Emotionsanalyse

Emotionsinformationen analysieren: 3. Erste Ergebnisse – Gemüth und Selbstsucht (1787) von Margarethe von Wolff

Für die Auswertung der Annotationen, die die Art der Emotion betreffen, haben wir für jedes Mitglied einer Emotionsfamilie eine Query verwendet, die die Anzahl der Tags anzeigt (Text ID 76, 20.954 Wörter, Annotation Collection Marie_Text 76).

Im Text sehen die Annotationen z. B. wie folgt aus:

Abb. 1: Emotionsnalyse mit CATMA, rechts: der annotierte Text; links: Tagset und Informationen über Annotationen

Die Annotationen der ersten Novelle verdeutlichen die Komplexität der Emotionsinformationen, die auf Satz- und Lexemebene, verbal und nonverbal repräsentiert werden.

Abb. 2: Annotationen auf mehreren Ebenen in einem Beispielsatz aus Gemüth und Selbstucht: Verzweiflung (TRAUER), Wertigkeit: negative Basisemotion; Gender: männlich; Dauer: vorübergehender Zustand; Intensität: erregt.

Auf Satzebene wurden unterschiedliche Emotionsinformationen annotiert: 

„Der Zauber ist für mich dahin!”: Exklamativsatz

„Mit blutendem Herzen[…].”: metaphorische Ausdrucksweise 

„[…]ich kann nicht, ich kann nicht […].” Wiederholung

„[…]grenzenloses unglücklich werden.”: Hyperbel

Abb. 3: Annotationen in dem in Abb. 2 abgebildeten Beispielsatz „Der Zauber ist für mich dahin! Mit blutendem Herzen reiße ich mich von dir los, aber ich kann, ich kann nicht mehr dein sein, wir würden Beide grenzenlos unglücklich werden.”

In der ersten Novelle treten die Emotionen Zorn, Ekel und Trauer – die sich wiederum aus unterschiedlichen Vertretern dieser Emotionstypen zusammensetzten – am häufigsten auf. Im nun folgenden Teil haben wir die Analyseergebnisse für euch zusammengefasst.

ZORN (16)

Query: ((((tag=“Enttäuschung%“) , (tag=“Groll%“) ) , (tag=“Verärgerung%“) ) , (tag=“Verbitterung%“) ) , (tag=“Wut%“) 

Enttäuschung: 2, Groll: 7, Verärgerung: 5, Verbitterung: 1, Wut: 1

Abb. 4: Die Verteilung von ZORN in Gemüth und Selbstsucht (Result by Tag als Distribution Graph in CATMA)

Die „Result by Phrase”-Ansicht (s. Abb. 4) zeigt die unterschiedlichen Formen, in denen ZORN zum Ausdruck kommen kann: Eine in Falten gelegte Stirn, ein finsterer Blick, schlechte Laune, das wütende Abbeißen der Zigarre oder schlichtes Unwohlsein. Während die „düstren Wolken über Rs Stirn“ und das wütende Abbeißen der Zigarre Formen der nonverbalen Repräsentation (Veränderung der Mimik und Pantomimik) darstellen, sind Empfindungen wie Kälte und finstere Laune („Er selbst war kalt und ziemlich finsterer Laune.“) Beispiele für im Text manifestierte emotionale Empfindungen, die einer Figur zugeschrieben werden.

Abb. 5: ZORN in seinen diversen Repräsentationsformen

EKEL (19)

Query: ((tag=“Abneigung%“) , (tag=“Verachtung%“) ) , (tag=“Widerwille%“) 

Abneigung: 13, Verachtung: 3, Widerwille: 3

Abb. 6: Die Verteilung von EKEL in Gemüth und Selbstsucht (Result by Tag als Distribution Graph in CATMA)
Abb. 7: EKEL in Form von Abneigung

TRAUER (67)

Query: ((((((tag=“Einsamkeit%“) , (tag=“Kummer%“) ) , (tag=“Leid%“) ) , (tag=“Melancholie%“) ) , (tag=“Niedergeschlagenheit%“) ) , (tag=“Trübsal%“) ) , (tag=“Verzweiflung%“) 

Einsamkeit: 4, Kummer: 23, Leid: 7, Melancholie: 5, Niedergeschlagenheit: 1, Trübsal: 9, Verzweiflung: 18

Abb. 8: Die Verteilung von TRAUER in Gemüth und Selbstsucht (Result by Tag als Distribution Graph in CATMA)
Abb. 9: Trauer in Form von Kummer und Einsamkeit

LIEBE (35)

Query: ((((tag=“Anbetung%“) , (tag=“Güte%“) ) , (tag=“Hingabe%“) ) , (tag=“Vertrauen%“) ) , (tag=“Zuneigung%“) 

Anbetung: 3, Güte: 5, Hingabe: 1, Vertrauen: 2, Zuneigung: 24

Abb. 10: Happy End? Die Verteilung von LIEBE in Gemüth und Selbstsucht
Abb. 11: Die unterschiedlichen Formen von LIEBE

Im vorangegangenen Teil haben wir die besonders häufig vorkommenden Emotionen vorgestellt. Der Verteilungsgraph verdeutlicht die Verteilung der Emotionsinformationen im gesamten Text. Wer die Novelle gelesen hat, kann inhaltliche Elemente und den Verlauf abgleichen. Die große Trauer um den verstorbenen Bruder, aber auch das glückliche Ende der Novelle zeichnen sich deutlich im Emotionsverlauf ab.

Emotionsverlauf der Novelle (Total Frequency 137)

Query: ((((((((((((((((((((tag=“Abneigung%“) , (tag=“Verachtung%“) ) , (tag=“Widerwille%“) ) , (tag=“Anbetung%“) ) , (tag=“Güte%“) ) , (tag=“Hingabe%“) ) , (tag=“Vertrauen%“) ) , (tag=“Zuneigung%“) ) , (tag=“Einsamkeit%“) ) , (tag=“Kummer%“) ) , (tag=“Leid%“) ) , (tag=“Melancholie%“) ) , (tag=“Niedergeschlagenheit%“) ) , (tag=“Trübsal%“) ) , (tag=“Verzweiflung%“) ) , (tag=“Enttäuschung%“) ) , (tag=“Groll%“) ) , (tag=“Verärgerung%“) ) , (tag=“Verbitterung%“) ) , (tag=“Wut%“) ) , (tag=“GLÜCK/Entzücken%“)

Abb. 12: Emotionsverlauf in Gemüth und Selbstsucht: TRAUER (orange), LIEBE (blau), EKEL (schwarz), ZORN (grün)

Auswertung der Repräsentationsformen

Auf welche Art und Weise werden Emotionen präsentiert? Für die untersuchte Novelle gilt: Die Emotionen werden in den allermeisten Fällen verbal (407) von den Figuren ausgedrückt. Über die Veränderung des körperlichen Zustands (19), und nonverbal (107) (über eine Veränderung der Mimik und der Gestik) werden Emotionen vergleichsweise selten repräsentiert.
Das Ergebnis der Analyse der Repräsentationsformen ist vielleicht eher für eine spätere Analyse von Interesse oder ließe sich als Grundlage für Ansätze einsetzten, die maschinelles Lernen beinhalten. Die Lexemebene eignet sich, um eine Liste an sentiment bearing words zu erstellen, auf die lexikonbasierte Sentimentanalyse zurückgreifen können. Lexeme mit Emotionsinformationen für den untersuchten Text sind beispielsweise: Groll, ernst, nachdenkend, stolz, gerührt, beglückender, großartig, geliebt, Befriedigung, theure, Sehnen, fürchte, Beschämung, hingezogen, Bekümmerniß, Besorgniß, geistreicher, trübsten, Duft, Heiterkeit, beschämt, beglückt, geliebt, magischen, Glück, geliebte, ungezwungen, freundlich, Glückes, entzückte, Thränen, ergriffen, Muth, erschüttert, liebste, Heiterkeit, erschrocken, erwünschter, niedliche, betrüben, bang, lieblichste, fehlte, Erschrocken, unglücklich, Wehmuth, bekümmern, betrüben, wünschen, schönsten, liebste, freute, verdroß, wehmüthig, erfreuen, ängstlich, angenehmer, Sehnsucht, Freuden, schöne, beruhigen, kalt, zögernd.

Auswertung der Dauer und der Intensität

Wie bereits erläutert, lässt sich durch die Bestimmung der Dauer, die eine Emotion anhält, bestimmen, ob es sich um einen vorübergehenden Zustand (Zustandsemotion) oder um eine Charaktereigenschaft handelt. Sie bezieht sich auf den Sachverhalt, dass Emotionen permanent und nicht-permanent im menschlichen Organismus verankert sein können und auf den variablen Verlauf emotionaler Prozesse (unterscheidet sich je nach Intensität). Die Dauer kann nach Sekunden, Minuten oder Stunden (Stimmung) variieren. In die Persönlichkeit des Menschen verankerte emotionale Repräsentationen sind tendenziell als Persönlichkeitsmerkmale zu sehen. Die Entscheidung über die Dauer ist mir beim Annotieren schwergefallen, da in den meisten Fällen nicht klar gesagt wird, wie lange eine Emotion andauert und ob eine Figur ihren Zustand auch introspektiv wahrnimmt. Es wäre also denkbar, das Tagset zu streichen. Für den untersuchten Text aber lässt sich festhalten, dass Emotionen deutlich häufiger als vorübergehende Zustände in Erscheinung treten und deutlich weniger als Charaktereigenschaft. 

Dauer (231)

Query: (tag=“Dauerhafte Eigenschaft%“) , (tag=“Vorübergehender Zustand%“) 

Dauerhafte Eigenschaft (24), Vorübergehender Zustand (207)

Der Aktiviertheitsgrad von Emotionen kann zwischen heftig-gemäßigt und erregt-beruhigt variieren (Schwarz-Friesel 2007). Für den untersuchten Beispieltext ergibt sich, dass Emotionen häufiger gemäßigt/beruhigt auftreten als heftig/erregt.

Intensität (237)

Query: (((tag=“beruhigt%“) , (tag=“erregt%“) ) , (tag=“gemäßigt%“) ) , (tag=“heftig%“) 

beruhigt: 51, erregt 47, gemäßigt 136, heftig 1

Abb. 13: Als erregt annotiert wurden beispielsweise: “heftig erschrocken”, “Stieß ich einen durchdringenden Schrei aus” oder “Ein Laut des Schmerzes entrang sich meiner Brust.”

Gederspezifische Emotionen bzw. Bewertungen

Welche Emotionsmanifestationen treten besonders häufig im Zusammenhang mit männlichen Figuren auf und welche sind „typisch weiblich”? Hierfür wurden die als Property angelegten Tags ausgewertet.

Query: tag = „%“ property = „gender“ value = „männlich“

Query: tag = „%“ property = „gender“ value = „weiblich“

Query: ((tag=“Abneigung%“ property=“%“) , (tag=“Verachtung%“ property=“%“) ) , (tag=“Widerwille%“ property=“%“

Abb. 14: Ausschnitt der Auswertung aller Emotionen und deren Values

Aus der Auswertung der Tabelle (Addition der zu einer Emotionsfamilie gehörenden Emotionen) ergibt sich die in Abb. 15 und 16 sichtbare genderspezifische Verteilung von Emotionen: Weibliche Figuren treten ängstlicher auf als männliche Figuren. Männliche Figuren reagieren häufiger zornig als weibliche Figuren. Sie empfinden außerdem häufiger Ekel – hier meistens im Sinne von Abneigung – als weibliche Figuren. Weibliche Figuren leiden häufiger unter gedrückter Stimmung und empfinden deutlich häufiger negative Basisemotionen als männliche Figuren. Diese treten im Schnitt fröhlicher auf als die weiblichen Figuren. Die männlichen Figuren zeigen häufiger positive Basisemotionen als die weiblichen Figuren und auch die positive Basisemotion LIEBE überwiegt seitens der männlichen Figuren. Scham – also Unterkategorie der Problemfälle – ist seitens der weiblichen Figuren deutlich stärker ausgeprägt.

Abb. 15: Gesamtvorkommen der mit der Value männlich ausgezeichneten Emotionen.
Abb. 16: Gesamtheit der mit der Value weiblich ausgezeichneten Emotionen

Im direkten Vergleich ergibt sich die folgende Verteilung von Emotionen: 

Annotationen männlicher Emotionen: 161

Annotationen weiblicher Emotionen: 151

Weibliche Top Vier: Kummer (TRAUER 15), Verzweiflung (TRAUER 14), Zuneigung (LIEBE 9), Scham (PROBLEMFALL 12)

Männliche Top Vier: Zuneigung (LIEBE 17), Abneigung (EKEL 11), Zufriedenheit (FREUDE/GLÜCK 10), Vergnügen (FREUDE/GLÜCK 8)

Auswertung aller Basisemotionen 

FURCHT/ANGST (Gruseln, Bestürzung, Besorgnis, Grauen, Nervosität, Panik, Entsetzen, Schrecken, Taghaftikgeit) weiblich: 21; männlich 12.

ZORN (Groll, Enttäuschung, Empörung, Verbitterung, Verärgerung, Wut) weiblich: 3; männlich 13.

EKEL (Widerwille, Aversion, Verachtung, Überdruss) weiblich: 1; männlich: 16

TRAUER (Kummer, Einsamkeit, Trübsal, Melancholie, Niedergeschlagenheit, Leid, Verzweiflung) weiblich: 44; männlich: 21.

FREUDE/GLÜCK (Entzücken, Seligkeit, Euphorie, Vergnügen, Zufriedenheit, Erheiterung, Humor, Witz) weiblich: 21; männlich 25.

LIEBE (Anbetung, Vertrauen, Hingabe, Güte, Zuneigung, Intimität) weiblich: 13; männlich: 23.

PROBLEMFÄLLE (Scham, Mut, Eifersucht, Masochismus, Hassliebe, Aggression, Interesse, Erstaunen, Sadismus, Bedauern, Scham) Scham weiblich: 12; Scham männlich: 3.

Fazit und zusammenfassende Erläuterungen

Inhaltliche Aspekte

Im untersuchten Beispieltext findet sich die gesamte Bandbreite der zuvor aus der Fachliteratur herausgearbeiteten Basisemotionen. Rein quantitativ betrachtet, verhalten sich männliche und weibliche Figuren beinahe gleich häufig emotional. Anhand der Beispielanalyse wird deutlich, dass männliche Figuren auf ein positiveres Gefühlskonzept zurückgreifen als die weiblichen Figuren. Sie greifen auch auf ein positiveres Bewertungssystem zurück als die weiblichen Figuren. Sowohl von männlichen als auch von weiblichen Figuren werden Emotionen vor allem verbal und gemäßigt zum Ausdruck gebracht. Es handelt sich bei den annotierten Emotionen eher um Zustandsemotionen als um Charaktereigenschaften.

Methodische Aspekte

Die strukturorientiert fundierten Tagsets eignen sich, um genderspezifische Emotionsmanifestationen und -familien aus literarischen Texten herauszufiltern. Sie haben sich als Orientierungshilfe bewährt, um die vielfältigen Ausdrucksweisen von emotionalen Reaktionen und Zuständen als solche zu erkennen und einordnen zu können. Ein erster Blick auf die als „Ungewiss” annotieren Emotionen zeigt, dass es sich hierbei v. a. um Aktivzustände wie Verwirrung, Unsicherheit, Wachsamkeit oder Müdigkeit handelt, die mit Emotionen einhergehen oder um Verhaltens- und Handlungsmuster, die durch Emotionen ausgelöst werden, wie z. B. Gewalt bei Hass und Hilfsbereitschaft bei Mitleid. Aus Ermangelung einer klaren Zugehörigkeit zu einer Emotionsfamilie wurden sie zunächst als „Ungewiss” annotiert, eine genaue Analyse steht noch aus. Gerade die Kategorie „Ungewiss” hat sich während des Annotierens als wichtige Kategorie erwiesen, da die Ausdrucksformen von Emotionen so vielfältig sind, dass es zeitweise schwer fällt ad hoc eine Typologisierung vorzunehmen. Auch zunächst als zu ungenau empfundene Kategorien wie „aufgewühlt sein” oder „Gefühlskälte” erweisen sich beim Annotieren als hilfreich, richten den Blick auf Besonderheiten des Novellenschatzes und regen zu weiterer Forschung an. 

In bisher nur wenigen Ansätzen behandelte emotionale Phänomene sind Gleichgültigkeit und Apathie. Gleichgültigkeit, die sich dadurch auszeichnet, dass auf der Positiv-Negativ-Skala keine Festlegung erfolgt, kommt in der analysierten Novelle nicht vor. Apathie, also die krankhafte Ausprägung einer emotionslosen Einstellung gegenüber allen inneren und äußeren Gegebenheiten, konnte ebenfalls nicht nachgewiesen werden. Bei den noch ausstehenden Textanalysen gilt unsere Aufmerksamkeit auch diesen in der Fachliteratur noch wenig behandelten Emotionstypen. 

Vorsicht ist besonders bei der Annotation der verbalen Repräsentationsformen geboten. Die Unterscheidung zwischen „Zuschreibung” – also durch die Erzählinstanz eingebrachte – und innerhalb der Textwelt durch die Figuren erfolgende Repräsentation von Emotionen ist wichtig, um bei der späteren Auswertung z. B. zwischen Zustands- und Eigenschaftsemotion unterscheiden zu können. Eigenschaftsemotionen scheinen primär durch die Erzählinstanz als Zuschreibung vermittelt zu werden („Er war ein selten gutgelaunter Mensch“), während Zustandsemotionen durch emotionale Reaktionen der Figuren zutage treten.

Ausblick

Das modular aufgebaute Projekt sieht die Analyse der übrigen Novellen vor. Bisher wurden zwei weitere Novellen ausgewertet. Auf diese Weise werden für jede Novellen der Emotionsverlauf und die genderspezifische Form der Repräsentationen von Emotionen und Bewertungen bestimmt. Das geschieht u. a. im Kontext eines Seminars unter Rückgriff auf die Tagsets, aber v. a. weiterhin in Einzelarbeit.

Wünschenswert wäre eine kollaborative Annotationsphase, in der mehrere Personen einen Text anhand eines der drei Tagsets annotieren. Die Arbeit mit kleinen und kompakten Tagsets ließe sich einfacher und schneller umsetzen. Hilfreich wären also kleinere Tagsets oder eine getrennt voneinander erfolgende Anwendung der Tagsets mit einem abschließenden Vergleich. 

Anhand der bereits erstellten Graphen kann im Seminar überprüft werden, ob Studierende, die die Novelle Gemüth und Selbstsucht gelesen haben, einen Zusammenhang zwischen Emotions- und Handlungsverlauf erkennen. Auf diese Weise ließe sich die Aussagekraft der Analyseergebnisse kontrollieren.

Das hier vorgeschlagene Verfahren ermöglicht es, Besonderheiten literarischer Texte einzubeziehen und kodierte Emotionen (häufig hinter Metaphern oder Komplexanaphern versteckt) herausfiltern. Historisch-linguistische Varianten und die historische Orthographie können ebenfalls berücksichtigt werden. Darüber hinaus entsteht schlussendlich ein annotiertes Korpus, das für weitere Analysen genutzt werden kann. 

Das bisherige Vorgehen offenbart einen sechsteiligen, zeitintensiven und komplexen Arbeitsprozess, deren einzelne Bestandteile ganz eigene Herausforderungen beinhalten, die während unserer Arbeit und bei der Interpretation der Analyseergebnisse berücksichtigt werden müssen:

0) Leitfragen definieren und das Forschungsfeld abstecken: Dieser vorgelagerte Schritt geht in unserem Fall auf persönliches geteiltes Interesse an Gender- und Emotionstheorien sowie die Auseinandersetzung mit digitalen Methoden der Textanalyse zurück. Im Rahmen von m*w möchten wir beide Bereiche miteinander verknüpfen. 

1) Korpuskonstituierung: Die Zusammensetzung des Korpus (s. Kategorie „Das Korpus“ auf dieser Homepage) geht eng einher mit der Entwicklung unserer Fragestellung und unserem thematischen Schwerpunkt. Da im Deutschen Novellenschatz die Thematik der Ehe von großer Bedeutung ist, gehen wir davon aus, dass Genderzuschreibungen häufig vorkommen. Die Konstituierung eines ausgewogenen Korpus, in dem Texte zu gleichen Teilen von Autorinnen und Autoren stammen, geht auf statistische Auswahlverfahren für Stichproben zurück. Die Analyse des Textkorpus stellt eine Art Probebohrung dar, bei der übergeordnete Darstellungsweisen herausgefiltert werden sollen. Um anhand der Analyse unserer Teilmenge valide Aussagen über die Grundgesamtheit machen zu können, muss unser Korpus auch hinsichtlich des Geschlechts der Autor*innen ausgewogen sein. 

2) Definition des Phänomens und Erarbeitung von Annotationsguidelines: In dieser Phase des Projekts steht die Auswertung der Fachliteratur und die Definition der Phänomene Emotionen / Bewertung im Vordergrund. Hierbei handelt es sich – genau wie bei Schritt 5 – um einen interpretativen Prozess, da ich mich auf einzelne und für mich greifbare und plausible Parameter stützte (Repräsentationsformen, Qualität und Wertigkeit, Intensität, die strukturorientierte Einteilung von Emotionen), die ich untersuchen möchte. Ich entscheide also, welche Aspekte ich im weiteren Verlauf genauer unter die Lupe nehme und welche ich – zumindest zunächst einmal – nicht berücksichtige. Hierbei gilt es sich bewusst zu machen, dass auch diese Vorauswahl eine Form des Wertens darstellt: Ich entscheide, welche Aspekte es Wert sind, genauer untersucht zu werden und schließe andere aus. Dieses Vorgehen ist aus Gründen der Machbarkeit und auch hinsichtlich einer Ergebnisorientierung notwendig und legitim, sollte aber transparent gemacht werden. Das begünstigt die weitere Forschung, die an diese „Leerstellen“ anknüpfen kann und sensibilisiert für die Tatsache, dass alles, was in der Welt ist, auch anders möglich ist. 

3) Die unmittelbar lesende Aufnahme des Textes, das Nachvollziehen der Textbedeutung (welche sich in den kurzen Steckbriefen wiederfinden) und die Fixierung der Textphänomene fallen derzeit zusammen. Deutlich angenehmer, aus zeitökonomischen Gründen aber bisher nur bei einem Text durchgeführt, ist ein zweischrittiges Vorgehen, in dem inhaltliche Erschließung und Analyse getrennt voneinander durchgeführt werden. Andererseits ist es gerechtfertigt, der inhaltlichen Erschließung zugunsten der Analyse weniger Zeit einzuräumen. Eine Emotionsanalyse kann auch ohne eine detaillierte Inhaltsanalyse durchgeführt werden. In erster Linie geht es um die detaillierte Betrachtung der einzelnen Sätze und der hierin enthaltenen Emotionsinformationen, die sich – so der erste Eindruck – über wenige Sätze erstrecken. Die kursorische Lektüre der „Zwischenteile“ erscheint zum derzeitigen Stand unseres Projekts als zulässige Vorgehensweise, lässt sich allerdings nur mühsam mit dem literaturwissenschaftlichen und persönlichen Interesse an Form und Inhalt des gesamten Novellenschatzes vereinbaren. 

4) Der vierte Schritt, die Analyse der annotierten Textphänomene, wird durch die Arbeit mit dem Textanalysetool CATMA erheblich erleichtert. Bei der Auswertung der Daten sollten neben den hier vorgestellten Abfragen weitere Queries eingesetzt werden, um die Fülle der Annotationsdaten erfassen zu können. Die computergestützte Auswertung der Annotationsdaten soll im weiteren Verlauf besser strukturiert werden, indem auf ein festgelegtes Set an Queries zurückgegriffen wird (welches z. T. in diesem Beitrag bereits vorgestellt wurde). Die noch folgenden Analysen werden mit einer neuen Version des Textanalysetools durchgeführt. Dadurch stehen uns u. a. neue Möglichkeiten der Visualisierungen zur Verfügung, die wir euch hier vorstellen werden.

5) Die Interpretation der Ergebnisse unter Rückbezug auf den theoretischen Rahmen. Bei der Arbeit mit digitalen Tools der Textanalyse ist darüber hinaus eine kritische Auseinandersetzung mit den Analyseergebnissen und deren Darstellungsweisen unablässig. Eine methodische Reflexion, die nach Chancen und Herausforderungen der gewählten Vorgehensweise fragt, nimmt neben der Beantwortung der Leitfragen einen wichtigen Platz ein.

6) Die Verbindung zwischen dem trainierten NER-Modell und der Emotionsanalyse. Am Ende des Projekts soll ein Modell entstehen, das männliche, weibliche und diverse Figuren automatisch herausfiltert. Da alleine durch die Erwähnung einer Figur nicht auf emotionalen Äußerungen und Bewertungen geschlossen werden kann, wäre eine Analyse von Satz-Ausschnitte denkbar. Basierend auf dem NER-Modell würde also das semantische Umfeld der genderstereotypen Erwähnung detaillierter qualitativ untersucht. 

Bei allen Schritten gilt es zu berücksichtigen, dass Emotionen kontextsensitiv zugeordnet werden und das Ergebnis auch von der annotierenden Person abhängig ist. Dreh- und Angelpunkt sind detailliert formulierte Annotationsguidelines und deren konsistente Anwendung. Das genau definierte Tagset hilft dabei, die Emotionsmanifestationen auf sprachlicher Ebene zu untersuchen und zu illustrieren.

Diesen Artikel zitieren: Marie Flüh: "Emotionsinformationen analysieren: 3. Erste Ergebnisse – Gemüth und Selbstsucht (1787) von Margarethe von Wolff". In: m*w, Januar 6, 2020, https://msternchenw.de/emotionsinformationen-analysieren-3-erste-ergebnisse-gemueth-und-selbstsucht-1787-von-margarethe-von-wolff/, [zuletzt geprüft: Dezember 5, 2020].

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.