Kognitionslinguistische und lernpsychologische ... - Cognitive Science

Wort Anzahl der Texte, in
denen das Wort
enthalten war. (in %)
Wort Anzahl der Texte, in
denen das Wort
enthalten war. (in %)
97
Wort Anzahl der Texte, in
denen das Wort
enthalten war. (in %)
armchair 57,7 ice 21,8 Pulse 32,1
background 32,5 ill 57,7 Room 60,3
blanket 33,3 lamp 44,9 scissors 24,4
Books 33,3 living room 41 Shelf 20,5
Check... 32,5 look... 51,3 Sick 15,4
Cold 15,38 measure... 18 Side 14,1
doctor 100 next 28,2 sweat… 51,3
glasses 42,31 old 48,7 Table 89,8
Hand 24,4 patient... 51,2 Tool 30,8
Head 58,8 picture 70,5 vase(s) 23,1
wear... 70,5 pill(s) 33,3 watch 39,4
→ Im Durchschnitt tritt ein Wort der Liste in 41,5 % der Texte auf. (Die Standardabweichung beträgt 21 %)
Tabelle 3.8: Prozentualer Anteil der Texte, in denen die für die Bildbeschreibung grundsätzlich typischen
Wörter aufgetreten sind.
Nicht nur über die grundsätzliche thematische Angemessenheit einer zu evaluierenden
Bildbeschreibung kann man eine Aussage treffen. Ganz rudimentär lässt sich auch
überprüfen, ob überhaupt ein in Sätzen formulierter Text vorliegt. Notwendig ist dabei nur,
die prozentuale Häufigkeit der fünf meistverwendeten Wörter der Korpora (the, a, is, and, of)
mit der Häufigkeit dieser Wörter im Benutzertext innerhalb eines gewissen Toleranzrahmens
abzugleichen.
Erst danach sollte das Programm zur Evaluation an sich übergehen. Der erste Schritt
sollte dabei sein, die Bildbeschreibung einer bestimmten fremdsprachlichen
Entwicklungsstufe zuzuordnen. Ziel der Auswertung des erhobenen Datenmaterials war es,
eine Möglichkeit zu finden, wie diese Aufgabe zuverlässig von einem Computer bewältigt
werden kann. Es wurden verschiedene Kriterien betrachtet, mit denen sich Ähnlichkeiten
zwischen einem Vergleichskorpus und einer einzelnen Beschreibung feststellen lassen. Einige
sind sehr geeignet, andere nur bedingt und wieder andere gar nicht. Unter Verwendung der
aussagekräftigsten von ihnen habe ich einen Algorithmus entworfen, der auf folgende Weise
eine Zuordnung vornimmt. Am Anfang wird festgestellt, wie viele Schlüsselwörter sich
jeweils beim Vergleich des Benutzertextes mit den einzelnen Korpora ergeben. Diejenigen
Korpora, welche die kürzeste Liste von Schlüsselwörtern hervorbringen, werden zu weiteren
Abgleichen herangezogen. Der Rest, maximal jedoch drei, wird nicht weiterverarbeitet.
Anschließend werden nacheinander, wie aus dem Beispiel in der Tabelle ersichtlich ist,
weitere Vergleiche durchgeführt. Nach einem jeden wird eine Rangfolge gebildet, die angibt,
welche Zuordnungen nach dem jeweiligen Kriterium am wahrscheinlichsten sind. Am Ende
werden die von den Vergleichkorpora jeweils erzielten Ränge gewichtet und aufgerechnet.