Morphologische Konkordanz prädikativer Adjektive nach Kopula.

Morphologische Konkordanz prädikativer Adjektive gemäß "zitierte direkte Rede".

In den Beispielen (3) und (4) wurden bereits zwei Okkurrenzen nicht konkordanter prädikativer Adjektive für esser sein und tgnair halten gezeigt. Beispiele (5) und (6) beinhalten zwei weitere nicht-konkordante Fälle mit anderen Kopulae als esser, nämlich mit render machen (5) und gnir werden (6). Beispiel (6) entstammt – wie bereits (4), nicht aber (3) – zitierter direkter Rede; Bei Beispiel (5) handelt es sich um eine Produktion der Journalistin:

Hinsichtlich Annotationskriterium 6, "SprecherIn", ist Folgendes festzuhalten: Die achtkonkordanzlosen Okkurrenzen unter den 149 nicht maskulin-singularischen Belegen verteilen sich auf vier von insgesamt 33 Schreibenden bzw. Zitierten (Sprecher A = 2 Fälle; Sprecher B = 1 Fall; Sprecher C = 2 Fälle; Sprecherin D = 3 Fälle).  Sprecher C und Sprecherin D liefern 5/8 (62,5 %) der konkordanzlosen Belege, was insofern nicht überrascht, als beide für La Quotidiana tätige JournalistInnen sind und gemeinsam auch 72 aller 149 relevanten Okkurrenzen (48,3 %) liefern.

Die "klassische" Methode, um auf Basis eines Datensatzes mit abhängigen Okkurrenzen zu ermitteln, welche Prädiktorvariablen den Wert einer abhängigen Variable in einer Gesamtbevölkerung wie beeinflussen, ist die gemischte logistische Regressionsanalyse. Diese kann jedoch hier nicht angewendet werden, da eine der Grundvoraussetzungen für gemischte logistische Regressionsmodelle nicht erfüllt ist: Die Zahl der Okkurrenzen für den seltensten Wert einer abhängigen Variable im analysierten Datensatz muss mindestens 10 Mal größer sein als die Summe aller Wertmöglichkeiten (level) aller fixed effect-Prädiktorvariablen (Levshina 2015, 257). Diese Summe ist in der vorliegenden Fallstudie 6 ( vgl. Abschnitt ; Annotationskriterien 3–5). Um eine gemischte logistische Regressionsanalyse durchführen zu können, müssten also mindestens 60 nicht-konkordante prädikative Adjektive im Datensatz enthalten sein. Diese Zahl erreicht unser Datensatz mit acht nicht annähernd (vgl. Tabelle 2).

Eine alternative inferentiell-statistische Methode, die in der empirischen Linguistik der letzten 10 Jahre vermehrt an Bedeutung gewonnen hat, ist die conditional inference tree-basierte random forest-Modellierung (Baayen/Tagliamonte 2012; Levshina 2015, 291 ff.). Sie ist robust gegenüber Datenknappheit und stellt keine Voraussetzungen wie die im vorigen Absatz für die gemischte binomiale logistische Regressionsmodellierung beschriebene. Das Grundprinzip conditional inference tree-basierter random forest-Modellierung, implementierbar in R mit dem Zusatzpaket party (Hothorn et al. 2006a; Hothorn et al. 2006b), ist – stark vereinfacht – das folgende: Der Algorithmus testet zunächst, welche Prädiktorvariable innerhalb des Datensatzes den Wert der abhängigen Variable statistisch signifikant und am stärksten beeinflusst. Dann wird der Datensatz auf Basis der Werte dieser Prädiktorvariable partitioniert. Derartige Partitionierungen werden so lange für alle Prädiktorvariablen wiederholt, bis keine weiteren statistisch signifikanten Partitionen des Datensatzes mehr möglich sind. In einem zweiten Schritt werden dann sog. random forests erstellt. Random forests bestehen aus einer frei wählbaren Anzahl mehrerer conditional inference trees, die allerdings jetzt lediglich auf einem randomisierten Subset des ursprünglichen Datensatzes basieren. Mittels sog. Permutation (deren Funktionsweise dem besser bekannten bootstrapping in Teilen ähnelt) werden nun wiederum conditional importance scores ermittelt. Diese ordnen die verschiedenen Prädiktorvariablen hinsichtlich ihrer Wichtigkeit für die Wertvorhersage der abhängigen Variable – und zwar nicht nur für den untersuchten Datensatz selbst, sondern auch für zukünftige, potentielle Daten (= inferentiell-statistisch).¹⁰

Abbildung 4 zeigt den auf Basis aller 149 nicht maskulin-singularischer Belege ue. prädikativer Adjektive erstellten conditional inference tree; "yes" steht für erfolgte morphologische Konkordanz, "no" für deren Ausbleiben:

Conditional inference tree; alle 149 nicht maskulin-singularische Belege.

Wie in Abbildung 4 ersichtlich, ist innerhalb des Datensatzes lediglich die Kopula ein statistischer signifikanter Prädiktor für die Genus– und Numeruskonkordanz. Ist die Kopula nicht esser sein, so erhöht dies signifikant die Wahrscheinlichkeit für ein Ausbleiben der Konkordanz (Node 2 vs. Node 3). Die Wahrscheinlichkeiten, die den Prozentzahlen in Tabelle 3 entsprechen, können jeweils rechts neben den Box-Plots abgelesen werden. Auch die inferentiell-statistische random forest-Analyse, die auf 1000 subsetbasierten conditional inference trees beruht (mit mtry = 2; zu diesem Befehl, vgl. Levshina 2015, 297), bestätigt das Ergebnis aus Abbildung 4. Dies zeigt Abbildung 5, die die konditionelle Wichtigkeit der vier Prädiktorvariablen – unter Berücksichtigung der jeweils anderen drei Prädiktorvariablen – für die Genus- und Numeruskonkordanz der prädikativen Adjektive visualisiert. "Konditionell" bedeutet im Hinblick auf Abbildung 5 zudem, dass die abgebildeten absoluten Werte vernachlässigbar sind, weil die Aussagekraft der Grafik in der hierarchischen Beziehung der Werte zueinander begründet liegt.

Random forest-basierte konditionelle Wichtigkeit der vier Prädiktorvariablen.

Die präsentierten Ergebnisse der conditional inference tree-basierten random forest-Modellierung sind keinesfalls frei von Problemen. So ist es beispielsweise denkbar, dass der/die jeweilige Journalist:in in zitierter direkter Rede präskriptive Korrekturen an ursprünglich konkordanzlosen Okkurrenzen durchgeführt hat. Ist dies der Fall, wäre die wirkliche Wahrscheinlichkeit von Nicht-Konkordanz für den Wert [+] des Prädiktors "zitierte direkte Rede" höher als diejenige, die Abbildungen 4 und 5 zugrundeliegt. Dies wiederum könnte die Entstehung neuer, in Abbildung 4 und 5 nicht erfasster Interaktionen zwischen zwei oder mehreren Prädiktorvariablen zur Folge haben und/oder die Wichtigkeit von "Kopula" vermindern. Damit werden die in diesem Kapitel präsentierten inferentiell-statistischen Ergebnisse angreifbar. Dieses Problem kann mit Daten aus medial schriftlichen digitalen ue. Medien aber nicht gelöst werden. Eine mögliche Alternative wäre freilich, große Mengen spontansprachlichen audiovisuellen Fernseh- und Radiomaterials zu analysieren, wo nachträgliche Korrekturen kaum möglich sind. Derartiges Material existiert zwar (siehe Abschnitt ), eine Erhebung, die akzeptable Belegzahlen liefert, ist aber bei jetziger Datenaufbereitungslage nahezu unmöglich. Dies zeigt unter anderem das folgende Kapitel, das die zweite Fallstudie zum Unterengadinischen vorstellt.

4. Fallstudie 2: die palatalen Affrikaten /t͡ʃ/ und /t͡ɕ/ im Unterengadinischen

Die zweite Fallstudie widmet sich der Frage, ob es möglich ist, anhand der wenigen zur Verfügung stehenden digitalen audiovisuellen bündnerromanischen Medien ein bereits bekanntes Phänomen des lautlichen Sprachwandels einerseits (weiter) zu dokumentieren und andererseits zu überprüfen, ob diesbezüglich mithilfe von Labordaten gewonnene Ergebnisse auch mit online frei zugänglichen Spontan- oder Semispontandaten replizierbar sind. Es wird deutlich, dass dies – mit kleineren Einschränkungen – prinzipiell möglich ist, das Zusammentragen eines hinsichtlich aller Bedingungen mit Experimentaldaten vergleichbaren Korpus jedoch im besten Falle mit stark disproportionalem Zeitaufwand bewerkstelligt werden kann. Abschnitt des Kapitels führt in die Fragestellung ein, erläutert die notwendigen Hintergründe zur Phonologie des Unterengadinischen und umreißt Methodologie und Ergebnisse bereits bestehender Studien. Abschnitt beschreibt die sprachlichen Daten sowie die Methodologie der Pilotstudie. In Abschnitt folgen schließlich deren Ergebnisse und eine abschließende Diskussion.

4.1. Die palatalen Affrikaten im /t͡ʃ/ und /t͡ɕ/ im Unterengadinischen

Wie bereits in Abschnitt angesprochen, ist die Unterscheidung einer eigenen rätoromanischen Untergruppe, bestehend aus Friaulisch, Dolomitenladinisch und Bündnerromanisch, innerhalb der romanischen Sprachen in der Forschung umstritten (siehe Liver 2010, 15 ff. für eine zusammenfassende Darstellung der Diskussion). Sie geht zurück auf Graziadio Isaia Ascolis Saggi Ladini (1873), der sie in erster Linie anhand eines lautlichen Kriteriums, nämlich der Palatalisierung von lat. c (/k/) nicht nur vor /e/ und /i/, wie nahezu überall in der Romania, sondern auch vor /a/ vornahm. Dass sich die rätoromanischen Varietäten diesbezüglich im Gegensatz zum angrenzenden Italienischen parallel verhalten, zeigt Tabelle 5:

• (stimmloser) palataler Plosiv, Trankription: [c], u. a. in Haiman/Benincà (1992), Liver (2010), Schmid (2010)
• (stimmlose) alveolo-palatale Affrikate, Trankription: [t͡ɕ], u. a. Taggart (1990)

Beide Varianten finden sich auch in Beschreibungen anderer Idiome ([t͡ɕ] für das Surmeirische beispielsweise in Anderson 2016). Dabei ist [c] innerhalb der Romanistik die traditionellere Transkriptionsweise, während der Gebrauch von [t͡ɕ] erst in neuerer Zeit aufgekommen ist. Letzterem werden wir uns auch für den verbleibenden Teil dieses Aufsatzes anschließen. Tatsächlich unterscheiden sich die beiden Laute phonetisch nur wenig. Während der erste in vielen Sprachen als Allophon von /k/ vor vorderen Vokalen auftreten kann, ist letzterer vor allem aus dem Polnischen bekannt (Jassem 2003). In jedem Fall können beide als typologisch stark markiert angesehen werden: Der palatale Plosiv [c] kommt in knapp 12 % der 451 in der UPSID-Datenbank (Maddieson/Precoda 1984) enthaltenen Sprachen vor; die alveolo-palatale Affrikate nur in unter 3 %. Darüber hinaus ist es in Bezug auf das Bündnerromanische letztendlich nicht nur möglich, sondern sogar wahrscheinlich, dass neben individueller Variation auch Unterschiede zwischen den Idiomen vorliegen (vgl. Schmid 2010, 188). Hinweise darauf, dass insbesondere das Surselvische im Vergleich zu den anderen Idiomen stärker zu einem palatalen Plosiv tendiert, finden sich in Brunner (1963).

Bedeutender als die konkrete phonetische Realisierung des entsprechenden Lautes ist für das brom. Sprachsystem zweifelsohne seine phonologische Bedeutung. So haben die beiden oben dargestellten Palatalisierungen nicht nur zwei unterschiedliche Laute, sondern auch zwei Phoneme hervorgebracht, wie beispielsweise die folgenden ue. Minimalpaare zeigen.

• lönch [løɲt͡ɕ] lange vs. löntsch [løɲt͡ʃ] weit
• (el, ella) chatta [ˈt͡ɕatɐ] (er, sie) findet vs. tschatta [ˈt͡ʃatɐ] Tatze

Zwar kommt insbesondere die alveolo-palatale Affrikate (/t͡ɕ/) im Unterengadinischen (und allgemein im Bündnerromanischen) häufig vor, die funktionale Auslastung der Opposition /t͡ɕ/ : /t͡ʃ/ ist jedoch äußerst gering, was sich u. a. darin zeigt, dass Minimalpaare trotz der obigen Beispiele sehr selten sind. Diese Tatsache – ebenso wie die hohe typologische Markiertheit und die geringe artikulatorische Distanz zwischen den beiden sich gegenüberstehenden Lauten – legt nahe, dass die Opposition früher oder später aufgegeben werden könnte (vgl. Penny 2000, 42-50). So haben zahlreiche oberitalienische Varietäten, die ursprünglich ebenfalls über ein Palatalphonem /t͡ɕ/ oder /c/ verfügten, dieses wieder verloren (Schmid 1956, 53-80). Den Zusammenfall eines solchen Palatallautes mit der post-alveolaren Affrikate im geographisch nicht allzu weit vom Engadin und Münstertal entfernten Nonstal etwa, der sich im Laufe des 20. Jahrhunderts vollzogen hat, beschreibt Politzer (1967, 49).

Hinweise auf einen solchen Zusammenfall von /t͡ɕ/ und /t͡ʃ/ auch im Unterengadinischen sind – neben den mittlerweile dazu entstandenen Arbeiten (siehe unten) – leicht zu finden. So deuten beispielsweise häufige Verwechslungen von orthographischem <ch> und <tsch>, wie man sie etwa in online publizierten Liedtexten finden kann, darauf hin, dass zumindest manche Sprecher des Unterengadinischen Schwierigkeiten haben, die durch diese Grapheme wiedergegebenen Phoneme klar zu unterscheiden. Ein Beispiel hierfür findet sich im Text des Liedes „Eu less crajer“ der Rock-Band Rebels, welcher unterhalb des Musikvideos bei YouTube transkribiert wurde:

Das auf lat. circare, eigentlich um etwas herumgehen, etwas umkreisen zurückgehende tschercha [ˈt͡ʃɛrtɕɐ] enthält durch regelmäßigen Lautwandel (vgl. Tabelle 6) zwei unterschiedliche aus lat. c- entstandene Phoneme, was sich auch in der heutigen Graphie widerspiegelt. Ein weiteres Beispiel enthält der Text des Liedes „Engiadina sur tuot!“ der engadinischen Death-Metal-Band Wacht, in welchem statt <löntsch (davent)> (weit) weg <lönch> lange geschrieben wird. Von einer nicht unbeachtlichen Häufigkeit des Phänomens zeugt auch die Tatsache, dass eine Überprüfung auf Rechtschreibfehler der insgesamt 337 auf Unterengadinisch verfassten SMS im online zur Verfügung stehenden Swiss SMS Corpus (Stark/Ueberwasser/Beni 2009-2015) eine Anzahl von 13 Verwechslungen von <tsch> und <ch>, die auf vier verschiedene Verfasser und Verfasserinnen zurückgehen, ergeben hat. Die Auszüge in (8) – (10) zeigen drei Beispiele:

4.2. Daten und Methodologie

Um probeweise zu untersuchen, ob der in den oben beschriebenen akustischen Experimenten belegte, weitgehende Zusammenfall von /t͡ʃ/ und /c/ bzw. /t͡ɕ/ im Unterengadinischen auch anhand online zugänglicher Sprachdaten gezeigt werden kann, wurde eine Reihe von Fernseh- und Radioproduktionen aus Play RTR, der Mediathek der SRG-Tochter RTR (vgl. Abschnitt ), ausgewählt, in denen Unterengadinisch-SprecherInnen zu Wort kamen. Es handelte sich dabei um zwei Auszüge aus der Nachrichtensendung Telesguard sowie insgesamt fünf unterschiedliche Radio-Beiträge aus den Formaten Da num e da pum, Marella, Il chavazzin dal di und La cifra, die im Frühjahr und Herbst 2019 ausgestrahlt wurden. Die darin enthaltenen stimmlosen post-alveolaren und alveolo-palatalen Affrikaten wurden unabhängig von ihrer Position im Wort in Praat TextGrids annotiert (Boersma/Weenink 2020). In einem nächsten Schritt wurde mithilfe eines Skripts (Rentz 2017) ihr erstes spektrales Moment, d. h. ihr Schwerpunkt (engl. centre of gravity), bestimmt, da dieser Wert sich in den bestehenden Studien als am besten zur Unterscheidung der fraglichen Laute geeignet erwiesen hatte (siehe Abschnitt ).

Insgesamt konnten auf diese Art und Weise Segmente von sieben Sprechern und Sprecherinnen untersucht werden. Dabei handelte es sich um drei Mitarbeiter und eine Mitarbeiterin von RTR, sowie drei Interviewpartner, die für öffentliche Institutionen wie den (im Engadin und Münstertal befindlichen) Schweizer Nationalpark oder das Tiefbauamt Graubünden arbeiteten. Ihr genaues Alter konnte nicht ermittelt werden, dürfte aber schätzungsweise grob zwischen 25 und 60 gelegen haben. In Bezug auf die Herkunftsorte der Teilnehmenden sind genauere Angaben möglich: Mit den Dörfern Guarda, Ardez, Sent und Ramosch ist hier mehr oder minder das Zentrum des Unterengadins um das Städtchen Scuol abgebildet.

4.3. Ergebnisse und Diskussion

Auf die in Abschnitt dargestellte Weise konnte eine Anzahl von insgesamt 129 ue. Affrikaten untersucht werden. Wie in Tabelle 7 dargestellt, war das Verhältnis zwischen post-alveolarer und alveolo-palataler Affrikate dabei nicht ausgewogen, da letztere im Unterengadinischen häufiger vorkommt als erstere; im untersuchten Datensatz beträgt das Verhältnis etwa 3:1.

Schwerpunkt (erstes spektrales Moment) der alveolo-palatalen und der post-alveolaren Affrikate bei 7 Sprecherinnen und Sprechern des Unterengadinischen (in Hz).

• Hintergrundinformationen zu den Sprecher:innen sind oft nur teilweise oder sogar überhaupt nicht zugänglich (z. B. Beruf und Herkunftsort bekannt, Alter jedoch nicht). Darüber hinaus kann es aufgrund diatopischer Variation – selbst bei räumlich sehr kleinen Varietäten wie dem Unterengadinischen – ein Problem sein, wenn nicht alle Sprecher:innen einer Studie aus dem selben Ort kommen.
• Der zeitliche Aufwand ist hoch. Da keine Transkriptionen zur Verfügung stehen, müssen in der Regel große Datenmengen in Bezug auf den Untersuchungsgegenstand „durchgehört“ werden – oft vergebens (im vorliegenden Fall etwa viele mehrminütige Beiträge hinsichtlich post-alveolarer Affrikaten).
• Gute Sprachkenntnisse sind notwendig – was in Bezug auf Minderheitensprachen heute sicherlich nur die wenigsten Romanistinnen und Romanisten leisten können. Gerade für das Rätoromanische ist dieser Punkt in mehrerlei Hinsicht von Bedeutung: Zunächst enthalten die Medienprodukte von RTR gemeinhin eine bunte Mischung von fünf Idiomen + Dachsprache Rumantsch Grischun. In einem ersten Schritt muss folglich beim Hören das gewünschte Idiom sicher identifiziert werden können, bevor der entsprechende Redebeitrag „durchsucht“ werden kann. Weiterhin ist freilich auch für die fehlerfreie Transkription und/oder Annotation des Gesagten für dessen Verständnis nahezu unabdingbar.
• Es kann nicht gesteuert werden, was die zur Verfügung stehenden Sprachdaten beinhalten. Im vorliegenden Falle etwa war nicht nur das seltene Vorkommen der post-alveolaren Affrikate an sich ein Problem, sondern darüber hinaus auch die Tatsache, dass die untersuchten Segmente in völlig unterschiedlichen lautlichen Kontexten auftraten (beispielsweise in betonten und unbetonten Silben, am Wortanfang und Wortende, intervokalisch oder nach Konsonanten) und sich dies zusätzlich von SprecherIn zu SprecherIn stark unterschied. Dieses Problem könnte zwar möglicherweise durch eine beträchtliche Vergrößerung der untersuchten Datenmenge (und ggf. gezielte Auswahl von Test-Items) vermindert werden, dies brächte jedoch eine Beschränkung der Untersuchung auf die Sprache von Radio- und FernsehmoderatorInnen mit sich, die, wie oben ausgeführt, ebenfalls nicht unproblematisch ist.

Zusammenfassend lässt sich also festhalten, dass mess-phonetische Untersuchungen anhand von Sprachdaten aus Online-Medien zwar prinzipiell möglich sind, jedoch eine Vielzahl von Schwierigkeiten und Problemen mit sich bringen. Verlässliche Ergebnisse, die auch eine seriöse inferentiell-statistische Analyse zulassen, können mit angemessenem Aufwand sicherlich nur mithilfe von kontrollierten Experimentaldaten gewonnen werden. Zur qualitativen Dokumentation oder für Pilotstudien, die späteren Experimenten vorausgehen, hingegen bieten Online-Medien angesichts des Fehlens audiovisueller Korpora für Minderheitensprachen freilich eine wertvolle alternative Datenquelle. 

5. Vorüberlegungen für ein digitales Korpus des Bündnerromanischen

In den Kapitel und wurde gezeigt, dass der Nutzung digitaler brom. Medien (vgl. Abschnitt ) für die sprachwissenschaftliche Forschung deutliche Grenzen gesetzt sind. Gleichzeitig existieren bis dato keine umfangreichen digitalen und für sprachwissenschaftliche Untersuchungen aufbereitete Korpora (vgl. Abschnitt ). In diesem Abschnitt, der geichzeitig den vorliegenden Beitrag beschließt, sollen deshalb erste Vorüberlegungen angestellt werden, die im Zuge einer Korpuserstellung für das Bündnerromanische beachtet werden sollten. Abschnitt präsentiert zunächst einen ersten, möglichen Rahmen zur Korpuserstellung. In diese Überlegungen fließen auch die Probleme ein, die im Zuge der empirischen Pilotstudien in Kapitel und aufgetreten sind. Abschnitt schließlich fasst – ohne Anspruch auf Vollständigkeit – die Quellen zusammen, aus denen das Sprachmaterial für ein digitales Korpus des Bündnerromanischen stammen könnte.

5.1. Aufbau und Anforderungen

Ziel des vorliegenden Abschnittes ist es, Anforderungen an ein zukünftiges, multimediales Korpus des Bündnerromanischen zu skizzieren, die sich einerseits aus den Problemen der hier durchgeführten Pilotstudien, die ohne ein solches Korpus auskommen mussten, und andererseits aus Vorüberlegungen allgemeinerer Art ergeben.

Zunächst sollte eine solche Datenbank online zugängig sein. Da sie idealerweise nicht nur der Forschungsgemeinschaft, sondern auch den Bünderromanen und Bündnerromaninen selbst (z. B. Lehrkräften) dienen soll, ist es überdies wünschenswert, den Zugang gänzlich kostenfrei zu ermöglichen. Eine leichte Bedienbarkeit muss nicht eigens erwähnt werden (zum technischen Aufbau und der Gestaltung von Suchmodalitäten und Abfragesystemen siehe z. B. Bubenhofer 2020).

Zweifelsohne muss ein brom. Online-Korpus in mehreren Schritten entstehen, deren erster eine durchsuchbare reine Textdatenbank ist, die jedoch bereits möglichst umfassende Informationen zu Verfasser (Alter, Herkunft, sozioökonomische Informationen) sowie zur Entstehung des Textes (Quelle, Genre, Entstehungszeitraum, Veröffentlichung) enthalten sollte. Als Vorbild könnte hierfür z. T. die okzitanische Textdatenbank BaTelÒc (Bras/Vergez-Couret 2016) dienen, die in Zusammenarbeit mit Buchverlagen literarische Werke aus verschiedenen Dialekten durchsuchbar macht. Bereits auf dieser Stufe sollte klar zwischen den einzelnen Idiomen sowie Rumantsch Grischun unterschieden werden, was einerseits bedeutet, dass die jeweilige Varietät der enthaltenen Texte vermerkt und andererseits das Korpus gezielt nur in Bezug auf eine oder mehrere Varietäten durchsuchbar sein muss.

In einem nächsten Schritt sollten die Originaltexte dergestalt bearbeitet werden, dass beispielsweise Rechtschreibfehler wie sie in Online-Kommentaren oder SMS häufig sind (siehe  Vorstudie in Abschnitt ) kein Hindernis mehr für das Finden eines möglichen Beleges sind, während gleichzeitig der Zugriff auf die ursprüngliche Orthographie weiterhin möglich sein muss.

Diese „Dopplung“ der Texte, in der sich Original und bearbeitete bzw. annotierte Version gegenüberstehen und gleichermaßen zur Verfügung stehen, würde sich ohnehin weiter verstärken, sobald die Funktionalität des Korpus idiomübergreifend erweitert werden sollte. Dafür schlagen wir zunächst eine Lemmatisierung der Texte auf Rumantsch Grischun vor. Eine Suchanfrage in der standardisierten Dachvarietät würde trotz orthographischer, morphologischer und teilweise auch lexikalischer Unterschiede Suchergebnisse aus allen Idiomen anzeigen. Bei einer Lemmatisierung könnten beispielsweise durch Eingabe des Infinitivs eines Verbes sämtliche Okkurrenzen desselben in allen grammatischen Wortformen und in allen Idiomen gefunden werden. Idealerweise sollte dann, in einem weiteren Arbeitsschritt, auch die Suche nach bestimmten Wortformen möglich sein. Dies hätte beispielsweise die Studie in Kapitel erheblich vereinfacht, weil alle nicht-maskulin-singularischen Adjektive einfach hätten identifiziert werden können. Hierfür wäre allerdings eine morphologische Annotation des Korpus genauso notwendig wie ein part of speech-liTagging. Der eventuelle spätere Einbezug weiterer Informationen, beispielsweise im Rahmen einer syntaktischen oder informationsstrukturellen Annotation, sollte von Anfang an mitgedacht werden.

Um diese Schritte so einfach und wenig arbeitsintensiv wie möglich umsetzen zu können, sollte unbedingt auf bestehende Werkzeuge für andere Sprachen zurückgegriffen werden. Gute Erfahrungen mit solchen Anpassungen bereits für andere Sprachen verfügbarer Programme und einem automatisieren Training der so geschaffenen Tools sind beispielsweise im Rahmen des Projektes RESTAURE mit dem morphosyntaktischen Analysierer/Parser TALISMANE (Vergez-Couret/Urieli 2015; Bernhard et al. 2018) gemacht worden, deren Ergebnis ein in Bezug auf morphologische Kategorien und parts of speech annotiertes Korpus des Okzitanischen von 12.000 Wörtern ist. Für das Bündnerromanische könnte sich beispielsweise die Anpassung von technischen Werkzeugen für das Italienische lohnen.

Eine Erweiterung/Ergänzung des Korpus um audio- (oder möglicherweise sogar audio-visuelle) Formate dürfte ungleich aufwändiger sein, da diese nur glücken kann, wenn sämtliche Audiodateien mit einem in gleicher Weise wie das Textkorpus annotierten und durchsuchbaren Transkript vorliegen. Des Weiteren muss zumindest bei längeren Audiodateien eine Möglichkeit geschaffen werden, Textstellen auch in der Datei unkompliziert identifizieren zu können. Hierfür ist eine Orientierung an Systemen wie TalkBank oder TEITOK (Janssen 2014–)) sinnvoll (als Beispiele mögen das hier zugängliche Emigranto-Korpus von Duran Eppler, sowie das judenspanische CoOrAJe von Quintana dienen). Auch das Corpus oral y sonoro del español rural (COSER) ermöglicht eine wenig arbeitsintensive Durchsuchung von Audio-Dateien. Sollten Videos integriert werden, kann das Korpus El parlar salat de la Costa Brava (Perea 2017) als Vorbild dienen. Bei entsprechender Umsetzung und Umfang des Korpus hätte dies beispielsweise die Studie in Kapitel deutlich erleichtert: Über eine Suche auf Rumantsch Grischun nach orthographischem <ch> und <tg> für die alveolo-palatale Affrikate und nach <tsch> für die post-alveolare könnten diese Laute deutlich leichter in entsprechenden Audiodateien identifiziert und nicht nur für das Unterengadinische sondern auch für andere Idiome untersucht werden. Ohne allzu großen Aufwand wäre es möglich gewesen, die lautlichen Kontexte, in denen die betreffenden Laute untersucht werden sollten, ähnlich einer Laborstudie klar zu definieren und einzuschränken und so qualitativ bessere und validere Ergebnisse zu erzielen.

Es ist indes klar, dass ein solches Unterfangen eines Korpus, das nicht nur brom. Texte, sondern darüber hinaus eine große Anzahl transkribierter Audiodateien enthält, nur im Rahmen eines Großprojektes realisiert werden kann.

5.2. Mögliche Quellen für Sprachmaterial

Im vorliegenden Abschnitt werden mögliche Quellen zusammengefasst, aus denen das in einem zu erstellenden digitalen Korpus des Bündnerromanischen enthaltene Sprachmaterial stammen könnte. Dies geschieht sowohl in Rückgriff auf Abschnitte und als auch unter Einschluss einiger weiterer, noch unbesprochener relevanter Quellen (siehe unten). Da die Aufbereitung medial mündlicher Quellen aufwändiger ist als diejenige medial schriftlicher (siehe Abschnitt ) sind beide Quelltypen in Tabelle 9 getrennt dargestellt:

6. Fazit

Forschende, die sich mit sprachlichen Eigenschaften von Minderheitensprachen beschäftigen, stehen oft der schwierigen Frage gegenüber, welche sprachlichen Daten sie in ihren Untersuchungen auswerten können, um das (in der Regel spärlich) vorhandene Wissen zu erweitern. Aufgrund des Fehlens grundlegender sprachwissenschaftlicher Ressourcen, wie z. B. von Wörterbüchern oder Korpora, ist für viele Minderheitensprachen die einzige Alternative zum Rückgriff auf gedruckte literarische Werke häufig noch immer nur die klassische Feldforschung, d. h. Arbeit vor Ort. Dennoch sind in den letzten Jahren die Chancen der Digitalisierung von manchen Sprachgemeinschaften genutzt worden, so dass eine Reihe von Onlinezeitungen und -Radiosendern in Minderheitensprachen entstanden ist (z. B. das okzitanische Jornalet oder das asturianische Portal Asturies.com sowie die Radiosender Voce nustrale (korsisch) und Onde Furlane (friaulisch)). Daneben verfügen manche Kleinsprachen, wie beispielsweise das Bündnerromanische im Schweizer Kanton Graubünden, sogar über eigene öffentlich-rechtliche Medienanstalten, wie z. B. Radio- und Fernsehsender.

Der vorliegende Beitrag beschäftigte sich deshalb beispielhaft anhand zweier Fallstudien zum Unterengadinischen mit der Frage, ob Sprachdaten aus online zugänglichen Massenmedien angesichts fehlender digitaler sprachwissenschaftlicher Ressourcen linguistisch nutzbar gemacht werden können. Dabei konnte gezeigt werden, dass schriftliches Sprachmaterial aus Zeitungen sowie Audiobeiträge aus Radio und Fernsehen es zwar erlauben, Belege für Sprachwandelprozesse zu finden, eine umfassende Untersuchung der entsprechenden Phänomene jedoch ohne disproportional großen Aufwand seitens der Forschenden kaum möglich ist. So konnte im Falle prädikativer unterengadinischer Adjektive belegt werden, dass deren overte Konkordanz mit dem zugehörigen Subjekt in schriftlichen Quellen zum Teil fehlt. Darüber hinaus wurden Hinweise darauf gefunden, dass dies insbesondere dann der Fall sein könnte, wenn andere Kopula als esser 'sein' verwendet werden. Beides legt die Vermutung nahe, dass das Phänomen (a) von nicht-prototypischen, d. h. weniger frequenten und semantisch markierten Kopula-Konstruktionstypen ausgeht, und (b), dass es, da es sich bereits in distanzsprachlichen und medial-schriftlichen Registern belegen lässt, im mündlichen Gebrauch schon weiter fortgeschritten sein dürfte. Die zweite Fallstudie hat den bereits in einigen Experimentalstudien untersuchten, voranschreitenden Zusammenfall der unterengadinischen Phoneme /t͡ɕ/ und /t͡ʃ/ anhand von mündlichen Sprachdaten aus Radio- und Fernsehsendungen nachvollzogen. Dabei wurde allerdings auch deutlich, dass diese nicht dieselbe Qualität und Zuverlässigkeit bieten wie laborphonetisches Datenmaterial.

Es lässt sich folglich einerseits festhalten, dass Online-Medien zwar gute Möglichkeiten zur qualitativen sprachwissenschaftlichen Dokumentation sowie für Pilotstudien bieten, sie jedoch andererseits keinen vollwertigen Ersatz für (digital verfügbare) sprachwissenschaftliche Ressourcen darstellen. Vor diesem Hintergrund hoffen wir mit Kapitel , das Vorüberlegungen zur Konzeption eines umfassenden Online-Korpus des Bündnerromanischen anstellte, einen möglichen Weg hin zur dringend notwendigen Erstellung eines solchen aufgezeigt zu haben. Es bleibt zu hoffen, dass auch die Untersuchung kleinerer Sprachen im Zuge der Digitalisierung bald einfacher wird und es so gelingt, ihre sprachlichen Schätze ans Licht zu bringen.