellten Korpora dürfen nicht die unveränderten Ursprungsdaten
enthalten, es sei denn, die betreffende Einrichtung hat hierzu entsprechende
Lizenzen erworben.</p>
<p>
<hi rend="italic">Nachnutzung</hi>: Nachnutzer*innen müssen nicht-kommerzielle,
wissenschaftliche Zwecke verfolgen. Die Korpusauszüge dürfen nur bestimmt
abgegrenzten Personenkreisen zugänglich gemacht werden, d. h. auf individuelle
Anfrage. </p>
<p>
<hi rend="italic">Umfang der Korpusauszüge</hi>: Korpusauszüge dürfen maximal
15 Prozent ganzer Werke betragen, kurze Werke wie z. B. Aufsätze aus
Zeitschriften (maximal 25 Seiten) können dagegen vollständig herausgegeben
werden.</p>
</div>
</div>
<div type="chapter">
<head>3. Technische Umsetzung</head>
<p>Wie im <ref type="intern" target="#hd2">vorigen Kapitel</ref> beschrieben, bedient
sich der in XSample verfolgte Ansatz der rechtlichen Erlaubnis, Auszüge bis zu
einem Umfang von 15 Prozent eines Werks für Forschungszwecke weiterzugeben. Dieses
Auszugskonzept wurde im Rahmen des Projekts prototypisch implementiert und zielt
insbesondere darauf ab, den Nutzer*innen die für ihre Forschungsfrage
›hilfreichsten‹ Auszüge zu liefern. Die technische Umsetzung wird im Folgenden
umrissen. Hierfür werden zunächst die Workflow-Akteur*innen (<ref type="intern"
target="#hd7">Kapitel 3.1</ref>) und die im Workflow eingesetzten
Serverkomponenten (<ref type="intern" target="#hd8">Kapitel 3.2</ref>) vorgestellt.
Im Anschluss werden die Vorbereitungsschritte für die Erstellung eines Auszugs
(<ref type="intern" target="#hd9">Kapitel 3.3</ref>) sowie verschiedene
Möglichkeiten der Auszugsgenerierung (<ref type="intern" target="#hd10">Kapitel
3.4</ref>) erläutert. Für letztere liegt der Fokus auf der Verwendung im Korpus
enthaltener Annotationen, um mittels Suchanfragen Auszüge zu erhalten, die optimal
auf die Bedürfnisse der Nachnutzer*innen zugeschnitten sind. Abschließend wird die
Nachhaltigkeit und Nachnutzbarkeit der hier vorgestellten Infrastruktur
thematisiert (<ref type="intern" target="#hd11">Kapitel 3.5</ref>).</p>
<div type="subchapter">
<head>3.1 Workflow-Akteur*innen</head>
<p>XSample unterscheidet zwischen drei Akteur*nnen im Workflow: Erstens den
Infrastrukturbetreiber*innen, zweitens den Datenanbieter*innen / -lieferant*innen und
drittens den Nachnutzer*innen. Infrastrukturbetreiber*innen gehören zu den oben
adressierten Forschungsinfrastruktureinrichtungen und bieten die
infrastrukturelle Komponente zur Ablage und Verwaltung der verschiedenen im
Workflow anfallenden Daten. Eine zentrale Bedeutung kommt hierbei der
Authentifizierung von Nutzer*innen und einem feingranularen Rechtemanagement
zu, um die beschriebenen rechtlichen Bedingungen (z. B. Zugriffsbeschränkung
für bestimmt abgegrenzte Personenkreise) erfüllen zu können. Neben der reinen
Datenablage dient das zugrundeliegende Repositorium mit seiner Weboberfläche
gleichzeitig als zentraler Einstiegspunkt für die weiteren beteiligten
Akteur*innen. Als Datenlieferant*innen werden im XSample-Kontext sämtliche
Personen oder Personenkreise bezeichnet, welche (gemäß § 60d UrhG) TDM auf
geschützten Werken zum Zwecke nicht-kommerzieller Forschung durchführen und die
dabei erzeugten Korpora zur Nachnutzung durch XSample verfügbar machen möchten.
Die Gruppe der Nachnutzer*innen schließlich beinhaltet die nach § 60c UrhG
bestimmt abgegrenzten Personenkreise, denen auszugsweise Zugang zu geschützten
Werken zum Zwecke nicht-kommerzieller Forschung gewährt werden darf.</p>
</div>
<div type="subchapter">
<head>3.2 Infrastruktur: Repositorium und Auszugsgenerierung</head>
<p>Innerhalb des XSample-Workflows kommen zwei getrennte Serverkomponenten zum
Einsatz: das Repositorium und die Auszugsgenerierung. Beide stehen unter der
Verwaltung der Infrastrukturbetreiber*innen und verfügen über jeweils eigene
Weboberflächen.</p>
<p>Das Repositorium dient vorwiegend der Ablage und Verwaltung der Korpus- und
eventuell Ursprungsdaten und wird innerhalb des Prototyps durch eine
Dataverse-Instanz realisiert. Die <ref target="https://dataverse.org/"
>Dataverse</ref> Software ist ein Open-Source-Projekt auf Basis des <ref
target="https://github.com/jakartaee/faces">JSF-Frameworks</ref> mit einer
aktiven Community aus Entwickler*innen und regelmäßigen Nutzer*innen. Dataverse
bietet die Möglichkeit, abgelegte Daten auf verschiedene Weise zu organisieren
oder zu gruppieren, und verfügt überdies über eine Rechteverwaltung, die es
erlaubt, bis auf die Ebene einzelner Datensätze zu entscheiden, ob ein komplett
öffentlicher Zugang (<term type="dh">Public Domain</term>), das Teilen mit
einzelnen Individuen oder Gruppen (<term type="dh">Shared Domain</term>), oder
eine für andere uneinsehbare Ablage (<term type="dh">Private Domain</term>)
gewünscht ist. Dies ist im Kontext von XSample besonders relevant, da zwar
während eines laufenden Forschungsprojekts § 60d UrhG das Teilen der Daten
innerhalb von Forschungsgruppen und zu Überprüfungszwecken erlaubt (Shared
Domain), allerdings nach Projektende diese in ihrer Gesamtheit nicht mehr
(ausdrücklich) öffentlich zugänglich gemacht oder geteilt werden dürfen
(Private Domain). Zusätzlich unterscheidet Dataverse zwischen der
Auffindbarkeit von Ressourcen und dem direkten Zugriff auf dieselben. Somit
lassen sich die Metadaten als eigenständiger Datensatz veröffentlichen, während
die eigentlichen Dateien innerhalb des Datensatzes aber vor jeglichem direkten
Zugriff abgeschirmt sind.</p>
<p>Neben dem Repositorium stellt die Auszugsgenerierung als eigener Server die
zweite Komponente im XSample-Workflow dar. Sie leitet Nutzer*innen auf einer
Weboberfläche durch die individuelle Auszugskonfiguration und stellt am Ende
des XSample-Workflows die im Auszug enthaltenen Daten als Download zur
Verfügung. Dieser Server basiert ebenfalls auf JSF und kommuniziert mit der
Dataverse-Instanz über eine Webschnittstelle, um auf dort abgelegte Ressourcen
und Metadaten zuzugreifen. Um auf nicht-öffentliche Datensätze zugreifen zu
können, benötigt der XSample-Server einen eigenen Account für das entsprechende
Dataverse, der allerdings nur Leserechte beinhalten muss, denn der
XSample-Server selbst schreibt oder modifiziert keine Daten im Repositorium.
Zur Integration des Servers in die bestehende Dataverse-Infrastruktur wird
dieser in der Dataverse-Instanz als sogenanntes <ref
target="https://guides.dataverse.org/en/latest/api/external-tools.html"
>external tool</ref> registriert. Diese Schnittstelle in Dataverse
ermöglicht es, für bestimmte Dateitypen oder Datensätze externe Server zu
registrieren, die den Nutzer*innen dann als zusätzliche Optionen neben Download
oder Betrachtung angezeigt werden (vgl.<ref type="graphic"
target="#nachnutzung_2021_002"> Abbildung 2</ref>). Dies ermöglicht eine
Integration der XSample-Komponenten, ohne Code-Modifikationen an Dataverse
vornehmen zu müssen, und erlaubt überdies, komplett auf eine eigene
Authentifizierung von Nutzer*innen von Seiten des XSample-Servers zu
verzichten, da diese bereits bei Dataverse vorgeschaltet ist. Auf diese Weise
werden die zur Nachverfolgung der Nutzer*innen nötigen Daten bei der
Weiterleitung zum XSample-Server sogleich mit übermittelt.</p>
</div>
<div type="subchapter">
<head>3.3 Datenaufbereitung für die Auszugsgenerierung</head>
<p>Bevor Auszüge aus einem Korpus generiert werden können, sind mehrere
Vorbereitungsschritte notwendig:</p>
<p>
<hi rend="italic">Zulässige Formate</hi>: Alle für die Auszüge zu verwendenden
Dateien des Korpus müssen in einem nicht öffentlich zugreifbaren Bereich
(Private Domain) des Repositoriums abgelegt werden. Im Kontext der
Prototypenimplementierung ist bisher nur eine begrenzte Anzahl von Formaten für
Ursprungsdaten (PDF, EPUB oder TXT) und Annotationen (TEI-Subset und
<term type="dh">CoNLL</term>-ähnliche tabellarische Formate) vorgesehen. Werden unveränderte
Ursprungsdaten eingegliedert, ist von Seiten der Infrastrukturbetreiber*innen
und Datenanbieter*innen auch zu prüfen, ob für die verwendeten Werke
Archivierungsrechte oder Lizenzen mit äquivalenten Berechtigungen vorliegen,
wie in <ref type="intern" target="#hd5">Kapitel 2.3</ref> beschrieben.</p>
<p>
<hi rend="italic">Alignierung</hi>: Neben den reinen Annotationen im Korpus
muss auch eine Abbildung einzelner Annotationen auf die zugrunde liegenden
Segmente der Ursprungsdaten geliefert werden, um beide innerhalb von XSample
alignieren zu können. Da beispielsweise im Fall von Dateien im PDF-Format
Auszüge zwangsläufig als Sammlung vollständiger Seiten erzeugt werden und die
Zusammensetzung der Auszüge mittels Suchanfragen auf Basis der Annotationen
gesteuert werden kann, müssen diese Annotationen (bzw. die dazugehörigen
Suchergebnisse) auf die ursprünglichen Seiten abbildbar sein. Aktuell sieht der
XSample-Prototyp für diese Alignierung entweder die Verwendung zusätzlicher
Annotationsebenen direkt im Korpus vor, oder aber das Erstellen und Mitliefern
zusätzlicher tabellarischer Dateien, welche eine simple Abbildung relevanter
Segmentierungseinheiten seitens der Annotationen (z. B. Sätze) auf die primären
Segmente der Ursprungsdaten enthält. Abhängig vom jeweiligen Projektinhalt und
dem Anteil manueller Vorverarbeitung kann dieser Vorbereitungsschritt eine
große Hürde darstellen. Dies sollte schon frühzeitig im Projekt eingeplant
werden, damit die notwendigen und nicht selten ›format-fremden‹<note
type="footnote"> Metainformationen wie Seitenzahlen auf der Ebene von Sätzen
oder einzelnen Worten im Text sind in etablierten Annotationsschemata oder
Formaten in der Regel nicht vorgesehen und erfordern somit zusätzlichen Aufwand, bzw.
spezielle Anpassungen.</note> Informationen nicht im Forschungsprozess
verloren gehen und entweder durch manuellen Zusatzaufwand oder Anpassung
automatischer Verarbeitungsschritte wiederhergestellt werden müssen. Die Ablage
der Alignierungsinformationen erfolgt analog zu obigen Ursprungs- und
Annotationsdateien in einem nicht-öffentlichen Bereich.</p>
<p>
<hi rend="italic">Erzeugung eines Manifests</hi>: Als letztes muss ein
sogenanntes XSample-Manifest (siehe Beispielcode unten) erzeugt und im
Repositorium abgelegt werden. Dieses Manifest ist eine Datei im <ref
target="https://json-ld.org/">JSON-LD</ref> Format, die Metadaten zu den
einzelnen für die weitere Verarbeitung relevanten Ressourcen im Korpus enthält.
Primär bestehen diese Informationen aus Angaben zum Ablageort, Format und
Umfang einzelner Dateien. Daneben sind aber auch Informationen zu
Rechteinhaber*innen der einzelnen Werke im Korpus enthalten, damit der
XSample-Server bei der Auszugsgenerierung der Namensnennungspflicht nachkommen
kann. Im Manifest kann zusätzlich ein fixer Bereich für die statische
Auszugsgenerierung festgelegt werden. Dies erlaubt es Datenlieferant*innen
beispielsweise, besonders interessante Passagen als Teil des Standard-Auszugs
zu definieren. Der Umfang des statisch definierten Auszugs muss nicht
zwangsläufig die vollen 15 Prozent ausschöpfen, wenn interessante Inhalte auch
in Auszügen geringeren Umfangs präsentiert werden können. Somit können
Nachnutzer*innen den Rest ihrer Quote beispielsweise für zielgerichtete
Varianten der Auszugserstellung nutzen. Derzeit erfolgt die Erstellung eines
XSample-Manifests komplett händisch. Als zukünftige Erweiterung ist ein
Assistent geplant, der Datenlieferant*innen auf der XSample-Webseite dabei
helfen soll, Inhalte für Manifeste zu definieren, ohne direkt im JSON-LD-Format
schreiben zu müssen. Im Gegensatz zu den restlichen Dateien muss das Manifest
öffentlich auffindbar sein (Shared oder Public Domain), um den Nachnutzer*innen
als Einstiegspunkt für die Auszugsgenerierung zu dienen. Da Dataverse für
veröffentlichte Ressourcen DOIs (<term type="dh">Digital Object
Identifier</term>) vergibt und ein breites Spektrum an deskriptiven
Metadaten unterstützt, kann ein Manifest auch zu Zitationszwecken oder
allgemein zur Verlinkung des damit verbundenen Korpus genutzt werden. Es
fungiert somit als öffentlicher Platzhalter für die nicht direkt einsehbaren
geschützten Korpusinhalte.</p>
<p>Beim folgenden Beispiel handelt es sich um ein Manifest mit Informationen zu
Primärdaten im Repositorium, Rechteinhaber*innen und voreingestellten Werten für die
statische Auszugsgenerierung. Das beschriebene Beispielkorpus ist eine
100-seitige PDF-Datei (verlinkt im <code>"xmp:primaryData"</code>-Block), bei
der die ersten 10 Prozent im Falle von statischer Auszugsgenerierung geliefert
werden sollen (spezifiziert im <code>"xmp:staticExcerpt"</code>-Block). Aus
Platzgründen ist der <code>"xmp:manifests"</code>-Block für zusätzliche
Korpus-Metadaten ohne Inhalt dargestellt: </p>
<p>
<code>{ "@type": "xmp:manifest", "@context":
"http://www.uni-stuttgart.de/xsample/json-ld/manifest", "xmp:description":
"Plain manifest with no customization (first 10%)", "xmp:corpora": [ {
"@type": "xmp:corpus", "xmp:primaryData": { "@type": "xmp:dataverseFile",
"xmp:segments": 100, "xmp:sourceType": "xmp:pdf", "xmp:id": 26 },
"xmp:legalNote": { "@type": "xmp:legalNote", "xmp:author": "The XSample
Team", "xmp:title": "XSample Test Corpus", "xmp:publisher": "The XSample
Project", "xmp:year": 2021 }, "xmp:description": "100 page test corpus",
"xmp:id": "root" } ], "xmp:staticExcerpt": { "@type": "xmp:span",
"xmp:begin": 0, "xmp:end": 10, "xmp:spanType": "xmp:relative" },
"xmp:manifests": []}</code>
</p>
<p>Sind alle Vorbereitungsschritte abgeschlossen, können Nachnutzer*innen über die
Dataverse-Oberfläche (<ref type="graphic" target="#nachnutzung_2021_002">Abbildung
2</ref>) eine Zugriffsanfrage auf die XSample-Manifeste stellen. Wenn diese
durch die Infrastrukturbetreiber*innen akzeptiert wird, dürfen die
Nachnutzer*innen auf den XSample-Server (<ref type="graphic"
target="#nachnutzung_2021_003">Abbildung 3</ref>) weitergeleitet werden, wo die
eigentliche Konfiguration und Erstellung der Auszüge erfolgt. Da einzelnen
Nutzer*innen nach § 60c UrhG jeweils nur maximal 15 Prozent eines geschützten
Werkes ausgegeben werden dürfen und diese Obergrenze auch über wiederholte
Anfragen hinweg eingehalten werden muss, bedarf es einer sehr genauen
Protokollierung bereits ausgegebener Auszüge. Zu diesem Zweck werden die
eindeutig identifizierbaren Dataverse-Accounts verwendet, was wiederum zur
Folge hat, dass zur Nutzung des XSample-Services zwingend ein Account im
jeweils verknüpften Dataverse-Repositorium notwendig ist und unregistrierte
Dritte keinen Zugriff erhalten können.</p>
<figure>
<graphic xml:id="nachnutzung_2021_002"
url=".../medien/nachnutzung_2021_002.png">
<desc>
<ref type="graphic" target="#abb2">Abb. 2</ref>: Dataverse-Oberfläche für
ein XSample-Manifest. Rechts unten kann die Weiterleitung auf den
XSample-Server angestoßen werden. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref
type="graphic" target="#nachnutzung_2021_002"/>
</desc>
</graphic>
</figure>
</div>
<div type="subchapter">
<head>3.4 Auswahl der Auszüge</head>
<figure>
<graphic xml:id="nachnutzung_2021_003"
url=".../medien/nachnutzung_2021_003.png">
<desc>
<ref type="graphic" target="#abb3">Abb. 3</ref>: Startseite des
XSample-Servers nach Weiterleitung aus dem zugehörigen Dataverse und
Validierung der Manifest-Datei. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_003"/>
</desc>
</graphic>
</figure>
<p>Nach der Weiterleitung auf den XSample-Server erfolgt zunächst eine Validierung
des Manifests auf formale Korrektheit und Verfügbarkeit der verlinkten
(Korpus-)Ressourcen. Anschließend haben Nutzer*innen die Möglichkeit, zwischen
drei Arten der Auszugsgenerierung (vgl. <ref type="graphic"
target="#nachnutzung_2021_003">Abbildung 3</ref>, unten links) auszuwählen: Als
simpelste Lösung kann ein statisch definierter Auszug (beispielsweise die
ersten 10 Prozent oder ein anderer im Manifest definierter Abschnitt) gewählt
werden. Wird mehr Kontrolle über die Zusammensetzung des Auszugs gewünscht,
bietet die zweite Alternative (vgl.<ref type="graphic" target="#nachnutzung_2021_004"
> Abbildung 4</ref>) die Möglichkeit, die Auszugsgrenzen innerhalb der
Ursprungsdaten frei zu definieren (z. B. die Seiten 20 bis 33). Auch hier wird
eine zusammenhängende Sequenz an Seiten / Segmenten geliefert.</p>
<figure>
<graphic xml:id="nachnutzung_2021_004"
url=".../medien/nachnutzung_2021_004.png">
<desc>
<ref type="graphic" target="#abb4">Abb. 4</ref>: Grafische Oberfläche zur
flexiblen Auswahl der Auszugsgrenzen. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref
type="graphic" target="#nachnutzung_2021_004"/>
</desc>
</graphic>
</figure>
<p>Die ersten beiden Verfahren der Auszugsgenerierung bieten den Nachnutzer*innen
verhältnismäßig wenig Flexibilität bei der Auswahl der Textausschnitte, sodass
sie für bestimmte Forschungsanliegen ungeeignet sind. Dies ist insbesondere
dann der Fall, wenn sich die Nutzer*innen nur für sehr spezifische Phänomene
oder Passagen interessieren. Um dem gerecht zu werden, wird als dritte
Alternative eine Korpusanfrageschnittstelle<note type="footnote"> Vgl. <ref type="bibliography" target="#gaertner_corpus_2020">Gärtner
2020</ref>.</note> integriert, die Suchanfragen auf Basis der im Korpus
enthaltenen Annotationen ermöglicht. Dadurch lassen sich beispielsweise gezielt
bestimmte syntaktische Konstruktionen finden<note type="footnote"> Sofern
entsprechende Annotationen vorliegen.</note>, die dann als Kandidaten für
die Auszugserstellung genutzt werden (vgl. <ref type="graphic"
target="#nachnutzung_2021_005">Abbildung 5</ref>). Basierend auf diesen
Suchergebnissen und den Alignierungsinformationen werden die auszugebenden
Segmente der Primärdaten (zumeist Seiten) bestimmt. Somit lässt sich
sicherstellen, dass die Auszüge optimal auf die individuellen Bedürfnisse der
Nutzer*innen zugeschnitten sind.</p>
<figure>
<graphic xml:id="nachnutzung_2021_005"
url=".../medien/nachnutzung_2021_005.png">
<desc>
<ref type="graphic" target="#abb5">Abb. 5</ref>: Exemplarische Oberfläche
zur Auszugsgenerierung mittels Suchanfrage basierend auf enthaltenen
Annotationen. Die Verteilung der Suchergebnisse über das Korpus wird
direkt visualisiert und Nutzer*innen anschließend die Möglichkeit
gegeben, die für sie relevanten Segmente exakt auszuwählen. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic" target="#nachnutzung_2021_005"/>
</desc>
</graphic>
</figure>
</div>
<div type="subchapter">
<head>3.5 Nachhaltigkeit</head>
<p>Um eine langfristige Nachnutzung des XSample-Servers zu gewährleisten, muss
dieser dauerhaft an der Universitätsbibliothek Stuttgart (in ihrer Rolle als
Forschungsinfrastruktureinrichtung) als Dienst zur Verfügung stehen. Wie in
<ref type="intern" target="#hd8">Kapitel 3.2</ref> beschrieben, wird an der
Universität Stuttgart ein Datenrepositorium auf Basis von Dataverse eingesetzt.
Das Datenrepositorium der Universität Stuttgart (<ref target="https://darus.uni-stuttgart.de/">DaRUS</ref>) steht bereits als
etablierter Dienst zur Verfügung. Mit dem XSample-Server zur Auszugsgenerierung
kommt ein weiterer Dienst hinzu, der ebenfalls gewartet und weiterentwickelt
werden muss. Bisher läuft dieser Dienst nicht im Produktivbetrieb, eine
Verstetigung wird angestrebt. Dazu wird gerade im
Forschungsdatenmanagement-Team ein Betriebskonzept für Code-Output von
Forschungsprojekten erarbeitet. Während der Projektphase sollen die technischen
Abhängigkeiten und notwendigen Informationen über den Code dokumentiert werden,
darüber hinaus muss eine fachliche Ansprechperson benannt werden, die auch noch
nach Projektende inhaltlich Auskunft geben kann. In einer zweiten Phase nach
Projektende startet eine Bewährungsphase, in der evaluiert wird, ob der Dienst
genutzt wird. In dieser Phase finden notwendige Wartungen statt. Damit soll
verhindert werden, dass die Anwendung nach Projektende nicht mehr weiter
nutzbar ist. Da aber nicht alle Dienste weiterentwickelt und gepflegt werden
können, werden nur diejenigen weiterhin angeboten, die sich bewährt haben.</p>
<p>Die Software für den Prototypen ist open-source öffentlich verfügbar und kann
somit auch von anderen Einrichtungen genutzt werden, um eine eigene Instanz des
XSample-Servers zu betreiben. Neben einem laufenden Dataverse-Server wird
lediglich eine SQL-basierte Datenbank benötigt, um den XSample-Server in
bestehende Infrastruktur integrieren zu können. Die Anforderungen an
Rechenleistung und Speicherplatz für den Prototypen sind hierbei
überschaubar.</p>
<p>Zwar ist der aktuelle Prototyp auf die Schnittstelle zu Dataverse beschränkt,
der XSample-Workflow lässt sich aber auf beliebige Repositoriensoftware mit
ähnlichen Eigenschaften übertragen. Entsprechend kann mit mäßigem Aufwand auch
der XSample-Server angepasst werden, um mit anderen Repositorien interagieren
zu können. Etwas komplexer gestaltet sich die Unterstützung zusätzlicher
Formate, da hierbei sichergestellt werden muss, dass sowohl die Implementierung
des XSample-Servers selbst als auch die Korpusanfrageschnittstelle im
Hintergrund ein gegebenes Format lesen können. Im Falle der Auszugskomponente
im XSample-Server kommt noch das Schreiben der im Auszug enthaltenen Daten im
entsprechenden Format hinzu. </p>
</div>
</div>
<div type="chapter">
<head>4. Nutzungsszenarien</head>
<p>Der Bedarfsermittlung und Erprobung der XSample-Infrastruktur dienen zwei
Anwendungsfälle aus Linguistik und Literaturwissenschaft, anhand derer die
konkrete Umsetzung vor dem Hintergrund möglicher (Nach-)Nutzungsszenarien
veranschaulicht wird. Der Fokus liegt dabei auf den jeweiligen Vor- und Nachteilen
des Auszugsverfahrens im Vergleich zum Prinzip der abgeleiteten Textformate.</p>
<div type="subchapter">
<head>4.1 Erstes Nutzungsszenario: Wissenschaftssprache</head>
<p>Das erste Nutzungsszenario beschäftigt sich mit den Wissenschaftssprachen der
Disziplinen Literaturwissenschaft, Linguistik und Philosophie. Es handelt sich
dabei um die Replikation einer Studie<note type="footnote"> Bei der
Originalstudie handelt es sich um <ref type="bibliography" target="#andresen_sprachbeschreibung_2022">Andresen 2022</ref>.</note> zur Frage, wie sich
die Wissenschaftssprachen von Linguistik und Literaturwissenschaft voneinander
unterscheiden. Als Datengrundlage der Originalstudie dienen jeweils 30
Dissertationen aus den beiden Fächern. Die Unterschiede zwischen den beiden
Teilkorpora werden in einem datengeleiteten Verfahren mithilfe von maschinellem
Lernen ermittelt. Daran anschließend erfolgt eine Interpretation der
deutlichsten Unterschiede vor dem Hintergrund wissenschaftstheoretischer
Merkmale der beiden Disziplinen. In der Replikationsstudie werden im
Wesentlichen zwei Modifikationen vorgenommen: Erstens erfolgt eine Veränderung
der Variable ›Textsorte‹ von Dissertationen hin zu Zeitschriftenartikeln.
Während die Autor*innen von Dissertationen mit ihren Texten zwar ihre
Beherrschung der fachtypischen Wissenschaftssprache nachweisen, durchlaufen
Zeitschriftenartikel in der Regel mehr Schritte der Qualitätssicherung. Sie
werden außerdem von der Fachgemeinschaft breiter rezipiert, sodass sie auch als
repräsentativer für die jeweilige fachspezifische Wissenschaftssprache gelten
können. Zweitens wird die Datengrundlage um die Philosophie als drittes
geisteswissenschaftliches Fach erweitert. Dadurch werden Literaturwissenschaft
und Linguistik nochmals aus einer neuen Perspektive beleuchtet, nämlich im
Kontrast zur Philosophie. Außerdem ist mit der Hinzunahme des dritten Faches
ein Schritt dahingehend getan, Aussagen über die Wissenschaftssprache der
Geisteswissenschaften im Allgemeinen zu treffen.</p>
<p>Das Korpus umfasst insgesamt 135 Zeitschriftenartikel, jeweils 45 pro Fach.
Alle Texte werden automatisch mit Lemmata, Wortarten und syntaktischen
Dependenzen annotiert. Für den XSample-Workflow werden die annotierten Texte im
CoNLL-Format an der Universitätsbibliothek Stuttgart
gespeichert. Die Ursprungsdaten im PDF-Format werden gemeinsam mit den
Annotationen im Repositorium aufbewahrt. Um sicherzustellen, dass von den
annotierten Daten wieder auf die PDF-Seiten der Ursprungsdaten geschlossen
werden kann, müssen hierbei Informationen zur Alignierung der beiden
Dateiformate gespeichert werden. Im Falle dieses Nutzungsszenarios erfolgt dies
in Form einer einfachen Tabelle für jedes Dokument, die für jeden fortlaufend
nummerierten Satz verzeichnet, auf welcher Seite oder welchen Seiten im
PDF-Dokument er zu finden ist. </p>
<p>Im Fokus der Replikationsstudie stehen Einzelwörter und Wortartentags (<term
type="dh">Unigramme</term>), während die vorausgehende Studie<note
type="footnote"> Vgl. <ref type="bibliography" target="#andresen_sprachbeschreibung_2022">Andresen 2022</ref>.</note> einen besonderen Schwerpunkt auf
Sequenzen legt, die entlang der syntaktischen Dependenzen im Satz gebildet
werden. Hiervon abgesehen orientiert sich die Replikationsstudie in
methodischer Hinsicht eng am Original: Im ersten Schritt werden die Merkmale
mit den größten Unterschieden zwischen den Teilkorpora auf datengeleitete Weise
ermittelt. Zu diesem Zweck wird mit dem maschinellen Lernverfahren der <term
type="dh">Support-Vector-Machine</term> (SVM) ein Klassifikator trainiert,
der jeweils zwischen Texten aus zwei der drei Disziplinen unterscheiden soll.
Die lineare SVM bietet die Möglichkeit, auf die Koeffizienten zuzugreifen, die
für jedes Merkmal ausdrücken, wie hilfreich es für die Klassifikationsaufgabe
war. Anhand dieser Koeffizienten wird ein Feature-Ranking wie in <ref
type="graphic" target="#tab01">Tabelle 1</ref> erstellt, das die
größten Unterschiede zwischen den Teilkorpora (im Sinne der SVM) darstellt. Der
zweite Schritt der Analyse besteht dann in der Interpretation dieses
Feature-Rankings. Welche sprachlichen Unterschiede verbergen sich hinter den
Merkmalen und (wie) können sie anhand wissenschaftstheoretischer Merkmale der
Disziplinen erklärt werden? Während der erste Schritt rein datengeleitet
arbeitet, muss für die Interpretation auf unterschiedliche Ressourcen
zurückgegriffen werden: Erstens ist der erneute Rückgriff auf das Korpus
notwendig, um verstehen zu können, wie das Merkmal in den Texten verwendet
wird. Zweitens muss Wissen über die wissenschaftstheoretischen Merkmale der
Disziplinen sowie bereits vorhandene empirische Erkenntnisse zu den
vorliegenden Phänomenen herangezogen werden, um die Daten in einen funktionalen
Zusammenhang setzen und gegebenenfalls erklären zu können.</p>
<table>
<row>
<cell>Rang</cell>
<cell>Philosophie</cell>
<cell>Score</cell>
<cell>Literaturwissenschaft</cell>
</row>
<row>
<cell>1</cell>
<cell/>
<cell>-77,07</cell>
<cell>ADJA</cell>
</row>
<row>
<cell>2</cell>
<cell>PPER</cell>
<cell>38,19</cell>
<cell/>
</row>
<row>
<cell>3</cell>
<cell/>
<cell>-34,98</cell>
<cell>NE</cell>
</row>
<row>
<cell>4</cell>
<cell/>
<cell>-33,23</cell>
<cell>VVFIN</cell>
</row>
<row>
<cell>5</cell>
<cell>PDAT</cell>
<cell>29,00</cell>
<cell/>
</row>
<row>
<cell>6</cell>
<cell>FM</cell>
<cell>20,20</cell>
<cell/>
</row>
<row>
<cell>7</cell>
<cell>VAFIN</cell>
<cell>17,55</cell>
<cell/>
</row>
<row>
<cell>8</cell>
<cell>KON</cell>
<cell>14,84</cell>
<cell/>
</row>
<row>
<cell>9</cell>
<cell>PDS</cell>
<cell>12,39</cell>
<cell/>
</row>
<row>
<cell>10</cell>
<cell>PROAV</cell>
<cell>12,10</cell>
<cell/>
</row>
<row>
<cell>11</cell>
<cell/>
<cell>-11,65</cell>
<cell>PRF</cell>
</row>
<row>
<cell>12</cell>
<cell>PPOSAT</cell>
<cell>11,18</cell>
<cell/>
</row>
<row>
<cell>13</cell>
<cell/>
<cell>-10,73</cell>
<cell>ART</cell>
</row>
<row>
<cell>14</cell>
<cell/>
<cell>-10,16</cell>
<cell>VVPP</cell>
</row>
<row>
<cell>15</cell>
<cell/>
<cell>-8,10</cell>
<cell>VVINF</cell>
</row>
<trailer xml:id="tab01">
<ref type="intern" target="#tab1">Tab. 1</ref>: Die distinktivsten
Wortarten für die Unterscheidung von Philosophie und Literaturwissenschaft
im Sinne der SVM. Das verwendete Tagset ist das STTS (<ref type="bibliography" target="#schiller_guidelines_1999">Schiller et al.
1999</ref>). [Andresen 2022] <ref type="graphic"
target="#nachnutzung_2021_t1"/>
</trailer>
</table>
<p>Diese Schritte werden im Folgenden am Beispiel der Analyse der Verwendung des
Pronomens <term type="figure">wir</term> in den drei Disziplinen
veranschaulicht. Im Zuge dessen wird auch diskutiert, welche Daten zur
Überprüfung und Re-Validierung der Analyseresultate vonnöten sind.</p>
<p>
<ref type="graphic" target="#tab01">Tabelle 1</ref> zeigt das Ranking
der 15 distinktivsten Wortarten für den Vergleich von Philosophie und
Literaturwissenschaft. Während sich aus diesen Ergebnissen zahlreiche relevante
Rückschlüsse auf die Unterschiede zwischen den Wissenschaftssprachen der beiden
Disziplinen ziehen lassen, wird hier nur ein Merkmal in den Fokus genommen: Im
Vergleich mit der Literaturwissenschaft zeichnet sich die Philosophie durch
eine hohe Verwendungsfrequenz von Personalpronomen (PPER) aus. Der zusätzliche
Rückgriff auf die <term type="dh">Token</term>-Ebene zeigt, dass dieser
Unterschied insbesondere durch die Pronomen <term type="figure">wir</term> und
<term type="figure">es</term> erzeugt wird. Dies wird hier zum Anlass
genommen, die fachspezifische (bzw. gegebenenfalls auch
zeitschriften-spezifische) <term type="figure">wir</term>-Verwendung
differenzierter zu betrachten. Zu diesem Zwecke wurde aus jedem Korpus eine
Stichprobe von 100 Sätzen, in denen <term type="figure">wir</term> verwendet
wird, nach dem Zufallsprinzip ausgewählt und manuell klassifiziert. Dabei wurde
auf die Klassifikation von <term type="figure">wir</term>-Verwendungen im
deutschsprachigen akademischen Diskurs von Kresta<note type="footnote"> Vgl.
<ref type="bibliography" target="#kresta_realisierungsformen_1995">Kresta 1995</ref>, S.130–147, vgl. auch
<ref type="bibliography" target="#steinhoff_textkompetenz_2007">Steinhoff 2007</ref>, S. 206f.</note>
zurückgegriffen. Kresta unterscheidet vier Gebrauchsweisen von <term
type="figure">wir</term> in deutschsprachigen akademischen Texten: Das
Pronomen wird verwendet, </p>
<list type="unordered">
<item>a.) um auf die tatsächlichen Verfasser*innen eines Textes zu verweisen
(Autor*innen-<term type="figure">wir</term>), </item>
<item>b.) um ein Kollektiv, bestehend aus Verfasser*innen und Leser*innen eines
Textes, zu bezeichnen (Teamwork-<term type="figure">wir</term>), </item>
<item>c.) zur Bezeichnung fachspezifischer Kollektiva aus akademischen
Verfasser*innen und Leser*innen (Fachkreis-<term type="figure">wir</term>)
sowie </item>
<item>d.) um auf alle Menschen zu referieren (Gemeinschafts-<term type="figure"
>wir</term>).</item>
</list>
<p>Die Stichproben zeigen (vgl. <ref type="graphic" target="#tab02"
>Tabelle 2</ref>) in den Texten fachspezifische Muster der <term
type="figure">wir</term>-Verwendungen: So sind sich die
literaturwissenschaftlichen und philosophischen Texte darin ähnlich, dass in
beiden Gruppen die Verwendung des Gemeinschafts-<term type="figure">wir</term>
dominiert, während in den linguistischen Aufsätzen die Verwendung des
Autor*innen-<term type="figure">wir</term> vorherrscht. Die Dominanz des
Autor*innen-<term type="figure">wir</term> in der Linguistik lässt sich
dadurch erklären, dass die Texte tatsächlich mehrheitlich von mehreren
Autor*innen verfasst wurden (siehe Beispiel 1). Diese Praxis scheint in der
Linguistik weitaus üblicher zu sein als in den anderen beiden Fächern. Die
Ähnlichkeit von Philosophie und Literaturwissenschaft in ihrer Verwendung des
Gemeinschafts-<term type="figure">wir</term> mag hingegen verwundern, da die
beiden Fächer häufig ihre formal-sprachlichen Unterschiede betonen.
Insbesondere in der Philosophie dient die Kennzeichnung eines philosophischen
Ansatzes als ›literarisch‹ oft der Kritik am philosophischen Gehalt
desselben.<note type="footnote"> Vgl. zum Beispiel Jürgen Habermas’ Kritik
an der <bibl>
<title type="desc">Einebnung des Gattungsunterschiedes zwischen
Philosophie und Literatur</title>
</bibl>, <ref type="bibliography" target="#habermas_diskurs_1998">Habermas 1988</ref>, S. 217.</note> Eine Auswertung der konkreten
Belegstellen zeigt jedoch, dass es sich in den beiden Fächern um
unterschiedlich geartete Manifestationen des Gemeinschafts-<term type="figure"
>wir</term> handelt, die man wiederum mit landläufigen Kennzeichen der
beiden Fächer in Verbindung bringen kann: So dominiert in der Stichprobe aus
der Philosophie ein Gebrauch des Gemeinschafts-<term type="figure">wir</term>
der letztendlich auf die grundlegenden Bedingungen des menschlichen Denkens und
Handelns abzielt, wie das Beispiel 2 belegt. In der Stichprobe aus der
Literaturwissenschaft, deren zentralen Tätigkeiten die Lektüre und
Interpretation von Texten sind, wird in 31 der 54 Verwendungen des
Gemeinschafts-<term type="figure">wir</term> genau auf jene Praxis
verwiesen, indem eine Art ›ideale*r Leser*in‹ konstituiert wird (siehe Beispiel
3), weswegen in diesem Fall auch vom Leser*innen-<term type="figure">wir</term>
gesprochen werden kann.</p>
<table>
<row>
<cell/>
<cell>Linguistik</cell>
<cell>Philosophie</cell>
<cell>Literaturwissenschaft</cell>
</row>
<row>
<cell>Autor*innen-<term type="figure">wir</term>
</cell>
<cell>58</cell>
<cell>7</cell>
<cell>11</cell>
</row>
<row>
<cell>Teamwork-<term type="figure">wir</term>
</cell>
<cell>32</cell>
<cell>31</cell>
<cell>16</cell>
</row>
<row>
<cell>Fachkreis-<term type="figure">wir</term>
</cell>
<cell>3</cell>
<cell>10</cell>
<cell>17</cell>
</row>
<row>
<cell>Gemeinschafts-<term type="figure">wir</term>
</cell>
<cell>7</cell>
<cell>48</cell>
<cell>54</cell>
</row>
<row>
<cell> davon: Leser*innen-<term type="figure">wir</term>
</cell>
<cell/>
<cell/>
<cell>(31)</cell>
</row>
<row>
<cell>Sonstige</cell>
<cell>–</cell>
<cell>4</cell>
<cell>2</cell>
</row>
<trailer xml:id="tab02">
<ref type="intern" target="#tab2">Tab. 2</ref>: Manuelle Kategorisierung
der wir-Verwendung in einer Stichprobe von 100 Instanzen pro Disziplin. [Pichler 2022] <ref type="graphic" target="#nachnutzung_2021_t2"/>
</trailer>
</table>
<p>Folgende Textausschnitte sollen als Beispiele für die nach Fachrichtung
unterschiedlichen <term type="figure">wir</term>-Verwendungen dienen: </p>
<list type="ordered">
<item>Im Folgenden werden <hi rend="bold">wir </hi>die Datengrundlage näher
erläutern und anschließend kurz auf die von uns verwendeten
korpuspragmatischen Analysewerkzeuge eingehen. (Lin_16)</item>
<item>Diese Fähigkeit wird im Gegenteil schrittweise erlernt bzw. angeeignet –
so wie <hi rend="bold">wir </hi>z. B. unsere Muttersprache lernen oder
aneignen – nämlich durch einen Prozess der ›unbewussten induktiven
Schlussfolgerung‹, die auf Regelmäßigkeiten oder Assoziationen unter unseren
Sinneswahrnehmungen zurückzuführen ist. (Philo_33)</item>
<item>Zugespitzt könnte man sagen, dass der Begriff ›literarische Präsenz‹ ein
Widerspruch in sich ist, weil die Erzählung zwar von den Präsenzerfahrungen
ihrer Figuren erzählen kann, doch diese stets allein auf der Ebene der
histoire ›präsent‹ sind, präsent also für den Erzähler – doch <hi
rend="bold">wir</hi>, die Leser, sind nicht der Erzähler; [...]
(Lit_03)</item>
</list>
<p>Vor dem Hintergrund möglicher Nachnutzungsszenarien lassen sich für das erste
Nutzungsszenario verschiedene Datenbedarfe feststellen, die mit
unterschiedlichen Phasen der Analyse verbunden sind: Für die datengeleitete
Ermittlung distinktiver Merkmale ist es ausreichend, wenn die Texte nur in Form
von n-Gramm-Frequenzen, also in einem abgeleiteten Format, vorliegen. Auf der
Grundlage von z. B. Wortartenfrequenzen kann dieser Teil der Analyse direkt
reproduziert werden.<note type="footnote"> Der Schritt von den Originaldaten zu
den Frequenzdaten kann weder auf Grundlage dieser Daten noch basierend auf
Auszügen überprüft werden. Das ist bedauerlich, da bereits in dieser Phase
richtungsweisende Entscheidungen getroffen werden (Findet eine
Lemmatisierung statt? Werden Stoppwörter ausgeschlossen? Werden bestimmte
Teile der Originaltexte nicht einbezogen? etc.).</note> Außerdem ist es etwa
möglich, die distinktiven Merkmale auf den gleichen Daten mithilfe anderer
Verfahren zu ermitteln und methodische Vergleiche anzustellen. Naturgemäß wird
die weiterführende Analyse auf genau solche Frequenzen eingeschränkt, die auch
zur Verfügung gestellt werden. Eine flexible Anpassung der n-Gramme (etwa ihrer
Länge oder der Art ihrer Generierung) ist nicht ohne weiteres möglich, im
Großen und Ganzen werden die Bedarfe dieser Analysephase aber durch abgeleitete
Textformate gedeckt.</p>
<p>Geht es hingegen um die Interpretation der Daten, reichen Frequenzinformationen
nicht mehr aus. Um das Phänomen zu verstehen und gegebenenfalls erklären zu
können, ist es notwendig, konkrete Verwendungen im Korpus mitsamt ihrem Kontext
zu sichten. Die notwendige Kontextgröße hängt dabei von der Natur des
untersuchten Phänomens ab. Für die <term type="figure">wir</term>-Analyse
wurden pro Fach 100 zufällige Sätze untersucht. Ein zumindest
stichprobenartiger Zugriff auf Volltextdaten, wie er durch den XSample-Ansatz
ermöglicht wird, ist zentral, um geisteswissenschaftlich fundierte Aussagen
treffen und nachvollziehbar machen zu können.</p>
</div>
<div>
<p></p>
<p></p>
<p></p>
<p></p>
</div>
<div type="subchapter">
<head>4.2 Zweites Nutzungsszenario: Unzuverlässiges Erzählen</head>
<p>Der zweite Anwendungsfall setzt sich mit dem Phänomen des unzuverlässigen
Erzählens (genauer: mit faktenbezogener Unzuverlässigkeit) auseinander, das in
einigen literarischen Erzählungen auftritt. Faktenbezogenes unzuverlässiges
Erzählen liegt in einem fiktionalen Text dann vor, wenn die Erzählinstanz
unzutreffende, zweifelhafte oder in relevanter Hinsicht unvollständige Aussagen
über die Fakten oder Ereignisse der erzählten Welt tätigt.<note type="footnote"
> Vgl. <ref type="bibliography" target="#martinez_einfuehrung_2009">Martínez / Scheffel 2009</ref>, S. 100;
<ref type="bibliography" target="#kindt_erzaehlen_2008">Kindt 2008</ref>, S. 48.</note>
</p>
<p>Im Gegensatz zum ersten Anwendungsfall handelt es sich beim zweiten nicht um
eine Replikationsstudie, sondern um eine Pilotstudie zu einem kürzlich
gestarteten, auf drei Jahre ausgelegten Forschungsprojekt (<ref
target="https://dfg-spp-cls.github.io/projects_en/2020/01/24/TP-Caution/"
>CAUTION</ref>), das der Untersuchung der Schluss- und
Argumentationsprozesse bei der Identifikation unzuverlässigen Erzählens durch
Literaturwissenschaftler*innen bzw. Leser*innen gewidmet ist. Unzuverlässiges
Erzählen gilt in der Literaturwissenschaft einerseits als stark
interpretationsabhängiges Phänomen,<note type="footnote"> Vgl. <ref type="bibliography" target="#yacobi_reliability_1981">Yacobi 1981</ref>;
<ref type="bibliography" target="#nuenning_unreliable_1999">Nünning 1999</ref>.</note> andererseits listet die Forschung zahlreiche
sprachliche Indikatoren, die auf unzuverlässiges Erzählen hinweisen
können.<note type="footnote"> Vgl. <ref type="bibliography" target="#nuenning_narration_1998">Nünning 1998</ref>;
<ref type="bibliography" target="#allrath_signale_1998">Allrath 1998</ref>.</note>
Leser*innen können solche Merkmale – unter Rückgriff auf allgemeines Weltwissen
sowie literarische und literaturwissenschaftliche Kontexte – zum Anlass nehmen,
der Erzählinstanz eines fiktionalen Textes Unzuverlässigkeit zuzuschreiben. In
diesem Rahmen entwickeln sie eine inhaltsspezifizierende Interpretation<note
type="footnote"> Vgl. <ref type="bibliography" target="#folde_interpretation_2015">Folde 2015</ref>, S. 366.</note> des Textes, d. h. sie
bilden Annahmen darüber, was in der fiktiven Welt des Textes wahr und was
falsch ist.</p>
<p>Um die Schluss- und Argumentationsprozesse bei der Feststellung bzw.
Zuschreibung unzuverlässigen Erzählens systematisch untersuchen zu können, sind
in einer ersten Annäherung folgende Teilfragen relevant: </p>
<list type="ordered">
<item>Welche Erzähler*innen bzw. Figuren treten in einer Erzählung auf? </item>
<item>Welche Äußerungen über die fiktive Welt der Erzählung treffen diese
Instanzen? </item>
<item>Welche dieser Äußerungen betreffen Propositionen, deren Zutreffen in der
fiktiven Welt in Frage steht? </item>
<item>Wie positionieren sich die relevanten Instanzen zu diesen Propositionen? </item>
<item>Gibt es textuelle Hinweise auf die Vertrauens(un)würdigkeit der
relevanten Instanzen?</item>
</list>
<p>Zur Beantwortung dieser Fragen wird im Rahmen des zweiten Nutzungsszenarios
explorativ-heuristisch eine Mischung aus automatisierten Text-Mining-Verfahren
und manueller Annotation auf ein Testkorpus aus vier kurzen bis mittellangen
Erzählungen und vier langen Erzählungen aus dem 19. bis 21. Jahrhundert
angewandt. Für die Teilfragen (1) und (2) werden automatische Verfahren zur
Erkennung von Named Entities<note type="footnote"> Verwendet wurde hier der
<ref target="https://nlp.stanford.edu/software/CRF-NER.shtml">Stanford Named Entity
Recognizer</ref>.</note> und <term type="dh">Redewiedergabe</term>
<note type="footnote"> Für die Erkennung von direkter Rede wurde ein simpler
Tagger entwickelt, der auf der Identifikation von Anführungszeichen basiert;
indirekte Rede wurde mithilfe eines verfügbaren <ref
target="https://github.com/redewiedergabe/tagger">Taggers</ref> annotiert. Alle erzeugten Annotationen wurden anschließend gesichtet und
gegebenenfalls korrigiert.</note> verwendet, zusätzlich wurden Koreferenzen
exemplarisch manuell annotiert. Für Fragen (3) und (4) muss – wie es bei der
Untersuchung genuin literaturwissenschaftlicher Konzepte oft notwendig ist –
zunächst ein eigenes Annotationsschema entwickelt werden, das dann im Rahmen
manueller Annotation auf die Texte angewandt wird.<note type="footnote"> Für
die manuelle Annotation wurde die Annotations- und Analyseumgebung <ref
target="https://catma.de/">CATMA</ref> verwendet.</note> Für Frage (5)
wird exemplarisch eine Indikatorengruppe aus der Unzuverlässigkeitsforschung in
den Fokus genommen: die Verwendung emotionaler bzw. wertender Sprache, für
deren Erkennung eine Kombination aus automatischer <term type="dh"
>Sentimentanalyse</term>
<note type="footnote"> Zum Einsatz kam hier SentText, vgl. <ref type="bibliography" target="#schmidt_tool_2021">Schmidt et al. 2021</ref>.
</note> und manueller <term type="dh">Emotionsanalyse</term>
eingesetzt wird.</p>
<p>Für den Einsatz computergestützter Verfahren in der Literaturwissenschaft ist
oft erheblicher Entwicklungsaufwand notwendig, sowohl konzeptionell im Rahmen
der Operationalisierung literaturwissenschaftlicher Forschungsfragen als auch
technisch im Hinblick auf die Anpassung oder Neuentwicklung von Tools.<note
type="footnote"> Vgl. <ref type="bibliography" target="#gius_textanalysen_2019">Gius 2019</ref>;
<ref type="bibliography" target="#pichler_operationalisierung_2021">Pichler / Reiter 2021</ref>.</note> Deswegen kann
es bei der Auswertung der Pilotstudie noch nicht darum gehen, die übergeordnete
Forschungsfrage zu den Schluss- und Argumentationsprozessen bei der
Feststellung unzuverlässigen Erzählens zu beantworten. Dennoch kann ein
Einblick in die Daten bereits in diesem Zwischenstadium aufschlussreich sein.
Generell ist Forschung im Bereich der Digital Humanities (und besonders im
Bereich der <term type="dh">Computational Literary Studies</term>) stärker als
in den traditionellen Geisteswissenschaften durch <quote>Prozessualität,
Vorläufigkeit und ›Nichtwissen‹</quote>
<note type="footnote"> <ref type="bibliography" target="#schruhl_objektumgangsnormen">Schruhl 2018</ref>.</note> gekennzeichnet. Dies lässt sich
durchaus als Stärke dieser Ansätze verstehen, weil dadurch die Zwischenschritte
der Forschung und Entwicklung dokumentiert (und damit durch Dritte einsehbar)
werden, die in nicht-digitalen literaturwissenschaftlichen Zugängen oft
implizit bleiben.</p>
<p>Beim zweiten Nutzungsszenario dient eine Einsicht in die Daten durch Dritte
also hauptsächlich dem Zweck, einen Einblick in den Operationalisierungsprozess
der übergeordneten literaturwissenschaftlichen Fragestellung zu erhalten, oder
ist dem Interesse an bestimmten Einzelphänomenen (etwa dem Sentiment)
geschuldet. Nachnutzer*innen können beispielsweise prüfen, inwieweit die
eingesetzten Text-Mining-Verfahren bereits für die Anwendung auf literarischen
Texten adäquat sind oder ob die für die manuelle Annotation entwickelten
Annotationsschemata geeignet sind, die im Fokus stehenden literarischen
Phänomene zu fassen.</p>
<p>Für die Form, in der die Textdaten Dritten zugänglich gemacht werden sollten,
bedeutet das im vorliegenden Zusammenhang Folgendes:</p>
<list type="ordered">
<item>
<hi rend="italic">Named Entity Recognition</hi>: Inwieweit die <term
type="dh">Named Entity Recognition</term> (mit zu diesem Zeitpunkt noch
nicht eigens für das Korpus trainierten Modellen) auf literarischen Texten
zu brauchbaren Ergebnissen führt, kann unter Umständen noch teilweise
mittels abgeleiteter Textformate (z. B. bestimmter tokenbasierter
Formate<note type="footnote"> Vgl. <ref type="bibliography" target="#schoech_textformate_2020">Schöch et al. 2020</ref>.</note>) geprüft
werden. Zusätzlich können Nachnutzer*nnen sich damit ebenfalls einen ersten
Eindruck hinsichtlich der im jeweiligen Text auftretenden Figuren
verschaffen.<note type="footnote"> Tatsächlich ist (auch eine eigens
trainierte) Named Entity Recognition nur in eingeschränktem Maße für die
Identifikation der relevanten Akteur*innen / Instanzen geeignet, da gerade in
potenziell unzuverlässigen Erzählungen häufig homodiegetische
Erzähler*innen (›Ich-Erzähler*innen‹) auftreten, auf die nicht oder
selten mit Eigennamen referiert wird.</note>
</item>
<item>
<hi rend="italic">Automatische Sentimentanalyse</hi>: Um zu beurteilen, ob
durch das lexikonbasierte Vorgehen der automatischen Sentimentanalyse
einzelne Wörter falsch klassifiziert wurden, ist der Rekurs auf den
textuellen Kontext notwendig, den abgeleitete Textformate nicht ermöglichen.
Ein erster Einblick in die Ergebnisse der automatischen Sentimenanalyse ist
allerdings noch mit abgeleiteten Textformaten möglich, sofern für
Nachnutzer*innen interessant ist, ob ein Text bzw. Korpus eher von negativen
oder positiven Wörtern geprägt ist oder welche Wörter bzw. Wortfelder mit
positiver oder negativer Polarität vorherrschen.</item>
<item>
<hi rend="italic">Redewiedergabeerkennung</hi>: Für die Prüfung der
automatisch generierten Redewiedergabe-Annotationen sind abgeleitete
Textformate ebenfalls nicht funktional, da die Annotationen längere Passagen
betreffen bzw. ihre Korrektheit (insbesondere im Fall indirekter Rede) nur
unter Rückgriff auf die fraglichen Textpassagen beurteilt werden kann. Auch
der für die weitere Bearbeitung der übergeordneten Forschungsfrage
ausschlaggebende Inhalt der Figurenrede kann nur durch Konsultation
zusammenhängender Textpassagen untersucht werden.</item>
<item>
<hi rend="italic">Koreferenzauflösung</hi>: Bei den manuellen Annotationen
zur Koreferenzauflösung sind sowohl zur Prüfung der Korrektheit als auch für
die Bearbeitung der inhaltlichen Fragestellung (›Wer sagt was?‹) textuelle
Kontexte notwendig.</item>
<item>
<hi rend="italic">Manuelle Emotionsanalyse</hi>: Für die manuelle
Emotionsanalyse wurde im Rahmen des Nutzungsszenarios ein eigenes Tagset
entwickelt, das auf den sprachlichen Indikatoren basiert, die in der
erzähltheoretischen Forschungsliteratur als Hinweise auf die Emotionalität
von Erzähler*innen (und damit auf ihre mögliche Unzuverlässigkeit)
identifiziert werden. Derartige Operationalisierungen
literaturwissenschaftlicher Forschungsfragen für die computergestützte
Analyse sind oft langwierige Prozesse und benötigen im Rahmen von manueller
(und meist kollaborativer) Annotation häufig mehrere Durchläufe.<note
type="footnote"> Vgl. <ref type="bibliography" target="#gius_profit_2017">Gius / Jacke 2017</ref>;
<ref type="bibliography" target="#reiter_anleitung_2020">Reiter 2020</ref>.</note> Im Rahmen
des zweiten Nutzungsszenarios hat ein erster dieser Durchläufe
stattgefunden, in dem Forscher*innen bzw. Datenlieferant*innen einige
Entscheidungen treffen mussten, die für den Nachvollzug der Ergebnisse durch
Dritte relevant sein können. Hierfür ist nicht nur ein Einblick in die
Annotationsschemata und Anwendungsrichtlinien notwendig, sondern ebenso der
Zugriff auf zusammenhängende Textteile, die den textuellen Kontext zeigen
und damit individuelle Annotationsentscheidungen potenziell nachvollziehbar
machen. Einen ersten Eindruck von den Ergebnissen der manuellen
Emotionsanalyse können sich Nachnutzer*innen – analog zur verwandten
Sentimentanalyse – allerdings auch auf der Basis abgeleiteter Textformate
verschaffen.</item>
<item>
<hi rend="italic">Wahre Propositionen der erzählten Welt</hi>: Den
komplexesten und zugleich wichtigsten Operationalisierungs- und
Annotationsschritt stellt im Rahmen des zweiten Nutzungsszenarios die
manuelle Annotation der Sätze dar, die diejenigen Propositionen betreffen,
deren Wahrheit in der fiktiven Welt eines Textes in Frage stehen. Genau wie
im Fall der manuellen Emotionsanalyse müssen die Annotationskategorien erst
in mehreren Durchläufen entwickelt werden, von denen der erste im Rahmen des
vorliegenden Nutzungsszenarios stattfindet. Allerdings muss für die
Entwicklung von Annotationsschemata und Guidelines hier noch mehr Vorarbeit
geleistet werden als bei der Emotionsanalyse, da in der
Unzuverlässigkeitsforschung für letztere bereits Listen mit textuellen
Indikatoren zur Verfügung stehen, die vergleichsweise direkt in
Annotationsschemata übertragen werden können. Die Annotation in Frage
stehender Sätze erfordert dagegen grundsätzliche konzeptionelle und
praktische Entscheidungen. Im Rahmen dieses Nutzungsszenarios wurden
beispielsweise zunächst jeweils textspezifische Kategorien entwickelt, d. h.
dass für jeden Text ca. zwölf zentrale, in Frage stehende Propositionen
identifiziert und als Tagset umgesetzt wurden (z. B. für E. T. A. Hoffmanns <bibl>
<title type="desc">Der Sandmann</title>
</bibl> die Propositionen <quote>Der dämonische Sandmann existiert</quote>,
<quote>Der Sandmann will Nathanaels Leben zerstören</quote>,
<quote>Advokat Coppelius und Wetterglashändler Coppola sind dieselbe
Person</quote> etc.). Mithilfe dieser spezifischen Tagsets wurden in den
Texten jeweils Sätze annotiert, in denen die fraglichen Propositionen
thematisiert werden, um überhaupt erst einmal die grundsätzliche
Umsetzbarkeit des Ansatzes zu testen. Perspektivisch ist die Entwicklung
eines generischen Tagsets für diese Annotationsaufgabe wünschenswert, in dem
beispielsweise Propositionen in Typen (z. B. in <term type="dh"
>singular</term>, <term type="dh">particularized</term> und <term
type="dh">general</term>) unterteilt und verschiedene Rollen der Propositionen im Rahmen von Argumenten (Prämisse und
Konklusion) unterschieden werden.
Deshalb ist zu erwarten, dass sich die Annotationskategorien und
Anwendungsrichtlinien noch erheblich verändern werden. Aus diesem Grund kann
der Nachvollzug der einzelnen Operationalisierungsschritte durch Dritte von
besonderer Bedeutung sein. Dieser wird wieder durch Zugriff auf
Annotationskategorien / Anwendungsrichtlinien im Manifest sowie (mindestens)
zusammenhängende Textabschnitte ermöglicht. An dieser Stelle tritt ein
weiterer Unterschied zur manuellen Emotionsanalyse zutage: Während bei der
Emotionsanalyse anhand sprachlicher Indikatoren vornehmlich einzelne Wörter
annotiert werden, betrifft die Annotation bei der Analyse in Frage stehender Propositionen mindestens Teilsätze. Tokenbasierte abgeleitete Textformate sind
deswegen weder für den Nachvollzug der Kategorienentwicklung oder der
Annotationsentscheidungen noch für einen ersten Einblick in die Ergebnisse
der Annotation bzw. Analyse funktional.</item>
</list>
<p>Zusammenfassend lässt sich also festhalten, dass abgeleitete Textformate für
den Nachvollzug der Operationalisierung literaturwissenschaftlicher
Forschungsfragen, die in der durch das zweite Nutzungsszenario abgebildeten
Forschungsphase im Vordergrund steht, nur schwer oder gar nicht verwendbar
sind. Ein Auszugskonzept kann dagegen vielen der genannten Anforderungen
begegnen.</p>
<p>Wie eingangs deutlich gemacht wurde, dient das zweite Nutzungsszenario als
Pilotstudie zu einem umfangreicheren Projekt, das die Schluss- und
Argumentationsprozesse bei der Feststellung bzw. Zuschreibung unzuverlässigen
Erzählens untersucht. In diesem Zusammenhang wird für Nachnutzer*innen die
Notwendigkeit, auf zusammenhängende Textteile zugreifen zu können, noch stärker
in den Vordergrund rücken, denn unzuverlässiges Erzählen gilt als Phänomen,
dessen Feststellung sich aus dem Zusammenspiel verschiedener sprachlicher
Indikatoren, über den Text verteilter Informationen und Kontextinformationen
ergibt. Aus diesem Grund bleibt letztlich noch zu prüfen, inwieweit (d. h. bei
welchen Phänomenvarianten oder Texten) der Zugriff auf Textauszüge für
Nachnutzer*innen ausreichend ist. Fest steht allerdings, dass sich ein
Auszugsmodell, wie es in XSample entwickelt wurde, den Bedarfen dieser
Anwendungsfälle deutlich stärker annähert als abgeleitete Textformate und
Forschenden eine Möglichkeit bietet, (auch) an urheberrechtlich geschützten Texten solch komplexe literarische
Phänomene zu untersuchen.</p>
</div>
</div>
<div type="chapter">
<head>5. Fazit</head>
<p>Um urheberrechtlichen Einschränkungen bei der Auswahl, Verbreitung und Nachnutzung
von Forschung von vornherein aus dem Weg zu gehen, konzentrieren viele digitale
Geisteswissenschaftler*innen ihre korpusorientierte Forschung auf gemeinfreie
Texte. In der Breite führt dies zu Verzerrungen der Forschungslandschaft, die
inhaltlich wie methodologisch problematisch sind. Dieser Artikel ging daher von
folgendem Desiderat für die Forschungscommunity in den digitalen
Geisteswissenschaften aus: Der bestehende urheberrechtliche Rahmen sollte in der
Praxis so gut es geht ausgenutzt werden, nicht zuletzt um die Relevanz von
korpusorientierter Forschung auf geschützten Texten forschungspolitisch zu
unterstreichen. Hier kommt einer forschungsgeleiteten Dateninfrastruktur die
wichtige Rolle zu, Forscher*innen eine möglichst weitgehende, rechtskonforme
Verwendung geschützter Texte zu ermöglichen. </p>
<p>Zwei Ansätze hierzu sind zum einen individuelle Lizenzvereinbarungen, zum anderen
das jüngst vorgestellte Prinzip abgeleiteter Textformate. Der Austausch von
Ergebnissen einer explorativen Forschungspraxis auf Basis von Fragestellungen, die
für eine Interpretation die Einbeziehung relevanten Kontexts erforderlich machen,
ist mit beiden Ansätzen aber nur sehr eingeschränkt möglich. Der vorliegende
Beitrag schlägt daher eine infrastrukturelle Erweiterung des Instrumentariums vor,
die auf der urheberrechtlich zulässigen Weitergabe von Textauszügen aufbaut. Um
die Nützlichkeit dieses Ansatzes für das individuelle Forschungsvorhaben zu
maximieren, ermöglicht der XSample-Workflow den Nutzer*nnen, Textauszüge flexibel
anhand von Suchanfragen an den Text und seine Annotationen auszuwählen.</p>
<p>Anhand zweier Nutzungsszenarien aus Sprach- und Literaturwissenschaft wurde
beispielhaft gezeigt, welche Möglichkeiten und Grenzen sich aus dem Prinzip
abgeleiteter Textformate sowie dem Auszugskonzept im Kontext konkreter
geisteswissenschaftlicher Forschungsprojekte ergeben. Das linguistische Szenario
vergleicht Wortfrequenzen zwischen drei Korpora, eine Aufgabe, die problemlos
anhand von einfachen Frequenzlisten – d. h. auf Basis abgeleiteter Textformate –
reproduziert werden kann. Jedoch erfordert der nächste Schritt, die Interpretation
der quantitativen Befunde, eine Rekontextualisierung der Ergebnisse und damit
Zugriff auf die zu untersuchenden Textstellen in ihrem Kontext. Hier stößt das
Prinzip abgeleiteter Textformate an seine Grenzen; durch das Auszugskonzept kann
dieser Schritt hingegen in einem für den Anwendungsfall ausreichendem Maße
geleistet werden. </p>
<p>Das zweite Szenario beschäftigt sich mit dem Phänomen des unzuverlässigen
Erzählens, bei dem sich schnell zeigt, dass abgeleitete Textformate nicht sinnvoll
eingesetzt werden können. Das betrifft zum einen den Nachvollzug der
Operationalisierung der literaturwissenschaftlichen Kategorien, für den der nähere
textuelle Kontext notwendig ist, zum anderen die Analyse und Interpretation der
Annotationen als Indikatoren für Vorkommnisse unzuverlässigen Erzählens, für die
auch der weitere textuelle Kontext von Bedeutung ist. Lediglich
Vorverarbeitungsschritte wie eine Named Entity Recognition können über abgeleitete
Formate, etwa mittels Frequenzdaten, nachgenutzt werden. Der Zugriff auf
individuell ausgewählte Textauszüge ist für den literaturwissenschaftlichen
Anwendungsfall somit deutlich vielversprechender. Allerdings ist anzumerken, dass
für gewisse Interpretationen auch der ganze Text vorliegen muss. Hier könnte das
Auszugskonzept zu einer ersten Sichtung und Bewertung des Materials dienen, vor
dem Hintergrund komplexer literaturwissenschaftlicher Fragestellung aber an seine
Grenzen stoßen. </p>
<p>Die zwei Nutzungsszenarien können die Breite geisteswissenschaftlicher
Fragestellungen und Methoden nur in begrenztem Maß abbilden. Sie machen jedoch
deutlich, dass selbst Analysen, die einen quantitativen, auf automatisierte
Verfahren bauenden Zugang zu den Daten nutzen, für die Interpretation am Ende auf
Kontextinformationen angewiesen sind. Nur dieser Schritt macht die Analyse an die
Geisteswissenschaften anschlussfähig und für die Forschungscommunity
nachvollziehbar. Die Arbeit mit Frequenzdaten, zu denen keine Kontextinformationen
zur Verfügung stehen, birgt auch die Gefahr, zu Interpretationen zu verleiten, die
nicht durch die Daten gedeckt sind. Insofern erscheint es für viele
Forschungsszenarien in den digitalen Geisteswissenschaften sinnvoll, eine
Kombination beider Verfahren anzustreben.</p>
<p>Alle hier diskutierten Verfahren bleiben selbstverständlich Behelfslösungen. Aus
Sicht der Forschung wäre die generelle Möglichkeit, Forschungsdaten einschließlich
der zugrundeliegenden Texte für wissenschaftliche Zwecke uneingeschränkt zu
teilen, das bei weitem produktivste Vorgehen. Die Interessen der
Rechteinhaber*innen müssen dabei natürlich berücksichtigt werden. Gegebenenfalls
müssten langfristig etwa die Richtlinien der Forschungsfinanzierung aus
öffentlichen Quellen angepasst werden, um bei der Verwendung von urheberrechtlich
geschützten Werken in berechtigten Fällen eine vorgelagerte Kompensation für eine
langfristige Nachnutzung zu ermöglichen. In vielen Fällen ließe sich ein
Interessenausgleich von Forschung und Rechteinhaber*innen erreichen. Langfristig
ist zu hoffen, dass die Politik den rechtlichen Rahmen mit dieser Zielsetzung
weiterentwickelt. Unter den aktuell gegebenen Umständen erlauben zum einen die
Veröffentlichung von abgeleiteten Textformaten und zum anderen der gezielte
Zugriff auf genau die Auszüge des Textes, die für eine gegebene Fragestellung
relevant sind, eine zwar eingeschränkte, in vielen Fällen aber hinreichende
Reproduktion und Nachnutzung urheberrechtlich geschützter Forschungsdaten.</p>
</div>
<div type="bibliography">
<head>Bibliografische Angaben</head>
<listBibl>
<bibl xml:id="allrath_signale_1998">Gaby Allrath: »But why will you say that I am mad?« Textuelle Signale für
die Ermittlung von unreliable narration. In: Unreliable Narration. Studien zur
Theorie und Praxis unglaubwürdigen Erzählens in der englischsprachigen
Erzählliteratur. Hg. von Ansgar Nünning / Carola Surkamp / Bruno Zerweck. Trier
1998, S. 59–80. <ptr type="gbv" cRef="24851167X"/></bibl>
<bibl xml:id="andresen_sprachbeschreibung_2022">Melanie Andresen: Datengeleitete Sprachbeschreibung mit syntaktischen
Annotationen. Eine Korpusanalyse am Beispiel der germanistischen
Wissenschaftssprachen. Tübingen 2022. (= Korpuslinguistik und interdisziplinäre
Perspektiven auf Sprache (CLIP), 10). <ptr type="gbv" cRef="1786523841"/></bibl>
<bibl xml:id="dreier_urhg_2018">Thomas Dreier / Gernot Schulze: UrhG – Urheberrechtsgesetz,
Verwertungsgesellschaftengesetz, Kunsturhebergesetz. Kommentar. 6. Auflage.
München 2018. <ptr type="gbv" cRef="896763692"/></bibl>
<bibl xml:id="dreier_urhg_2022">Thomas Dreier / Gernot Schulze: UrhG – Urheberrechtsgesetz,
Urheberrechts-Diensteanbieter-Gesetz, Verwertungsgesellschaftengesetz,
Nebenurheberrecht, Kunsturheberrecht. Kommentar. 7. Auflage. München 2022.
<ptr type="gbv" cRef="1769737332"/></bibl>
<bibl xml:id="folde_interpretation_2015">Christian Folde: Grounding Interpretation. In: British Journal of Aesthetics
55 (2015), H. 3, S. 361–374. <ptr type="gbv" cRef="129077933"/></bibl>
<bibl xml:id="dfg_leitlinien_2019">Deutsche Forschungsgemeinschaft: Leitlinien zur Sicherung der guten
wissenschaftlichen Praxis, Kodex, 2019. DOI: <ref
target="https://doi.org/10.5281/zenodo.6472827">10.5281/zenodo.6472827</ref>
</bibl>
<bibl xml:id="gaertner_corpus_2020">Markus Gärtner: The Corpus Query Middleware of Tomorrow − A Proposal for a
Hybrid Corpus Query Architecture. In: Proceedings of the 8th Workshop on
Challenges in the Management of Large Corpora. Hg. von Piotr Bański / Adrien
Barbaresi / Simon Clematide / Marc Kupietz / Harald Lüngen / Ines Pisetta.
(CMLC 8, Marseille, 11.–16.05.2020) Stroudsburg, PA 2020, S. 31–39. [<ref
target="https://www.aclweb.org/anthology/2020.cmlc-1.5">online</ref>] </bibl>
<bibl xml:id="gaertner_corpus_2021">Markus Gärtner / Felicitas Kleinkopf / Melanie Andresen / Sybille Hermann:
Corpus Reusability and Copyright – Challenges and Opportunities. In:
Proceedings of the Workshop on Challenges in the Management of Large Corpor.
Hg. von Harald Lüngen / Marc Kupietz / Piotr Bański / Adrien Barbaresi / Simon
Clematide / Ines Pisetta. (CMLC 9, Limerick, 12.07.2021) Mannheim 2021, S.
10–19. DOI: <ref target="https://doi.org/10.14618/ids-pub-10467"
>10.14618/ids-pub-10467</ref> <ptr type="gbv" cRef="1788941780"/></bibl>
<bibl xml:id="gius_textanalysen_2019">Evelyn Gius: Computationelle Textanalysen als fünfdimensionales Problem: Ein
Modell zur Beschreibung von Komplexität. In: LitLab Pamphlet 8 (2019). [<ref
target="https://www.digitalhumanitiescooperation.de/pamphlet-8-computationelle-textanalysen/"
>online</ref>] </bibl>
<bibl xml:id="gius_profit_2017">Evelyn Gius / Janina Jacke: The Hermeneutic Profit of Annotation: On
Preventing and Fostering Disagreement in Literary Analysis. In: International
Journal of Humanities and Arts Computing 11 (2017), H. 2, S. 233–254. DOI: <ref
target="https://doi.org/10.3366/ijhac.2017.0194"
>10.3366/ijhac.2017.0194</ref> <ptr type="gbv" cRef="569610923"/></bibl>
<bibl xml:id="habermas_diskurs_1998">Jürgen Habermas: Der philosophische Diskurs der Moderne. Zwölf Vorlesungen.
Frankfurt / Main 1988. (= Suhrkamp-Taschenbuch Wissenschaft, 749).
<ptr type="gbv" cRef="863033091"/></bibl>
<bibl xml:id="jockers_methods_2012">Matthew Lee Jockers: Macroanalysis: Digital methods and literary history.
Urbana, IL u. a. 2013. <ptr type="gbv" cRef="1603785094"/></bibl>
<bibl xml:id="kindt_erzaehlen_2008">Tom Kindt: Unzuverlässiges Erzählen und literarische Moderne: eine
Untersuchung der Romane von Ernst Weiß. Tübingen 2008. (= Studien zur deutschen
Literatur, 184). <ptr type="gbv" cRef="568520025"/></bibl>
<bibl xml:id="kleinkopf_text_2021">Felicitas Kleinkopf / Janina Jacke / Markus Gärtner: Text- und Data-Mining –
Urheberrechtliche Grenzen der Nachnutzung wissenschaftlicher Korpora bei
computergestützten Verfahren und digitalen Ressourcen. In: MMR. Zeitschrift für
IT-Recht und Recht der Digitalisierung 24 (2021), H. 3, S. 196–200. DOI: <ref
target="http://dx.doi.org/10.18419/opus-11445">10.18419/opus-11445</ref> <ptr type="gbv" cRef="1679027220"/></bibl>
<bibl xml:id="kleinkopf_bildung_2021">Felicitas Kleinkopf / Thomas Pflüger: Digitale Bildung, Wissenschaft und
Kultur – Welcher urheberrechtliche Reformbedarf verbleibt nach Umsetzung der
DSM-RL durch das Gesetz zum Urheberrecht im digitalen Binnenmarkt? In:
Zeitschrift für Urheber- und Medienrecht 56 (2021), H. 8 / 9, S. 643–655.
<ptr type="gbv" cRef="130952079"/></bibl>
<bibl xml:id="kresta_realisierungsformen_1995">Ronald Kresta: Realisierungsformen der Interpersonalität in vier
linguistischen Fachtextsorten des Englischen und des Deutschen (= Theorie und
Vermittlung der Sprache, 24). Frankfurt / Main u. a. 1995. <ptr type="gbv" cRef="185951988"/></bibl>
<bibl xml:id="martinez_einfuehrung_2009">Matías Martínez / Michael Scheffel: Einführung in die Erzähltheorie. 8.
Aufage. (= C.-H.-Beck-Studium). München 2009. <ptr type="gbv" cRef="612016773"/></bibl>
<bibl xml:id="nuenning_narration_1998">Ansgar Nünning: »Unreliable Narration« zur Einführung. Grundzüge einer
kognitiv-narratologischen Theorie und Analyse unglaubwürdigen Erzählens. In:
Unreliable Narration. Studien zur Theorie und Praxis unglaubwürdigen Erzählens.
Hg. von Ansgar Nünning / Bruno Zerweck / Carola Surkamp. Trier 1998, S. 3–39.
<ptr type="gbv" cRef="24851167X"/></bibl>
<bibl xml:id="nuenning_unreliable_1999">Ansgar Nünning: Unreliable, Compared to What? Towards a Cognitive Theory of
»Unreliable Narration«. Prolegomena and Hypotheses. In: Grenzüberschreitungen.
Narratologie im Kontext / Transcending Boundaries. Narratology in Context. Hg.
von Walter Grünzweig / Andreas Solbach. Tübingen 1999, S. 53–73. <ptr type="gbv" cRef="25045680X"/></bibl>
<bibl xml:id="pichler_operationalisierung_2021">Axel Pichler / Nils Reiter: Zur Operationalisierung
literaturwissenschaftlicher Begriffe in der algorithmischen Textanalyse. Eine
Annäherung über Norbert Altenhofers hermeneutische Modellinterpretation von
Kleists Das Erdbeben in Chili. In: Journal of Literary Theory 15 (2021), H.
1–2, S. 1–29. [<ref
target="http://www.jltonline.de/index.php/articles/article/view/1124/2571"
>online</ref>] <ptr type="gbv" cRef="519206053"/></bibl>
<bibl xml:id="raue_freistellung_2021">Benjamin Raue: Die Freistellung von Datenanalysen durch die neuen Text und
Data Mining-Schranken. In: Zeitschrift für Urheber- und Medienrecht 56 (2021),
H. 10, S. 793-802. <ptr type="gbv" cRef="130952079"/></bibl>
<bibl xml:id="reiter_anleitung_2020">Nils Reiter: Anleitung zur Erstellung von Annotationsrichtlinien. In:
Reflektierte algorithmische Textanalyse. Hg. von Nils Reiter / Axel Pichler /
Jonas Kuhn. Berlin u. a. 2020, S. 193–202. DOI: <ref
target="https://doi.org/10.1515/9783110693973-009"
>10.1515/9783110693973-009</ref> <ptr type="gbv" cRef="1691580465"/></bibl>
<bibl xml:id="DSM-Richtlinie_2019">Richtlinie (EU) 2019/790 des Europäischen Parlaments und des Rates vom 17. April 2019 über das Urheberrecht und die verwandten Schutzrechte im digitalen Binnenmarkt und zur Änderung der Richtlinien 96/9/EG und 2001/29/EG. [<ref target="http://data.europa.eu/eli/dir/2019/790/2019-05-17">online</ref>]</bibl>
<bibl xml:id="schiller_guidelines_1999">Anne Schiller / Simone Teufel / Christine Thielen / Christine Stöckert:
Guidelines für das Tagging deutscher Textcorpora mit STTS (kleines und großes
Tagset). 1999. PDF: [<ref
target="http://www.sfs.uni-tuebingen.de/resources/stts-1999.pdf">online</ref>]
</bibl>
<bibl xml:id="schoech_textformate_2020">Christof Schöch / Frédéric Döhl / Achim Rettinger / Evelyn Gius / Peer
Trilcke / Peter Leinen / Fotis Jannidis / Maria Hinzmann / Jörg Röpke:
Abgeleitete Textformate: Text und Data Mining mit urheberrechtlich geschützten
Textbeständen. In: Zeitschrift für digitale Geisteswissenschaften 5 (2020).
DOI: <ref target="https://doi.org/10.17175/2020_006">10.17175/2020_006</ref></bibl>
<bibl xml:id="schruhl_objektumgangsnormen">Friederike Schruhl: Objektumgangsnormen in der Literaturwissenschaft. In: Wie Digitalität die Geisteswissenschaften verändert: Neue
Forschungsgegenstände und Methoden. Hg. von Martin Huber / Sybille Krämer. Wolfenbüttel 2018. (=
Sonderband der Zeitschrift für digitale Geisteswissenschaften, 3) DOI: <ref
target="https://doi.org/10.17175/sb003_012">10.17175/sb003_012</ref></bibl>
<bibl xml:id="schmidt_tool_2021">Thomas Schmidt / Johanna Dangel / Christian Wolff: SentText: A Tool for
Lexicon-based Sentiment Analysis in Digital Humanities. In: Information between
Data and Knowledge. Information Science and its Neighbors from Data Science to
Digital Humanities. Proceedings of the 16th International Symposium of
Information Science. Hg. von Christian Wolff / Thomas Schmidt. (ISI 16,
Regensburg, 08–10.03.202) Glückstadt 2021, S. 156–172. DOI: <ref
target="http://doi.org/10.5283/epub.44943">10.5283/epub.44943</ref>
<ptr type="gbv" cRef="1747271209"/></bibl>
<bibl xml:id="steinhoff_textkompetenz_2007">Torsten Steinhoff: Wissenschaftliche Textkompetenz: Sprachgebrauch und
Schreibentwicklung in wissenschaftlichen Texten von Studenten und Experten.
Tübingen 2007. (= Reihe Germanistische Linguistik, 280) <ptr type="gbv" cRef="555521087"/></bibl>
<bibl xml:id="wilkinson_fair_2016">Mark D. Wilkinson / Michel Dumontier / IJsbrand Jan Aalbersberg / Gabrielle Appleton / Myles Axton / Arie Baak / Niklas Blomberg / Jan-Willem Boiten / Luiz Bonino da Silva Santos / Philip E. Bourne / Jildau Bouwman / Anthony J. Brookes / Tim Clark / Mercè Crosas / Ingrid Dillo / Olivier Dumon / Scott Edmunds / Chris T. Evelo / Richard Finkers / Alejandra Gonzalez-Beltran / Alasdair J.G. Gray / Paul Groth / Carole Goble / Jeffrey S. Grethe / Jaap Heringa / Peter A.C ’t Hoen / Rob Hooft / Tobias Kuhn / Ruben Kok / Joost Kok / Scott J. Lusher / Maryann E. Martone / Albert Mons / Abel L. Packer / Bengt Persson / Philippe Rocca-Serra / Marco Roos / Rene van Schaik / Susanna-Assunta Sansone / Erik Schultes / Thierry Sengstag / Ted Slater / George Strawn / Morris A. Swertz / Mark Thompson / Johan van der Lei / Erik van Mulligen / Jan Velterop / Andra Waagmeester / Peter Wittenburg / Katherine Wolstencroft / Jun Zhao / Barend Mons: The FAIR
Guiding Principles for scientific data management and stewardship. In:
Scientific Data 3 (2016), Artikelnummer 160018. DOI: <ref target="https://doi.org/10.1038/sdata.2016.18">10.1038/sdata.2016.18</ref> <ptr type="gbv" cRef="788479601"/></bibl>
<bibl xml:id="yacobi_reliability_1981">Tamar Yacobi: Fictional reliability as a communicative problem. In: Poetics
Today 2 (1981), H. 2, S. 113–126. <ptr type="gbv" cRef="168640813"/></bibl>
</listBibl>
</div>
<div type="abbildungsnachweis">
<head>Abbildungs- und Tabellenverzeichnis: </head>
<desc type="graphic" xml:id="abb1">In XSample entwickeltes Auszugskonzept. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_001"/></desc>
<desc type="graphic" xml:id="abb2">Dataverse-Oberfläche für ein XSample-Manifest. Rechts unten kann die
Weiterleitung auf den XSample-Server angestoßen werden. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_002"/></desc>
<desc type="graphic" xml:id="abb3">Startseite des XSample-Servers nach Weiterleitung aus dem zugehörigen
Dataverse und Validierung der Manifest-Datei. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_003"/></desc>
<desc type="graphic" xml:id="abb4">Grafische Oberfläche zur flexiblen Auswahl der Auszugsgrenzen. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_004"/></desc>
<desc type="graphic" xml:id="abb5">Exemplarische Oberfläche
zur Auszugsgenerierung mittels Suchanfrage basierend auf enthaltenen
Annotationen. Die Verteilung der Suchergebnisse über das Korpus wird
direkt visualisiert und Nutzer*innen anschließend die Möglichkeit
gegeben, die für sie relevanten Segmente exakt auszuwählen. [<ref type="bibliography" target="#gaertner_corpus_2021">Gärtner 2021</ref>]<ref type="graphic"
target="#nachnutzung_2021_005"/></desc>
<desc type="table" xml:id="tab1"><ref target="#tab01" type="intern">Tab. 1</ref>: Die
distinktivsten Wortarten für die Unterscheidung von Philosophie und
Literaturwissenschaft im Sinne der SVM. Das verwendete Tagset ist das STTS
(<ref type="bibliography" target="#schiller_guidelines_1999">Schiller et al. 1999</ref>). [Andresen 2022]<ref type="graphic"
target="#nachnutzung_2021_t1"/></desc>
<desc type="table" xml:id="tab2"><ref target="#tab02" type="intern">Tab. 2</ref>:
Manuelle Kategorisierung der wir -Verwendung in einer Stichprobe von 100 Instanzen
pro Disziplin. [Pichler 2022]<ref type="graphic"
target="#nachnutzung_2021_t2"/></desc>
</div>
</div>
</body>
</text>
</TEI>