Abstract

Since 2014 the DFG-funded long term project VerbaAlpina (VA) is run at the Ludwig-Maximilians-University of Munich (LMU). VA is a cooperation of the Institute of Romance Studies and the LMU Center for Digital Humanities (DH; IT-Gruppe Geisteswissenschaften).

The project focuses on lexical variation throughout the Alpine area as defined by the so-called Alpine Convention (https://www.alpconv.org/). Whereas geolinguistic research within the Alpine region is traditionally orientated towards the spread of national languages and towards political borders, VA takes the homogeneous natural environment of the mountaneous region and the resulting uniform habitat conditions and ways of living as the guiding parameters defining its area of research.

VA is conceptualized as a strictly digital project that uses web technology for various purposes such as documentation, publication and visualisation. VA takes its data from traditional geolinguistic publications, mainly linguistic atlases and suitable dictionaries (i.e. dictionaries providing geographic information). The strictly digital approach is associated with several challenges starting from the difficulties regarding the transcription of the sometimes complex phonetic characters that are used especially in some of the linguistic atlases. VA has developed a series of specific reusable and freely available online tools that are used within the workflow of digitizing data from the printed sources. Another tool, the so-called Crowdsourcing tool, was built for gathering speech data from online users with the aim of filling documentation gaps that result from inconsistencies of the available printed sources.

An interactive online map that is using performant up-to-date graphical technology (WebGL) offers suggestive qualitative and quantitative visualisation of geographic distribution patterns from onomasiological and/or semasiological perspectives. These can also be combined with non linguistic data such as the sites of latin inscriptions.

In addition to the geolinguistic core themes of the project, VA is providing methodological reflexion on many of the issues deriving from the strictly digital orientation that should be of interest also beyond the borders of the project and even beyond the field of geolinguistics. In general, VA is looking for perspectives and solutions that allow the linkage of lexical data across so far isolated domains of geolinguistic research projects with the option of real interoperability (the “I” in the acronym FAIR).

The talk will provide more detailed information on the mentioned aspects of the project VerbaAlpina.

Talk*

Englische Version

Einführung

Ein Wort vorab: Nach wie vor ist es üblich, bei Vorträgen mit PowerPoint-Präsentationen zu arbeiten. Es gehört zum Konzept von VerbaAlpina, darauf zu verzichten, und die Vorträge stattdessen als WordPress-Beiträge zu konzipieren, die im Internet frei verfügbar sind. Der Grund ist, dass PowerPoint-Präsentationen nicht "FAIR", also findable, accessible, interoperable und reusable sind, VerbaAlpina jedoch größten Wert auf die Einhaltung dieser Prinzipien legt. Mit WordPress-Beiträgen ist dies deutlich besser gewährleistet.

Some of you might already know our project VerbaAlpina, regardless I want to start my talk by sketching the overall frameset of VerbaAlpina in short terms.

Scientific Approach

VerbaAlpina ist ein im wesentlichen lexikalisch ausgerichtetes sprachwissenschaftliches Projekt. Im Zentrum des Interesses steht die vor der Hand einfache Frage, welche sprachlichen Bezeichnungen für ganz bestimmte Konzepte im Alpenraum verbreitet sind. Die Dokumentation ist dabei beschränkt auf Konzepte, die typisch für den Alpenraum sind, wie etwa die Alm- und Milchwirtschaft oder auch die spezifisch alpine Tier- und Pflanzenwelt. Eine aus Sicht der traditionellen Geolinguistik grundlegende Neuerung ist sicherlich der Zuschnitt des Untersuchungsgebiets, oder vielmehr die zugrundeliegende Motivation, die nicht, wie verbreitet der Fall, politisch-administrative Konzepte wie etwa Staatsgebiete, sondern vielmehr die naturräumliche und in der Folge kulturelle Homogenität einer Region zum Auswahlkriterium macht.

Wie bereits gesagt, steht das lexikalische Material im Mittelpunkt des Interesses von VerbaAlpina. Der Datenbestand von VerbaAlpina basiert zum einen auf dem Material, das in traditionellen Sprachatlanten publiziert vorliegt. Zum anderen wurden auch Wörterbücher herangezogen, allerdings nur solche, deren Einträge auch Informationen zur geographischen Verbreitung der Bezeichnungen enthalten. Als Beispiel können das Schweizerdeutsche Idiotikon oder auch der Dizionario di Montagne di Trento von Corrado Grassi genannt werden. Letzterer dokumentiert die lokale Variation eines einzelnen kleinen Ortes in der italienischen Provinz Trento. Von den Sprachatlanten können als prominente Beispiele der Sprach- und Sachatlas Italiens und der Südschweiz (AIS) oder auch der Sprachatlas von Vorarlberg (VALTS) genannt werden.

VerbaAlpina versteht sich als durch und durch "digitales" Online-Projekt, das vollständig auf Publikationen in herkömmlicher Buch- oder Atlasform verzichtet. Mit "digital" ist hier überdies die Arbeit mit *strukturierten*, also um Metadaten angereicherten, Daten gemeint. Diese werden in einer relationalen Datenbank verwaltet.

Das Datenmodell von VerbaAlpina wird dominiert von der Wechselbeziehung zwischen der Welt der Sprache und der außersprachlichen Realität, also der Welt der Konzepte. Das nachfolgende Schema illustriert diese Wechselbeziehung und macht deutlich, dass grundsätzlich ein bestimmtes Wort mehr als nur ein Konzept bezeichnen kann und umgekehrt auch mehrere Wörter für ein und dasselbe Konzept existieren können. Zur klaren Unterscheidung zwischen Wörtern und Konzepten werden im Kontext von VerbaAlpina Konzepte stets in Versalien geschrieben:

Zusammenhang zwischen Bezeichnungen und Konzepten

Dieses zunächst sehr simpel anmutende Basismodell erlangt sehr schnell hohe Komplexität durch die Hinzufügung der Dimensionen von Raum und Zeit. Denn bestimmte Bezeichnungen für bestimmte Konzepte sind nur in bestimmten Regionen gebräuchlich. Dabei können Lage und Größe dieser Regionen sich über die Zeit verändern oder auch ganz und gar verschwinden.

Die Fragestellung lautet also:

• Welche Wörter werden oder wurden
• an welchen Orten
• zu welcher Zeit zur Bezeichnung
• welcher Konzepte verwendet?

Da die Dimension des Raumes einen der zentralen Faktoren darstellt, sammelt VerbaAlpina ausschließlich Sprachmaterial mit Georeferenzierung, wie dies etwa in Sprachatlanten oder in manchen Wörterbüchern vorliegt.

Der Rahmen der räumlichen Dimension ist von VerbaAlpina durch das Perimeter der sog. Alpenkonvention abgesteckt. Die Alpenkonvention ist ein völkerrechtlicher Vertrag der Alpenanrainerstaaten. Das Perimeter ist eine von dieser Organisation gezogene Grenze, die die Ausdehnung der Alpen administrativ definiert. VerbaAlpina orientiert sich aus rein pragmatischen Gründen an dieser Grenze, da eine klare Abgrenzung des Untersuchungsgebiets  organisatorisch unerlässlich und anders kaum möglich ist. Allerdings bedingt die gewählte Definition des Untersuchungsgebiets gewisse Asymmetrien, wie etwa die Tatsache, dass das Schweizerische Emmental, berühmt für seinen Käse, außerhalb der Alpenkonvention liegt und daher nicht von VerbaAlpina erfasst wird, obwohl diese Region in wirtschaftlicher wie auch naturräumlicher Hinsicht sehr wohl zum Alpenraum gerechnet werden könnte.

Innerhalb des Untersuchungsgebiets stellen für VerbaAlpina die politischen Gemeinden das zentrale Referenzsystem dar: Sämtliches gesammeltes und georeferenziertes Sprachmaterial wird auf das Raster der politischen Gemeinden bezogen. Bei großflächigen Verbreitungsangaben wie etwa "Tessin" oder "Vorarlberg" werden die entsprechenden Sprachbelege auf sämtliche Gemeinden dieser Regionen übertragen. Ausgehend von der feinen Granulierung der politischen Gemeinden kann das Sprachmaterial bei späteren Analysen nach übergeordneten politischen Einheiten wie etwa Kantonen, Départments, Regierungsbezirken oder Regionen gruppiert und auf einer Karte visualisiert werden.

Ein wenig problematisch ist aus Sicht von VerbaAlpina die Dimension der Zeit, da das Datennetz im Hinblick auf die chronologische Streuung bislang noch sehr dünn und bezogen auf den gesamten Alpenraum unausgewogen ist. Manche der von VerbaAlpina ausgewerteten Quellen geben den Zeitpunkt der Erhebung eines Einzelbelegs sehr exakt, manchmal sogar tagesgenau, an, bei anderen Quellen liefert das Jahr der Publikation lediglich einen Terminus ante quem für die darin erfassten Sprachdaten.

Das Datenmaterial von VerbaAlpina erhält historische Tiefe durch die Verklammerung der aus den Quellen geschöpften Wörter durch die Feststellung von Gemeinsamkeiten bezüglich der lexikalischen Basis. So besitzen französisch salamandre, italienisch salamandra und deutsch Salamander dieselbe lexikalische Basis. Hier einen historischen Zusammenhang zu vermuten, liegt nahe. Es lässt sich jedoch nicht ohne weiteres entscheiden, ob z.B. das deutsche Wort aus einem der beiden romanischen Wörter hervorgegangen ist (Entlehnungsszenario), oder ob alle drei Varianten unabhängig von einander auf einen gemeinsamen Vorläufer zurückzuführen sind. Um dennoch erfassen zu können, *dass* zwischen den drei genannten Wörtern ein Zusammenhang besteht, identifiziert VerbaAlpina in solchen Fällen einen lexikalischen Vorläufer aus einer früheren im Alpenraum verbreiteten Sprache und weist diesen den modernen Wörtern zu. VerbaAlpina bezeichnet solche Vorläufer als "Basistypen". Im Fall des Beispiels wäre dies das lateinische salamandra.

Der Grund für diese Vereinfachung ist ein doppelter: Zum einen ist vielfach nicht zu entscheiden, welche der genannten Varianten im Einzelfall vorliegt, zum anderen sind entsprechende Recherchen unter Umständen sehr aufwendig, so dass sie im Rahmen des Projekts aus Zeitgründen nicht betrieben werden können. Die VA-Basistypen haben den großen Vorteil, dass sie offenkundig bestehende Zusammenhänge datentechnisch abbilden lassen, *ohne* zur Spezifizierung der Zusammenhänge im einzelnen zu zwingen.

Die zentrale Bezugsgröße von VerbaAlpina sind die sog. "morpholexikalischen Typen", im folgenden kurz "Morphtypen" genannt. Dabei handelt es sich um lexikalische Einheiten, die bezüglich ihrer Sprachfamilienzugehörigkeit, ihrer Schreibung, des Genus und der Frage, ob sie eine Affigierung aufweisen oder nicht, distinkt, also unverwechselbar sind. Insofern entsprechen die Morphtypen in etwa den Lemmata der traditionellen Wörterbücher. Dabei handelt es sich ganz überwiegend um Nomina, Verben spielen bei VerbaAlpina bislang eine untergeordnete Rolle.

Bei der Typisierung orientiert sich VerbaAlpina zunächst an sog. Referenzwörterbüchern. Sofern in diesen Wörterbüchern ein passender Eintrag vorhanden ist, wird dieser den ausgewählten Tokens zugewiesen. Existiert der Typ in mehreren Referenzlexika, erfolgen Mehrfachzuordnungen. Sollte ein Morphtyp in keinem Referenzlexikon vorhanden sein, erzeugt VerbaAlpina einen eigenen, neuen Morphtypen, der dann zugewiesen wird.

Für die aus Sprachatlanten und Wörterbüchern erfassten Daten muss jeweils im Einzelfall entschieden werden, welchen Morphtypen sie repräsentieren. Eine automatische Zuweisung erscheint unmöglich. Für die manuelle Typisierung hat VerbaAlpina ein eigenes Tool entwickelt, in dem die transkribierten und anschließend tokenisierten Äußerungen Morphtypen zugeordnet werden können.

VerbaAlpina verzichtet bewusst auf die Zuweisung der Morphtypen zu Einzelsprachen oder gar Dialekten. Der Grund ist, dass sich Sprachlandschaften und so auch der Alpenraum grundsätzlich als Kontinua darstellen, innerhalb derer klare Abgrenzungen praktisch unmöglich sind. Streng genommen kann jede Ortschaft ihren eigenen Dialekt besitzen. Bei der Definition der Morphtypen erfolgt daher lediglich die Zuweisung zu einer der drei im Alpenraum vorhandenen Sprachfamilien. Die Zuordnung zu einer Sprachfamilie wird dabei von den Quellen vererbt, aus denen die Belege stammen, die dem jeweiligen Morphtypen angehören.

Die phonetische Dimension wird von VerbaAlpina weitgehend ausgeblendet, ist im Datenmodell von VerbaAlpina jedoch abbildbar und punktuell im Datenbestand auch schon präsent.

Die Entwicklung der Sprache im Raum ist stets mehr oder minder stark beeinflusst von einer ganzen Reihe dynamischer Prozesse. Dazu gehören etwa Wanderungsbewegungen, Verdrängungen, Landnahmen, der Wandel von Wirtschaftsformen oder auch der klimatischen Rahmenbedingungen. Aus diesem Grund sammelt VerbaAlpina – allerdings unsystematisch und selektiv – auch nicht-sprachliche Daten, die die genannten Phänomene dokumentieren. Als Beispiel können Daten zu archäologischen Fundstätten der Völkerwanderungszeit oder auch die Informationen zu Verkehrswegen und Ortschaften genannt werden, die der Tabula Peutingeriana entnommen werden können. Auch die Daten dieser außersprachlichen Peripherie müssen georeferenzierbar sein. VerbaAlpina bietet den Nutzern die Möglichkeit, diese Daten in Beziehung zur Verbreitung sprachlicher Phänomene zu setzen und auf diese Weise historische Zusammenhänge sichtbar werden zu lassen.

Technical Aspects

VA-Tools

VerbaAlpina setzt nach Möglichkeit weit verbreitete Standardsoftware ein, die außerdem open source sein muss. Im Wesentlichen handelt es sich um das Datenbankmanagementsystem (DBMS) MySQL zur Verwaltung des zentralen Datenbestands sowie um das PHP-Framework WordPress. Für die spezifischen Anforderungen des Projekts wurden jedoch überwiegend auf den genannten Basistechnologien aufbauende Tools entwickelt, die allesamt auf Github zur freien Nachnutzung unter der CC-BY-SA-Lizenz verfügbar sind (https://github.com/VerbaAlpina?tab=repositories).

Der VA-Betacode und das VA-Tanskriptionstool

Betacode

Für die Transkription von "exotischen" Schriftsystemen, wie sie häufig gerade in Sprachatlanten anzutreffen ist, setzt VerbaAlpina ein Verfahren ein, das bereits in den 1970er Jahren für den Thesaurus Linguae Graecae (TLG) entwickelt und erfolgreich eingesetzt worden war. Im Kern geht es darum, beliebige Schriftzeichen durch definierte und dokumentierte Sequenzen von ASCII-Zeichen zu ersetzen. Die Regeln folgen möglichst einfachen und mnemotechnisch günstigen Mustern. So wird z.B. ein Akut auf einem Basiszeichen durch einen Slash hinter dem Basiszeichen transkribiert.

Die Äußerung¹

wird gemäß den Transkriptionsregeln folgendermaßen transkribiert:

la lac/a/

Dabei spielt der mit einem Zeichen bezeichnete Lautwert keine Rolle. Das bedeutet auch, dass identische Zeichen wie z.B. der Akut vollkommen unabhängig von der transkribierten Vorlage und der möglicherweise spezifischen phonetischen Bedeutung stets gleich, nämlich mit einem nachgestellten Slash transkribiert wird. Erst ein vorlagenspezifisches Konvertierungsverfahren, bei dem sämtliche Transkriptionen in das IPA-System übertragen werden, berücksichtigt die Lautwerte der ursprünglichen Quelle.

Diese Methode besitzt gleich mehrere Vorteile:

• Es ist die Transkription von Zeichen möglich, die bislang noch nicht unicode-kodiert sind
• Die Transkription kann bequem mit Standardtastaturen und ohne komplizierte Tastenkombinationen erfolgen
• Die Transkriptoren benötigen keine Kenntnisse über die Bedeutung der Zeichen
• Die Transkriptionen sind – anders als Multi-Byte-Characters von UTF-8 – technisch robust gegen ungewollte Veränderung
• Die Transkription erfolgt ohne Informationsverlust (was z.B. der Fall wäre, wenn anstelle des vorliegenden Böhmer-Ascoli-Systems direkt in IPA transkribiert werden würde, da IPA keine so feine Unterscheidung hinsichtlich der Einzellaute erlaubt wie Böhmer-Ascoli)

VA-Transkriptionstool

Speziell die automatische strukturierte Erfassung von lexikalischem Material aus Sprachatlanten stellt ein erhebliches technisches Problem dar. Dabei geht es nicht um die Verwandlung der, wie wir am Beispiel des AIS gesehen haben, teils exotischen Schriftsysteme, die dort bisweilen Verwendung finden. OCR-Programme wie z.B. Abbyy Finereader lassen sich so trainieren, dass sie auch solche Schriftsysteme korrekt erfassen und sogar den VerbaAlpina-spezifischen Betacode produzieren.

Im Fall der Sprachatlanten der romanistischen Tradition besteht die eigentliche Schwierigkeit darin, die direkt auf der Karte eingetragenen Äußerungen jeweils der richtigen Nummer zuzuordnen. Maschinen sind mit dieser Aufgabe immer dann überfordert, wenn die Eintragungen auf der Karte zu dicht beieinander liegen, wie dies z.B. im AIS im Bereich der Südschweiz und dem angrenzenden Italien der Fall ist. Am Institut für Informatik der LMU ist soeben eine Masterarbeit abgeschlossen worden, die eine algorithmische Lösung für dieses Problem entwerfen sollte. Dabei wurde u.a. mit Deep-Learning-Verfahren gearbeitet. Soweit VerbaAlpina es einschätzen kann, ist aber auch auf diesem Wege kein Erfolg in Sicht. Von einer technischen Verfügbarkeit eines entsprechenden Tools kann auf keinen Fall die Rede sein.

Aus Sicht der automatischen Datenerfassung noch komplizierter erscheinen die im Bereich der Germanistik verbreiteten Sprachatlanten mit Punktsymbolkarten, bei denen bestimmte Merkmalsausprägungen als Symbole auf der Karte dargestellt werden. Anders als bei den romanistischen Atlanten werden hier auch zumeist typisierte Daten abgebildet, konkrete Einzelbelege der Informanten werden nur in Ausnahmefällen präsentiert.

Punktsymbolkarte germanistischer Tradition (VALTS IV 73: Die SENNHÜTTE)

Das Tool integriert einen Scan der zu transkribierenden Karte in das Formular, in das die Transkriptionen eingetragen werden. Bereits transkribierte Karten werden entsprechend farblich markiert, und auch die Doppelerfassung einzelner Eintragungen auf der Karte werden vom System verhindert. Dem Transkriptor werden vom System nacheinander die Nummern oder Siglen der Ortspunkte auf der Karte vorgegeben. Die Transkription erfolgt dann in das dafür vorgesehen Feld des Formulars. Die anderen Parameter wie Kartennummer, Ortspunktnummer und Konzeptzuweisung sind vom System jeweils vorgegeben und werden gemeinsam mit der Transkription in der Datenbank abgespeichert. Die Eingabemaske präsentiert in einem Teilfenster rechts oben die allgemeinen Transkriptionsregeln für die Datenerfassung im Betacode, so dass der Transkriptor sie mit möglichst geringem Aufwand konsultieren kann. Zur Kontrolle für den Transkriptor wird rechts vom Eingabefeld simultan mit der Transkription die Originalschreibweise der Vorlage eingeblendet.

Crowdsourcingtool

Der von VerbaAlpina aus Sprachatlanten und Wörterbüchern zusammengetragene Datenbestand weist in mehrfacher Hinsicht Inkonsistenzen auf. Diese ergeben sich z.B. dadurch, dass die Sprachatlanten, die jeweils nur einen Teil des Alpenraums abdecken, nicht alle dieselben Konzepte dokumentieren, wie dies die folgende Abbildung ersichtlich macht:

[Screenshot]

In der Folge liegen also für eine bestimmte Region Bezeichnungen für Konzepte vor, die an anderer Stelle gar nicht abgefragt wurden – was nicht heißt, dass diese dort nicht existieren.

Die Durchführung von Nacherhebungen vor Ort ist nicht durchführbar. Daher setzt VerbaAlpina die Idee des Crowdsourcings ein, um den Datenbestand zu arrondieren. Die Idee ist, dass User im Internet bislang nicht dokumentierte Bezeichnungen für ausgewählte Konzepte beisteuern. Zu diesem Zweck hat VerbaAlpina ein spezielles Crowdsourcing-Tool (CS-Tool) entwickelt. Die Funktionalität ist bewusst simpel gehalten, um potentielle "Crowder" nicht abzuschrecken.

Jeder "Crowder" wird zu Beginn gefragt, welchem Dialekt seine Beiträge zuzuordnen sind. Anschließend muss er auf einer Karte einen Ort auswählen und gibt dann nach seiner Meinung an diesem Ort gebräuchliche Bezeichnungen für ausgewählte Konzepte ein. Das auf diese Weise gesammelte Material wird von VerbaAlpina ebenso typisiert wie die Daten aus Atlanten und Lexica. Eine Validierung des Crowd-Materials ist rein theoretisch durch das Prinzip der Fremdbestätigung möglich (Motto: Einmal ist kein Mal, zweimal ist immer), wird aktuell von VerbaAlpina aber nicht durchgeführt, nicht zuletzt, weil die Datenmenge bislang noch zu gering ist.

Die Erfahrung der vergangenen Jahre hat gezeigt, dass die Vitalität des Croudsourcing-Tools, also die Menge der Eintragungen, ganz entscheidend von entsprechenden Werbeaktivitäten abhängt. Nach Medien-Berichten über VerbaAlpina und sein Crowdsourcing-Tool oder entsprechende Propaganda in den sozialen Medien, steigen die Eintragungen jeweils stark an, sinken jedoch bald wieder ab.

Auch das CS-Tool kann unter der CC-BY-SA-Lizenz nachgenutzt werden.

Kartentool

Gleichsam das Schaufenster des Projekts bildet die interaktive Online-Karte. Sie ist als der zentrale Datenzugriffspunkt für die Öffentlichkeit konzipiert, der die Abbildung der Sprachdaten in der Dimension des Raums ermöglicht und somit Zusammenhänge offenbaren kann, die bei Betrachtung der Daten in Tabellen- oder Listenform häufig verborgen bleiben.

Die digitale Karte bietet sowohl die Möglichkeit, auf den Datenbestand aus der Perspektive der Wörter zuzugreifen, also sich die verschiedenen Konzepte kartieren zu lassen, die mit einem bestimmten Wort bezeichnet werden können, wie auch die Option, die umgekehrte Frage zu stellen: Welche Konzepte werden wo mit welchen Wörtern bezeichnet. Im traditionellen Publikationswesen konnten diese beiden Perspektiven nur durch zwei unterschiedliche Genera bedient werden: Den Sprachatlas und das Wörterbuch. Die digitale Online-Karte bietet sogar die Möglichkeit, beide Perspektiven synoptisch zu kartieren.

Die Karte bietet im wesentlichen zwei unterschiedliche Formen der Visualisierung an. Standard ist die qualitative Kartierung, bei der die Einzeldaten gebündelt nach politischen Gemeinden zunächst durch Symbole auf der Karte abgebildet werden. Das nachfolgende Beispiel zeigt die Kartierung der Verbreitung des romanischen Worttyps malga, gruppiert nach dessen regional unterschiedlichen Bedeutungen:

https://www.verba-alpina.gwi.uni-muenchen.de?page_id=133&db=191&tk=2414

Ein Klick auf die Kartensymbole öffnet ein Info-Window, in dem die zugrundeliegenden Sprachdaten präsentiert werden. Neben der Quelle werden auch das mit dem Wort bezeichnete Konzept, der Basistyp sowie der Einzelbeleg der jeweiligen Quelle in IPA-Transkription angezeigt. Die umrahmten Buchstaben hinter Morph- und Basistypen verweisen auf die entsprechenden Einträge in den Referenzwörterbüchern und sind z.T. interaktiv; ein Klick auf das Symbol führt dann direkt zum entsprechenden Eintrag im Referenzwörterbuch. In das Info-Window sind außerdem Normdaten eingebunden und entsprechend verlinkt. So führt ein Klick auf das Erdkugelsymbol neben oder unter dem Gemeindenamen auf die entsprechende Seite von Geonames, die Konzeptnamen sind mit den Einträgen bei Wikidata verknüpft.

Neben der qualitativen Kartierung bietet VerbaAlpina auch eine quantifizierende Darstellung an. Ein Klick auf das Q im Kreis neben dem Menüpunkt "Flächen und Regionen" kumuliert die im Moment kartierten Elemente nach Regionen und färbt diese entsprechend der Anzahl der dort kartierten Elemente unterschiedlich ein. In der Grundeinstellung bilden die großräumigen Sprachgebiete den Referenzrahmen. Durch entsprechende Auswahl über den Menüpunkt "Flächen und Regionen" kann die Kumulierung und Kartierung der Daten auch auf Basis kleinerer administrativer Einheiten erfolgen.

Neben der realitätstreuen Abbildung der geographischen Grenzverläufe kann die quantifizierende Darstellung auch auf der Grundlage einer Hexagonkarte erfolgen. Bei dieser Art der Kartendarstellung werden die geographischen Einheiten durch Hexagone mit jeweils identischer Größe dargestellt. Dadurch werden visuelle Verzerrungseffekte vermieden, die sich durch die in der Realität stark von einander unterscheidenden Flächengrößen ergeben. Natürlich ergibt sich bei dieser Art der Kartierung wiederum der Nachteil, dass die geographische Anordnung der Flächen und vor allem die Anzahl angrenzender Flächen in den meisten Fällen nicht mehr der Realität entspricht. Der Mehrwert besteht sicherlich in der Möglichkeit, zwischen den verschiedenen Kartierungsvarianten wechseln zu können und auf diese Weise einen annähernd objektiven Eindruck gewinnen zu können.

Das Teilensymbol am rechten oberen Rand der Karte erlaubt den Abruf eines persistenten Links, der stabil auf die aktuelle Kartenansicht verweist und z.B. über Mails versandt oder in Texte eingesetzt werden kann. Außerdem können ganz bestimmte Kartenansichten mit einer spezifischen Art und Anzahl von ausgewählten Daten als synoptische Karten unter einem frei wählbaren Namen gespeichert und mit einem ausführlichen Kommentar versehen werden. Anschließend erscheinen diese Karten im Menü "synoptische Karte". Allerdings ist diese Funktion registrierten Benutzern vorbehalten.

Die Realisierung der Online-Karte basiert auf modernster Graphiktechnologie (WebGL) und ist extrem leistungsfähig. Sichtbar wird diese Leistungsfähigkeit vor allem bei Zoom-Vorgängen mit einer großen Anzahl von Kartensymbolen und Grenzverläufen, die dem Computer eine hohe Rechenleistung abverlangen. Der Einsatz von WebGL erlaubt die erforderlichen Berechnungen auf dem Prozessor der Graphikkarte, was den entscheidenden Leistungsgewinn mit sich bringt.

Vernetzung und Nachhaltigkeit

Zugriffsmöglichkeiten von außerhalb

Der Zugriff auf die Daten von VerbaAlpina ist auf verschiedene Weise möglich:

• Über das im Internet frei zugängliche Projektportal und dort vor allem über die interaktive Online-Karte und das Lexicon alpinum
• Über die, ebenfalls frei zugängliche, API
• Über die PMA-Schnittstelle der MySQL-Datenbank

Die API erlaubt den Download des sprachlichen Kernmaterials in einer Reihe unterschiedlicher Formate und in unterschiedlicher Aggregierung. Der Zugriff über die PMA-Schnittstelle ist den offiziellen Kooperationspartnern von VerbaAlpina vorbehalten. Die PMA-Schnittstelle erlaubt Datenanalysen unter Einsatz der Sprache SQL.

Der Kerndatenbestand von VerbaAlpina ist sehr fein granuliert und die Einzelelemente sind mit persistenten Identifikatoren eindeutig identifiziert und somit präzise ansprechbar. Letztlich erfüllen diese alphanumerischen Identifikatoren die Funktion von VerbaAlpina-spezifischen Normdaten. Konkret erhalten unter anderem alle Morphtypen, Konzepte und politischen Gemeinden eine eindeutige Nummer, unter deren Verwendung dann auf unterschiedlichen Wegen auf die spezifischen Daten zugegriffen werden bzw. von externer Seite darauf referenziert werden kann. Identifikatoren der Morphtypen tragen das Präfix L, Konzepte C und Gemeinden A. Die ID L1435 steht beispielsweise für den Morphtypen "babeurre (m.) (roa.)". Die Adresse db=191&single=L1435" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435 ruft sodann eine Kartierung der Verbreitung dieses Morphtyps auf, der Link version=191&format=xml&empty=0" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?api=1&action=getRecord&id=L1435&version=191&format=xml&empty=0 führt zum Download der zu diesem Morphtyp gespeicherten Daten im XML-Format und der Link db=191#L1435" target="_BLANK">https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=2374&db=191#L1435 schließlich auf den Kommentar im Lexicon Alpinum (sofern vorhanden).

Mit wenigen Ausnahmen enthalten alle URLs, die sich auf Inhalte von VerbaAlpina beziehen, einen – in den Beispielen von gerade eben rot markierten – Parameter, der sich auf eine ganz bestimmte Version von VerbaAlpina bezieht. Die beiden ersten Ziffern stehen jeweils für das Jahr, die letzte für Versionsnummer im Jahr (191: Erste Version im Jahr 2019). Während der Datenbestand der Arbeitsversion, die an der Zeichenfolge xxx erkennbar ist, permanenten Änderungen unterliegt, sind die Inhalte der anderen Versionen jeweils stabil. Dadurch ist sichergestellt, dass Verweise auf diese URLs stets dieselben Inhalte aufrufen und Zitationssicherheit gewährleistet ist. Die Versionierung der VerbaAlpina-Daten erfolgt zweimal im Jahr, jeweils zu Jahresmitte und zu Jahresende. Auf der Homepage ist die Auswahl zwischen den vorhandenen Versionen möglich. Für alle Inhalte von VerbaAlpina sind auch DOIs verfügbar.²

Demnächst werden die VerbaAlpina-Daten auch in das RDF-Schema des Semantic Web übertragen. Die Einrichtung eines SPARQL-Endpoints ist jedoch zunächst nicht vorgesehen; die entsprechende Umsetzung ist mit einigem Aufwand verbunden und erscheint entbehrlich, da es eine Reihe anderer Zugriffsmöglichkeiten auf die VerbaAlpina-Daten gibt. Immerhin erfüllt VerbaAlpina die Kriterien der "Linguistic linked open data"-Bewegung (LLOD; http://linguistic-lod.org/).³, und die VerbaAlpina-Daten werden bald auch in die LLOD-Cloud eingebunden sein.⁴

Verknüpfung mit externen Ressourcen

VerbaAlpina verknüpft die drei Kernkategorien seines Datenbestands über die Einbindung geeigneter Normdaten mit externen Datenbeständen.

Im Fall der Morphtypen werden entsprechende Verbindungen zu den Referenzlexika hergestellt. Ein interessanter Nebeneffekt ist, dass dabei die unterschiedliche Eignung der entsprechenden Ressourcen deutlich wird. Im Sinne maximaler Interoperabilität sind bislang die Inhalte nur weniger der von VerbaAlpina erfassten Referenzwörterbücher adressierbar. Positive Beispiele wären etwa das Portal des Centre National de Ressources Textuelles et Lexicales ([Bibl:CNRTL]) oder die italienische Treccani, die jeweils transparente URLs für jeden lexikalischen Eintrag anbieten (z.B.:  https://www.cnrtl.fr/definition/beurre, http://www.treccani.it/vocabolario/burro/). In manch anderen Fällen sind Referenzierungen entweder nur mit großer Ungenauigkeit oder auch gar nicht möglich. Nicht selten begegnet man dem Phänomen, dass sich die Adressierbarkeit der Inhalte noch an der herkömmlichen Seitenlogik des Buchdrucks und auf PDF-Dokumente oder Bilddateien bezieht. Dies ist etwa der Fall beim Französischen etymologischen Wörterbuch, ursprünglich von Walter Warburg (FEW).

Für die Konzepte verweist VerbaAlpina bislang ausschließlich auf die sog. Wikidata-Datenobjekte. Jedem Konzept ist in der VerbaAlpina-Datenbank die jeweilige Q-ID der Wikidata zugeordnet. Der entsprechende Link führt auf die Datenobjektseite bei Wikidata. Dort wiederum befinden sich Links zu den Artikeln in den verschiedensprachigen Wikipedien zu diesem Konzept. Bereits erwähnt wurde die Verknüpfung mit den Normdaten von geonames. Links für alle Normdaten der genannten Kategorien werden dem Nutzer in den Info-Windows auf der Online-Karte präsentiert.

Some organizational stuff

VerbaAlpina started in 2014 and is funded by the German Research Foundation (DFG) with a perspective until 2025. The individual project terms comprise 3 years each. At the moment we are heading towards the last year of the second term and are about to prepare the application for the funding of the third term.

Der Mitarbeiterstab ist zweigeteilt: Es gibt drei Sprachwissenschaftler und zwei Informatiker, die jeweils noch von Hilfskräften unterstützt werden. Unter den Sprachwissenschaftlern befinden sich zwei Romanisten und ein Germanist, von den Informatikern ist einer hauptsächlich für alle Belange der Kerndaten zuständig (Datenmodellierung, Schnittstellen, u.a. API), der andere überwiegend für alle Fragen der Visualisierung, hauptsächlich die interaktive Online-Karte.

VerbaAlpina stellt somit ein interdisziplinäres DH-Unternehmen mit Anteilen in den klassischen Geisteswissenschaften und in der Informatik dar. Der informatische Teil ist an der IT-Gruppe Geisteswissenschaften (ITG) angesiedelt. Diese Einrichtung besteht seit dem Jahr 2000, wird getragen von den sechs geisteswissenschaftlichen Fakultäten der LMU und besitzt eine unbefristete Existenzperspektive. Die ITG ist zuständig für Planung und Betrieb der IT-Infrastruktur im Bereich der Humanities. Einen stetig wachsenden Aufgabenbereich der ITG stellt die Unterstützung bei Planung und Durchführung von DH-Projekten dar. VerbaAlpina stellt aus Sicht der ITG also nur eines von zahlreichen Projekten dar, dessen Projektdaten im Kontext eines heterogenen, jedoch einheitlich – nämlich relational – strukturierten Gesamtdatenbestand verwaltet werden. Dieser im Lauf der Jahre auf beachtliche Größe und Vielfalt angewachsene Datenpool bietet zumindest theoretisch die Perspektive der Datenanalyse über Projektgrenzen hinweg. Vor diesem Hintergrund entwickelt sich zur Zeit eine Kooperation der ITG mit dem Master-Studiengang Data Science, der Anfang 2017 ins Leben gerufen wurde.

Die ITG spielt auch im Hinblick auf die Nachhaltigkeit der von VerbaAlpina erarbeiteten Ergebnisse eine wichtige Rolle. Nach dem Ende der Projektförderung wird die ITG das Projektportal im Rahmen ihrer Möglichkeiten weiter betreiben und das für den Betrieb erforderliche Minimum an Wartungsarbeit leisten.

* Given at the colloqium „NEW WAYS OF ANALYZING DIALECTAL VARIATION“, held at Sorbonne University, Paris, 21-23 November 2019

1. AIS 1218_1, 129 ↩

2. Fragezeichen und Ampersands (&) müssen dabei durch den jeweiligen Hexadezimalwert des Zeichens in der Unicode-Tabelle (? = 3f, & = 26) mit vorangestelltem % ersetzt werden. Die DOI der URL https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=133&db=191&single=L1435 liest sich wie folgt: https://dx.doi.org/10.5282/verba-alpina?urlappend=/%3fpage_id=133%26db=191%26single=L1435 ↩

3. S. Chiarcos, Christian; McCrae, John; Cimiano, Philipp; Fellbaum, Christiane (2013). Towards open data for linguistics: Lexical Linked Data (PDF). Heidelberg, in: Alessandro Oltramari, Piek Vossen, Lu Qin, and Eduard Hovy (Hrsgg.), New Trends of Research in Ontologies and Lexical Resources. Springer. ↩

4. Die Erzeugung der RDF-Struktur wird derzeit vorbereitet. Die Registrierung erfolgt anschließend unter der Adresse https://lod-cloud.net/add-dataset ↩

Bibliographie

• FEW = Wartburg, Walter (1922-1967): Französisches etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes , Basel, vol. 20, Zbinden. Link
• VALTS = Gabriel, Eugen (1985-2004): Vorarlberger Sprachatlas mit Einschluss des Fürstentums Liechtenstein, Westtirols und des Allgäus , vol. 1-5, Bregenz, vol. 1-5, Vorarlberger Landesbibliothek

Die einzelnen Schriftvarietäten werden darüber hinaus in englischer Bezeichnung aufgeführt und durch einen speziellen ; aber sie lassen nicht mehr durch einen Code identifizieren Glottolog. Im Unterschied zum Ethnologue fehlen auch die Selbstbezeichnungen (vgl. Link).

Die darstellung im  ist grundsätzlich ähnlich, aber sc

https://www.ethnologue.com/language/roh

deu und L 482

Es ist also kein Wunder, dass es in informationstechnischer Sicht ebenfalls an eindeutigen und brauchbaren Identifikatoren mangelt.

nicht accessible disqulifizieren sich hier selbst

roh https://iso639-3.sil.org/code/roh (=romansh)

#nicht bsi zur eigentlich basalen Int´stanz, dem Sprecher, sondern bis LokDial, Typis.

selva di Progno, cimbri ob minderheit oder nicht ist unerneblich

Walsergemeinden

val resia Benacchio 2011

per def. keine standardformen

#markanter Unterschied: Territorial#

einer  Grundprinzip

Bibliographie

• Benacchio 2011 = Benacchio, Rosanna (2011): Comunità slovena, in: Enciclopedia dell'Italiano. Link
• Ethnologue = Eberhard, David M. / Simons, Gary F. / Fennig, Charles D. (eds.) (2019): Ethnologue: Languages of the World. Twenty-second edition, Dallas, SIL. Link
• Glottolog = Hammarström, Harald / Forkel, Robert / Haspelmath, Martin (2019): Glottolog 4.0., Jena, Max Planck Institute for the Science of Human History. Link

1. VerbaAlpina kurze Projektvorstellung

1.1. Hintergrund

• Alpenraum: mehrsprachig (5 Standardsprachen mit ihren jeweiligen Dialekte) aber ähnliche Lebenswelt (ähnliche Traditionen, Arbeitsbereiche, Gewohnheiten usw.)

1.2. Ziele

• Zusammenhänge zwischen den verschiedenen Sprachräumen anhand sprachlichen Materials zu schaffen
• „Den Alpenraum in seiner historischen linguistischen Zusammengehörigkeit darzustellen“

2. Konzeption bzw. Ablauf des Projektes

2.1. Allgemeines

• VerbaAlpina funktioniert online und verfügt über
  1. eine Web-Nutzeroberfläche (https://www.verba-alpina.gwi.uni-muenchen.de); Frontend durch WordPress
  2. eine Datenbank (https://pma.gwi.uni-muenchen.de/); Backend
• Jede Funktion und jedem Tool auf der Oberfläche entspricht ein Eintrag in die Datenbank
• Die im Rahmen von VerbaAlpina verarbeiteten Daten stammen aus zwei verschiedenen Quellen:
  1. aus Wörterbüchern bzw. Sprachatlanten (v.a. analog aber auch digital)
  2. aus dem Crowdsourcing
• Wichtiges Merkmal der VA-Daten: Georeferenzierung

2.2. Datenquellen: Sprachatlanten und Wörterbücher

Die Sprachatlanten (weiß) und Wörterbücher (schwarz), die für VerbaAlpina relevant sind, werden auf der folgenden Karte dargestellt:

Sprachatlanten (weiß) und Wörterbücher (schwarz) im Bearbeitungsgebiet (entspricht den Grenzen der Alpenkonvention) von VerbaAlpina

2.3. Partnerschaften

• VerbaAlpina schließt mit Partner im In- sowie Ausland Kooperationen.
• Die Liste der Kooperationspartner kann unter folgendem Link abgerufen werden: https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=185&db=xxx
• Zweck der Kooperationen: Datenaustausch, Kontakte, Wissenschaftlicher Beirat

3. Arbeitsschritte

Sprachdaten werden im Rahmen von VerbaAlpina auf drei Ebenen verarbeitet, die im Folgenden beschrieben werden.

3.1. Transkription

Mit Transkription ist die Tätigkeit gemeint, die das 'abschreiben' von Sprachbelegen aus Sprachatlanten und Wörterbüchern umfasst. Dadurch werden Daten, die ursprünglich auf Papier vorliegen, digitalisiert und somit in den Datenbestand von VA aufgenommen.

Die Transkription erfolgt  über Oberfläche von VerbaAlpina:
Einloggen --> Backend --> VerbaAlpina --> Transkriptionstool

Screenshot

So schaut das Transkritpions-Tool aus:

Wichtig:

• Sind die Kartentitel rot markiert, dann bedeutet dies, dass....Sind sie grün markiert, dann
• Mit Informant_Nr ist direkt vom jeweiligen Atlas übernommen

• Betacode: um den Informationsverlust zu vermeiden, hat VerbaAlpina eine Codierung kreiert, damit die Daten, so transkribiert werden können, wie sie in der Originalquelle stehen (Stichwort: quellentreu)
• Jedem Beleg, der transkribiert wird, muss ein Konzept zugeordnet werden (s. Anlegen eines Konzepts)
• Tippt man in das Feld etwas ein, erscheint rechts eine Vorschau;
  1. liegt ein Fehler in der Kodierung der Transkription vor (d.h. erkennt das System die eingetippten Zeichen nicht, so erscheint die Warnung "nicht gültig". Der Beleg muss dementsprechend neu transkribiert werden.
  2. Wenn in der Vorschau nur ein Teil der Transkription rot markiert wird, bedeutet dies, dass die Transkription stimmen kann (bzw. dass die Zeichenkette vom System erkannt wird, dass es aber nicht graphisch darstellen kann). Der Beleg kann so erfasst werden;
• Transkribieren = Übung

Weiterführende Methodologie-Beiträge von VerbaAlpina über die Transkription:

1. Transkription 
2. Transkriptionsregeln 

3.2. Tokenisierung

Die Tokenisierung erfolgt zum Teil automatisch. Durch die Tokenisierung werden die sprachlichen Äeusserungen in einzelnen Teilen aufgesplittert.
Damit dieser Prozess erfolgreich abgeschlossen werden kann, ist es wichtig, dass die Transkription richtig ist. Es ist im Nachhinein mühsam, die Daten nachträglich zu korrigieren. Deshalb sollten die transkribierten Belege mit der Originalfassung in den Atlanten bzw. Wörterbüchern immer stimmen.

Die Tokenisierung betrifft Hilfskräfte weniger: Normalerweise wird diese von den wissenschaftlichen Mitarbeitern durchgeführt.

3.3. Typisierung

Zu typisieren bedeutet sprachliche Ausdrücke unter Typen zusammenzufassen. Jeder 'Typ' ist als eine Klasse von sprachlichen Ausdrücken zu verstehen.

Beispiel der Typen des Konzepts "BERG" nach der Typisierung

Die Typisierung ist für VerbaAlpina zentral: Wenn das Ziel von VA die Darstellung von Zusammengehörigkeit ist, dann stellt die Typisierung eine zentrale Aufgabe dar. Aus diesem Grunde ist die Typisierung nur dann durchzuführen, wenn man sich sicher fühlt.

3.3.1. Methodologie-Beitrag: Typisierung

Bitte folgende Zeilen sorgfältig durchlesen:

Um sprachliche Belege in Gruppen zusammenzufassen, werden diese morpho-lexikalischen Typen zugeordnet. Oft sind die entsprechenden Typen aber noch nicht vorhanden. Im Folgenden soll also das Anlegen morpho-lexikalischer Typen am Beispiel eines Kompositums aus den deutschsprachigen Crowd-Daten erläutert werden.

Zum hier im Beispiel gezeigten Beleg Dachboden aus den Crowd-Daten existiert noch kein passender morpho-lexikalischer Typ.

Im Falle von Dachboden handelt es sich um ein Kompositum aus den Nomen Dach und Boden. Da auch die Zuordnung einzelner Wortbestandteile von Interesse sein kann reicht es daher nicht, einfach einen morpho-lexikalischen Typ Dachboden (m.) (gem.) anzulegen. Denn wenn man wissen möchte, was alles als Boden bezeichnet wird, wie es beim Heuboden der Fall ist oder die Konzepte herausfiltern will, die durch Dach näher bestimmt werden wie Dachfirst oder Dachstuhl.
Grundsätzlich ist bei den Belegen zu berücksichtigen, ob eine Genus-Angabe vorhanden ist und es eine lemmatische Entsprechung in den Referenzwörterbüchern findet. Falls keine Genus-Angabe vorhanden, dann muss der morpho-lexikalischer Typ, der keine Genus-Angabe beinhaltet, für die Zuweisung gewählt.
Im Falle von Dach und Boden findet sich ein Eintrag im Duden, der auch inhaltlich dem Wortbestandteil in Dachboden entspricht, eben dem Boden, der sich unter dem Dach befindet.

Zur Anlage eines neuen morpho-lexikalischen Typs wählt man "Neuen Typ erstellen" und gelangt so zur Eingabemaske, die man entsprechend ausfüllt. Im Feld "Affix" lässt Platz für die Angabe eines Suffix wie -lein beim Diminutiva. Beim Genus kann hier nur eine Wahl getroffen werden, denn im Falle einer Genusvariation zu einem Lexem muss jeweils ein einzelner morpho-lexikalischer Typ angelegt werden. Dann wird noch die entsprechende Referenzangabe benötigt. Durch Eintippen des Wortes unter "Zugeordnete Referenzen" kann geprüft werden, ob für das Deutsche bereits ein Eintrag existiert. Ist das nicht der Fall, so kann man dies mit der Wahl des Buttons "Neue Referenz anlegen" dies ändern. Falls ein Wort mit unterschiedlichen Genera geführt wird, kann dies hier vermerkt werden, außerdem die Quellenangabe als Link sowie optional ein interner Kommentar.

Mit "Einfügen" wird die Referenz in die Datenbank geschrieben. Dem morpho-lexikalischen Typ muss sie aber noch zugwiesen werden. Dies geschieht, wie oben beschrieben, über das Eintippen ins Textfeld und der Wahl der jeweiligen Referenz.

Wie anfangs erwähnt liefern uns die Belege oft keine Genusangaben, weshalb auch ein morpho-lexikalischer Typ ohne Genus angelegt werden muss. Dabei unterscheidet sich dieser nur hinsichtlich der Genusinformation, die hier einfach ausgelassen wird. Selbst in dem Fall, dass die Referenzwörterbücher oder sonstige Literatur nur eine Genusangabe liefern, dann ist trotzdem ein morpho-lexikalischer Typ ohne Genusangabe notwendig.
Die selbe Prozedur ist bei Boden ebenfalls anzuwenden, also zwei morpholexikalische Typen als Maskulinum und ohne Genusangabe mit der Referenz auf den Wörterbucheintrag.

Nachdem diese Schritte erfolgt sind, können nun auch die morpho-lexikalischen Typen zum Kompositum angelegt werden, hier ebenfalls einer mit und einer ohne Genusangabe. Falls vorhanden soll auch hier die Referenz auf einen Wörterbucheintrag erfolgen. Was das Kompositum vom Ein-Wort-Lexem jedoch unterscheidet, ist der Eintrag im Feld "Bestandteile". Hier sollen die morpho-lexikalischen Typen als Wortbestandteile angegeben werden, wobei das Bestimmungswort stets ohne Genus, das Grundwort mit Genusangabe gewählt wird, wenn denn das Kompositum auch ein Genustyp angegeben wurde.

3.3.1. Referenzwörterbücher

Die für VA relevanten Referenzwörterbücher sind folgende:

Für die romanischen Idiome: 

Wörter aus dem romanischen Sprachraum werden, sofern möglich, verknüpft mit den Lemmata von:

Für die romanischen Idiome (s. Methodologie-Beitrag Referenzwörterbücher):

• Vocabolario Treccani
• Tesoro della lingua italiana delle origini
• Nuovo De Mauro
• Trésor de la langue française informatisé (TLFi)
• Glossaire des patois valdôtains http://patoisvda.org/gna/index.cfm/moteur-de-recherche.html
• Banca lessicala ladina (BLad; Ladinisch [lld])
• Pledari grond (Rätoromanisch [roh]) und DRG
• LSI und RID

Für die germanischen Idiome:

• Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch
• Grimm, Jacob und Wilhelm (1854-1961): Deutsches Wörterbuch von Jacob und Wilhelm Grimm, 16 Bde. in 32 Teilbänden, Leipzig (Quellenverzeichnis Leipzig 1971) (DWB)
• Duden (Berücksichtigung aufgrund seiner faktischen Bedeutung und der großen Materialfülle – trotz der Dürftigkeit hinsichtlich der von ihm präsentierten lexikographischen Informationen)

Für die Bestimmung der Etymologie speziell von Basistypen dienen als Referenz:

• Wartburg, Walther von (1922-1967): Französisches Etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes, 25 Bände, Basel (FEW), mit seinen artikelschließenden Kommentare, die oft auch über das Französische und sogar das Romanische hinaus grundlegend sind.
• Kluge
• DELI
• Bezlaj und auch die neuste Ausgabe Snoj. Allgemein für slawische Etymologien s. Berneker
• Als Referenzform für germanische Basistypen dienen wenn möglich die Lemmata des AWB, denn sie repräsentieren die ältesten belegten Formen.

3.4 Korrektur von Belegen

Wird während der Typisierung deutlich, dass ein Beleg fehlerhaft transkribiert wurde, so lässt sich dies wie folgt korrigieren.

Beim entsprechenden Beleg gelangt man per Klick auf den Button "Korrigiere Beleg" zur ID des Belegs (id_aeusserung).

Da die Belege, die bereits über das Typisierungstool abrufbar sind, schon tokenisiert wurden, müssen die Änderungen in zwei Tabellen (aeusserungen, tokens) durchgeführt werden.

SELECT *
FROM aeusserungen
WHERE id_aeusserung = 254482

In der Spalte Aeusserung kann nun der Beleg korrigiert werden.

Da die Äußerung schon tokenisiert wurden, liegen die einzelnen Bestandteile bereits in der Tabelle tokens.

SELECT *
FROM aeusserungen
WHERE id_aeusserung = 254482

Ebenso wie in der Tabelle aeusserungen kann man nun in der Spalte Token die selben Änderungen am Token vornehmen. Zusätzlich ist hier aber noch notwendig, dass der String in den Spalten IPA und Original noch dementsprechend angepasst werden. Hierzu finden sich unter den Tools die Programme "Beta -> IPA" und "Beta -> Original", mithilfe derer man sich den String aus der Beta-Transkription generieren lassen kann.

3. Anlegen eines Konzeptes

Unsere Konzepttabelle `konzepte` hat in VerbaAlpina zwei Aufgaben. Zum einen ist sie für die Zusammenführung von verschiedenen Belegen mit gleicher Bedeutung nützlich, zum anderen dienen der Name bzw. die Beschreibung der Konzepte als Grundlage für das Crowdsourcing. Unter diesen beiden Gesichtspunkten ist auch das Anlegen eines neuen Konzepts zu sehen.
Eine vollkommen strikte Roadmap-to-Konzept kann es bei der Fülle verschiedener Themenbereiche nicht geben. Deshalb werden im Folgenden nur ein paar Hinweise gegeben, die bei der Erstellung von Konzepten beachtet werden sollen.

Eingabeformular bei der Anlage von Konzepten

Name_(DIFRSE)/Beschreibung_(DIFRSE):

Möchte man bei der Transkription oder der Typisierung Belege mit einem bestimmten Konzept verknüpfen, so sucht man zuerst, ob dieses Konzept schon angelegt wurde. Hier lohnt es sich, mehrere Suchanfragen zu starten, denn nicht immer ist das Konzept unter dem ersten Wort verzeichnet, das einem in den Sinn kommt. Folgendes Beispiel soll dies näher erläutern. Im Bayerischen Sprachatlas findet sich z.B. ein Stimulus "Weibl. Zuchttier nach dem Werfen (bei Schweinen)" (BSA 0381). Hier könnte man natürlich nach Begriffen wie "Zuchttier" suchen, es wird sich jedoch bald zeigen, dass diese Suche keine Treffer bringt. Auf der Suche nach "Schwein" könnte es zuerst den Anschein haben, dass dieses Konzept nicht existiert und würde es nahelegen, dieses anzulegen. Eventuell wurde aber das Kozept als "SAU" angelegt, ohne dieses näher zu beschreiben. Oft ist es der Fall, dass fälschlicherweise ein einzelner Begriff im Feld 'Beschreibung_D' steht, obwohl dieser im Feld 'Name_D' stehen sollte. Im Falle von Sau sollte also im Feld 'Name_d' "SAU" und in 'Beschreibung_D' "SCHWEIN, WEIBLICH" stehen. An solch ein bereits bestehnde Konzept sollte sich beim Anlegen von ähnlichen Konzepten orientiert werden, d.h. die Differenzierung des Konzepts findet am Ende des Beschreibungs-Textes statt, während der vordere Teil allgemeiner gehalten wird, z.B. "SCHWEIN, WEIBLICH, GESCHLECHTSREIF" oder "SCHWEIN, WEIBLICH, NACH DEM WERFEN" usw. Als Faustregel könnte man sagen: je ähnlicher sich Konzepte in der Realität sind, umso ähnlicher sollten auch die Konzeptbeschreibungen sein. Ein anderes Beispiel: "GEFÄSS ZUM TRANSPORT AUF DEM RÜCKEN FÜR MILCH AUS HOLZ" ist Teil des Konzepts "GEFÄSS ZUM TRANSPORT AUF DEM RÜCKEN" und dieses ist wiederum Teil des Konzepts "GEFÄSS ZUM TRANSPORT". Dass diese Konzeptbeschreibungen nicht schön aussehen und auch nicht den normalen Sprachgebrauch widerspiegeln, ist hier nicht schlimm. Grundsätzlich sollte in Name-Feld als auch im Beschreibung-Feld etwas eingetragen werden, oft ist dies aber nicht möglich, da das Konzept so komplex ist oder es in der Standardsprache kein entsprechendes Wort gibt. Für die deutschsprachigen Konzepte verwendet ihr bitte Großbuchstaben, Kommata und Umlaute, nicht aber das große scharfe S "ẞ". Seid Ihr Euch unsicher, sammelt Eure Problemfälle und teilt sie uns mit.

Kategorie:

Bei der Auswahl der Kategorie sucht die aus, die am besten passt. Solltet ihr Euch unsicher sein, dann gilt auch hier, wie beim Aufbau der Konzeptbeschreibung, wieder: nachschauen, ob ähnliche Konzepte schon existieren. Den Begriff "Ähnlichkeit" kann man dabei sehr weit gefasst sehen. Müsst ihr z.B. das Konzept für einen Körperteil der Kuh anlegen, in der Tabelle wurde aber noch kein einziges Körperteil der Kuh erfasst, könnt ihr dann ggf. ja bei anderen Tieren schauen, ob dort schon etwas Ähnliches eingetragen wurde, z.B. "HORN DER KUH" vgl. "HORN DER ZIEGE".

Taxonomie:

Das Feld "Taxonomie" ist bei der Erfassung von botanischen Konzepten oder der Tierwelt wichtig. Hier soll einfach der botanische Name z.B. Vaccinium myrtillus für 'Heidelbeere'oder der wissenschaftliche Name für das Tier wie Passer domesticus für 'Haussperling' eingetragen werden.

QID:

Im Feld "QID" sucht ihr nach der QID, die dem Konzept in Wikidata zugeordnet ist. Dazu geht ihr am besten auf die Wikipediaseite selbst und wählt beim Artikel links "Wikidata-Datenobjekt". Die ID findet ihr dann gleich hinter der meist englischen Bezeichnung der Sache.

Beispiel Wikidata-Datenobjekt

Stelle des Q-IDs in Wikidata

Da es zu Tätigkeiten in der Regel allerdings keine Wikipedia-Artikel gibt, empfiehlt es sich, die ID direkt über das Wikidata-Portal zu suchen. Tendenziell sind mehr QIDs über den englischen Begriff zu finden, z.B. "drinking".

Kommentar_Intern:

Bei "Kommentar_Intern" solltet Ihr einen kurzen Vermerk schreiben, was der Anlass war, dass Ihr das Konzept angelegt habt. Hier reicht wirklich nur eine kurze Notiz, die z.B. auf eine Karte im Atlas Bezug nimmt wie "AIS 223" oder, falls der Vorschlag für das Konzept von einem Crowder stammt "Vorschlag von Crowder: crowder".

VA_Phase:

Zuletzt solltet Ihr noch die Nummer der jeweiligen Konzeptphase unter "VA_Phase" eintragen.

Projektphasen in VerbaAlpina

4. Datenbank

Die Datenbank muss nicht immer verwendet werden und der Zugang dazu wird nicht immer benötigt. Allerdings ist der Zugang zu ihr sehr nützlich, deshalb Datenbank-Zugang beantragen (bei den Informatikern) und den immer parat halten.

Bei manchen Aufträgen ist es notwendig, direkt in die Datenbank zu schauen. Die dafür notwendigen Abfragen werden in der Regel von den wissenschaftlichen Mitarbeitern bereitgestellt und erläutert.

5. Nachhaltigkeit

• Datenversionierung
• Backups und Archivierung
• Dokumentation in der Rubrik "Methodologie"
• Aufnahme in Kataloge der DNB

6. Technisches bzw. Organisatorisches

Um von Zuhause aus zu arbeiten, muss man eine VPN am Laptop installieren; Informationen und Anleitungen findet man unter folgendem Link: https://www.lrz.de/services/netz/mobil/vpn/anyconnect/ [Zugriff am 21/08/2019]

Im Büro arbeiten: Ein Rechner steht im VA-Büro zur Verfügung. Am besten trägt man sich in die Liste ein, damit die Arbeitszeiten sich nicht überschneiden. Gerade zu Beginn von neuen Aufgaben, empfiehlt es sich, dass ihr euch mit den wissenschaftlichen Mitarbeitern abspricht, weil in dieser Phase noch Fragen auftreten können.

Kommunikation: Am Besten alles kommunizieren, was gerade eure Beschäftigung ist usw.; das hat in erster Linie einen planungstechnischen Hintergrund, damit wir die nächsten Aufgaben vorbereiten können.

Gliederung

• Einführung
• Datenerfassung
• Ergebnis der systematischen Datenerfassung
• Crowdsourcing (CS)
• VerbaAlpina und FA*I*Rness
• Die reine Technik
• IT-Team von VerbaAlpina

Einführung

• Ergänzung des Vortrags von Thomas Krefeld, der VerbaAlpina als geolinguistisches Vorhaben um Umfeld der Digital Humanities vorgestellt und den Fokus auf VerbaAlpina als "virtueller Forschungsumgebung" gelegt hatte.
• Kernfrage: Welche Dinge werden wo mit welchen Wörtern bezeichnet?
• Fundamental: Unterscheidung zwischen Bezeichnung und KONZEPT, im Folgenden (und generell in Texten außerhalb der Datenbank) markiert durch unterschiedliche Typographie (Bezeichnung kursiv, Konzept in Versalien) ⇒

Butter ≠ BUTTER

• Geographischer Rahmen: Alpenraum (Perimeter der Alpenkonvention [= völkerrechtlicher Vertrag zum Schutz der Alpen aus dem Jahr 1991] – rein pragmatische Entscheidung, aus der Perspektive der Operationalisierbarkeit unverzichtbar)
• Geographische Referenz sind für VerbaAlpina die politischen Gemeinden im Alpenraum. Festgelegter Bestand, administrative Veränderung (Schaffung neuer Gemeinden, Fusion etc.) werden nicht berücksichtigt. Insgesamt 5771 Gemeinden ([[SQL:SELECT COUNT(*) AS Anzahl FROM orte a JOIN orte_kategorien b USING(id_kategorie) WHERE a.Alpenkonvention = 1 AND b.Id_Kategorie = 62]]; Karte)
• Datenbasis:
  • Sprachatlanten
  • Wörterbücher
  • ergänzt um Daten der "Crowd" (sog. Crowdsourcing)
• "Digitalisierung" erfolgt grundsätzlich über eine Reihe aufeinander folgender Ebenen:

Allgemeines Digitalisierungskonzept für Textquellen

Datenerfassung

• Datenerfassung: Transkription aus Sprachatlanten und Wörterbüchern
• Sprachatlanten: onomasiologisch ("Welche Bezeichnungen gibt es z. B. für ein bestimmtes Konzept?"):

FLÜSSIGKEIT NACH DER GERINNUNG DER FESTSTOFFE BEI DER HERSTELLUNG VON KÄSE ⇒ Molke, Abzug, Jutte, Käsemilch, kweta, petit-lait ...

• georeferenzierte (!) Wörterbücher: semasiologisch (Welche Konzepte bezeichnet z. B. das Wort malga?)

Gaden (germanisch, Substantiv, männlich, nicht-affigiert) ⇒ DACHKAMMER, RAUM ZUM LAGERN VON MILCHPRODUKTEN, SCHEUNE, SCHLAFRAUM, STALL (Auswahl)

Beispiel Sprachatlanten

• Sprachatlanten bislang quantitative Hauptquelle für VerbaAlpina
• Zahlreiche Sprachatlanten im Alpenraum: Karte 

Netz der Sprachatlanten in Zentral- und Westalpen

• Beispiel: der AIS (Sprach- und Sachatlas Italiens und der Südschweiz, Karl Jaberg, Jakob Jud, 1928-40): Elektronische Version "Navigais" von Graziano Tisato:

Die Karte 1218 (KÄSEMILCH = MOLKE) des AIS in der online-Präsentation Navigais von Graziano Tisato

• Die roten Nummern stehen für die Informanten
• Neben den Nummern stehen Äußerungen, die von den Informanten stammen ("Einzelbelege")
• Phonetische Transkription im sog. Böhmer-Ascoli-System (ähnlich Teuthonista)
• Aus dieser Karte muss strukturiert die Information erfasst werden, an welchem Ort das vorgegebene Konzept wie bezeichnet wird. Beispiel:

• Die Informanten-Daten werden in einer eigenen Tabelle abgespeichert:

• Alter und Geschlecht werden nicht von allen Sprachatlanten angegeben. In solchen Fällen bleiben die Felder einfach leer.
• Der AIS liefert jedoch detaillierte Informationen zu den Informanten in den sog. "Aufnahmeprotokollen" (Jaberg/Jud 1928):

Aufnahmeprotokoll des AIS zum Erhebungspunkt 227 (Albosaggia) – Die hier in Frage gestellte Nummer 32 bezieht sich auf die Reihenfolge, in der die Erhebungen durchgeführt worden sind. Qn bezeichnet den "Questionario normale", also das Standardfragebuch, das hier zum Einsatz gekommen ist (alternativ: Qe [erweitert], Qr [reduziert]). Die erwähnten Fotos sind online verfügbar in der "AIS Datenbank" der Universität Bern (http://130.92.166.34/fmi/webd/AIS)

• Auch Daten zu den Gemeinden werden in einer eigenen Tabelle abgespeichert:

(Abfrage: [[SQL:SELECT NAME, round(ST_x(a.Mittelpunkt),2) AS lng, round(ST_y(a.Mittelpunkt),2) AS lat, a.geonames as Geonames_ID FROM orte a WHERE a.Name IN ('Mello (Sondrio)','Albosaggia') AND a.Beschreibung LIKE 'Commune']])

Transkriptionsverfahren

• Das Problem:

• Umgang mit Zeichen(kodierung): Böhmer-Ascoli nicht Unicode-kodiert, selbst wenn: Eingabe über Tastatur sehr umständlich, daher Einsatz des:
• Betacode; Ideengeber: Thesaurus Linguae Graecae (1974)

Prinzip des Betacodes

• Verfahren ist quellenunabhängig: Identische Zeichen bzw. Zeichenkombinationen (Basiszeichen samt Diacritica) werden stets identisch transkribiert, auch wenn möglicherweise unterschiedliche "Bedeutungen" vorliegen. Diese werden bei der automatischen Umsetzung in IPA berücksichtigt.
• Automatische Erfassung der Daten bislang nicht möglich
• OCR wäre nicht das Problem! ⇒ Lücke/Riepl/Trautmann 2017, S. 126ff.
• Hauptproblem jedoch: Zuordnung der Belege zu den einzelnen Erhebungspunkten

Ausschnitt aus AIS 1218_1 (KÄSEMILCH)

• Thema wurde in einer Masterarbeit in der Informatik behandelt (Methoden: "nearest neighbour" oder "deep learning"). Die Arbeit lieferte kein operationalisierbares Ergebnis; Problem also weiterhin ungelöst.
• daher manuelle Erfassung der Daten mit dem VA-Transkriptionstool:

VA-Transkriptionstool: Beispiel AIS-Karte 1218_1 "KÄSEMILCH"

• VA nutzt auch das generische Croudsourcing-Framework Zooniverse: Freiwillige im Netz sollen AIS-Karten transkribieren: https://www.zooniverse.org/projects/filip-hr/verbaalpina
• Entwickelt mit Hilfe des generischen Entwicklungstools "Zooniverse Project Builders"
• Auslöser war das Zooniverse-Projekt "Old Weather" – Wetterrekonstruktion aus Logbüchern von Arktis-Fahrern im 19. und 20. Jh.
• Ursprünglicher Gedanke bei der Nutzung des Zooniverse Project Builders: Zeitersparnis – Arbeit hat sich aber als sehr aufwendig herausgestellt; immer wieder Auflagen und Nachfragen von Seiten Zooniverse. Daher: "...  not yet an official Zooniverse project"
• Die über VA-Zooniverse ausgeführten Transkriptionen können in csv-Dateien exportiert und von dort in die Datenbank von VerbaAlpina übertragen werden:

• Bislang erst sehr wenige Transkriptionen, da noch nicht beworben

Typisierung

• Die Sprachatlanten und Wörterbücher präsentieren unterschiedliche Kategorien von Sprachmaterial. Wir unterscheiden:
  • Einzelbeleg: Konkrete Äußerung eines Sprechers (= Informanten) zu einem ganz bestimmten Zeitpunkt an einem bestimmten Ort. Von der Quelle meist in phonetischer Transkription wiedergegeben.
  • Typisierte Belege: idealisierte Repräsentanten eines an einem Ort oder in einer Region verbreiteten "Typs" – Typisierung kann unterschiedlichen Kategorien folgen
    • phonetische Typisierung - Beispiel aus dem Sprachatlas der deutschen Schweiz ([Bibl:SDS]): 

Schriiner, Schriner, Schreiner (bündelt jeweils individuelle Varianten [Einzelbelege])

• • • morpholexikalische Typisierung – Sämtliche Varianten, egal ob Einzelbelege oder Typisierungen, werden zu morhpolexikalischen Typen zusammengefasst:

VA ist primär an den morpholexikalischen Typen interessiert, registriert und präsentiert bei Suchergebnissen aber jeweils auch Einzelbelege oder ggf. auch phonetische Typen.

Der [Bibl:AIS] liefert, in bester romanistischer Tradition, jeweils

Beispiel einer Quelle mit Einzelbelegen: AIS

• Die beiden oben zitierten Belege aus der Karte "KÄSEWASSER" des AIS unterscheiden sich zwar hinsichtlich der phonetischen Transkription, repräsentieren jedoch beide offenkundig den selben morpholexikalischen Typ (die hier vorgelegte Zuweisung zum Typ "latte serone" ist exemplarisch und vorerst spekulativ):

• ⇒ sämtliches gesammeltes Material muss typisiert werden
• Was ist ein morpholexikalischer Typ? ⇒ VerbaAlpina dokumentiert solche und ähnliche Fragen in der Sektion "Methodologie" (hier: s. v. Typisierung)
• Arbeit, die nur von Sprachwissenschaftlern geleistet werden kann: Aufgabe der romanistischen und germanistischen Mitarbeiter von VA
• Nutzung des Typisierungstools (s. auch den Eintrag "Typisierung: Anlegen morpho-lexikalischer Typen" in der Methodologie):

Die Karte AIS 1218_1 im Typisierungstool von VerbaAlpina

• Status der in den Quellen versammelten Daten hinsichtlich Typisierung sehr unterschiedlich
• manche Sprachatlanten liefern bereits typisierte Daten und präsentieren spezifische Einzelbelege der Informanten nur punktuell
• Beispiel: VALTS (Vorarlberger Sprachatlas)

Karte 73 aus dem Vorarlberger Sprachatlas VALTS IV: SENNHÜTTE bzw. SENNEREIRAUM AUF DER ALPE

• Diese Karte vereint die Dokumentation mehrerer unterschiedlicher Konzepte (neben SENNHÜTTE und SENNEREIRAUM AUF DER ALPE noch weitere: PRIMITIVE SENNHÜTTE AUF MAIENSÄßEN, SENNKÜCHE, KÄSEKELLER etc.)
• Präsenz unterschiedlicher morpholexikalischer Typen durch spezifische Symbole markiert (sog. "Punktsymbolkarte"; typisch für Sprachatlanten in germanistischer Tradition)
• rote Symbole markieren morpholexikalische Typen romanischen Ursprungs, schwarze solche deutschen Ursprungs
• ⇒ Automatisierung unmöglich; manuelle Datenerfassung durch Spezialisten unerlässlich
• Beispiel braune Markierung: In der Ortschaft Bichlbach (Erhebungspunkt T6), wird der SENNEREIRAUM INNERHALB DER ALPHÜTTE als Sennküche bezeichnet
• Abbildung dieser Informationen im relationalen Datenformat:

• Erfassung von Daten aus Wörterbüchern. Beispiel: [[Bibl:Idiotikon]

Eintrag "Teie" im Schweizerdeutschen Wörterbuch (Idiotikon)

Gliederung des Eintrags "Teie" im Schweizerdeutschen Wörterbuch (Idiotikon) nach den Kategorien des VerbaAlpina-Datenmodells

• relationale Abbildung (exemplarischer Ausschnitt):

Ergebnis der systematischen Datenerfassung

• Viele Bezeichnungen für viele Konzepte (m:n-Beziehung), stets georeferenziert (fiktive Tabelle):

• Datenbank ermöglicht doppelte Perspektive: onomasiologisch und semasiologische (traditionell an unterschiedliche Publikationsarten gebunden: Sprachatlanten und Wörterbücher):
• Relationales Datenmodell erlaubt den Einsatz der relationalen Algebra
• ⇒ Einsatz der formalen Sprache SQL (structured query language) möglich
• Beispiel für eine onomasiologische Suche:

select * from tabelle
where Bezeichnung like 'malga';

Ergebnis:

• Beispiel für eine semasiologische Suche:

select * from tabelle
where Konzept like 'HERDE';

Ergebnis:

• Die relationale Algebra erlaubt komplexe Berechnungen über dem Datenbestand
• Beispiel:

/*
 SQL-Statement 
 Finde sämtliche morpholexikalischen Typen, 
 die das Konzept MOLKE bezeichnen, 
 und gib die jeweilige Häufigkeit des morpholexikalischen Typs an
*/

select 
 Name_Konzept as Konzept, 
 typ,
 anzahl

from
(
 select 
  count(*) as Anzahl, 
  a.Name_Konzept, 
  a.Typ 
 from vap_ling_de a
 
 where 
  a.Name_Konzept like 'MOLKE'
  and a.Art_Typ like 'Morph_Typ'
  group by a.Typ
  order by Anzahl desc
) sq
;

• Weitere Fragestellungen, die mit der relationalen Algebra beantwortet werden können:
  • Welche Konzepte weisen die höchste Varianz lexikalischer Variation auf?
  • Wie hoch ist der Anteil lateinischer Basistypen bezogen auf ausgewählte Regionen innerhalb des Alpenraums?
• Kartierung: Analytische Ergebnisse können auf der interaktiven online-Karte von VerbaAlpina visualisiert werden

Kartierung des Konzepts MOLKE auf der interaktiven online-Karte von VerbaAlpina

• Kartierungen können über das "Teilen"-Symbol rechts oben auf der online-Karte dauerhaft gespeichert und durch das Versenden des entsprechenden Links mit anderen geteilt werden
• Belegfenster, Beispiel:

Beispiel für ein Einzelbelegfenster auf der interaktiven online-Karte von VerbaAlpina

• Einzelbelegfenster enthält neben Informationen zu Einzelbeleg (links oben), morpholexikalischem Typ und Konzept Verlinkungen auf externe Ressourcen: Geonames (kleiner Globus rechts oben) sowie Referenzlexika (G: Georges; C: CNRTL; T: Treccani; F: FEW)
• Wichtig für Referenzierung auf externe Ressourcen: Deren feine Datengranulierung – jedes "Datum" muss präzise über eine URL ansprechbar sein ("Interoperabilität"!) ⇒ eine Lehre für VerbaAlpina!
• Quantifizierungen: spezielle Funktion auf der interaktiven online-Karte:

Quantifizierende Kartierung des morpholexikalischen Typs "Anke" auf der interaktiven online-Karte von VerbaAlpina

• Hexagon-Karte:

Abbildung des Vorkommens des morpholexikalischen Typs "Anke" auf der Hexagonkarte von VerbaAlpina

• Neben der kartographischen Ergebnispräsentation bietet VerbaAlpina eine textorientierte Version an: das Lexicon Alpinum:

Das Lexicon Alpinum von VerbaAlpina

• Kommentare zu ausgewählten (!) Konzepten, morpholexikalischen Typen und Basistypen (Basistyp: Gibt den Ursprung eines morpholexikalischen Typs an; nicht notwendig ein "Etymon" im sprachwissenschaftlichen Sinn)
• Angabe der VA-spezifischen Normdaten, die die VA-Konzepte und -morpholexikalischen Typen eindeutig bezeichnen.
• Einträge im Lexicon Alpinum sind über URLs direkt referenzierbar. Beispiel: https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=2374&db=xxx&comment_id=L581#L581 (Morphtyp L581 Anke)
• Diachrone Streuung des Datenmaterials über mindestens rund 100 Jahre (je nach Alter der Quellen)!

Crowdsourcing (CS)

• Systematische Erfassung von Daten aus Atlanten und Wörterbüchern ergibt regionale Inkonsistenzen: Nicht für alle Gemeinden im Untersuchungsgebiet liegen Daten für alle Konzepte vor. Schematische Darstellung:

• Sog. "Nacherhebungen" erforderlich
• Feldforschung nicht finanzierbar
• Lösung: Crowdsourcing ("Begriff" erstmals 2006 von Jeff Howe verwendet): "... bezeichnet die Auslagerung traditionell interner Teilaufgaben an eine Gruppe freiwilliger User, z. B. über das Internet" (Wikipedia)
• VerbaAlpina hat ein eigenes Crowdsourcing-Tool entwickelt (CS-Tool):

Das Crowdsourcing-Tool von VerbaAlpina

• Eingabe von Bezeichnungen für auswählbare Konzepte
• Ergebnis:

• Konzept aus Sicht von VerbaAlpina durchaus erfolgreich:

Monitoring-Webseite für das Crowdsourcing-Tool von VerbaAlpina

• Bislang über 11000 Eintragungen
• Erkenntnis: Werbung ist unverzeichtbar
• Diachrone Asymmetrien bestehen weiterhin bzw. kommen gar hinzu!
• Andererseits: Dokumentation von Verschwinden bzw. Entstehung von morpholexikalischen Typen
• Auch das Entstehen neuer Konzepte kann auf diese Weise erfasst bzw. dokumentiert werden (z. B. ELEKTRONISCHE KUHGLOCKE)

VerbaAlpina und FA*I*Rness

• VerbaAlpina befasst sich derzeit verstärkt mit der Thematik des Forschungsdatenmanagement (FDM): Einbindung in die Projekte eHumanities – interdisziplinär und GeRDI
• Wesentlicher Aspekt dabei: Gebot der FAIRness (Graphik von Thomas Krefeld):

• Im Fokus: "Interoperabilität"; Beispiele:
  • Idiotikon
  • ladinische Wörterbücher
  • DRG
• Als wesentliche Voraussetzung für Interoperabilität erscheinen Normdaten: "normierte" Datensätze; Normdaten existieren für ganz unterschiedliche Entitäten, z. B. Personen, Geographica oder auch Konzepte

Normdaten für Personen und Geographica

• Personen: Gemeinsame Normdatei (GND) der Deutschen Nationalbibliothek (DNB), hervorgegangen aus Personennamendatei (PND), Schlagwortnormdatei (SWD) und Gemeinsamer Körperschaftsdatei (GKD) [sehr gutes Suchportal für die GND: http://swb.bsz-bw.de/DB=2.104/]
• Beispiel: Alexander der Große: http://d-nb.info/gnd/118501828
• Normdaten sind meist (alpha)numerische eindeutige Identifikatoren
• Weitere Beispiele für Normdaten: Geonames für Geographica
• Beispiel: London (welches? Hauptstadt von UK oder London in Kanada?) ⇒ Geonames-Normdatum macht es klar
• Normdaten für antike Geographica: https://pleiades.stoa.org/places/422960 (Lavinium)

Normdaten für Konzepte

• Q-IDs von Wikidata
• Beispiel: KÄSE
• auffindbar über Wikipedia-Artikel: https://de.wikipedia.org/wiki/K%C3%A4se, am linken Rand Link auf Wikidata-Datenobjekt: https://www.wikidata.org/wiki/Q10943
• Am unteren Ende jeder Wikidata-Konzept-Seite finden sich Identifikatoren ("Identifiers") von anderen Normdaten-Produzenten (z. B. für London/Ontario = https://www.wikidata.org/wiki/Q92561 = https://www.geonames.org/6058560)
• VA registriert diese Wikidata Q-IDs in der Tabelle der Konzepte:
• 
• Das Ergebnis zeigt auch die VA-eigene ID des Konzepts KÄSE. Die Tabelle enthält demnach bereits ein entsprechendes Mapping.

Normdaten für morpholexikalische Typen

• Für viele Entitäten existieren speziell in der GND bislang noch keine Normdaten, so z. B. für morpholexikalische Typen – schlecht für VerbaAlpina, da morpholexikalische Typen eine der für VA zentralen Kategorien sind.
• Ansätze allerdings bei Wikidata:  "lexemes": https://www.wikidata.org/wiki/Wikidata:Lists/lexemes
• Beispiel: morpholexikalischer Typ "der Käse": https://www.wikidata.org/wiki/Lexeme:L49797
• Die entsprechende Nummer wird in der Tabelle der Morphtypen in der DB von VA eingetragen:
• 
• Einträge können von Usern angelegt werden (evtl. Beispiel formaggio)

Die reine Technik

• VerbaAlpina ist vollständig "digital"
• Im wesentlichen zwei Komponenten: Ein multifunktionales (!) Web-Portal (VA_WEB) und eine (relationale) MySQL-Datenbank (VA_DB; in der Realität mehrere, vor allem zwei: eine spezifischen Projektdatenbank und eine WordPress-Datenbank für den Betrieb von VA_WEB)
• VA_WEB: WordPress-Installation: in PHP programmiert, erweitert um projektspezifische Funktionen, die modular als "Plugins" realisiert und der Allgemeinheit über Github zur Verfügung gestellt werden.
• relevante VA-Eigenentwicklungen für VA_WEB:
  • Transkriptionstool
  • Typisierungstool
  • Crowdsourcing-Tool (CS-Tool)
  • SQLtoHTML: Einbindung von Abfrageergebnissen aus MySQL-Datenbank in WordPress-generierte Webseite
• Responsive Webdesign (Anpassung der Darstellung an verschiedene Endgeräte):

Die VerbaAlpina-Karte auf einem Samsung S7 Display

• Methodologie: Dokumentation aller Aspekte, die VerbaAlpina betreffen
• Lexikon-Alpinum
• Publikationsplattform

Technologie der interaktiven online-Karte

• Openstreetmap:  „Open Data“ gemäß Open Data Commons Open Database Lizenz (ODbL)
• JS-Bibliothek Leaflet (vergleichbar mit bzw. Ersatz für Google Maps API)
• WebGL (Web Graphics Library): JS-Programmierschnittstelle, die die Grafikkarte des Clients verwendet, um Visualisierungen hardwarebeschleunigt zu animieren ⇒ Verzögerungsfreie Animation von Markern auf der VA-Karte bei Zoomvorgängen

API

• API: "application programming interface, dt.: Programmierschnittstelle – für automatischen Zugriff durch Maschinen
• Dokumentation: https://www.verba-alpina.gwi.uni-muenchen.de/?page_id=8844&db=xxx
• Abruf der Coredaten von VerbaAlpina
• Drei verschiedene Gruppierungen: Konzepte, morpholexikalische Typen, Gemeinden; außerdem: Einzelbelege
• Beispiel: Export des Morpholexikalischen Typs "malga; roa; sub; f; 0" (Orthographie; Sprachfamilie; Wortart; Affigierung): https://www.verba-alpina.gwi.uni-muenchen.de/?api=1&action=getRecord&id=L90&version=182&format=csv&empty=0

IT-Team von VerbaAlpina

• David Englmeier (Frontend, v.a. Kartierung)
• Florian Zacherl (Datenbank und Schnittstellen)
• Filip Hristov (Hilfskraft)

Bibliographie

• DRG = Eintrag nicht gefunden
• Idiotikon = Eintrag nicht gefunden
• VALTS = Eintrag nicht gefunden
• AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
• CNRTL = Centre National de Ressources Textuelles et Lexicales, Nancy, Nancy Université. Link
• FEW = Wartburg, Walter (1922-1967): Französisches etymologisches Wörterbuch. Eine Darstellung des galloromanischen Sprachschatzes , Basel, vol. 20, Zbinden. Link
• Georges = Georges, Heinrich (1913-1918): Ausführliches lateinisch-deutsches Handwörterbuch. Aus den Quellen zusammengetragen und mit besonderer Bezugnahme auf Synonymik und Antiquitäten unter Berücksichtigung der besten Hilfsmittel ausgearbeitet, Hannover, Hahnsche Buchhandlung. Link
• Idiotikon = (1881 ff.): Schweizerisches Idiotikon. Schweizerdeutsches Wörterbuch, Basel. Link
• Jaberg/Jud 1928 = Jaberg, Karl; Jud, Jakob (1928): Der Sprach- und Sachatlas als Forschungsinstrument. Kritische Grundlegung und Einführung in den Sprach- und Sachatlas Italiens und der Südschweiz, Halle (Saale), Niemeyer
• Lücke/Riepl/Trautmann 2017 = Lücke, Stephan | Riepl, Christian | Trautmann, Caroline (2017): Softwaretools und Methoden für die korpuslinguistische Praxis. Korpus im Text, Bd. 1., München, in: Korpus im Text. Link
• Treccani = Romani, Luigi: Vocabolario Treccani. Link
• VALTS IV = Gabriel, Eugen/ Klausmann, Hubert/ Krefeld, Thomas (1991 ff.): Vorarlberger Sprachatlas. Wortgeographie I. Kommentarband, Bregenz, vol. 4

Der ursprünglich unter dieser Adresse präsentierte Text ist nunmehr Teil der Kongressakten des zweiten VerbaAlpina-Arbeitstreffens und kann, minimal modifiziert, unter der Adresse http://www.kit.gwi.uni-muenchen.de/?p=45335 abgerufen werden.

Thomas Krefeld | Stephan Lücke (LMU)

0. Vorbemerkung

Die aktuelle Förderungsphase dient der Erschließung eines zweiten großen Gegenstandsbereichs, nämlich der Natur, und zielt auf Bezeichnungen von Witterungserscheinungen, Landschaftsformationen, Fauna und Flora. Parallel dazu wurde viel Arbeit in  die Konzeption und praktische Umsetzung von verlässlichen Prozeduren des Datenmanagements in webbasierten Forschungsprojekten  Investiert. Da die grundlegende Bedeutung dieser zweiten Thematik in der romanistischen und italianistischen Geolinguistik weithin noch nicht erkannt worden zu sein scheint, wurde er ganz entschieden in den Vordergrund dieses Arbeitsberichts gestellt. 

1. Wissenschaftskommunikation im Internet

Forschungsmittel sind begrenzt; der Zugang dazu muss also kompetitiv geregelt sein. Wenn Forschung in dieser Hinsicht zwar dem Wettbewerb unterliegt, so ist sie doch in ihrem Wesen vor allem kollaborativ: Denn Fortschritt gibt es nur auf der Grundlage des jeweils bereits verfügbaren Wissens. Im Hinblick auf die Kollaboration – die ja grundsätzlich in Kommunikation fundiert ist – haben sich nun in den letzten 15 Jahren die Rahmenbedingen vollkommen geändert:  Es ist innerhalb weniger Jahre eine Gesellschaft entstanden, die explizit als Wissensgesellschaft bezeichnet wird, da sie im Privaten und im Öffentlichen die permanente und ubiquitäre Verfügbarkeit der Neuen Medien und damit einen praktisch unbegrenzten Zugang zum Wissen jeglicher Art voraussetzt.

Diese vollkommene Mediatisierung betrifft aber nicht nur den Wissenskonsum, sondern gleichermaßen die Wissensgenerierung durch Forschung, nicht zuletzt deshalb, weil sie uns eine sehr breite, ortsunabhängige Kooperation ermöglicht. Ins Schlaraffenland sind die Forscher damit freilich nicht gelangt, denn die Option auf Kooperation konkretisiert sich keineswegs automatisch. Sie erfordert vielmehr die Beachtung einiger elementarer Regeln, die seit kurzem mit der Sigle FAIR benannt werden, die von einer wichtigen Initiative lanciert wurde (🔗). Damit werden vier grundlegende ethische Prinzipien für die Wissenschaftskommunikation unter den Bedingungen der Neuen Medien identifiziert. Ihnen zufolge müssen Forschungsdaten

• F_indable (‘auffindbar’),
• A_ccessible (‘zugänglich’),
• I_nteroperable (‘kompatibel’),
• R_eusable (‘nachnutzbar’)

sein (🔗). Die Anforderungen von drei  (F, A, R) der vier Prinzipien zielen darauf, sowohl human readable als auch machine readable zu sein; sie gelten also sowohl für die Mensch-Maschine-Mensch-Kommunikation als auch für die Maschine-Maschine-Kommunikation. Das vierte Prinzip (I) gilt nur für letztere; es ist jedoch im skizzierten virtuell-medialen Rahmen zentral für den Fortschritt der Forschung und repräsentiert insofern die Unverzichtbarkeit der technologischen Komponente und die Transformation des LESERs zu einem interaktiven NUTZER, der auf einem Kontinuum zwischen hochspezialisierten Experten und völligen Laien abgebildet werden kann und der sich den Daten nicht nur lesenden Auges nähert, sondern womöglich mit der Absicht, sie für eigene Forschungszwecke zu nutzen und dafür maschinelle ‘Erntehelfer’ (zum sog. harvesting) einzusetzen.

Die Operationalisierung der FAIR-Prinzipien erfordert ein komplexes Zusammenspiel von Forschern, das heißt de facto von befristeter und deshalb mehr oder weniger prekärer Projektarbeit einerseits und andererseits von Institutionen, die Dauerhaftigkeit in Aussicht stellen können; das sind in allererster Linie die großen Bibliotheken. Die Entwicklung von Prozeduren für diese ganz spezielle Art der Kooperation gehört zu den aktuellen Herausforderungen der Forschung, die mit dem Ausdruck Forschungsdatenmanagement (FDM) bezeichnet werden. Damit sind wichtige Eckpunkte der Wissenschaftskommunikation im Web markiert, die den Horizont dieses Beitrags abstecken.

2. FAIRness in einer web-basierten Forschungsumgebung

Das Projekt VerbaAlpina (VA) versucht, die Forschungskommunikation im oben skizzierten Sinne konsequent nach den FAIR-Prinzipien zu gestalten.  Dabei ist ihre Anwendung in den folgenden fünf komplementär angelegten und eng miteinander verflochtenen Funktionsbereichen (🔗) zu unterscheiden:

• Dokumentation;
• Publikation;
• Kooperation;
• Datenerhebung durch crowdsourcing;
• Forschungslabor.

2.1. FAIRness der Publikation

Das ganze Internet ist nichts Anderes als eine gewaltige Publikationsmaschine; es ist allerdings unbedingt notwendig zu differenzieren, denn es wird durchaus anders und teils auch Anderes als unter den medialen Bedingungen des Drucks publiziert wird. Von VerbaAlpina  werden

• semantischer Inhalt (Dialektformen, analytischer wissenschaftlicher Text),
• Metadaten,
• Software und Code

veröffentlicht (🔗).

Produziert werden dabei ausnahmslos stabile Daten und Textdateien, da die gesamte Plattform (Benutzeroberfläche und Datenbanken) alle sechs Monate ‘eingefroren’, oder: versioniert wird; zusätzlich besteht jeweils eine aktuelle Arbeitsversion (Version xxx), die noch Änderungen unterliegt und daher nicht zitiert werden sollte (🔗). Die jeweils jüngste Version ersetzt jedoch nicht die vorige, sondern ergänzt sie, denn alle früheren Versionen bleiben erhalten, so dass sämtliche Zitate und Verlinkungen innerhalb des Projekts sowie von außen auf das Projekt stets zugänglich sind.

Es ist weiterhin sichergestellt, dass die Versionen gut auffindbar sind, denn ihnen wird von der UB der LMU ein DOI zugewiesen (http://dx.doi.org/10.5282/verba-alpina); gleichzeitig findet VA als Ganzes damit Eingang in die Biblibliothekskataloge (🔗).

Auf dieselbe Weise lassen sich auch alle thematischen Textbeiträge identifizieren, die auf der Projektseite unter den Reitern Lexicon alpinum, Methodologie und Beiträge  publiziert werden; sie erhalten ebenfalls einen DOI und sind daher direkt zitierfähig (vgl. z.B.: Krefeld, T. / Lücke, S.: s.v. “butyru(m)”, in: VA-de 18/2, Lexicon alpinum, http://dx.doi.org/10.5282/verba-alpina?urlappend=%3Fpage_id%3D2374%26db%3D182%23B128).

Eine vergleichbare Funktion leistet der URN, der bei der Deutschen Nationalbibliothek in Frankfurt registriert wird. Schließlich ist auch der gesamte Quellcode von VA mit allen programmierten Tools unter github auffindbar und zugänglich. Technisch gesehen liegt dem Verfahren ein Export aller VA-Daten in ein Repositorium der UB zu Grunde (open data lmu), in dem auch Metadaten im Format DataCite zugewiesen werden.

Eine große Rolle bei der Ausgestaltung der Metadatenschemata spielen die Normdaten, die eine eindeutige und fein granulierte Identifikation der Forschungsdaten erlauben. VA unterscheidet drei Datenkategorien (oder: Entitäten), für die eigene Identifikatoren vergeben werden, die in Verbindung mit den Daten abrufbar sind:  ‘Konzept’, ‘morpholexikalischer Typ’ (s. Typisierung) und ‘Gemeinde’. So ergeben sich sehr spezifizierte Metadaten (vgl. das DataCite Beispiel für das Konzept SENNHÜTTE, das neben dem VA-Identifikator C1 auch die in VA ebenfalls vorhandenen onomasiologischen Identifikatoren des Wikidata-Projekts enthält:  Q136689, Q27849269, Q2649726), die grundsätzlich die eindeutige Referenzierung auf Einzeldaten definierter Objektklassen über Projektgrenzen hinweg erlauben.

Dieser Export gewährleistet die Zugänglichkeit und Nachnutzbarkeit der Daten nach dem Auslaufen der Projektförderung. Der Datenexport erfolgt über eine API-Schnittstelle (vgl. API Dokumentation), die im Internet öffentlich zugänglich ist und auch für die  Ausgabe in anderen Formaten und angereichert um Metadaten von im Grunde beliebigen anderen Standards, z.B. gemäß CLARIN-D, genutzt werden kann. Einen groben Überblick des im Entstehen begriffenen Forschungsdatenmanagements (Stand vom 11.3.2019) gibt das folgende Schema:

Forschungsdatenmanagement zwischen Projekten, Institutionen und Öffentlichkeit

Im Hinblick auf die Auffindbarkeit und Zugänglichkeit sind noch zwei grundsätzliche Bemerkungen angebracht:

1. Da bislang in der Wissenschaftsgemeinde weder ein Standard-Metadatenschema verbindlich festgelegt noch die Frage geklärt ist, welche Institutionen über deren Einhaltung und die dauerhafte Bewahrung von Daten und Metadaten wachen sollen, hat sich VA zum einen für ein flexibles Schnittstellenkonzept entschieden, das die Nutzung im Grunde beliebiger Metadatenschemata erlaubt. Außerdem beteiligt sich VA an zwei aktuell laufenden Forschungsprojekten, die sich mit dieser Problematik auseinandersetzen: der Initiative (GeRDI) des LRZ und dem von der Bayerischen Staatsregierung geförderten Projekts "eHumanities – interdisziplinär". Im Projekt GeRDI sollen Daten ganz unterschiedlicher Disziplinen über Metadaten verknüpft werden, indem gemeinsame Attribute festgelegt werden (was z.B. im Fall von Geo- und Chronoreferenzierungen sehr einfach und häufig auch sinnvoll ist).
2. Abgesehen von den Metadaten, die auf die spezifischen Projektdaten referenzieren, ist es im Sinn von Auffindbarkeit und technischer Interoperabilität unbedingt ratsam, Identifikatoren und Normdaten zu verwenden, die außerhalb des Projekts etabliert sind. VA verwendet daher seit kurzem die Identifikatoren der sogenannten Wikidata-Datenobjekte. Sie liefern Referenzen für außersprachliche Realitäten und Konzepte und damit einen gemeinsamen Bezugsrahmen für viele unterschiedliche Sprachen; so gibt es derzeit (14.12.2018) Wikipedia-Artikel in 133 Sprachen über das Milchprodukt Butter. Die sehr unterschiedlichen Artikel werden verknüpft, indem sie alle auf den eindeutigen Identifikator des entsprechenden Wikidata-Datenobjekts referenzieren (Q34172). Eine Suchmaschine, die danach sucht, ist also in der Lage, alle zugehörigen 133 Bezeichnungen zu finden – und so, zumindest theoretisch, demnächst auch die in VA dokumentierten, zahlreichen Dialektformen (1926 Belege). Ein ähnliches System für Bezeichnungstypen, d.h. für Wörter (L-ID), ist bei Wikidata im Aufbau.

2.2. FAIRness der Dokumentation

VA dokumentiert Dialektbelege der drei großen europäischen Sprachfamilien, die sich in ethnolinguistischer Hinsicht  als spezifisch alpin erweisen.

Das Material wurde in einen systematisch strukturierten Datenbestand überführt und nach sprachlichen (‘morpho-lexikalische Typen’, ‘Basistypen’) und außersprachlichen (‘Konzepte’) Kritierien annotiert; neben dem maschinenlesbaren Zugang über die oben erwähnte API-Schnittstelle gibt es einen menschenlesbaren Zugang, der in sehr anschaulicher Weise über eine interaktive Karte erfolgt; die dafür momentan noch genutzte Google Maps-Karte wird in Kürze durch eine bereits weitestgehend entwickelte Karte mit verbesserter Funktionalität auf der Grundlage von Open Street Maps und dem Javascript-Frameword Leaflet ersetzt (🔗 ).

Die genannten Kategorien der Datenstrukturierung  fungieren an der Kartenoberfläche als Filter. Bereits auf dieser nutzerfreundlichen, insbesondere laientauglichen Oberfläche wurde eine ebenso einfache wie elementare Funktion der reusability implementiert, denn es ist möglich, alle Karten, die man sich anzeigen lässt, in exakt der angezeigten Form (mit der entsprechenden Zoomstufe, jeweils geöffneten Fenstern usw.) mit anderen zu teilen oder sie in Publikationen usw. einzubauen, denn durch Klicken auf einen 'share button' wird für die jeweils aktuell angezeigte Karte eine versendbare URL erzeugt; so führt der folgende Link zu einer Karte aller in VA vorhandenen dialektalen Bezeichnungen von BUTTER.

Das vorhandene Sprachmaterial stammt aus zwei Quellen: Ein kleinerer Teil des Materials, das VA anbietet, wurde durch  das Projekt selbst im Crowdsourcing-Verfahren (s.u. 2.4.) erhoben. Der größte Teil wurde jedoch aus gedruckten oder für den Druck vorgesehenen Arbeiten gewonnen, so finden sich auch Formen, die uns im Rahmen von Partnerschaftsabkommen aus noch nicht abgeschlossenen Projekten zur Verfügung gestellt wurden (vgl. zum Beispiel das Punktnetz des Sprachatlas von Oberösterreich). Berücksichtigt wird auch Wörterbuchmaterial, unter der Bedingung, dass die sprachlichen Belege georeferenzierbar sind; das ist bei guten Dialektwörterbüchern wie zum Beispiel dem DRG oder dem VSI der Fall. De facto ist jede Quelle überdies auch chronoreferenzierbar, allerdings wurde diese Funktion noch nicht implementiert.

Durch die Retrodigitalisierung und den Webauftritt werden zahlreiche, in teils schwer zugänglichen Publikationen ‘schlafende’ Dialektausdrücke leicht auffindbar (F), zugänglich (A), interoperabel (I) und in allgemein kompatibler Weise nachnutzbar (R) gemacht; denn alle verfügbaren Formen erhalten einen persistenten Identifikator und werden in Kürze auch über einen Digital Object Identifier (DOI) ansprechbar sein. Hier ein Beispiel aus dem Sprach- und Sachatlas Italiens und der Südschweiz, AIS (1928-1940).

VA produziert also gewissermaßen FAIRen Output. Allerdings sind die allermeisten Quellen, der Input, von FAIRness meilenweit entfernt. Die Gründe dafür sind teils technischer, teils aber auch juristischer, letztlich: kommerzieller Art. In der Regel sind Sprachatlanten ausschließlich als physisches Druckwerk zugänglich; nur sehr wenige bieten wenigstens die elementarste Stufe der Digitalisierung, d.h. digitale Photos (scans) an, wie z.B. der AIS in Gestalt des NavigAIS oder der  SDS im Hinblick auf das Orginalmaterial. Kein einziger älterer Atlas wurde bislang in Form eines strukturierten Korpus aufbereitet, das auch den Export der Daten gestattet. Immerhin konnte eine solche Lösung auf der Basis einer Kooperationsvereinbarung für den ALD gefunden werden; dem Druck dieses Atlas’ von Hans Goebl lag ein digitales Format zu Grunde, das zwar wegen fehlender Identifikatoren der Inhalte nicht interoperabel war, sich aber nach bestimmten Adaptationen als maschinenlesbar und entsprechend nachnutzbar erwies; alle Bezeichnungen relevanter Konzepte erscheinen daher in VerbaAlpina (vgl. das ALD-Ortsnetz und dieses Beispiel).

Anders, deutlich komplexer, erscheint die Lage im Bezug auf georeferenzierbare Wörterbücher; die seit kurzem verfügbare Online Version des DRG ist so eingerichtet, dass jedes Lemma dank eines Identifikators als digitales Objekt zugänglich ist (A), so zum Beispiel bargia ‘Schopf’. Ein maschineller Export ist jedoch nicht vorgesehen, und es ist erkennbar, dass auch die technische Möglichkeit der unmittelbaren Referenzierung auf ein Lemma über eine URL eher ein technisches "Abfallprodukt" ist, das sich mehr oder minder zufällig bei der Softwareentwicklung ergeben hat. Jedenfalls wird kein Zitier-Link angeboten und es scheint generell keine konkreten Hinweise für die Nutzer auf diese Möglichkeit zu geben, so dass der Gebrauch letztlich der "Gerissenheit" des Nutzer überlassen ist.

Seit kurzem existiert eine Reihe von online-Lexika zu zwei ladinischen Dialekten, dem Gadertalischen (Badiot) und dem Grödnerischen (Gherdëina) (https://www.micura.it/de/woerterbuecher). Allesamt werden verantwortet vom ladinischen Kulturinstitut in St. Martin in Thurn (Istitut Ladin Micurà de Rü) und alle sind offenkundig als Derivate von Publikationen in Buchform entstanden. Zugrunde liegen jeweils zwei Lexika für das Deutsche (Mischì, Giovanni, Wörterbuch deutsch – gadertalisch = Vocabolar todësch – ladin, San Martin de Tor 2001 [ISBN 88-8171-028-5]; ders., Wörterbuch : Deutsch – Grödner-Ladinisch = Vocabuler : tudësch – ladin de Gherdëina, San Martin de Tor 2002 [ISBN 88-8171-033-1]) und das Italienische (Moling, Sara [Hg.], Dizionario italiano – ladino Val Badia; Dizionar ladin Val Badia – talian, San Martin de Tor 2016 [ISBN 978-88-8171-120-8];
Forni, Marco [Hg.], Dizionario italiano – ladino gardenese = Dizioner ladin de gherdëina – talian, San Martin de Tor 2013 [978-88-8171-106-2]), wobei lediglich die italienischen Lexika die biderektionale Perspektive Italienisch⇔Badiot und Badiot⇔Italienisch bedienen; die deutschen Lexika sind monodirektional Deutsch⇒Badiot bzw. Deutsch⇒Gherdëina angelegt.

Der lexikalische Bestand dieser Werke ist nunmehr also auch im Internet verfügbar, wobei die konkrete Vorgehensweise bei der Digitalisierung und auch die Struktur des zugrundeliegenden Datenbestands vollkommen unklar ist. Die Aufteilung des Datenbestands in vier voneinander getrennte Buchpublikationen spiegelt sich, überraschender- und gleichzeitig unnötigerweise, auch in der Datenpräsentation im Internet wider. Jedem Lexikon entspricht ein eigenes Internet-Portal. Dabei wurden die beiden Portale für die deutschen Lexika offenkundig von anderen Entwicklern konzipiert und realisiert als die italienischen.

1. Badiot⇔Italienisch (und vice versa): http://itavalbadia.ladinternet.it/
2. Badiot⇒Deutsch: https://www.micura.it/de/dizionars/vb/dl
3. Gherdëina⇔Italienisch: http://dizionario-italiano-gardenese.ladinternet.it/ (= http://forniita.ladinternet.it/)
4. Gherdëina⇒Deutsch: https://www.micura.it/de/dizionars/gh/dl

Verantwortlich für die Internetportale der italienischen Daten ist die Florentiner Firma SmallCodes, die seit Jahren technische Lösungen im Umfeld der (vor allem ober-)italienischen Dialektforschung entwickelt. Die Entwickler der Portale der Deutsch-Ladin-Lexika werden nicht genannt.

Entsprechend der Aufteilung auf vier Portale sind auch die jeweiligen Datenbestände nicht aufeinander bezogen, was z.B. die Folge hat, dass man bei einer Suche ausgehend von der italienischen Bezeichnung lumaca (SCHNECKE) zwar das gadertalische sgnech geliefert bekommt, nicht jedoch die deutsche Bezeichnung Schnecke, die ihrerseits über das deutschsprachige Portal mit sgnech verknüpft ist. Auf die mit sgnech offenkundig eng verbundene Variante snech im Grödnerischen gelangt man wiederum nur nach einer gesonderten Suche auf dem entsprechenden Portal – und dies, obwohl die beiden Portale (Italienisch⇔Badiot und Italienisch⇔Gherdëina) von der selben Firma entwickelt worden sind. All dies dokumentiert, dass die Datenbestände, die im Grunde unter einem institutionellen Dach vereint sind, zumindest technisch nicht aufeinander bezogen und somit im Sinne der FAIR-Prinzipien nicht ‘interoperabel’ sind. Dies gilt gleichermaßen auch für die Anknüpfungsmöglichkeiten von außerhalb: Eine unmittelbare Referenzierung auf die soeben exemplarisch genannten morpholexikalischen Typen sgnech, snech und lumaca ist technisch nicht möglich. Eine Ausnahme sind lediglich die deutschsprachigen Versionen der online-Lexika, die wenigstens den URL-basierten Verweis auf das deutsche Lemma erlauben (z.B. https://www.micura.it/de/woerterbuecher/vb/dl?q=Schnecke), eine Referenzierung auf die ladinischen Typen ist technisch jedoch auch hier nicht möglich.

Beklagenswert ist ferner die schlechte Auffindbarkeit der in den Lexika versammelten morpholexikalischen Typen von außerhalb der eigentlichen Portale, also über das Internet oder etwa über Bibliothekskataloge. Allerdings liegt dies nicht in der Verantwortung der Einzelakteure, sondern beruht auf dem Fehlen von Aggregatoren, die voneinander getrennt generierte und verwaltete Datenbestände unter Einsatz geeigneter Metadatenschemata miteinander verknüpfen können. Derartige Strukturen sind derzeit erst in ihrer Entstehungsphase. Als Beispiel wäre etwa die "Generic Research Data Infrastructure" (GeRDI) zu nennen, an der u.a. VerbaAlpina als Partner- und Pilotprojekt beteiligt ist. In jedem Fall hat die mangelhafte Auffindbarkeit zur Folge, dass die hier thematisierten ladinischen Online-Wörterbücher auch einem weiteren im Akronym FAIR formulierten Postulat – dem "F": Findable – nicht genügen. Das Gleiche gilt auch für die verbleibenden FAIR-Forderungen der Zugänglichkeit (A: Accessible) und der Nachnutzbarkeit (R: Reusable). Zwar ist die Zugänglichkeit über das Internet grundsätzlich möglich, sie erfährt jedoch ganz wesentlich dadurch eine Einschränkung, als der Datenbestand lediglich durch manuelle Formulareingaben abgefragt werden kann. Ein vollständiger oder wenigstens partieller Export der Daten auf Basis frei zu definierender Filter ist anscheinend nicht möglich. Auch existiert offenkundig keine API, die eine wichtige Voraussetzung für die maschinelle Verarbeitung, auch und gerade im Sinne der Verknüpfung mit kongruenten externen Datenbeständen, darstellt. Das Fehlen einer API bedingt gleichzeitig und zusätzlich die mangelnde Interoperabilität der Daten. Die Nachnutzbarkeit der Daten schließlich wird nicht zuletzt entscheidend durch das Lizenzmodell beschränkt, unter dem sie zur Verfügung gestellt werden: Das Copyright gestattet die Nutzung der Daten nur in sehr beschränktem Umfang, nach deutschem Recht im Wesentlichen nur im Rahmen dessen, was das Zitatrecht erlaubt.

Die hier thematisierten ladinischen Online-Wörterbücher machen insofern also nur auf den ersten Blick den Eindruck von zeitgemäßen Webpublikationen. Es ist begrüßenswert, dass das Material überhaupt im Internet verfügbar ist, und bestimmte Funktionen und Konzepte gehen über das hinaus, was herkömmliche Buchpublikationen zu leisten im Stande sind. Dazu gehört zum einen die Präsentation von Tonaufnahmen (auf die wiederum nicht verlinkt werden kann) sowie das Vorhandensein eines onomasiologischen Tools ("galleria immagini" in den Italienisch-Ladinischen Modulen; wiederum nicht per URL referenzierbar), das den Datenbestand über anklickbare Abbildungen aufschlüsselt. Letztlich jedoch sind auch die Webportale mit den Beschränkungen behaftet, die eigentlich nur dem Buch zu eigen sind, und es ist offenkundig, dass hier nicht mit der gebotenen Entschlossenheit und Konsequenz die Möglichkeiten der neuen Medien genutzt werden. Aus Sicht von VerbaAlpina ist dies vor allem deswegen bedauerlich, weil eine auch nur punktuelle (und gerne wechselseitige) Verknüpfung der eigenen Datenbestände mit den Beständen der ladinischen Wörterbücher de facto unmöglich ist.

Ebenfalls nur durch manuelle Formulareingaben ist der Niev Vocabulari sursilvan online bieten selbst diese Möglichkeit nicht an, so dass an Interoperabilität nicht zu denken ist.

2.3. FAIRness der Kooperation

VA wird von zahlreichen Partner-Projekten unterstützt; das große Potential dieser Kooperation ist selbstverständlich und bedarf eigentlich keiner Erläuterung. Dennoch soll die konstruktive Perspektive der mehrfachen und komplementären Nachnutzung kompatibler Partnerprojekte an einem Beispiel illustriert werden: Im Rahmen des  Archivio lessicale dei dialetti trentini (ALTR) wurden fünf gedruckte Dialektwörterbücher  unterschiedlicher Talschaften (aus der Zeit zwischen 1955 und 1984) in einer Datenbank zusammengeführt. Dank einer Projektpartnerschaft  konnte VA die relevanten Ausdrücke konvertieren und importieren, so dass sie nun im Kontext aller Alpendialekte kartographisch dargestellt werden können; vgl. die folgende Bezeichnung eines Geräts zum Buttern: smalzaia).

Als interoperabel in der Kooperation hat sich auch die Projektarchitektur und die entsprechende Software bereits erweisen; so konnte probeweise das sizilianische Regional- und Spezialwörterbuch von Sottile 2002 ohne Schwierigkeiten nachgenutzt und als Atlas dargestellt werden (vgl. den Atlante linguistico della Sicilia online, der seit 2019 durch die sizilianischen Partner ausgebaut wird). Auch der im Entstehen begriffene Atlas des Pikardischen in Nordfrankreich und Belgien greift seit dem Herbst 2018 auf die Konzeption und Technologie von VA zurück (vgl. Verba Picardia).

2.4. FAIRness im Crowdsourcing

Crowdsourcing-Verfahren richten sich in allererster Linie, wenngleich nicht ausschließlich, an Laien; sie setzen deshalb eine intuitiv leichte Auffindbarkeit und Zugänglichkeit zentraler Datenbereiche für menschliche Nutzer voraus. Die Daten werden durch die Art der Erhebung in ein strukturiertes und interoperables Format gebracht, das Nachnutzung gestattet. VA nutzt crowdsourcing in doppelter Weise: Zunächst wurde ein ästhetisch ansprechendes und einfach zu bedienendes Tool zur Datenerhebung programmiert (Mitmachen!); dafür wurde auch ein Tutorial auf Youtube gepostet. Ferner wurde soeben ein Zooniverse-Auftritt eingerichtet, um die für Retrodigitalisierung erforderliche Transkriptionsarbeit wenigstens teilweise an die Crowd weiterzugeben (🔗). Auch dafür ist Interoperabilität der VA-Datenbasis die Voraussetzung.

Das Erhebungstool wurde durch populärwissenschaftliche Vorträge in der Erwachsenenfortbildung einschlägiger Berufsgruppen (am 20.4.2018, 26.2.2018, 7.10.2017) beworben und fand daneben auch ein schönes massenmediales Echo. Die Auswertung ist interessant, denn es zeigt sich, dass vor allem Projektberichte im Internet relevant sind, da dort über einen Link ein direkter, sozusagen intramedialer Zugang angeboten werden kann: Das mit Abstand stärkste Echo fand deshalb ein Post auf der Internetseite des Bayerischen Rundfunks (am 27.4.2018); insgesamt wurden durch die 955 ‘Crowder’ bislang  11486 Dialektformen (Stand: 12.3.2019) beigesteuert  (🔗).

3. Aktuelle Entwicklungen und Perspektiven

VerbaAlpina hat eine nennenswerte und immer noch anwachsende Anzahl von Projektpartnern gewinnen können. Im Zuge der Bemühungen um Nachhaltigkeit und Nachnutzbarkeit im Sinne der FAIR-Prinzipien ist vor kurzem auch eine Kooperation mit dem CLARIN-D Centre Leipzig zustande gekommen, deren vorrangiges Ziel es ist, die VerbaAlpina-Projektdaten zusätzlich auch in diesem Repositorium unterzubringen. Derzeit wird an der Datenübertragung gearbeitet, die über die seit kurzem verfügbare API des VA-Projektportals erfolgen wird.

VerbaAlpina stellt jedem Projektpartner eine eigene MySQL-Datenbank zur Verfügung, die auf dem selben Datenbankcluster betrieben wird wie die VerbaAlpina-Datenbank. Art und Umfang der Nutzung dieser Datenbanken ist sehr unterschiedlich. Hervorzuheben ist, dass aktuell systematisch und in größerem Umfang lexikalisches Material aus dem Atlante linguistico della Sicilia (ALS) in die entsprechende Partnerdatenbank (PVA_ALS) übertragen wird. Dabei handelt es sich um Sprachdaten aus den Madonie, einem an der Nordküste Siziliens gelegenen Gebirge, in dem traditionell auch Vieh- und Milchwirtschaft betrieben wird. Die in die Partnerdatenbank übertragenen Daten werden automatisch auch auf dem von der ITG betriebenen online-Portal mit integrierter interaktiver Karte visualisiert (http://www.als-online.gwi.uni-muenchen.de/carta/). Aus onomasiologischer Perspektive ist das Material des ALS in weiten Teilen kongruent zu dem von VerbaAlpina gesammelten Material aus dem Alpenraum und eröffnet somit erweiterte Möglichkeiten, überregionale Zusammenhänge zu erkennen, wie dies im Rahmen des Projekts exemplarisch schon erfolgt ist (s. Krefeld, T.: s.v. “tomme / toma (f. (roa.)”, in: VerbaAlpina-de 18/2, Lexicon alpinum, https://doi.org/10.5282/verba-alpina?urlappend=%3Fpage_id%3D2374%26db%3D182%23L616 ). Die logische Verknüpfung zwischen dem Datenbestand in PVA_ALS mit dem VA-Datenbestand stellt allerdings eine große Herausforderung dar, die im Rahmen von VerbaAlpina bestenfalls skizzenhaft verwirklicht werden kann. In der Praxis würde die Verschränkung der beiden Datenbestände durch die wechselseitige Zuweisung der Konzepte und morpholexikalischen Typen zu einer gemeinsamen, zentralen Normdateninstanz erfolgen. Nach Vorstellung von VerbaAlpina könnte dies modellhaft für die Entwicklung einer universalen Lexikographie sein, die zeit- und raumübergreifend (nicht nur) lexikalische Zusammenhänge sichtbar werden lassen könnte.

Bibliographie

• AIS = Jaberg, Karl / Jud, Jakob (1928-1940): Sprach- und Sachatlas Italiens und der Südschweiz, Zofingen, vol. 1-7
• ALD = Eintrag nicht gefunden
• ALI = Bartoli, Matteo / Massobrio, Lorenzo / Pellis, Ugo (1995ff.): Atlante linguistico italiano, Roma, Ist. Poligrafico e Zecca dello Stato
• DRG = De Planta, Robert/ Melcher, Florian/ Pult, Chasper/ Giger, Felix (1938ff.): Dicziunari Rumantsch grischun, Chur, Inst. dal Dicziunari Rumantsch Grischun. Link
• SDS = Baumgartner, Heinrich/ Handschuh, Doris/ Hotzenköcherle, Rudolf (1962-2003): Sprachatlas der Deutschen Schweiz, Bern, vol. 1-9, Francke
• Sottile 2002 = Sottile, Roberto (2002): Lessico dei pastori delle Madonie, Palermo, Centro di studi filologici e linguistici siciliani. Link
• VA = Krefeld, Thomas | Lücke, Stefan: VerbaAlpina, München, Ludwig-Maximilians-Universität München. Link
• VSI = Sganzini, Silvio (1952ff): Vocabolario dei dialetti della Svizzera italiana, Lugano, Tipografia la Commerciale