Digital Environmental Humanities Zum Potential von „Computational and Literary Biodiversity Studies“ (CoLiBiS)

Ökologische Methoden

In der Ökologie wird Biodiversität über Maßzahlen quantifiziert und bezieht sich auf eine bestimmte taxonomische Stufe, wobei entsprechende Vorkommen innerhalb eines vordefinierten Raumes erfasst werden. Ein Taxon ist eine Einheit in der biologischen Systematik der Lebewesen, das aufgrund gleicher Eigenschaften bestimmten Lebewesen zugeordnet wird (bspw. die Säugetiere als Gruppe aller säugenden Wirbeltiere). Die taxonomische Stufe kennzeichnet dabei die Höhe eines Taxons in der biologischen Systematik (bspw. sind die Säugetiere eine „Klasse“ und gehören zum „Unterstamm“ der Wirbeltiere). Die am häufigsten untersuchte Stufe in ökologischen Studien ist die „Art“ ( species). Übliche Maßzahlen für Biodiversität sind richness (Anzahl verschiedener Arten), abundance (Anzahl aller Individuen jeglicher Arten), Shannon-Diversität und Simpson-Diversität. Die Shannon-Diversität (Whittaker, 1960) quantifiziert die Unsicherheit der Vorhersage der Art eines zufällig gewählten Individuums im Untersuchungsraum. Die Simpson-Diversität quantifiziert hingegen die Wahrscheinlichkeit, dass zwei zufällig gewählte Individuen aus dem Untersuchungsraum der gleichen Art angehören. Üblicherweise wird hier der Kehrwert genommen, damit höhere Werte mit höherer Diversität korrelieren. Beide Maßzahlen sind abhängig von der Verteilung der Zahl der Individuen zwischen den Arten, so dass eine hohe Gleichverteilung ( evenness ) höhere Werte erzeugt. Der Untersuchungsraum kann stark variieren und in Abstufungen betrachtet werden. So können bspw. verschiedene Plots (vordefinierte Teilabschnitte) einer Wiese als kleinste Stufe dienen, in der man die Shannon-Diversität von Grasarten bestimmt. Auf der niedrigsten räumlichen Stufe wird dann von α-Diversität (Magurran & McGill, 2011) geredet. Die nächste Stufe könnte nun die gesamte Region (also bspw. die gesamte Wiese) sein, in der man die γ-Diversität bestimmt. Unterschiedliche Plots auf einer homogenen Wiese können möglicherweise die gleichen Arten beinhalten, wodurch γ ähnlich hoch ist wie α, während sie auf einer heterogenen Wiese verschiedene Arten beinhalten, wodurch γ deutlich höher ist als α. Um die Biodiversität zwischen Plots zu quantifizieren nutzt man bspw. den Quotienten von γ geteilt durch α und bezeichnet diesen als β-Diversität. Wir möchten nun im Rahmen der CoLiBiS diese Indizes etablieren, um Biodiversität auch in der literarischen Kommunikation zu quantifizieren. In unserem Fall werden sodann nicht Wiesen und Plots, sondern Bücher und Kapitel untersucht. Die Vorgehensweise hierzu wird in den nachfolgenden Fallstudien näher erläutert.

DH-Methoden

Aus dem Bereich der DH kommen in den CoLiBiS vor allem Text Mining und NLP-Methoden zum Einsatz, um Lebewesen in großen Literaturkorpora automatisiert zu detektieren und damit einer Quantifizierung mithilfe der genannten Biodiversitätsindizes zugänglich zu machen. Zu den relevanten Methoden gehören grundlegende NLP-Verfahren zum text preprocessing , etwa Lemmatisierung, um Flexionsformen miterfassen zu können, aber auch POS-Tagging und Named Entity Recognition zur Disambiguierung von Naturbegriffen und anderen Begriffen (bspw. „to bear“ vs. „the bear“; „Rose“ als Name vs. „rose“ als Blume). Weiterhin kommen Methoden der Segmentierung zum Einsatz, um das Korpus in Plots und Regionen unterteilen zu können und so die Biodiversitätsindizes zuordnen zu können.

Biodiversität in unserer Kommunikation als Spiegel von Bewusstsein gegenüber der Natur (Fallstudie 1)¹ 

Alle Werke des eingangs erwähnten SPCG-Subkorpus wurden für die diachrone Analyse in Fünfjahresabschnitte eingeteilt und dann unter Verwendung des beschriebenen Lexikons englischer Bezeichnungen für Lebewesen und mit Hilfe von NLP-Methoden auf deren Biodiversität durchsucht. Insgesamt wurden so mehr als 4,4 Millionen Okkurrenzen von ca. 6.000 unterschiedlichen Bezeichnungen für Lebewesen gefunden (Beispielsatz: „We sat down on a rude bench, under a group of magnificent lime trees). Zur Berechnung der Biodiversitätsindizes eines Werkes unterteilten wir jedes Werk in Abschnitte zu je 1.000 Wörtern (Plots), in denen wir die α-Diversität bestimmten. Nach einer Größennormalisierung wurden bspw. richness sowie α-, β- und γ-Diversität bestimmt. Um die Entwicklung über die Zeit nachvollziehen zu können, wurden sämtliche Werke gemäß ihres Fünfjahresabschnitts mithilfe eines Bootstrapping-Ansatzes gemittelt. Alle größen-normalisierten Biodiversitätsindizes, wie bspw. die Shannon-Diversität pro Werk (γ-Diversität), zeigen auf, dass nach einem anfänglichen Anstieg von Biodiversität in Literatur (BiL) in den 1830er Jahren ein Maximum erreicht wurde, und danach ein stetiger Abfall von BiL – auch relativ zum jeweiligen Gesamtvokabular – folgte (siehe Abb. 2). Die Ergebnisse der β-Diversität weisen zudem darauf hin, dass nach diesem Höchstwert zusätzlich eine weniger spezifische Nennung von Lebewesen innerhalb von Werken stattfindet.

Diese Ergebnisse interpretieren wir dahingehend, dass BiL bis zur Industrialisierung aufgrund mehrerer simultaner Einflüsse, wie etwa der Öffnung der fiktionalen Literatur, der Weiterentwicklung des Bildungssystems und einer möglichen Bewusstwerdung von Biodiversitätsverlust während der Romantik, zunimmt. Da diese Einflüsse andauerten und wir keine Hinweise auf weitere BiL-reduzierende Vorgänge fanden, wie bspw. Verschlankung biologischen Vokabulars durch Synonymbildung, vermuten wir, dass die darauffolgende Umkehrung der Entwicklung von BiL ab 1837 das Resultat menschlicher Entfremdung von der Natur infolge umfassender sozialer Veränderungen durch die Industrialisierung ist. Inwiefern an dieser Umkehr auch Prozesse beteiligt sind, die sich ausschließlich im literarischen Feld abspielen, wie z.B. epochenspezifische Funktionen von und Ansprüche an Literatur, also sich literaturhistorisch wandelnde poetologische Konzepte, entzieht sich bisher einer Quantifizierung.

Parameter für Empfindsamkeit gegenüber Natur (Fallstudie 2)

In einer weiteren, aktuell laufenden Fallstudie, soll untersucht werden, ob es autoren- oder genrespezifische Parameter gibt, die in unmittelbarem Zusammenhang mit einem erhöhten BiL-Wert und damit einer höheren Empfindsamkeit gegenüber der Natur stehen. Hierzu werden die eingangs erwähnten zusätzlichen Metadaten, die für jedes Werk und jeden Autor durch Daten aus Wikidata ergänzt wurden, herangezogen. Um einen Überblick zu relevanten Parametern zu bekommen, die mit der Wahrnehmung und Verarbeitung von Biodiversität korrelieren, bestimmten wir mit einer Random - Forest -Regression die Wichtigkeit und die gegenseitige Abhängigkeit (partial dependency) einiger ausgewählter Parameter. Partial dependencies einer Random - Forest -Regression zeigen den isolierten Einfluss eines Parameters, d.h. unter der Annahme, dass alle anderen konstant gehalten werden. Die partial dependencies für den Parameter Hauptregion des Autors (siehe Abb. 3) und die Literaturform der Werke (siehe Abb. 4) weisen, gerade auch unter Betrachtung der Fehlerbalken, auf einen deutlichen Einfluss dieser Parameter auf die resultierende BiL hin.

Diese ersten Ergebnisse deuten darauf hin, dass die Wahrnehmung eines Autors und die damit verbundene schriftliche Verarbeitung der umgebenden Biodiversität in starkem Zusammenhang mit seiner Hauptregion steht. Es liegt die Vermutung nahe, dass sich dies u.a. mit kulturellen Unterschieden, biogeographischen Eigentümlichkeiten der einzelnen Gegenden und regional verschiedenen Zuständen der Entfremdung von Natur zu tun hat. So können wir vermutlich davon ausgehen, dass im deutlich weniger erschlossenen Nordamerika des 19. Jahrhunderts naturnahe Themen eine höhere Alltagsrelevanz besaßen und Lebewesen eine stärkere Immersion der Wahrnehmung erwirkten als im dichter besiedelten Europa oder gar auf den Britischen Inseln, wo die Industrialisierung am frühesten begann und am stärksten vorangeschritten war (siehe Abb. 3).

Die Prädisposition eines Werks bezüglich BiL scheint zudem stark mit seiner Literaturform zu korrelieren, wobei vor allem für Lyrik ein stark erhöhter Wert zu beobachten ist (siehe Abb. 4) .