Präsentation - Landesregierung Nordrhein-Westfalen

Zukunftsforum „Digitale Bürgerbeteiligung“
Düsseldorf, 17.05.2013
Parlamentsdebatten in 3D?!
Prof. Dr. Andreas Blätte
Juniorprofessur für Politikwissenschaft der Stiftung Zukunft NRW

Vom Versuch, Integrationsdiskurse
sprachtechnologisch zu analysieren …
Ein Netz der Schlagworte der Integrationspolitik
hier: integrationspolitische Reden von CDU‐
Abgeordneten im Landtag NRW in der 14. WP
Berechnung von Schlagworten
Berechnung des überzufällig häufigen gemeinsamen
Auftretens von Schlagworten
Die Visualisierung von „Knoten“ und „Kanten“:
Farbe der Knoten ‐> Wortart
Größer der Knoten ‐> Frequenz
Stärke der Kanten ‐> Stärke des statistischen Tests

These: Die XMLifizierung von Plenarprotokollen
kann demokratische Transparenz fördern.
I. Was heißt das: „XML“ ‐ „Parlamentsprotokollkorpus“?
II. Warum betreibt ein Politikwissenschaftler Sprachtechnologie?
III. Wo steht das „PolMine“‐Projekt?
IV. Wie kann und könnte man das alles nutzen?
V. Wozu könnte das alles gut sein?

WAS
IST „XML“ UND EIN „PARLAMENTSPROTOKOLLKORPUS“?

Ein Plenarprotokollkorpus:
Das Ziel der „XMLifizierung“
•Was ist ein Korpus?
Eine Sammlung maschinell verarbeitbaren Texts
• Auszeichnungssprache XML (Extensible Markup Language):
Maschinelle Verarbeitung semistrukturierter Daten
• Verwandte Projekte:
Europarl‐Korpus | bundestagger.de | DutchParl (Marx et al.) |
parlando.de (Scharloth/Bubenhofer)
• PolMine‐Plenarprotokollkorpus:
Plenarprotokolle aller BT‐ und LT‐Debatten aller Wahlperioden, in
die der 01.01.2000 fällt

Was ist im Korpus annotiert?
• Strukturelle Annotation
Metainformationen: Ort, Bundesland, Wahlperiode,
Sitzungsnummer, Datum
Tagesordnungspunkte
Redner: Funktion und Parteizugehörigkeit
Zwischenrufe
Absätze
Sätze
• Linguistische Annotation
Wortform
Part‐of‐Speech
Lemma

Beispiel: Annotation eines Zwischenrufs
Herzlich ADJD herzlich
willkommen ADJD willkommen
! $. !
( $( (
Heiterkeit NN Heiterkeit
und KON und
Beifall NN Beifall
bei APPR bei
SPD NE SPD
und KON und
CDU NE CDU
) $( )
Ich PPER ich
begrüße VVFIN begrüßen
die ART d
Herrschaften NN Herrschaft

WO
STEHT DAS POLMINE‐PROJEKT?

Automatisierung durch Reguläre Ausdrücke
Rohdaten (PlPr)
Brigitte Pothmer (BÜNDNIS 90/DIE GRÜNEN):
Herr Präsident! Meine Damen und Herren! Um es gleich vorweg zu sagen: Meine
Fraktion unterstützt die Angleichung der Regelsätze in West und Ost. Wir fordern das
seit langem. […]
(Beifall beim BÜNDNIS 90/DIE GRÜNEN – Klaus
s/^(.*?)\s(.*?)://
reguläre Ausdrücke
Korpus (XML)
Herr Präsident! Meine Damen und Herren! Um es gleich vorweg zu sagen: Meine Fraktion
unterstützt die Angleichung der Regelsätze in West und Ost. Wir fordern das seit langem. […]
Beifall beim BÜNDNIS 90/DIE GRÜNEN – Klaus Brandner [SPD]: Ein gemeinsamer Gesetzentwurf
von Rot‐Grün!
[…]

Aufbereitung des PolMine‐Plenarprotokollkorpus

PolMine‐Plenardebattenkorpora (PDK)
•html‐Rohdaten
Landtag Nordrhein‐Westfalen (06/2000 ‐ 05/2012)
•txt‐Rohdaten
Deutscher Bundestag (1996 ‐ 2008 und 2010‐2013)
• pdf‐Rohdaten
alle Landtage seit 2000
Bundestag und Bundesrat seit 2000

Plenarprotokollkorpus [pdf]
ab WP/Jahr Wahltag Protokolle
Bund
BT Deutscher Bundestag 14 27.09.1998 875
BR Bundesrat ‐‐‐ 155
Landtage
BB Landtag Brandenburg 3 05.09.1999 227
BE Abgeordnetenhaus Berlin 14 10.10.1999 228
BW Landtag von Baden‐Württemberg 12 24.03.1996 378
BYL Bayerischer Landtag 14 13.09.1998 359
HB Bremische Bürgerschaft 15 06.06.1999 217
HE Hessischer Landtag 15 07.02.1999 413
HB Hamburgische Bürgerschaft 16 21.09.1997 363
MV Landtag Mecklenburg‐Vorpommern 3 27.09.1998 314
NI Landtag Niedersachsen 14 01.03.1998 370
NW Landtag Nordrhein‐Westfalen 12 14.05.1995 486
RP Landtag Rheinland‐Pfalz 13 24.03.1996 383
SH Landtag Schleswig‐Holstein 14 24.03.1996 297
SL Landtag des Saarlandes 12 05.09.1999 172
SN Sächsischer Landtag 3 19.09.1999 318
SN Landtag von Sachsen‐Anhalt 3 26.04.1998 267
TH Thüringer Landtag 3 12.09.1999 322
SUMME 6144

Plenarprotokollkorpus NRW [html]
Zahl der Debatten
Zahl der Token
2005 138 927.716
2006 281 2.383.422
2007 333 2.400.118
2008 324 2.091.586
2009 324 2.386.793
2010 264 2.036.921
2011 313 2.505.233
2012 32 234.115
2005-2012 2.009 14.967.931
• Klassifikation der Landtagsdebatten (online) verfügbar
→ Unter- und Oberkategorien

WARUM
MACHT EIN POLITIKWISSENSCHAFTLER SO ETWAS?

Bundestag und Landtage: Wo fallen mehr Worte?
30.000.000
25.000.000
Wörter in Plenarprotokollen
20.000.000
15.000.000
10.000.000
Bundestag
Summe Länder
5.000.000
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Jahr

Der Wortumfang der Plenarprotokolle im Vergleich
4.500.000
durchschnittliche Zahl der Wörter pro Jahr
4.000.000
3.500.000
3.000.000
2.500.000
2.000.000
1.500.000
1.000.000
500.000
0
BT NW NI HE TH SN MV BW SH BYL BE BB HH HB RP ST SL BR

durchschnittl. Wortzahl pro Abgeordneter pro Jahr
25000
20000
15000
10000
5000
0
MV TH SH HE SL SN BB HB NI RP BW HH ST NW BE BYL BT

Hirschman‐Herfindahl‐Index als Konzentrationsmaß:
HHI
Konzentrationsmessung / Auswertung
N
2
a mit ai
i 1
i
tf
i
/
tf
mit
a
i
N
x
j 1
i
x
j

Konzentration und Dezentrierung: Trends

Zielgruppenkonstruktionen:
Kookurenzanalyse

WIE
LÄSST SICH DAS NUTZEN?

Skizze Softwarearchitektur für Korpusanalyse
Web-
Applikationen
(Grafische
Benutzeroberfläc
he)
Rstudio
Server
shiny-
Web-
Applikationen
PHP-Wrapper
zu R-Funktionen
CQPweb
TXM
Implementierung
und Entwicklung
statistischer
Methoden der
Korpusanalyse
R
polminer
weitere Pakete
rcqp (Interface zur CWB)
Korpusverwaltung
Korpusverwaltung:
CWB/CQP
indiziertes Korpus
Korpora
(XML, *.vrt)
Korpus
1
Korpus
2
Korpus
3

CQPweb als Graphische Benutzeroberfläche

WOZU
KÖNNTE DAS GUT SEIN?

PolMine Quiz
START

4. Von wem stammt der längste Satz
in der 14. WP NRW ?
A: B:
Dr. Jürgen Rüttgers
Prof. Dr. Andreas Pinkwart
C: D:
Armin Laschet
Roswitha Müller-
Piepenkötter

3. Wer zitiert am häufigsten Karl Marx
in der 14. WP in NRW ?
A: B:
Dr. Helmut Linssen
Norbert Römer
C: D:
Christian Lindner
Dr. Michael Vesper

10. Wer ist der wortreichste Redner / die
wortreichste Rednerin der 14. WP in NRW ?
A: B:
Hanelore Kraft
Gerhard Papke
C: D:
Sylvia Löhrmann
Armin Laschet

Szenario 2: (Komplexe) Suche im Volltext
•Wer hat wann zuerst von „open government“ oder
„open parliament“ gesprochen?
„open“%c „government“%c | „open“%c „parliament“%c
•Wo tauchen „Kugeln“ und „Jülich“ in einem Satz auf?
„Kugeln“ []* „Jülich“ within s
•Wie wird das Verhältnis von „Staat“ und „Markt“
definiert?
„Staat“ []* „Markt“ within s
•Wie thematisieren Sprecher verschiedener
Fraktionen die soziale Dimension der Energiewende?
a:“sozial.*“ []* „Energie.*“::a.speaker_party=„FDP“

Szenario 3: Erschließung digitaler Materialien
Was steckt in den
Dokumenten?
hier:
Schlagwörter der
integrationspolitischen
Debatten 2005‐2012

Zur Diskussion gestellt
•Die Chance: Datenzugriff XXL
•Grenzen:
– der Daten:
Beschränkung auf Plenarprotokolle
– der Technik:
rechenintensive Korpusabfragen
– der Benutzerfreundlichkeit:
Sperrige Abfragesprache
• Und: Wem nutzt das alles?

polmine.sowi.uni‐due.de | www.polmine.de

ANHANG

Linguistische Annotation
Linguistische Informationen:
‐ Flektierte Wortform (Token)
‐ Wortart (Type)
‐ Grundform des Wortes (Lemma)

Strukturelle Annotation: XML nach DTD
Markierung des Anfangs einer Rede
Markierung des Endes einer Rede