100170 KO History of German Language: (2024W)

Welche Wörter wir verwenden, wie häufig sie gebraucht werden und in welchem Zusammenhang sie auftauchen, ist im ständigen Wandel begriffen. Einzelne Wörter werden häufiger, seltener, verschwinden aus dem Wortschatz und werden möglicherweise in ihrer Funktion durch andere ersetzt. Wörter ändern ihre Bedeutung, werden etwa positiver oder negativer, konkreter oder semantisch nahezu leer. Mithilfe großer Textmengen kann die Bedeutung eines Wortes - zumindest partiell durch deren Häufigkeitsverteilungseigenschaften - numerisch erfasst werden. Einzelne Wörter können so numerischen Repräsentationen zugeordnet werden, die ihre Bedeutung modellieren (sog. Vektorrepräsentationen oder Word Embeddings). Verwendet man nun historische Textdaten, so kann durch Vergleiche mehrerer Zeitebenen auch lexikalischer Wandel quantifiziert und modelliert werden.

Diese Lehrveranstaltung soll einen Einblick in Theorie und Methodologie der quantitativen Modellierung lexikalischen Wandels bieten. Zunächst werden Grundbegriffe des lexikalischen Wandels und des Bedeutungswandels besprochen, wobei Wandelphänomene des Deutschen im Vordergrund stehen. Die theoretische Einführung wird von einer Vorstellung digitaler Werkzeuge zur Analyse von Frequenz- und Bedeutungswandel im Google-Books-Korpus begleitet (Ngram Viewer: https://books.google.com/ngrams/; Histwords: https://nlp.stanford.edu/projects/histwords/; Tensorflow Embedding Projector: https://projector.tensorflow.org/). Im Anschluss werden mehrere grundlegende bzw. rezente einschlägige Publikationen von den Studierenden aufbereitet, vorgestellt und diskutiert.

Programmierkenntnisse und tiefgehendes statistisches Wissen sind für die Lehrveranstaltung nicht notwendig. Die diskutierte Literatur ist jedoch recht quantitativ, formellastig und greift auf mathematische Konzepte zurück (Vektoren, Mengen, Wahrscheinlichkeiten, Ähnlichkeiten/Distanzen, Funktionen, etc.), sodass gewisse mathematische Grundkenntnisse (Maturaniveau) vorausgesetzt werden müssen.