Praktiken der digitalen Erinnerung an den 2. Weltkrieg Netzwerkmodelierungen des „Axis History Forum“

Die digitale Erinnerung ( digital memory) ist ein zentraler Begriff in der Erinnerungsforschung, welcher sich vor allem durch die Arbeiten von Andrew Hoskins etabliert hat (z.B. Hoskins 2018a). Hoskins beobachtet die Veränderungen der Erinnerungskultur, die durch digitale Medien initiiert werden, und beschreibt Prozesse, die als Abkehr von dem traditionellen Begriff der kollektiven Erinnerung verstanden werden können (Hoskins 2018b: 85–86). Im digitalen Rahmen, so Hoskins, würde eine andere Art der sozialen Formationen zustande kommen, die er multitudes genannt hat (Hoskins 2018b: 86). Im Kontrast zu der klassischen Assmann’schen Dichotomie des kulturellen und des kommunikativen Gedächtnisses (Assmann 2005), die ein abstraktes Kollektiv als Träger des Gedächtnisses voraussetzt, bilden multitudes Strukturen der digitalen Erinnerung ab, die aus Formationen von Nutzenden bestehen und auf einer Ebene zwischen Individuum und Kollektiv angesiedelt sind.

Ähnliche Ansätze waren in vielen Studien der Internet Studies präsent, wo durch die Anwendung der Netzwerkanalyse homophile Cluster auf verschiedensten Online-Plattformen entdeckt wurden (z. B. Wojcieszak/Mutz 2009; Himelboim et al. 2016; Barnett/Benefield 2017; Bond/Sweitzer 2018). Es fehlten allerdings Anwendungsbeispiele aus dem Bereich der Memory Studies, die Daten von gedächtnisrelevanten Online-Communities theoriegeleitet analysieren würden, und somit eine Brücke zwischen dem theoretischen Konzept der digitalen Erinnerung und der netzwerkbasierten Online-Forschung schlagen würden.

Inspiriert von dieser Leerstelle und darüber hinaus von Jeffrey Olicks und Joyce Robbins‘ Idee, den Fokus der empirischen Erinnerungsforschung auf Praktiken der Erinnerung zu legen (Olick/Robbins 1998), interpretierte ich in meiner im Sommer 2021 verteidigten Dissertation „Practices of transnational Memory – A Mixed Methods Approach to the Study of a historical online Forum“ die Interaktionen innerhalb geschichtlicher Foren als Praktiken transnationaler Erinnerung. Der Begriff „transnational“ betonte dabei den Übergang der Gedächtnisproduktion von nationalen Instituten zu anderen „Trägern der Transnationalität“, zu denen man unter anderem digitale Medien zählt (Assmann/Conrad 2010: 2-4). Die Kulturen des digitalen Gedächtnisses wurden somit über unterschiedliche Praktiken auf dem militärhistorischen Axis History Forum (AHF) operationalisiert.

Das Forum umfasst ein großes Datenmassiv,¹  das sich organisch über einen Zeitraum von fast 20 Jahren angesammelt hat. Das too big to read-Argument, welches die Verwendung von computergestützten Methoden in der Literaturwissenschaft motivierte, gilt in dem Fall auch für nicht-literarische Texte. Im Rahmen meiner Dissertation entwarf ich einen methodischen Zugang zu diesem Datenmassiv, in dessen Kern ein Dreischritt aus Netzwerkmodellierungen liegt. Der aktuelle Beitrag fasst das Vorgehen der Dissertation zusammen, und zeigt an diesem Beispiel, wie der netzwerkanalytische Dreischritt an entscheidenden Stellen gut begründete Informationsreduktion ermöglicht.

Vorgehen

Im Rahmen der Dissertation wurden drei Forschungsfragen beantwortet:

1. Wie positioniert sich AHF zu anderen Online-Ressourcen, die innerhalb der Militärgeschichtscommunity populär sind?
2. Welche Gruppen bilden Nutzer:innen durch ihre Interaktionen auf dem Forum und welche Themen sind in den Diskussionen dieser Gruppen repräsentiert?
3. Welche Arten von Diskussionen führen Nutzer:innen dieser Gruppen?

Um die erste Forschungsfrage zu beantworten, wurden die Entstehungsgeschichte des Forums, die Forums- und Moderationsregeln, die Links auf statischen Elementen der Webseite und die Veränderung der von den Moderator:innen eingeführten Unterforumstruktur seit 2002 ausgewertet. Dieser Zugang zu AHF als einem Internet-Artefakt bot viele interessante Einblicke in die Selbstinszenierung des Forums als Gemeinschaft „seriöser“ Forscher mit einem Fokus auf die Geschichte der Achsenmächte. Es stellte sich heraus, dass AHF unter anderem mit Hilfe der visuellen Elemente eine breite Nutzerschaft anspricht, die von professionellen Militärhistoriker:innen bishin zu Nationalsozialismussympathisant:innen reicht. In den Forumsregeln hingegen sind strikte Bedingungen für die Diskussionen festgehalten (bspw. Verbot der Glorifizierung von Nationalsozialismus, Verbot der Holocaustleugnung usw.), die durch die Lösch- und Banmöglichkeiten für Moderator:innen verstärkt werden. Diese Strategie führt dazu, dass stetig Interaktionen auf dem Forum stattfinden, aber auch, dass einige Fragen repetitiv behandelt werden.

Um die anderen beiden Forschungsfragen zu beantworten, wurde ein formalisierter Ansatz gewählt, der die Anwendung der Netzwerkanalyse voraussetzt. Dafür mussten Postinhalte, Postmetadaten und Nutzer:inneninformationen von der Webseite extrahiert werden, wozu das rvest-Package von R Studio verwendet wurde (Wickham 2016). Anschließend wurde eine Adjazenzmatrix der Nutzer:innenbeziehungen erstellt, in der eine Verbindung zwischen zwei Knoten dann eingezeichnet wurde, wenn die durch die Knoten repräsentierten Nutzer:innen Kommentare in derselben Diskussion hinterlassen hatten.

Dieses Netzwerk beinhaltete über 25,000 Knoten und über 2 Millionen Kanten. Um besonders dichte Untergruppen zu finden, wurden Kanten mit dem Wert 1 rausgefiltert, und anschließend ein Modularitätsclustering angewendet, mit dem Clusterstrukturen innerhalb großer Netzwerke besonders gut erkannt werden (Clauset/Newman/Moore 2004). Dieser Algorithmus teilte die Knoten in 10 vergleichbar große Cluster, innerhalb derer die Nutzer:innen besonders viel miteinander diskutiert hatten.

Themenstruktur von AHF

Das Modularitätsclustering führte zu einer Aufteilung in dichte Untergruppen, wobei die Gründe für das Clustering vorerst unklar waren. Zunächst wurde davon ausgegangen, dass die Cluster um unterschiedliche thematische Schwerpunkte entstanden sind. Um das zu überprüfen, eignete sich die Methode des Topic Modeling sehr gut. Die Clustercorpora wurden mit Hilfe von LDA-basiertem Topic Modeling in Mallet untersucht (McCallum 2002), nachdem das Korpus lemmatisiert und die englischen Stoppwörter entfernt wurden. Anstatt die Topics eines Modells nur zu kategorisieren, wurden die Begriffsüberschneidungen zwischen Topics als ein Netzwerkmodell dargestellt (s. Abbildung 2 unten).

Das Modell in Abbildung 2 wurde mit einem Simmelian-Backbone-Algorithmus gefiltert, welcher nur die Kanten behält, die Teil von einer besonders hohen Anzahl an Dreiecken sind. Mit Hilfe dieser Darstellung sieht man, dass einige Cluster eine höhere thematische Kohärenz haben: Diskussionen der Nutzer:innen von dem grünen Cluster 2 beinhalten viele deutsche Wörter, das daneben liegende Cluster 8 (rosa) zeigt einige Verweise auf die Pazifische Front. In der Mitte sieht man eine dichte Untergruppe von Diskussionen über Kriegsverbrechen (Cluster 3, lila). Darüber befinden sich viele Topics, die Wörter beinhalten, die ich „Militärsprech“ bezeichnet habe: man merkt, dass die Diskussionen Kriegsepisoden referenzieren, aber es gibt keine konkreten Verweise zu Orten oder Schlachten. Cluster 4 ist eine Ausnahme: neben Militärsprech schließt es geografische Referenzen zu Finland mit ein. In der rechten unteren Ecke befinden sich Topics, die die materielle Ausstattung der Armeen thematisieren: große und kleine Artillerie, Waffen und Bunkerbauten (Cluster 6 und 5).

Netzwerkvisualisierungen von Clusterdiskussionen

Die Topic-Modeling-Ergebnisse lieferten einen ersten Einblick in den Inhalt der Clusterkorpora, doch eine genauere Betrachtung der Forumsdiskussionen war notwendig. Im letzten Schritt wurde ein Sample aus 50 Diskussionen aus jedem Cluster gewählt, gelesen und in Kategorien unterteilt. Zusätzlich zum Lesen der insgesamt 500 Diskussionen wurde für jedes der 10 Cluster eine bimodales Netzwerkmodell der Nutzer:innen und der Diskussionen erstellt, was eine bessere Einschätzung der Position der 50 gelesenen Diskussionen ermöglichte. Darüber hinaus bekam man mit Hilfe des Netzwerkmodells Zugang zu strukturell äquivalenten Diskussionsgruppen: besonders große strukturell äquivalente Diskussionsgruppen wurden gesichtet, um anschließend die Kategorienunterteilung des Samples zu bewerten.

Mit Hilfe der bimodalen Netzwerkdarstellung konnte bspw. herausgefunden werden, ob es zu einer Diskussion strukturell äquivalente Diskussionen gibt, und somit – ob eine Diskussion typisch für ein Cluster ist. Bei mehreren Clustern konnte festgestellt werden, dass große Teile des Diskussionssamples ähnlich sind: beispielsweise waren 25 von 50 Diskussionen im Sample von Cluster 0 Anfragen zur Preiseinschätzung von Artefakten aus dem Zweiten Weltkrieg. Durch den Einsatz des bimodalen Netzwerks konnte diese Feststellung durch weitere Belege von strukturell äquivalenten Diskussionsgruppen der gleichen Art verfestigt werden.

Neben zusätzlicher Evidenz erleichterte diese Netzwerkdarstellung Urteile über ein Cluster zu fällen. Cluster 5 in Abbildung 3 ist hierfür ein Beispiel. Anhand des Diskussionssamples war es uneindeutig, ob das Cluster sich mit der Biografie Hitlers auseinandersetzt, oder einen besonderen Wert auf Orte legt, die im Kontext der Geschichte des Dritten Reiches wichtig waren. Die Hervorhebung von den zehn Diskussionen mit der höchsten Zentralität zeigt, wie stark der Fokus auf den Erinnerungsorten liegt. Die zusätzliche Betrachtung von strukturell äquivalenten Diskussionen deutete ebenfalls darauf hin.

Klassifizierung der Erinnerungspraktiken

Das Topic Model zeigte bereits, dass einige Cluster eine höhere thematische Kohärenz aufgezeigt hatten als andere. Aufbauend auf der Klassifizierung der Diskussionen kam ich zu der folgenden Klassifizierung der Erinnerungspraktiken auf AHF (Abb. 4).

Fazit

Abbildung 5 fasst die Netzwerkanwendungen der Dissertation noch ein Mal zusammen: 1. Netzwerkmodell der Nutzer:innenpraktiken, das mit einem modularitätsbasierten Clustering die Nutzer:innen in Gruppen unterteilt; 2. die Darstellung der Begriffsüberschneidungen in einem Topic Model der Clusterkorpora; 3. die Kontextualisierung der Diskussionssamples mit Hilfe von einem bimodalen Netzwerkmodell unter spezieller Beachtung der strukturellen Äquivalenz und der Zentralitätsmaße von Diskussionen. Somit konnte ein Zugang entworfen werden, der dem too big to read-Argument entgegenwirkt und den Gegenstand greifbar und untersuchbar macht. Dieser netzwerkanalytische Dreischritt kann auf Nutzer:innennetzwerke jeder Art angewendet werden – im Rahmen des nächsten Papers wird eine Anwendung auf Fanfictionnetzwerke vorbereitet.

¹ Auf AHF sind über 80,000 Nutzer:innen registriert, von denen weniger als die Hälfte etwas auf dem Forum geschrieben hat. Seit März 2002 haben die Nutzer:innen an über 200,000 Diskussionen mit über 2 Mio. Posts teilgenommen. Das dazugehörige Korpus umfasst über 150 Mio. Tokens. Das untersuchte Korpus beinhaltet Kommentare aus dem Zeitraum März 2002-Dezember 2018. Die Hauptsprache des Forums ist Englisch, worauf in den Forumsregeln hingewiesen wird.