Begriffsgeschichte mit digitalen Methoden

Computergestütztes Text Mining bietet die Möglichkeit, große Mengen an Texten systematisch zu untersuchen. Für die Begriffsgeschichte ist dies vielversprechend, da so eine Beschränkung auf eine kleine Zahl von wenigen Schlüsseltexte entfallen kann. Sofern die Funktionsweise der Algorithmen und die entsprechenden Limitationen offengelegt werden, ermöglicht eine Verbindung mit klassischeren Analyseverfahren eine Kombination der Vorteile von quantitativer und qualitativer Forschung. Seit der zweiten Hälfte der 2000er-Jahre ist neben ältere Algorithmen wie die wörterbuchbasierte Klassifizierung und die Cluster-Erkennung die Methode getreten, mittels sogenannter Latent Dirichlet Allocation (LDA) Themen in einem Textkorpus zu modellieren. Die entstehenden Themenmodelle kennzeichnen sich durch die Eigenschaft, dass sie inhärent die Mehrdeutigkeit von Wörtern berücksichtigen. Ein direkte Auswertung der Themenmodelle kann im Sinne Franco Morettis als distant reading des analysierten Textkorpus verstanden werden. Als Ergänzung hat sich mittlerweile etabliert, dies durch ein close reading von Einzeltexten aus dem Korpus zu ergänzen. Durch eine systematische Verknüpfung dieser Schritte mit der Grounded Theory Method setzt sich das Forschungsprojekt das Ziel, die Analyse mittels LDA-Themenmodellen an die Begriffsgeschichte in der Tradition Reinhart Kosellecks anknüpfen zu lassen. Hierbei sind sowohl Spezifika von Textgattungen zu bedenken wie auch die Verschiedenartigkeit der Metadaten, die bei der Kategorienbildung anleiten können. Die Arbeit mit japanischsprachigen Textkorpora erweist sich nicht nur wegen des Logogrammcharakters der chinesischen Schriftzeichen als besonders interessant. Vielmehr ist auch bedeutsam, dass viele Begriffe bei der Rezeption von Wissen aus China und Europa neugeschaffen oder beeinflusst wurden, danach aber eine substanzielle Eigendynamik entfalteten.