Inhalt

0. Forschungsaufgaben
1. Kurze Darstellung des Goettinger Projekts zur Quantitativen Linguistik
2. "Fuehrer" zur Sprachstatistik des Deutschen
3. Principles for Word Length Count

0. Forschungsaufgaben

Ausgehend von der Annahme, dass Sprachgesetze in der Regel stochastischer Natur sind und nur in Sonderfaellen mit ausnahmslos sich durchsetzenden (deterministischen) Gesetzen zu rechnen ist, wird versucht, diese - nicht unmittelbar beobachtbaren, sondern latenten - Gesetzmaessigkeiten der Sprachstruktur und -verwendung und ihrer Dynamik in einigen ausgewaehlten Bereichen zu erforschen. Im Zentrum des Interesses standen lange Zeit Untersuchungen zu Haeufigkeitsverteilungen von Wort- und Satzlaengen und von Wortarten in verschiedenen Textsorten und Sprachen. Inzwischen sind weitere sprachliche Entitaeten (Morphlaengen, Laenge rhythmischer Einheiten und Silben) ebenfalls untersucht worden, ebenso wie auch andere Gesetzmaessigkeiten, darunter die  Zipf-Mandelbrot-Verteilung, das Menzerath-Altmann-Gesetz, das Textblock-Gesetz (n. Zwirner, Zwirner und Frumkina), das Wortschatzwachstum in Texten u.a. Ausserdem wird weiterhin an ausgewaehlten Aspekten des Sprachwandels, besonders des Deutschen, gearbeitet. In diesem Zusammenhang werden in erheblichem Umfang Entlehnungsprozesse, aber auch Diversifikation, Entwicklung und Verfall des Wortschatzes untersucht und modelliert. Es hat sich außerdem gezeigt, dass der Erwerb des Wortschatzes im muttersprachlichen Spracherwerb den gleichen Gesetzen folgt wie der Sprachwandel. Ein weiterer Aspekt sind Ueberlegungen zur Messbarkeit von Lesbarkeit und Verstaendlichkeit der Texte.
Die Untersuchungen finden im Rahmen einer internationalen Bemuehung um eine Neufundierung der Sprachtheorie statt, die sich u. a. an Chaostheorie und Synergetik orientiert. Ziel der Untersuchungen ist es, am Aufbau einer Sprachtheorie mitzuwirken, die auf einem System von Gesetzen und Hypothesen beruht, und damit die Voraussetzung für Erklaerungen und Prognosen in der Linguistik zu schaffen. Ein wesentlicher Aspekt ist in diesem Zusammenhang die Verbesserung der empirischen Grundlagen durch Einbeziehung moeglichst vieler Sprachen und Erweiterung der Datenbasis innerhalb der einzelnen Sprachen durch eine moeglichst grosse Streuung der Daten nach Entwicklungsphasen, Textsorten, Autoren, Stilen, etc. Dabei fallen auch statistische Daten zu allgemein interessierenden Themen an, ohne dass sie das eigentliche Ziel der Arbeit darstellen. Um ein paar Beispiele zu nennen: Wie gross ist der Anteil lateinischer, franzoesischer, englischer und weiterer Entlehnungen am deutschen Wortschatz? Wie viele Woerter beherrscht ein Kind normalerweise in einem bestimmten Alter? Wie hat sich die Satzlaenge in deutschen Texten in den letzten 200 Jahren entwickelt? Etc.

Wer sich einen ersten Einblick verschaffen will, kann zu folgenden Arbeiten greifen:

Best, Karl-Heinz (Hrsg.). 1997. Glottometrika 16. The Distribution of Word and Sentence Length. Trier: Wissenschaftlicher Verlag Trier.
Best, Karl-Heinz. 1999. Quantitative Linguistik: Entwicklung, Stand und Perspektive. Goettinger Beitraege zur Sprachwissenschaft 2, 7-23.
Best, Karl-Heinz. 2001. Probability Distributions of Language Entities. Journal of Quantitative Linguistics 8, 1-11.
Best, Karl-Heinz. 2001. Wo kommen die deutschen Fremdwoerter her? Goettinger Beitraege zur Sprachwissenschaft 5, 7-20.
Best, Karl-Heinz (Hrsg.). 2001. Haeufigkeitsverteilungen in Texten. Goettingen: Peust & Gutschmidt.
Best, Karl-Heinz. 2003. Anglizismen - quantitativ. Goettinger Beitraege zur Sprachwissenschaft 8, 7-23.
Best, Karl-Heinz. 2006. Quantitative Linguistik - Eine Annaeherung. 3., stark ueberarbeitete und ergaenzte Auflage. Goettingen: Peust & Gutschmidt.
Best, Karl-Heinz. 2006. Italianismen im Deutschen. Goettinger Beitraege zur Sprachwissenschaft 13, 77-86.
Best, Karl-Heinz, & Kohlhase, Joerg (Hrsg.) 1986. Exakte Sprachwandelforschung. Goettingen: edition herodot.

2. "Fuehrer" zur Sprachstatistik des Deutschen

Unter Sprachstatistik koennen wir jede statistische Erhebung zu sprachlichen Phaenomenen verstehen; Quantitative Linguistik dagegen versucht, nicht nur Daten zu erheben, sondern diese zur Grundlegung einer Sprachtheorie zu verwenden, indem sie stochastische Gesetze zu entwickeln sucht.

Sprachstatistik wird oft nur als Statistik der Sprachen verstanden, also als Uebersicht darueber, wie viele Sprachen es gibt, wie viele Sprecher sie verwenden, etc. Hier sollen darunter aber alle Arbeiten verstanden werden, die statistische Erhebungen zu sprachlichen Phaenomenen beliebiger Art durchfuehren. Es folgen Hinweise, die sich hauptsaechlich auf das Deutsche beziehen.

Angaben zur Verteilung der Sprachen auf die Kontinente und zur Sprecherzahl der 12 groessten Sprachen findet man auf S. 12f. in

Haarmann, Harald. 2001. Kleines Lexikon der Sprachen. Von Albanisch bis Zulu. Muenchen: Beck.

Tab. 1: Die Sprachen mit den meisten Sprechern (n. Haarmann 2001: 13)

Angaben zur Sprecherzahl auch der kleineren Sprachen findet man ebenfalls in Haarmann (2001), aber auch in

Voegelin, C.F., & Voegelin, F.M. 1977. Classification and Index of the World’s Languages. New York/ Oxford/ Amsterdam: Elsevier.

Bevoelkerung in Deutschland (n. Brockhaus Multimedia 2004)

Deutschland hatte 2001 82441 Mill. Einwohner, davon 7.32 Mill. = 8.9% Auslaender; ferner sind als nationale/ ethnische Minderheiten zu nennen (im Internet ermittelt): Daenen (ca 50000 Sprecher), Friesen (Saterfriesen: 1000-2500, Nordfriesen 10000), Sorben (20000-30000), Sinti und Roma (80000-120000, darunter Sinti: ca 70000). Bisher nicht anerkannte Minderheit: die Jenischen (ca 200000 Sprecher; Mischsprache aud deutscher oder keltischer Basis, Lexik dt., hebraeisch, keltisch beeinflusst). Die 7.32 Mill. Auslaender verteilen sich wie folgt:

Tab. 2: Die Bevoelkerungsanteile der Auslaender in Deutschland

Statistische Erhebungen zum Deutschen

Die bekanntesten sprachstatistischen Erhebungen sind wohl die Haeufigkeitswoerterbuecher, in denen der deutsche Wortschatz nach seiner Frequenz geordnet aufgefuehrt wird:
 
Frequenzwoerterbuecher

Kaeding, Friedrich Wilhelm. (Hrsg.). 1897/98. Haeufigkeitswoerterbuch der deutschen Sprache 1, 2. Berlin-Steglitz: Selbstverlag (Teilreprint in: Grundlagenstudien aus Kybernetik und Geisteswissenschaft 4/ 1963. Beiheft)
Meier, Helmut. ²1967. Deutsche Sprachstatistik. 2., erw. u. verb. Aufl. Hildesheim: Olms.
Rosengren, Inger. 1972/77. Ein Frequenzwoerterbuch der deutschen Zeitungssprache. Bd. 1,2. Lund: Gleerup.
Ruoff, Arne. 1981. Haeufigkeitswoerterbuch gesprochener Sprache. Tuebingen: Niemeyer.
Waengler, Hans-Heinrich. 1963. Rangwoerterbuch hochdeutscher Umgangssprache. Marburg: Elwert.
(vgl. auch: Haeufigkeitslisten zu versch. Sprachen in: Statistika reci i avtomaticeskij analiz teksta. Leningrad: “Nauka” 1971)

So etwas wie ein statistisches Handbuch des Deutschen scheint es nicht zu geben. Einem solchen Werk kommt

Meier, Helmut. ²1967. Deutsche Sprachstatistik. 2., erw. u. verb. Aufl. Hildesheim: Olms

am ehesten nahe. Es ist aber nicht nur veraltet, sondern es gibt auch auf viele Fragen keine Antwort. Das Frequenzwoerterbuch ist Juni 1953 im Mskr. fertiggestellt worden (2. Bd., Vorwort). Eine ganze Reihe von Statistiken zum Deutschen sind in Bd. 1 (beide Bde. in einem Band) enthalten. Kap. VI behandelt etliche grammatisch-stilistische Themen. Einiges dazu findet man verstreut meist in Fussnoten auch in Grammatiken und sonstigen Handbuechern:

Ranghaeufigkeitsverteilungen von Woertern in Texten

Altmann, Gabriel. 1988. Wiederholungen in Texten. Bochum: Brockmeyer. S. 73.
Best, Karl-Heinz. 2006. Quantitative Linguistik - Eine Annaeherung. 3., stark ueberarbeitete und ergaenzte Auflage. Goettingen: Peust & Gutschmidt. S. 77-81.

Wortartenhaeufigkeiten

Best, Karl-Heinz. 1994. Word class frequencies in contemporary German short prose texts. Journal of Quantitative Linguistics 1, 144-147.
Best, Karl-Heinz. 2000. Verteilungen der Wortarten in Anzeigen. Goettinger Beitraege zur Sprachwissenschaft 4, 37-51.
Best, Karl-Heinz. 2001. Zur Gesetzmaessigkeit der Wortartenverteilungen in deutschen Pressetexten. Glottometrics 1, 1-26.

Haeufigkeit von Varianten sprachlicher Entitaeten (Diversifikationsgesetz)

Modelle fuer die Verteilung sprachlicher Einheiten unterschiedlicher Komplexitaet in Texten und im System finden sich zu:

Laenge rhythmischer Einheiten

Best, Karl-Heinz. 2002. The Distribution of Rhythmic Units in German Short Prose. Glottometrics 3, 136-142.

Morphlaengen

Best, Karl-Heinz. 2000. Morphlaengen in Fabeln von Pestalozzi. Goettinger Beitraege zur Sprachwissenschaft 3, 19-30.
Best, Karl-Heinz. 2001. Zur Laenge von Morphen in deutschen Texten. In: Best, Karl-Heinz (Hrsg.), Haeufigkeitsverteilungen in Texten (S. 1-14). Goettingen: Peust & Gutschmidt.

Satzlaengen (Haeufigkeit und Entwicklung) vgl.

Best, Karl-Heinz. 2002. Satzlaengen im Deutschen: Verteilungen, Mittelwerte, Sprachwandel. Goettinger Beitraege zur Sprachwissenschaft 7, 7-31.

Silbenlaengen

Best, Karl-Heinz. 2001. Silbenlaengen in Meldungen der Tagespresse. In: Best, Karl-Heinz (Hrsg.), Haeufigkeitsverteilungen in Texten (S. 15-32). Goettingen: Peust &  Gutschmidt.
Cassier, Falk-Uwe. 2001. Silbenlaengen in Meldungen der deutschen Tagespresse. In: Best, Karl-Heinz (Hrsg.), Haeufigkeitsverteilungen in Texten (S. 33-42). Goettingen: Peust & Gutschmidt.

Wortlaengen (Verteilungen in Texten und im Lexikon)

Best, Karl-Heinz. 2001. Wortlaengen in Texten gesprochener Sprache. Goettinger Beitraege zur Sprachwissenschaft 6, 31-42.
Best, Karl-Heinz. 2006. Quantitative Linguistik - Eine Annaeherung. 3., stark ueberarbeitete und ergaenzte Auflage. Goettingen: Peust & Gutschmidt.
Best, Karl-Heinz. 2006. Wortlaengen im Deutschen. Goettinger Beitraege zur Sprachwissenschaft 13, 23-49.
Gerade zu diesem Thema gibt es eine Vielzahl von Untersuchungen zum Deutschen, die in meiner Projektbibliographie (s. unten: Best 2001) und im Internet (staendig aktualisiert) nachgewiesen sind.

Konstituenzprinzip (Menzerath-Altmann-Gesetz): Es zeigt sich immer wieder, dass

Je groesser eine Einheit ist, desto kleiner sind ihre Bestandteile (Konstituenten).

Bibliographie

Best, Karl-Heinz. 2001. Kommentierte Bibliographie zum Goettinger Projekt. In: Best, Karl-Heinz (Hrsg.), Haeufigkeitsverteilungen in Texten (S. 284-310). Goettingen: Peust & Gutschmidt.
Kempgen, Sebastian. 1995. Russische Sprachstatistik. Muenchen: Sagner.
Koehler, Reinhard. 1995. Bibliography of quantitative linguistics. Amsterdam: John Benjamins.
Vgl. auch die Neuerscheinungslisten in den Baenden der Reihe Quantitative Linguistics sowie das Verzeichnis der sprachwissenschaftlichen Schriften Gabriel Altmanns In: Viribus Vnitis. Festschrift fuer Gabriel Altmann zum 60. Geburtstag (S. XIII-XVII). Hrsg. v. Grotjahn, Ruediger, Kempgen, Sebastian, Koehler, Reinhard, & Lehfeldt, Werner. Trier: Wissenschaftlicher Verlag Trier.

Handbuch

Koehler, Reinhard, Altmann, Gabriel, & Piotrowski, Rajmund G. (Hrsg.) (2005), Quantitative Linguistik - Quantitative Linguistics. Ein internationales Handbuch. Berlin/ N.Y.: de Gruyter.

3. Principles for word-length count (Stand 24.3.97)

1.  Words are defined as orthographic words.
2.  Word length is measured in the number of syllables; syllables are measured in the number of  (spoken) vowels or diphthongs of the word.
3.  All words of a text must be taken into consideration, i.e. no random samples from a text!!! We use full texts for  good reasons. No mixing of texts is allowed.
4.  We take texts containing about 100-2000 words. If one processes a novel then each chapter must be measured separately.
5.  Abbreviations: UNESCO is 1 word with 3 syllables, german LKW [elkave:]  1 word with 3 syllables. I.e.: number of syllables in abbreviations and other forms the way they are pronounced.
6.  Years: 1994 is in German "neunzehnhundert vierundneunzig": 2 words  with length 4 and 4 syllables.
7. Other numerals: 1994  "tausend neunhundert  vierundneunzig": 3 words  with length 2, 3, and 4 syllables.
8.  The cooperators send us their data containing the frequency  distribution of word length in individual texts of an author - we have rather more texts from one author than many individual texts from different authors - and we try to find a theoretical model. The data  must be sent to us on a diskette (ASCII, DOS!), each count (from a text) in  separate file,  containing nothing but two columns: one for x (the length) and one for fx (frequency) divided by one or more blanks, e.g.:

          1      225
         2      114
         3        74
         4        25
         5        11
         6          4
         7          1

9.  The cooperators obtain the results  and can publish them at will.
10. At least we prepare an omnibus volume in which all (published and unpublished) data and models will be collected.

References

zurueck zum Start