Diese Arbeit verfolgt das Ziel mittels eines Python-Skriptes herauszuarbeiten, welche emotionalisierenden, sprachlichen Strategien in Artikeln der ZEIT ONLINE vorhanden sind. Angewendet wurde das Skript auf ein Untersuchungskorpus, das aus 20 Artikeln der ZEIT ONLINE aus dem Jahr 2020 besteht.
Bevor die Analysekriterien erläutert werden, sind die Termini Emotion und Emotionalisierungen zu definieren. Für den Terminus Emotion existiert keine allgemeingültige Definition. Zentral für die vorliegende Arbeit ist die Definition der Emotionen als Gefühlsbewegungen, die im Kontrast zu Gefühlszuständen, auch Stimmungen genannt, nur kurz andauern. Realisiert werden Emotionen laut Schwarz-Friesel durch nonverbale Ausdrücke als Mimik und Gestik, körperliche Zustände und verbale Repräsentationsformen. In Bezug auf die für diese Arbeit relevante ‚verbale Repräsentationsform‘ wird unter Emotionalisierung „der Prozess des Nachempfindens von Gefühlen verstanden, der bei der Lektüre in Gang gesetzt wird.“ Emotionalisierungen spielen sich dabei immer auf Rezipientenebene ab, d.h. die in die Texte eingebauten Emotionen sollen beim Leser eigene Emotionen hervorrufen.
Emotionen lassen sich auf Wort-, Satz- und Textebene ausdrücken. In dieser Ausarbeitung wurden zwei Analysekriterien auf Wortebene untersucht: Diminutive und Superlative. Des Weiteren wurden vier Analysekriterien auf Satzebene analysiert: die durchschnittliche Satzlänge, der Anteil an Ausrufe-, Aufforderungs- und Fragesätzen sowie der Einsatz von Doppelpunkten und Gedankenstrichen.
Inhaltsverzeichnis
1. Einleitung
2. Methodische Grundlagen
2.1 Untersuchungskorpus
2.2 Analysekriterien
3. Erläuterung des Python-Skripts
3.1 Vorverarbeitung
3.2 Morphologische Ebene
3.3 Syntaktische Ebene
3.4 Main
4. Ergebnisse
4.1 Darstellung in der Shell
4.2 Auswertung und Reflexion
5. Fazit
Zielsetzung & Themen
Das primäre Ziel dieser Arbeit ist die Entwicklung eines Python-Skripts zur Untersuchung emotionalisierender sprachlicher Strategien in nachrichtenjournalistischen Texten. Die Forschungsfrage fokussiert dabei auf die Identifikation potenziell emotionalisierender Merkmale in Artikeln der ZEIT ONLINE aus dem Jahr 2020.
- Entwicklung und Anwendung eines Python-basierten Analyse-Skripts
- Morphologische Analyse (Diminutive und Superlative)
- Syntaktische Analyse (Satzlänge, Satzarten, Interpunktion)
- Quantitative Auswertung und linguistische Einordnung der Ergebnisse
- Reflexion der methodischen Vorgehensweise und Fehlerquellen
Auszug aus dem Buch
3.2 Morphologische Ebene
Auf morphologischer Ebene wurden anhand von drei Funktionen zuerst die Diminutive summiert. Diminutive sind immer Substantive, deshalb filtert die erste Funktion (d.1.1) die Substantive mit einem Part-of-Speech (POS) Tagger heraus. POS-Tagging ist „die Zuweisung von Wortartenlabels, die man als Part-of Speech-Tags […] bezeichnet, zu einzelnen Items im Korpus.“ Grundlage für die Zuweisung sind Tagsets. In dieser Arbeit wurde der POS-Tagger von spaCy verwendet, der das Annotationsschema TIGER Treebank anwendet. Der POS-Tagger wurde wie folgt in die Funktion eingebaut:
Um die linguistischen Annotationen über Methoden abzufragen, wurde das Modul nlp aufgerufen, auf den vorverarbeiteten Text angewendet und in der Variable doc gespeichert. Anschließend wurde eine Liste mit Nomen erstellt und in der Variable Nouns gespeichert. Diese Liste wurde erstellt, indem die Substantive mit dem POS-Tag NOUN herausgefiltert wurden. Die Variable Nouns ist der Rückgabewert und dient für die beiden folgenden Funktionen als Eingabeparameter. Alternativ hätte als Parameter für die zwei folgenden Funktionen auch der vorverarbeitete Text (Variable preparedText) verwendet werden können. Die Eingabe wurde jedoch bewusst auf Substantive beschränkt, um die Anzahl fehlerhafter Bestimmungen zu reduzieren, denn neben Diminutiven enden zahlreiche andere Wörter mit den Suffixen -chen oder -lein, wie ‚abgleichen‘.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung definiert den theoretischen Rahmen für Emotionalisierungen im Nachrichtenjournalismus und formuliert die Zielsetzung der Arbeit, ein Python-Skript zur Analyse von ZEIT ONLINE-Artikeln zu entwickeln.
2. Methodische Grundlagen: Dieses Kapitel erläutert die Auswahl des Untersuchungskorpus, bestehend aus 20 randomisierten Artikeln, sowie die angewandten Analysekriterien auf morphologischer und syntaktischer Ebene.
3. Erläuterung des Python-Skripts: Die technische Umsetzung der Vorverarbeitung sowie die einzelnen Funktionen zur morphologischen und syntaktischen Analyse und deren Zusammenführung in der Main-Funktion werden detailliert beschrieben.
4. Ergebnisse: Die quantitativen Daten der Analyse werden präsentiert, in Tabellenform aufbereitet und kritisch hinsichtlich der Programmleistung und der Aussagekraft reflektiert.
5. Fazit: Das Fazit fasst die Ergebnisse zusammen, wonach den Artikeln der ZEIT ONLINE ein insgesamt schwach emotionalisierendes Potenzial zugeschrieben wird, und diskutiert Verbesserungsmöglichkeiten für zukünftige Arbeiten.
Schlüsselwörter
Emotionalisierung, Nachrichtenjournalismus, Python, Computerlinguistik, ZEIT ONLINE, Morphologie, Syntax, Diminutive, Superlative, Satzbau, Textanalyse, Natural Language Processing, spaCy, Quantitative Analyse, Medienlinguistik.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Hausarbeit untersucht mithilfe computerlinguistischer Methoden, inwieweit sprachliche Strategien zur Emotionalisierung in Artikeln der Online-Ausgabe der ZEIT eingesetzt werden.
Welche zentralen Themenfelder werden bearbeitet?
Die Arbeit verknüpft Journalismusforschung mit Informatik, indem sie morphologische und syntaktische Aspekte der Sprache (wie Diminutive, Superlative oder Satzstruktur) auf Basis einer automatisierten Python-Analyse untersucht.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist die Entwicklung eines Python-Programms, das automatisch linguistische Merkmale in einem Korpus von 20 ZEIT ONLINE-Artikeln identifiziert und zählt, um Aussagen über deren emotionales Potenzial zu treffen.
Welche wissenschaftliche Methode wird verwendet?
Es kommt eine quantitative korpuslinguistische Methode zum Einsatz, wobei die Bibliothek spaCy zur Textverarbeitung und POS-Tagging für die morphologische Bestimmung genutzt wird.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die methodische Konzeption, die detaillierte Erklärung des Python-Skripts (Vorverarbeitung, Analysefunktionen, Main-Funktion) sowie die Auswertung und Reflexion der erhobenen Daten.
Welche Schlüsselwörter charakterisieren die Untersuchung?
Wichtige Begriffe sind Emotionalisierung, Nachrichtenjournalismus, Python, NLP (Natural Language Processing), sowie spezifische sprachliche Kriterien wie Diminutive und Satzanalyse.
Wie zuverlässig sind die Ergebnisse hinsichtlich der Diminutive?
Die Autorin weist darauf hin, dass die automatische Suche via Suffixe (-chen, -lein) fehleranfällig ist, da auch Wörter wie „Epochen“ erfasst wurden, was die Aussagekraft für dieses spezifische Kriterium einschränkt.
Warum wurde eine "einfache Shell-Ausgabe" gewählt?
Die Shell-Ausgabe wurde gewählt, da keine weiterführende statistische Analyse der Daten vorgesehen war und die einfache Darstellung für die Zwecke dieser Hausarbeit ausreichte.
- Arbeit zitieren
- Amelie Probst (Autor:in), 2020, Emotionalisierungen im Nachrichtenjournalismus. Eine linguistische Analyse der ZEIT ONLINE in Python, München, GRIN Verlag, https://www.grin.com/document/988104
