This paper deals with corpus linguistics. There are two applications under its scrutiny. Both of these applications are processing data from the corpus DeReKo via corpus-driven approach. It is a co-occurrence analysis and a Co-occurrence database. The aim of the work is to evaluate whether the results obtained by the co-occurrence analysis of the current scope of DeReKo are different from the results of the Co-occurrence database, which was created on a basis of a smaller scale corpus. In addition, this thesis offers illustrative examples of the use of both applications and the evaluation of their effectiveness, depending on the purpose of the research. The theoretical part of the thesis deals with the terminology of corpus linguistics and with the mentioned corpuses, which serve as a basis for the practical part of the thesis. The empirical part of the thesis consists of analyses of the randomly picked words (one from each word class) in both applications. The results confirm that the data obtained with Co-occurrence database and co-occurrence analysis are in many respects different and thus confirm the hypothesis that the corpus size plays a crucial role in the results. Both applications have their advantages and disadvantages. The paper offers a comprehensive overview and by doing so it...

Beim Fachtextübersetzen und in der technischen Redaktion ist die Beherrschung der korrekten Terminologie einer Fachsprache allein oft nicht ausreichend, sondern es bedarf auch des Wissens um die typische, für eine Sprache idiomatische Einbettung der Termini in den Text, z. B. in Form von Fachphraseologismen. Derartige Informationen finden sich jedoch häufig nicht in Fachwörterbüchern. Die vorliegende Arbeit beschäftigt sich mit terminologischen Phraseologismen in der medizinischen Fachsprache. Im Rahmen einer korpusbasierten Analyse wurden exemplarisch deutsche und spanische Fachphraseologismen aus einem Teilbereich der medizinischen Fachkommunikation, der Schlaganfallakuttherapie, in ihrem tatsächlichen, variantenreichen Gebrauch herausgearbeitet und in einem Glossar zusammengestellt, das als Unterstützung bei der Gestaltung von Übersetzungen sowie der technischen Redaktion entsprechender Texte dienen kann. Damit zeigt die Arbeit die Bedeutung fachphraseologischer Untersuchungen auf.

The Thesaurus Linguae Aegyptiae (TLA; http://aaew.bbaw.de/tla) is the publication platform of the project „Structure and Transformation in the Vocabulary of the Egyptian Language: Texts and Knowledge in the Culture of Ancient Egypt“ (formerly known as “Altägyptisches Wörterbuch”) located in Berlin and Leipzig. It contains the largest corpus of Egyptian texts (ca. 1.4 million text words) and it is a very important tool for linguistic, philological, lexicographical, and cultural research. My paper introduces you to the software behind the TLA. I will show how easy it is to add a new text to the corpus with transcription, translation, Hieroglyphic codes, and metadata and how easy you can add any annotations of different types like rubra, citations from other texts, comments, direct speech. The software itself is freely available and platform independent. You are welcome to use our software to edit your texts and to cooperate with us!

Diese Arbeit liefert einen Beitrag zur Erforschung der Negation von <i>bar</i>-Adjektiven. <i>Bar</i>-Adjektive k&ouml;nnen auf zwei verschiedene Weisen negiert werden: durch Pr&auml;figierung mit <i>un</i> wie in <i>undenkbar</i> und durch vorangestelltes <i>nicht</i> wie in <i>nicht essbar</i>. Die Negation mit <i>nicht</i> ist immer m&ouml;glich. Die Negation mit <i>un</i> unterliegt hingegen bestimmten Restriktionen. Diese Restriktionen zu erforschen ist Gegenstand dieser Arbeit. Es wird daf&uuml;r ein integrierter Ansatz aus Korpusanalyse und Data Mining benutzt.

Diese Festschrift für Elisabeth Burr stellt Vielfalt und Integration in der Sprachwissenschaft und in den Digital Humanities in den Mittelpunkt. Die Beiträge berühren zentrale Fragen im Schaffen Burrs: Wie kann Sprache und ihre Variation in Abhängigkeit von sozialen und geographischen Faktoren adäquat beschrieben werden? Wie lassen sich informatische und digitale Zugänge dafür nutzen? Verknüpft werden diese Fragen mit ihr wichtigen und aktuellen Themen aus Sozio-, Gender- und Korpuslinguistik, Dialektologie und Sprachgeographie sowie den digitalen Geisteswissenschaften. Die Beitragenden sind u. a. Stefania Spina, Thomas Krefeld, Annette Gerstenberg, Lázslo Hunyadi, Carol Chiodo und Lauren Tilton, Manuel Burghardt, Øyvind Eide, Jürgen Hermes, Andreas Witt, Ray Siemens, Arianna Ciula, Alejandro Bia sowie Rob Evans.

In der vorliegenden Arbeit wird der für die allgemeine Wissenschaftssprache des Deutschen charakteristische Bereich der figurativen Verben im Rahmen eines gebrauchsbasierten Ansatzes unter Verwendung korpuslinguistischer Methoden empirisch erfasst und beschrieben. Auf der Grundlage dieser Untersuchung wird ein integrativer Ansatz zur Erfassung und Beschreibung zentraler Wortschatzbereiche der allgemeinen Wissenschaftssprache entwickelt. Das so gewonnene integrative Beschreibungsmodell verbindet die Perspektiven bisheriger quantitativ-bestandsbezogener und bedeutungsorientiert-einheitenbezogener Ansätze und bezieht darüber hinaus sowohl formale als auch inhaltlich-funktionale Aspekte als Gliederungsprinzipien für die zu beschreibenden Wortschatzbereiche mit ein. Methodisch zeichnet es sich durch das Ineinandergreifen von korpusgesteuertem und korpusbasiertem Vorgehen aus. Die Ausarbeitung der Komponenten des Beschreibungsmodells wird auf mehreren Ebenen vorgelegt: Diese werden im ersten Kapitel zunächst ausgehend von einer Bestandsaufnahme vorliegender Arbeiten zur Beschreibung allgemein-wissenschaftlichen Wortschatzes formuliert. Im zweiten Kapitel werden sie im Rahmen eines gebrauchsbasierten Modells der Sprachbeschreibung, der Kognitiven Grammatik Langackers, sprachtheoretisch fundiert. Methodisch eingelöst findet sich diese theoretische Fundierung in den korpuslinguistischen Untersuchungen zu figurativen Verben, die Gegenstand der Kapitel drei und vier sind. Im fünften Kapitel werden die dabei gewonnenen Ergebnisse zu einer formbasiert-funktionalen Typologie figurativer Verben zusammengeführt. Kapitel sechs zeigt die mit dem vorgeschlagenen Ansatz verbundenen Transfermöglichkeiten zur Erfassung und Beschreibung anderer Bereiche des allgemein-wissenschaftlichen Wortschatzes auf. Kapitel sieben ordnet den Untersuchungsgegenstand der figurativen Verben und das entwickelte Beschreibungsmodell aus fremdsprachendidaktischer Perspektive ein und skizziert einen Vorschlag zur Vermittlung allgemein-wissenschaftlichen Wortschatzes. / Verbs like ‘ausgehen von’, ‘beziehen auf’ or ‘darstellen’ that contain semantically concrete basic verbs (gehen, ziehen, stellen) form an essential part of German general academic vocabulary, i.e. vocabulary that is used across disciplines. Adopting a corpus linguistic approach, the study develops a comprehensive description of these ‚figurative verbs‘. Based on a data-driven methodology it investigates the properties of this lexis and shows that figurative verbs containing typical recurring forms like -stellen, -führen, -gehen and others are highly relevant from a quantitative point of view. On the basis of the most prominently recurring formal parts, a core inventory of verbs is collected and described with respect to the areas of meaning expressed as well as regarding aspects of polysemy. Based on the empirical study, a model for the identification and description of vocabulary is developed, that integrates the hitherto separated quantitative - inventory based and meaning oriented - unit based perspectives. Moreover, it brings together aspects regarding form and function as means of structuring the vocabulary under description. Methodically, the model builds on a combination of the corpus-driven and the corpus-based approach. The model is elaborated as follows: In Chapter 1, important aspects of description that the model should meet are identified based on a survey of existing work on general academic language. Chapter 2 provides a linguistic foundation within the framework of usage-based language description. In particular, it draws on Langacker’s Cognitive Grammar, from which the concepts of linguistic unit and construal are adopted. Chapters 3 and 4 present the corpus linguistic investigations on figurative verbs. In Chapter 5, the empirical results are brought together in a form- as well as function-based typology of figurative verbs. Chapter 6 synthesizes the findings into a model and shows possibilities of application of the proposed approach to other areas of general academic vocabulary. Finally, Chapter 7 summarizes the results from the perspective of language pedagogy and outlines a proposal for the teaching of general academic vocabulary.

Die hier vorliegende Forschungsarbeit hat zum Ziel, Erkenntnisse über den Einfluss der Vorverarbeitung auf die Ergebnisse der Wissensgenerierung zu gewinnen und konkrete Handlungsempfehlungen für die geeignete Vorverarbeitung von Textkorpora in Text Data Mining (TDM) Vorhaben zu geben. Der Fokus liegt dabei auf der Extraktion und der Verfolgung von Konzepten innerhalb bestimmter Wissensdomänen mit Hilfe eines methodischen Ansatzes, der auf der waagerechten und senkrechten Segmentierung von Korpora basiert. Ergebnis sind zeitlich segmentierte Teilkorpora, welche die Persistenzeigenschaft der enthaltenen Terme widerspiegeln. Innerhalb jedes zeitlich segmentierten Teilkorpus können jeweils Cluster von Termen gebildet werden, wobei eines diejenigen Terme enthält, die bezogen auf das Gesamtkorpus nicht persistent sind und das andere Cluster diejenigen, die in allen zeitlichen Segmenten vorkommen. Auf Grundlage einfacher Häufigkeitsmaße kann gezeigt werden, dass allein die statistische Qualität eines einzelnen Korpus es erlaubt, die Vorverarbeitungsqualität zu messen. Vergleichskorpora sind nicht notwendig. Die Zeitreihen der Häufigkeitsmaße zeigen signifikante negative Korrelationen zwischen dem Cluster von Termen, die permanent auftreten, und demjenigen das die Terme enthält, die nicht persistent in allen zeitlichen Segmenten des Korpus vorkommen. Dies trifft ausschließlich auf das optimal vorverarbeitete Korpus zu und findet sich nicht in den anderen Test Sets, deren Vorverarbeitungsqualität gering war. Werden die häufigsten Terme unter Verwendung domänenspezifischer Taxonomien zu Konzepten gruppiert, zeigt sich eine signifikante negative Korrelation zwischen der Anzahl unterschiedlicher Terme pro Zeitsegment und den einer Taxonomie zugeordneten Termen. Dies trifft wiederum nur für das Korpus mit hoher Vorverarbeitungsqualität zu. Eine semantische Analyse auf einem mit Hilfe einer Schwellenwert basierenden TDM Methode aufbereiteten Datenbestand ergab signifikant unterschiedliche Resultate an generiertem Wissen, abhängig von der Qualität der Datenvorverarbeitung. Mit den in dieser Forschungsarbeit vorgestellten Methoden und Maßzahlen ist sowohl die Qualität der verwendeten Quellkorpora, als auch die Qualität der angewandten Taxonomien messbar. Basierend auf diesen Erkenntnissen werden Indikatoren für die Messung und Bewertung von Korpora und Taxonomien entwickelt sowie Empfehlungen für eine dem Ziel des nachfolgenden Analyseprozesses adäquate Vorverarbeitung gegeben. / The research work available here has the goal of analysing the influence of pre-processing on the results of the generation of knowledge and of giving concrete recommendations for action for suitable pre-processing of text corpora in TDM. The research introduced here focuses on the extraction and tracking of concepts within certain knowledge domains using an approach of horizontally (timeline) and vertically (persistence of terms) segmenting of corpora. The result is a set of segmented corpora according to the timeline. Within each timeline segment clusters of concepts can be built according to their persistence quality in relation to each single time-based corpus segment and to the whole corpus. Based on a simple frequency measure it can be shown that only the statistical quality of a single corpus allows measuring the pre-processing quality. It is not necessary to use comparison corpora. The time series of the frequency measure have significant negative correlations between the two clusters of concepts that occur permanently and others that vary within an optimal pre-processed corpus. This was found to be the opposite in every other test set that was pre-processed with lower quality. The most frequent terms were grouped into concepts by the use of domain-specific taxonomies. A significant negative correlation was found between the time series of different terms per yearly corpus segments and the terms assigned to taxonomy for corpora with high quality level of pre-processing. A semantic analysis based on a simple TDM method with significant frequency threshold measures resulted in significant different knowledge extracted from corpora with different qualities of pre-processing. With measures introduced in this research it is possible to measure the quality of applied taxonomy. Rules for the measuring of corpus as well as taxonomy quality were derived from these results and advice suggested for the appropriate level of pre-processing.

Korpusdokumentation wird in dieser Arbeit als eine Voraussetzung für die Wiederverwendung von Korpora und als ein Bestandteil des Forschungsdatenmanagements verstanden, welches unter anderem die Veröffentlichung und Archivierung von Korpora umfasst. Verschiedene Forschungsdaten stellen ganz unterschiedliche Anforderungen an die Dokumentation und können auch unterschiedlich wiederverwendet werden. Ein geeignetes Anwendungsbeispiel stellen historische Textkorpora dar, da sie in vielen Fächern als empirische Grundlage für die Forschung genutzt werden können. Sie zeichnen sich im Weiteren durch vielfältige Unterschiede in ihrer Aufbereitung und durch ein komplexes Verhältnis zu der historischen Vorlage aus. Die Ergebnisse von Transkription und Normalisierung müssen als eigenständige Repräsentationen und Interpretationen im Vergleich zur Vorlage verstanden werden. Was müssen Forscherinnen und Forscher über ihr Korpus mit Hilfe von Metadaten dokumentieren, um dessen Erschließung und Wiederverwendung für andere Forscherinnen und Forscher zu ermöglichen? Welche Funktionen übernehmen dabei die Metadaten? Wie können Metadaten modelliert werden, um auf alle Arten von historischen Korpora angewendet werden zu können? Die Arbeit und ihre Fragestellung sind fest in einem interdisziplinären Kontext verortet. Für die Beantwortung der Forschungsfragen wurden Erkenntnisse und Methoden aus den Fachbereichen der Korpuslinguistik, der historischen Linguistik, der Informationswissenschaft sowie der Informatik theoretisch und empirisch betrachtet und für die Entwicklung eines Metamodells für Korpusmetadaten fruchtbar gemacht. Das im Rahmen dieser Arbeit in UML entwickelte Metamodell für Korpusmetadaten modelliert Metadaten von historischen textbasierten Korpora aus einer technisch-abstrakten, produktorientierten und überfachlichen Perspektive und ist in einer TEI-Spezifikation mit Hilfe der TEI-eigenen Modellierungssprache ODD realisiert. / Corpus documentation is a requirement for enabling corpus reuse scenarios and is a part of research data management which covers, among others, data publication and archiving. Different types of research data make differing demands on corpus documentation, and may be reused in various ways. Historical corpora represent an interesting and challenging use case because they are the foundation for empirical studies in many disciplines and show a great variety of reuse possibilities, of data creation, and of data annotation. Furthermore, the relation between the historical corpus and the historical original is complex. The transcription and normalisation of historical texts must be understood as independent representations and interpretations in their own right. Which kind of metadata information, then, must be included in a corpus documentation in order to enable intellectual access and reuse scenarios? What kind of role do metadata play? How can metadata be designed to be applicable to all types of historical corpora? These research questions can only be addressed with help of an interdisciplinary approach, considering findings and methods of corpus linguistics, historical linguistics, information science and computer science. The metamodel developed in this thesis models metadata of historical text-based corpora from a technical, abstract, and interdisciplinary point of view with help of UML. It is realised as a TEI-specification using the modelling language ODD.

Die ukrainische Sprache, die zu den Nominativ-Akkusativ-Sprachen gehört, weist sowohl historisch als auch synchron Abweichungen vom kanonischen Lizensierungsmuster dieser beiden Kasus auf. So kennt das Ukrainische resultative, inkongruente, in den Finitheitsmerkmalen neutralisierten Passiv-Partizipien auf -no, -to, die wie finite Aktiv-Verben ihrem internen Argument Akkusativ zuweisen, aber historisch auch Nominativ am Patiensargument lizensierten. Solche Kasus-Zuweisung am Patiens passivischer und impersonaler Verben bei fehlender oder Default-Kongruenz stellt einen wichtigen Prüfstein für die theoretische Erfassung von Kasus, Finitheitsmerkmale und Subjektmarkierung dar. Das Ziel der Untersuchung war, über die etymologische Fragestellung hinaus, ein korpus-basiertes und quantifizierbares Bild des diachronen grammatischen Wandels der -no, -to-Formen im Mittelukrainischen zu erstellen. Synchron sind -no, -to bereits gut erforscht: die Struktur erlaubt eine overte Agensangabe im Instrumental und eine optional eingesetzte overte Kopula. Diagnostische Subjekteigenschaften wie Kontrolle in die Infinitiv- und Partizipialkontexte, sowie die Bindung von Reflexiva greifen nicht. Historisch dagegen bestehen noch große empirische Lücken und Beschreibungsdesiderate. Es wurden einige der empirischen Lücken in der Diachronie der -no, -to auf der Grundlage eines elektronischen, diachronen (1500-1800) mittelgroßen Korpus literarischer und administrativer Texte geschlossen: die Arbeit beschäftigt sich mit der Kongruenz und Transitivität der -no, -to und untersucht sie parallel zu den morphologisch identischen passiven kongruierenden -no, -to. / The Ukrainian language belongs to the nominative-accusative languages and demonstrates both historically and synchronically the deviations from the canonical case licensing pattern. That is, Ukrainian has resultative, non-agreeing and non-finite passive participles ending in either -no or -to that assign accusative to their internal argument, just like finite active verbs do. Historically -no, -to forms licensed the nominative on the patience argument as well. Accusative case assignment on the patience in impersonal verbs that lack agreement represents an important touchstone for the theoretical understanding of case, finiteness and subject marking. Along with the etymological questions, the aim of this investigation was to obtain a corpus-based quantifiable picture of the diachronic grammatical change of -no, -to forms in Middle Ukrainian. The modern -no, -to structure has already been properly investigated: it is clear that the structure allows for an overt agent phrase in instrumental and for an optional copula. Diagnostic subject properties like control into the infinitival and participial contexts, as well as the binding of reflexives do not apply. Historically however, there are large empirical gaps and desiderata as to the development of -no, -to. The thesis closes several of the empirical gaps in the diachrony of -no, -to on the basis of a middle-sized electronic corpus of literary and administrative texts from 1500-1800. The thesis deals with the agreement and transitivity of non-agreeing -no, -to that have been investigated parallel to the morphologically identical to them agreeing passive -no, -to.

In der vorliegenden Arbeit wird der für die allgemeine Wissenschaftssprache des Deutschen charakteristische Bereich der figurativen Verben im Rahmen eines gebrauchsbasierten Ansatzes unter Verwendung korpuslinguistischer Methoden empirisch erfasst und beschrieben. Auf der Grundlage dieser Untersuchung wird ein integrativer Ansatz zur Erfassung und Beschreibung zentraler Wortschatzbereiche der allgemeinen Wissenschaftssprache entwickelt. Das so gewonnene integrative Beschreibungsmodell verbindet die Perspektiven bisheriger quantitativ-bestandsbezogener und bedeutungsorientiert-einheitenbezogener Ansätze und bezieht darüber hinaus sowohl formale als auch inhaltlich-funktionale Aspekte als Gliederungsprinzipien für die zu beschreibenden Wortschatzbereiche mit ein. Methodisch zeichnet es sich durch das Ineinandergreifen von korpusgesteuertem und korpusbasiertem Vorgehen aus. Die Ausarbeitung der Komponenten des Beschreibungsmodells wird auf mehreren Ebenen vorgelegt: Diese werden im ersten Kapitel zunächst ausgehend von einer Bestandsaufnahme vorliegender Arbeiten zur Beschreibung allgemein-wissenschaftlichen Wortschatzes formuliert. Im zweiten Kapitel werden sie im Rahmen eines gebrauchsbasierten Modells der Sprachbeschreibung, der Kognitiven Grammatik Langackers, sprachtheoretisch fundiert. Methodisch eingelöst findet sich diese theoretische Fundierung in den korpuslinguistischen Untersuchungen zu figurativen Verben, die Gegenstand der Kapitel drei und vier sind. Im fünften Kapitel werden die dabei gewonnenen Ergebnisse zu einer formbasiert-funktionalen Typologie figurativer Verben zusammengeführt. Kapitel sechs zeigt die mit dem vorgeschlagenen Ansatz verbundenen Transfermöglichkeiten zur Erfassung und Beschreibung anderer Bereiche des allgemein-wissenschaftlichen Wortschatzes auf. Kapitel sieben ordnet den Untersuchungsgegenstand der figurativen Verben und das entwickelte Beschreibungsmodell aus fremdsprachendidaktischer Perspektive ein und skizziert einen Vorschlag zur Vermittlung allgemein-wissenschaftlichen Wortschatzes. / Verbs like ‘ausgehen von’, ‘beziehen auf’ or ‘darstellen’ that contain semantically concrete basic verbs (gehen, ziehen, stellen) form an essential part of German general academic vocabulary, i.e. vocabulary that is used across disciplines. Adopting a corpus linguistic approach, the study develops a comprehensive description of these ‚figurative verbs‘. Based on a data-driven methodology it investigates the properties of this lexis and shows that figurative verbs containing typical recurring forms like -stellen, -führen, -gehen and others are highly relevant from a quantitative point of view. On the basis of the most prominently recurring formal parts, a core inventory of verbs is collected and described with respect to the areas of meaning expressed as well as regarding aspects of polysemy. Based on the empirical study, a model for the identification and description of vocabulary is developed, that integrates the hitherto separated quantitative - inventory based and meaning oriented - unit based perspectives. Moreover, it brings together aspects regarding form and function as means of structuring the vocabulary under description. Methodically, the model builds on a combination of the corpus-driven and the corpus-based approach. The model is elaborated as follows: In Chapter 1, important aspects of description that the model should meet are identified based on a survey of existing work on general academic language. Chapter 2 provides a linguistic foundation within the framework of usage-based language description. In particular, it draws on Langacker’s Cognitive Grammar, from which the concepts of linguistic unit and construal are adopted. Chapters 3 and 4 present the corpus linguistic investigations on figurative verbs. In Chapter 5, the empirical results are brought together in a form- as well as function-based typology of figurative verbs. Chapter 6 synthesizes the findings into a model and shows possibilities of application of the proposed approach to other areas of general academic vocabulary. Finally, Chapter 7 summarizes the results from the perspective of language pedagogy and outlines a proposal for the teaching of general academic vocabulary.