Stance. Ein Textcorpus-Vergleich basierend auf den Tweets des US-amerikanischen Präsidenten Trump und des ehemaligen mexikanischen Präsidenten Nieto

Inhalt

1. Einleitung

2. Twitter als Quelle für Stance.

3. Vorgehensweise

4. Analyseergebnisse
1. Modalverben
2. that-clauses
3. to-clauses
4. Adverbien

5. Fazit

6. Quellen

7. Literaturverzeichnis

Anhang

– Wertetabelle Trump
– Wertetabelle Nieto
– Textcorpus Trump
– Textcorpus Nieto

1. Einleitung

Stance - die Haltung, Einstellung und Meinung, die eine Person äußert, ist ein Kommunikationsbereich, der zunehmend in den Fokus der Sprachwissenschaftler rückt. Seit Ende der 1980er Jahre wurde die persönliche Positionierung im Schriftlichen oder Mündlichen von Linguisten wie Labov, Ochs, Hyland, Precht und aktuell vor allem von Douglas Biber untersucht¹. Die Vermittlung von stance ist ein weitreichendes und komplexes Gebiet, das auf grammatischer, lexikalischer und auch paralinguistischer Ebene untersucht werden kann.

In dieser Arbeit habe ich zwei Textcorpora mit dem Ziel erstellt, stance am Beispiel von politischen Tweets aufzuzeigen. Hierfür habe ich Tweets der politischen Repräsentanten Donald J. Trump, amtierender US-amerikanischer Präsident, (@realDonaldTrump) und des ehemaligen mexikanischen Präsidenten Enrique Peña Nieto (@EPN) gewählt. Die Tweets stammen aus dem Jahr 2018, in dem Nieto das Amt als Präsident noch innehatte², was Trump und Nieto für mich zu interessanten Vergleichspersonen bezüglich stance macht. Ein weiterer interessanter Aspekt ist, dass die zu untersuchenden Corpora in verschiedenen Sprachen – auf Englisch bei Präsident Trump und auf Spanisch bei Präsident Nieto – verfasst sind. Dabei stellte sich die Frage, ob die Stance -Stukturen vergleichbar sind.

2. Twitter als Quelle für Stance

Die soziale Plattform Twitter ermöglicht es jeder registrierten Person in Kontakt mit nahezu jeder anderen Person zu treten, die Zugang zum Internet hat. Durch persönliche Kurzmitteilungen, Verlinkungen oder Kommentare ist diese Plattform prädestiniert für eine Stance -Untersuchung.

Seit einiger Zeit wird die Plattform Twitter aktiv auch von Politikern genutzt, was es ihnen erlaubt, in kürzester Zeit Meinungen und Überzeugungen zu teilen und sich direkt an die Zielpersonen (vor allem Wähler) bzw. das Volk zu richten. Die hohe Follower-Zahl, also die Zahl derjenigen, die die Tweets der Präsidenten zeitnah mitverfolgen können, beweist dabei, dass der Kontakt zu einer hohen Anzahl an Personen gegeben ist (Trump: 59,1 Millionen Follower; Nieto: 7,43 Millionen Follower). Politiker üben ihr (Präsidenten-) Amt oder das ihnen übertragene (Parlaments-)Mandat mit dem Ziel aus, entsprechenden Einfluss auf gesellschaftliche Probleme zu nehmen.³ Dies erfolgt durch ihr Denken und Handeln und auch durch Einflussnahme mittels Meinungsäußerung. Daher ist zu erwarten, dass in den Tweets der Politiker zahlreiche S tance -Beispiele vorzufinden sind.

Die Aufgabe eines Präsidenten ist es zudem, zu überzeugen, Wähler zu gewinnen und zu sammeln, Interessen zu vertreten, das heißt sowohl die Interessen ihres „normalen“ Volkes als auch die verschiedener Lobbys, und den Kontakt zum Volk zu bewahren, was durch die Plattform Twitter sehr gut möglich ist.

Per Tweets können sie sehr schnell Stellung zu einem bestimmten Thema nehmen und auch auf Äußerungen anderer Personen reagieren. Die Tweets erwecken dabei den Eindruck, dass die Präsidenten dem Volk sehr nahe sind, wobei gerade bei solch öffentlichen Ämtern nicht garantiert werden kann, dass tatsächlich jede Nachricht, beispielsweise von den Präsidenten Trump bzw. Nieto, persönlich formuliert wurde. Trotzdem werde ich davon ausgehen, dass die von mir selektierten Tweets die Haltung von Trump und Nieto ausdrücken und somit repräsentativ sind.

3. Die Vorgehensweise

Für die vorliegenden Corpora wurden jeweils 300 Tweets aus dem Jahr 2018 und zum Teil aus dem Jahr 2017 verwendet, beginnend mit dem letzten Tweet aus 2018. Die 300 Tweets von Präsident Trump wurden innerhalb eines Monats (31.12.2018 - 27.11.2018) veröffentlicht, die 300 Tweets von Präsident Nieto dagegen in einem wesentlich längeren Zeitraum (25.12.2018 - 27.09.2017). Insgesamt besteht der Corpus aus 20.186 Wörtern (Trump: 11.474 Wörter; Nieto: 8.712 Wörter) und ist damit ein relativ kleiner Corpus für eine Untersuchung.

Die Zusammenstellung der Texte erfolgte durch „ copy and paste “ von dem direkten Twitter- Konto der jeweiligen Person. Die Tweets sind jederzeit öffentlich abrufbar, weshalb Namen, Verlinkungen zu Personen oder Hashtags von mir nicht anonymisiert wurden.

Die beiden Textsammlungen wurden von mir getrennt annotiert, um anschließend eine Möglichkeit zum Vergleich zu haben. Bei der Annotation habe ich mich an die Vorgaben von Douglas Biber gehalten. Laut Biber gibt es viele Möglichkeiten, um die Haltung einer Person zu erkennen.⁴ Diese lässt sich im Mündlichen nicht nur an linguistischen Merkmalen erkennen, sondern auch an paralinguistischen Mitteln, wie Gesten, Betonungen oder der Intensität. Die Haltung einer Person hängt in diesem Punkten stark von der Interpretation des Adressaten ab.

Stance im schriftlichen Bereich ist dagegen eindeutiger an der grammatisch-lexikalischen Wortwahl des Produzenten festzustellen. Zwar ließe sich auch eine Haltung vor allem durch Adjektive, bedeutungsstarke Wörter oder auch an der Schreibform, also der Schreibung in Großbuchstaben, oder durch Unterstreichungen, erkennen oder ableiten, was jedoch ebenfalls interpretationsabhängig wäre.⁵

Um stance eindeutig zu kennzeichnen, hat Biber daher bestimmte grammatische stance markers ausgearbeitet, denn „(n)early any word could be analyzed as reflecting an evaluation, making it hard to identify a closed set of words used to convey specific attitudes and evaluations. For these reasons, lexical and paralinguistic stance marking are excluded [...] “⁶. Zu den grammatischen Strukturen gehören Modalverben, Adverbien und complement clauses. ⁷ Modalverben drücken durch ihre modale Funktion direkt die Haltung des Sprechers/ Schreibers aus und die Adverbien haben die Funktion, den Umstand des gesamten Satzes und damit die Meinung des Sprechers/ Schreibers näher zu bestimmen. Bei den complement clauses (that-clause; to-clause) wird die Haltung durch ein S tance -Verb, -Adjektiv oder-Nomen im Matrixsatz ausgedrückt und evaluiert somit den anschließenden Rest des Satzes. Im Folgenden werde ich die S tance -Strukturen aufzeigen, auf welche ich mich in dieser oder annähernd dieser Form fokussiert habe.

Folgende Strukturen wurden annotiert:

Abbildung in dieser Leseprobe nicht enthalten

Alle Strukturen lassen sich zudem in Verbindung mit einer bestimmten Funktion bringen, die laut Biber die gebräuchlichsten darstellen⁸, die der Sprecher/ Schreiber benutzt, um seine Haltung auszudrücken. In Bezug auf die Modalverben sind das folgende Funktionen:

– Möglichkeit (Poss), Erlaubnis (Perm), Fähigkeit (Abi)

Z.B.: can/ puede; could, may, might/ podría;

– Notwendigkeit (Nec), Verpflichtung (Obli)

Z.B.: I have to, must/ tengo que; should / debe, debería

– V orhersagen (Pred), Wille (Vol)

Z.B.: will, going to/ ir a, futuro simple

Laut Biber gehören die Modalverben zu den häufigsten s tance markers, wobei die Modalverben der Vorhersage und des Willens vor allem im Mündlichen deutlich am meisten vertreten sind. Im Schriftlichen dagegen kommen größtenteils Modalverben der Möglichkeit, Erlaubnis oder Fähigkeit vor.⁹ Da Tweets meines Erachtens als konzeptionell mündlich zu werten sind, sollten auch in diesen Corpora hauptsächlich Modalverben der Vorhersage und des Willens auftreten.

In Bezug auf die epistemischen Verben, Adjektive, Nomen und Adverbien hat Biber folgende Funktionen angebracht:¹⁰

Abbildung in dieser Leseprobe nicht enthalten

Angelehnt an diese Funktionen habe ich die Textcorpora mit der Software Oend ausgewertet.

4. Analyseergebxygen XML Editor annotiert und anschließnisse

Die folgenden Diagramme zeigen die Ergebnisse, die im Textcorpus der jeweiligen Präsidenten entstanden sind.

4.1. Modalverben

Abbildung in dieser Leseprobe nicht enthalten

Der Gebrauch von Modalverben ist bei beiden Präsidenten ähnlich gewichtet. Am häufigsten werden Modalverben verwendet, die eine Voraussage oder einen Willen äußern, was die Behauptung von Biber bestätigt. Bei Trump betrifft das vor allem das Modalverb will, was hauptsächlich benutzt wird, um über zukünftige Ereignisse oder Aktionen zu sprechen. Im Spanischen wird die Zukunft nicht durch ein Modalverb ausgedrückt, sondern durch eine Suffixform am Infinitiv. Um jedoch einen Vergleichswert zu haben, habe ich die Formen des futuro simple, welches von Präsident Nieto ausschließlich benutzt wurde, als Äquivalent zum will-future von Präsident Trump benutzt.

Insgesamt machen die Modalverben bei Trump 45,83 Prozent von der Gesamtzahl der Stance - Strukturen aus. Bei Nieto sind es 28,8 Prozent.¹¹

Beispiel Präsident Trump:

Border Patrol needs the Wall and it will all end.

If the Dems vote no, there will be a shutdown that will last for a very long time.

Beispiel Nieto:

A las 9:00 pm enviaré un mensaje para toda la población de nuestro país.

@realDonaldTrump: NO. México NUNCA pagará por un muro.

4.2. That-clauses

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 3 (Trump 2018): that-clauses)

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 4 (Nieto 2018): that-clauses)

Die that-clauses bilden bei Nieto den größten Anteil an Stance -Strukturen. Als vergleichbare Struktur habe ich bei Nieto nach Stance -Verben, -Adjektiven oder -Nomen in Verbindung mit der Konjunktion “que “ annotiert. Diese Struktur macht im Textcorpus von Nieto 37,17 Prozent aus. In dieser Struktur kommen am häufigsten attitudinal verbs zum Einsatz. Sie machen 40 Prozent aus, die desire verbs 29,09 Prozent und die certainity verbs 21,82 Prozent. Stance -Adjektive oder -Nomen kommen relativ selten vor und machen insgesamt 12,73 Prozent (Adjektive) und 16,36 Prozent (Nomen) aus.

Beispiel Präsident Nieto:

Attitudinal: Lamento e l trágico incidente (que ha) ocurrido en una iglesia en Sutherland Springs, Texas.

Desire: Deseo que l os hogares de México vivan estas fechas tan especiales con paz, unidad y armonía.

Certainty : Sé que representarán a @Mexico con entrega, pasión y talento.

Bei Trump bilden die that-clauses mit insgesamt 18,63 Prozent die dritthäufigste Struktur nach den Modalverben und Adverbien. Dabei werden die Stance -Verben mit der Funktion “speech “ deutlich am häufigsten benutzt (60 Prozent), gefolgt von den Stance -Nomen mit der Funktion “certainty “ (21,82 Prozent). Die Stance -Adjektive machen hierbei den geringsten Anteil aus mit insgesamt 18,18 Prozent.

Beispiel Präsident Trump:

Speech : I often stated (that), “One way or the other, Mexico is going to pay for the Wall.”

Certainty: Does the Fake News Media ever mention the fact that Republicans,[...], WON THE UNITED STATES SENATE, 53 to 47?

4.3. To-clauses

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 5 (Trump 2018): to-clauses)

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 6 (Nieto 2018): to-clauses)

Die Stance -Struktur mit den t o-clauses kommt bei Nieto (23,56 Prozent) etwas häufiger vor als bei Trump (16,67 Prozent). Als Äquivalent zur to-clause habe ich bei Nieto Stance -Verben, -Adjektive und -Nomen annotiert, nach denen ein Infinitiv oder eine Präposition (z.B.: para, a) mit einem Infinitiv folgt.

Bei Nieto überwiegt hierbei die attitudinal Funktion bei den Nomen (17,78 Prozent), gefolgt von den Verben mit einer causation Funktion (13,33 Prozent). Die Stance -Adjektive werden in dieser Struktur ebenfalls selten benutzt und machen insgesamt 20 Prozent aus.

Beispiel Präsident Nieto:

Attitudinal: Me entregué en cuerpo y alma a servir a la nación y siempre estaré agradecido.

Causation: Los avances y resultados que nos permiten mirar con optimismo el futuro de nuestro país.

Bei Trump wird am häufigsten ein Verb mit einer anschließenden to-clause in der Funktion desire genutzt (26,47 Prozent). Im attitudinal Bereich werden Verben (13,24 Prozent), Nomen (11,76 Prozent) und Adjektive (8,82 Prozent) ähnlich häufig benutzt, wobei die Adjektive mit der Funktion evaluation und ability mit 8,82 Prozent gleichauf liegen.

Beispiel Präsident Trump:

Desire: I want to wish you all a very MERRY CHRISTMAS!

Attitudinal: I look forward to signing this into law!

4.4. Adverbien

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 4 (Trump 2018): stance adverbs)

Abbildung in dieser Leseprobe nicht enthalten

(Diagramm 7 (Nieto 2018): stance adverbs)

Die adverbiale Struktur wird bei Trump nach den Modalverben am häufigsten verwendet (18,87 Prozent). Bei Nieto dagegen mit (10,47 Prozent) am vierthäufigsten. Bei beiden überwiegt die certainty Funktion mit 48,05 Prozent bei Trump und 65 Prozent bei Nieto. Die restlichen Funktionen werden bei beiden mit Abstand deutlich weniger benutzt. Bei Trump folgt die evaluation Funktion mit 16,88 Prozent und die attitudinal Funktion mit 9,09 Prozent. Bei Nieto folgt die attitudinal Funktion mit 20 Prozent und nur die Adverbien mit der

s peech-, ease/difficulty- und communication Funktion mit jeweils 5 Prozent.

Beispiel Präsident Trump:

Certainty: I never directed Michael Cohen to break the law.

Evaluation: Our great Country is extremely well represented.

Beispiel Nieto:

Certainty: Siempre es un gusto trabajar juntos a favor de la relación entre México y Canadá.

Attitudinal: […]; al momento, afortunadamente no hay reporte de víctimas fatales.

5.Fazit

Betrachtet man die Benutzung von stance bei beiden Politikern in ihrer Gesamtheit, lässt sich feststellen, dass der prozentuale Anteil relativ gering ist, was meiner Erwartung widerspricht. Insgesamt kamen in den 600 Tweets 20.186 Wörter vor, wovon 2,97 Prozent Stance - Strukturen sind.

Präsident Trump hat dabei etwas häufiger seine Haltung verdeutlicht als Präsident Nieto. Von Trumps 11.474 Wörtern sind 3,56 Prozent stance und von Nietos 8.712 Wörtern sind 2,19 Prozent stance. Man könnte daraus ableiten, dass Trump die Plattform Twitter effektiver zur Meinungsäußerung und zur Darstellung seiner persönlichen Haltung nutzt als Präsident Nieto. Dies hätte sich jedoch vermutlich auch an der Tweet-Frequenz der beiden erkennen lassen, da Trump wesentlich häufiger Kommentare und ähnliches veröffentlicht als Nieto.

Laut Biber könnte man jedes Wort analysieren und nach einer evaluativen Funktion bestimmen; was jedoch äußerst aufwändig wäre. Wäre dies der Fall und wäre stance außerhalb der von Biber vorgegebenen grammatischen Strukturen annotierbar, so sähe das Ergebnis deutlich anders aus.

Mit den vorgegebenen grammatischen Strukturen stelle ich fest, dass es nicht leicht ist, die Muster eindeutig zu erkennen. So stellte sich mir die Frage, ob eine Satzstruktur, die sich zum Beispiel durch Hinzufügen von to oder t hat mehr oder weniger leicht in eine complement clause umformen lässt, trotzdem als Stance -Struktur akzeptiert würde. Außerdem frage ich mich, wie beispielsweise Ironie bei Stance- Strukturen gewertet wird, da hier die Haltung ins Gegenteilige verdreht wird, dies sich jedoch nicht anhand der Struktur, sondern allein am Kontext erkennen lässt.

Meiner Meinung nach kommen in den von mir untersuchten Tweets sehr viele wertende und bewertende Haltungen vor, welche sich jedoch häufig nicht mit Bibers Stance -Strukturen vereinbaren lassen. Möglicherweise liegt dies darin begründet, dass die von Biber erstellten Stance -Strukturen auf Universitätssprache basieren, wo eine adäquate Formulierung üblicher ist. Die Sprache der Politiker oder die Sprache, die für Soziale Netzwerke wie Twitter benutzt wird, ist folglich strukturell gesehen eine andere und demnach passen die Strukturen von Biber nicht optimal in diesen Bereich. Eventuell müssten andere Strukturen ermittelt werden, um stance in diesen Bereichen besser bestimmen zu können.

Dennoch stellte ich fest, dass sich die Stance -Strukturen im Englischen und Spanischen nur geringfügig unterscheiden und somit gut vergleichbar sind. Ich denke, dass es auch in Zukunft interessant sein kann, stance bei Personen des öffentlichen Lebens auf Twitter oder einer anderen Sozialen Plattform zu untersuchen und dadurch neue Erkenntnisse für die Linguistik zu gewinnen.

Quellen:

Trump, Donald J.. [@realDonaldTrump]. (31.12.2018 - 27.11.2018). Abgerufen von https://twitter.com/realDonaldTrump

Nieto, Enrique Peña. [@EPN]. (25.12.2018 – 27.09.2017). Abgerufen von https://twitter.com/EPN

Literaturverzeichnis:

Biber, D. (2006): University Language: A Corpus-based Study of Spoken and Written Registers. Amsterdam/ Philadelphia: John Benjamin Publishing Company

Conrad, S., Biber, D. (2003): Adverbial Marking of Stance in Speech and Writing. In S.Hunston, G. Thompson (eds.), Evaluation in Text: Authorial Stance and the Construction of Discourse.(2003), S.56-73.

Kärkkäinen, E. (2003): Epistemic Stance in Englisch Conversation. Amsterdam/ Philadelphia: John Benjamin Publishing Company

Strauss, S., Parastou, F. (2014): Discourse Analysis: Putting our Worlds into Words. New York: Routledge

Internetquellen:

(1) Seite „Politiker“. In: Wikipedia, Die freie Enzyklopädie. Bearbeitungsstand: 8. August 2018, 22:27

UTC. URL: https://de.wikipedia.org/w/index.php?title=Politiker&oldid=179848572 (Abgerufen: 23. März 2019, 12:09 UTC)

[...]

---

¹ Vgl. Biber (2006) S.87f

² Nietos Amt als Präsident ging vom 01.Dezember 2012 bis zum 30. November 2018.

³ Vgl. Internetquelle 1

⁴ Biber (2006), S.87

⁵ Vgl. Biber (2006), 88ff

⁶ Biber (2006), S.90

⁷ Vgl. Biber (2006), S.88f

⁸ Vgl. Biber (2006), S.92-93

⁹ Vgl. Biber (2006), S.95ff

¹⁰ Vgl. Biber (2006), S.92-93

¹¹ Vgl. Anhang: Wertetabelle Trump; Wertetabelle Nieto