Wir nehmen an, dass die Tech-Blog-Sphäre eine Avantgarde von technologisch und sozial interessierten Experten darstellt, und beschreiben hier einen experimentellen Rahmen, um ihren Beitrag zur öffentlichen Diskussion von Themen an der Schnittstelle von Technologie und Gesellschaft zu untersuchen. Hierfür bringen wir unterschiedliche disziplinäre Ansätze auf einer gemeinsamen Basis von Texten und Werkzeugen zusammen. Der erste Ansatz kommt aus dem Bereich der Korpus- und Computerlinguistik (BBAW), während der zweite aus der Forschung über die Auswirkungen von digitalen Medien auf demokratische Prozesse und Institutionen herrührt (GHI/RRCHNM).

Die im Folgenden beschriebene Zusammenarbeit verfolgt zwei Hauptziele:

1. Die Erstellung einer Textgrundlage (Deutsch und Englisch) aus einer kuratierten Liste von Blogs zu technologischen Themen für die lexikographische und sprachliche Forschung, sowie
2. Die Durchführung von exemplarischen Studien mit dem zusammengestellten Korpus, die sich auf spezifische Forschungsfragen zum öffentlichen Diskurs über Internetpolitik in Deutschland und den Vereinigten Staaten konzentrieren.

Dieser Blogbeitrag wurde aus einem Kurzartikel adaptiert, der anlässlich der Digital Humanities 2019 Tagung erscheinen soll. Die Autoren sind Jens Pohlmann (German Historical Institute, Washington D.C. & Roy Rosenzweig Center for History and New Media, George Mason University) und Adrien Barbaresi (Berlin-Brandenburgische Akademie der Wissenschaften).

Ein Tech Blog Korpus für Sprachforschung und Diskursanalyse

Fokussierte Webkorpora werden in der Sprachforschung eingesetzt, um bestehende Sammlungen zu ergänzen, da sie eine bessere Abdeckung spezifischer Texttypen und Genres, nutzergenerierter Inhalte, sowie neuester Sprachentwicklungen ermöglichen. Es ist allerdings außergewöhnlich, vorgefertigte Ressourcen für einen themenbasierten Ansatz zu finden. Blogs sind für unsere Forschung in diesem Sinne von besonderem Interesse, da sie in der sogenannten Blogosphäre über die aktive Vernetzung durch Hyperlinks eng miteinander verflochten sind. Der intensive Austausch innerhalb dieses Systems trägt dazu bei, “ein starkes Gemeinschaftsgefühl zu schaffen” (Glance 2004). Spezifische Tech-Blogs haben sich ursprünglich abseits von und in Abgrenzung zu traditionellen Massenmedien entwickelt. Diese Netzwerke von Amateur-Blogs haben es geschafft, Online-Räume für die öffentliche Debatte gesellschaftlich relevanter Themen zu eröffnen. Die Diskussion technologischer Fragen gehört ganz besonders in diesen Bereich und sollte nicht auf die Kreise der Insider und Spezialisten beschränkt bleiben, da ihre Auswirkungen oft zu politischen und ethischen Realitäten werden, die die Gesellschaft als Ganzes betreffen.

Die anfänglich kleinen und sehr aktiven Gemeinschaften der Tech-Blog-Szene wurden jedoch mittlerweile oft durch kommerziell betriebene Websites ersetzt, die sich vermehrt an passive Leser richten, was sicherlich den Inhalt der Unterhaltungen beeinflusst. In unserer Untersuchung wollen wir prüfen, ob diese professionell(er) organisierten Blog-Formate den Status einflussreicher Informationsanbieter, Agenda-Setter und Gatekeeper eingenommen haben und als Verbindungs- und Vermittlungsinstanz zwischen dem Experten-Diskurs und den traditionellen Medien fungieren können. Sowohl die Beschaffung von Datenmaterial als auch die Anwendung neuer wissenschaftlicher Instrumente ist nötig, um dieses Teilgebiet der digitalen Öffentlichkeit näher zu untersuchen.

Unser erster Anwendungsfall konzentriert sich auf die deutsche Sprache, für die historische und zeitgenössische Korpora als Teil einer aggregierten lexikalischen Informationsplattform (Geyken et al. 2017), dem Digitalen Wörterbuch der deutschen Sprache (DWDS), bereits aufgebaut wurden und zugänglich gemacht worden sind. Für das hier vorgestellte Projekt erstellen wir ein spezialisiertes Webkorpus (Barbaresi 2016), das dann mit bereits bestehenden Ressourcen wie Zeitungs- und Webkorpora verglichen wird. In Anlehnung an die bestehende Forschung zu Blogs/Weblogs definieren wir Blogs nach ihrer Form: Sie bestehen aus datierten Einträgen, die oft von einem breit verfügbaren Publikationswerkzeug oder Webspace aus verwaltet werden (Meinel et. al., 2015). Das Durchsuchen relevanter Teile des Webs nach passenden Blogs erfolgt halbautomatisch durch die Vorauswahl von Hunderten von Quellen. Danach werden wichtige Metadaten (wie z.B. das Veröffentlichungsdatum mit dem speziell dafür entwickelten Werkzeug htmldate) und der Haupttext nach einer Reihe von Heuristiken automatisch extrahiert. Die resultierende Textgrundlage besteht aus einer Teilmenge von Webseiten, die gefunden, heruntergeladen und verarbeitet werden konnten; Dokumente mit nicht vorhandenem oder nicht erkanntem Datum oder Inhalt werden während der Verarbeitung aussortiert und sind nicht Teil des Korpus.

Anwendungs- und Fallstudien

Das Korpus dient der Suche nach Definitionselementen im Zusammenhang mit neu geschaffenen Wörtern oder Lesarten (Barbaresi et al. 2018) basierend auf der automatisierten Extraktion von Inhalten und einer manuellen Überprüfung, sowie der Untersuchung von Diskussionen über Gesetzgebung im Bereich der Regulierung des Internets und neuer Technologien. Große, spezialisierte Textkorpora und Datenbanken sowie Methoden des „Distant Reading“ wie Topic Modeling oder Outlier Detection können bei der Analyse und Filterung dieses öffentlichen Diskurses helfen und der Forschung den gezielten Zugriff auf relevante Dokumente und Netzwerke erleichtern.

Eine erste Untersuchung dieses Korpus wird sich der öffentlichen Diskussion über das deutsche Netzwerkdurchsetzungsgesetz (kurz NetzDG) widmen. Dieses umstrittene Anti-Hate-Speech-Gesetz zwingt Social Media Plattformen, von Usern beanstandete Inhalte, die “offensichtlich rechtswidrig” sind, innerhalb von 24 Stunden nach Erhalt der Beschwerde zu entfernen. Es wurde in Deutschland eingehend diskutiert und auch kritisiert, in den USA jedoch scharf verurteilt. Die Kritik stellt heraus, dass das Gesetz zu „overblocking“ führen könnte, und damit letztlich zu Formen von Zensur. Zudem wird die Delegierung rechtlicher Entscheidungen an Privatunternehmen beanstandet und darauf verwiesen, dass das Gesetz als Vorlage für die Zensur-Bestrebung autoritärer Regime dienen könnte (Donahoe, 2017). Der Diskurs über das NetzDG ist eine äußerst relevante Fallstudie für die Analyse der Art und Weise, wie die gesellschaftlichen Implikationen von Technologie derzeit in der Öffentlichkeit diskutiert und verhandelt werden. Dies insbesondere im Hinblick auf die Bedrohungen, die der Missbrauch von Social Media Plattformen für politische Entscheidungsprozesse in westlichen Demokratien darstellt. Der Diskurs über das NetzDG macht zudem die unterschiedlichen Kulturen bezüglich des Rechtes auf freie Meinungsäußerung in Deutschland und den USA sichtbar und verdeutlicht, inwieweit die historischen Wurzeln dieser Unterschiede die aktuelle transatlantische Debatte über die Einschränkung von Inhalten im Internet und die Regulierung von Social Media Plattformen prägen (Nieuwenhuis, 2000, Schulz, 2018). Die Debatte an sich basiert auf einem sehr technischen Vokabular und bringt die Notwendigkeit mit sich, das Wissen einer kleinen Gemeinschaft von Experten an die breite Öffentlichkeit zu vermitteln. Diesen Vermittlungsprozess zu untersuchen, ist Teil unseres Forschungsprojektes. Zudem werden wir uns mit Fragen bezüglich der Veränderung des Internets befassen, da sich ein Webkorpus fast sofort in ein Webarchiv verwandelt, weshalb eine langfristige Archivierung- und Zugriffsstrategie bezüglich seiner Inhalte durch philologische Konzepte und technische Hilfsmittel erforderlich ist.

Weitere Entwicklungen

Dieses speziell zusammengestellte Blog-Korpus wird den Zugriff auf die Diskurse im Bereich der Tech-Blog-Sphäre ermöglichen und durch Vergleiche mit anderen Textarten und Quellen Aufschluss über gesellschaftliche Verhandlungsprozesse geben, die sich an der Schnittstelle von Technologie, Politik, Gesellschaft und Internet befinden. Neben Untersuchungen zu Fragen der freien Meinungsäußerung und des NetzDG sind Suchanfragen zu Themen wie Datenschutzgesetzen, Upload-Filtern, KI oder der Urheberrechts-Gesetzgebung im digitalen Zeitalter mit diesem Korpus möglich. Zudem wird die Analyse der Kommunikationsstrategien der jeweiligen Akteure und der sprachlichen Besonderheiten der vorgetragenen Diskurse durchführbar sein. Wir planen, eine Reihe von Ressourcen zur Verfügung zu stellen. Die Tools, mit denen wir arbeiten oder die wir entwickeln, werden unter Open-Source-Lizenzen veröffentlicht (vgl. dazu u.a. htmldate) und unsere Quellen werden als kuratierte Listen von Websites bereitgestellt. Darüber hinaus werden die Texte in die DWDS-Webplattform aufgenommen, so dass sie von der breiten Öffentlichkeit abgerufen werden können. Die Korpusdaten werden zugleich innerhalb von CLARIN-D sowie des europäischen Verbunds CLARIN ERIC zur Verfügung gestellt. Soweit anwendbar, werden wir Korpusdaten zur Anwendung freigeben und weitere Methoden der automatisierten Textanalyse testen.

Referenzen

Barbaresi, A. (2016). Efficient construction of metadata-enhanced web corpora. In Proceedings of the 10th Web as Corpus Workshop, Association for Computational Linguistics (ACL SIGWAC), 7-16.

Barbaresi, A., Lemnitzer, L. & Geyken, A. (2018). A database of German definitory contexts from selected web sources. Proceedings of LREC 2018, ELRA, 3068-3073.

Donahoe, E. (2017). Protecting Democracy from Online Disinformation Requires Better Algorithms, Not Censorship. Retrieved May 11, 2019, from Council on Foreign Relations website

Geyken, A., Barbaresi, A., Didakowski, J., Jurish, B., Wiegand, F., & Lemnitzer, L. (2017). Die Korpusplattform des „Digitalen Wörterbuchs der deutschen Sprache “(DWDS). Zeitschrift für germanistische Linguistik, 45(2), 327-344.

Glance, N., Hurst, M., & Tomokiyo, T. (2004). Blogpulse: Automated trend discovery for weblogs. In: WWW 2004 workshop on the weblogging ecosystem: Aggregation, analysis and dynamics.

Meinel, C., Broß, J. F. M., Berger, P., & Hennig, P. (Eds.). (2015). Blogosphere and its exploration. Heidelberg: Springer.

Nieuwenhuis, A. (2000). Freedom of Speech: USA vs. Germany and Europe. Netherlands Quarterly of Human Rights, 18(2), 195–217.

Schulz, W. (2018). Regulating Intermediaries to Protect Privacy Online – The Case of the German NetzDG (SSRN Scholarly Paper No. ID 3216572). Rochester, NY: Social Science Research Network.

---

---