Das Dekameron/Il Decamerone. Erzählen in der und gegen die Ungewissheit

von Alexander Lasch und Simon Meier-Vieracker
Beitragsbild: https://pxhere.com/de/photo/496377 // CC0

Manche Zeiten fordern uns viel ab — und wir möchten Ihnen das Warten mit Boccaccios Dekameron – oder Il Decamerone – etwas leichter machen.

Podcast

Studierende, Mitarbeiter:innen und Kolleg:innen unserer Fakultät Sprach-, Literatur- und Kulturwissenschaften an der Technischen Universität Dresden lesen für Sie ausgewählte Novellen aus dem Dekameron – der Erzählsammlung, die in vielerlei Hinsicht musterprägend ist für das Erzählen gegen die und mit der Ungewissheit. Sie hören immer im Wechsel die italienische und die deutsche Fassung der ausgewählten Novellen. Ich freue mich, dass aus einer Idee dieser Podcast erwachsen ist. Besonders möchte ich nicht nur allen, die sich daran beteiligen, sondern auch Dr. Anne-Katrin Federow, die diesen Podcast mit initiierte, und Prof. Dr. Maria Lieber, die die Idee sofort aufgegriffen und tatkräftig unterstützt hat, danken. So bleibt mir, Alexander Lasch, eigentlich fast nicht mehr, als Ihnen viel Freude mit dem Dekameron zu wünschen und Sie zu ermuntern, sich zu beteiligen. Wenn Sie das möchten, dann schreiben Sie mir doch bitte an alexander.lasch@tu-dresden.de.

RSS: http://rss.castbox.fm/everest/c652ab098b0d4f9a90573687c18663e4.xml

100 Novellen auf einen Blick – eine korpuslinguistische Analyse 

Das Dekameron ist ein serielles Werk. Die an den zehn Tagen jeweils zehn erzählten Novellen sind zwar alle für sich einzigartig, aber dennoch folgen Sie alle ähnlichen Erzählmustern. Mit korpuslinguistischen Methoden des Distant Reading kann man solche Erzählmuster erheben und so gewissermaßen das typische Grundgerüst der Novellen aus dem Dekameron auf einen Blick verfügbar machen.

Eine entsprechende Methode hat Noah Bubenhofer für seine Analyse von Geburtsberichten entwickelt, und ich habe sie hier einmal adaptiert. Die zweischrittige Methode erhebt zunächst signifikante, also für das Dekameron typische nGramme (hier: Vierwortverbindungen wie etwa Ihr müsst also wissen oder Zeit des ersten Schlafes) und berechnet dann für jedes nGramm die durchschnittliche Position innerhalb der Novelle. Manche nGramme stehen typischerweise am Beginn, manche eher am Ende. Um auch die Streuung der Position abbilden zu können, wird zudem die Standardabweichung berechnet.

Die Ergebnisse lassen sich dann in einer interaktiven Grafik visualisieren, die sozusagen alle 100 Novellen übereinanderlegt. Die x-Achse zeigt die Position, die y-Achse die Standardabweichung. Die einzelnen Punkte sind die nGramme. Je weiter links sie stehen, desto eher finden sie sich am Anfang der Novelle, je weiter oben, desto größer ist die Streuung, d.h. desto weniger ist festgelegt, an welcher Position innerhalb der Novellen sie typischerweise vorkommen. Wir betten die Seite hier ein, bei Darstellungsproblemen kann sie auch hier aufgerufen werden.

Man kann jetzt von links nach rechts drüberhovern und einen typischen Storyplot explorieren. Der geht dann ungefähr so:

befahl die Königin der → Ihr müsst nämlich wissen → nicht gar langer Zeit → ein junger Mann namens → eine Frau zu nehmen → seine Liebe zu ihr → vom Halse zu schaffen → begab er sich mit → und in der Tat → Nun geschah es aber →  so schnell er konnte →  nun die Nacht gekommen → Zeit des ersten Schlafes → zu sich und sprach → Als die Frau diese → laß mich nur machen → stieg zu Pferde und → mehr als irgendeine andere → Während sie aber noch → um den Hals fallen → in der folgenden Nacht → in ihr Haus zu → Und mit diesen Worten → in ihr Gemach und  → umarmte und küßte er → die Wahrheit zu gestehen → Hand auf die Brust → bitterlich zu weinen an → was er getan hatte → in seine Heimat zurück → noch am selben Tage →  von diesem Tage an

Sicher geht in einer solchen Analyse vieles verloren, und es werden hier auch nGramme kombiniert, die überhaupt nicht in einer einzelnen Novelle zusammen vorkommen. Trotzdem ist es faszinierend, einmal alle 100 Novellen einzudampfen und ihren typischen Aufbau sichtbar zu machen.

Und weil das ganze zwar eine Spielerei ist, aber immer noch wissenschaftlichen Grundsätzen folgt, gebe ich hier noch die Textgrundlage sowie die technischen Parameter der Analyse an.

Textgrundlage und -aufbereitung: Boccaccio, Giovanni: Das Dekameron. Übers. v. Karl Witte. München: Winkler 1964. Verfügbar über zeno.org. Download im XML-Format mit trafilatura. Die Einleitungen und Kapitelüberschrifte wurden entfernt. Tokenisierung und Lemmatisierung mit dem TreeTagger, Import in die IMS Open Corpus Workbench. Korpusgröße 317644 Tokens inkl. Satzzeichen.

Berechnung: Erhebung von Tetragrammen auf Lemmabasis ohne Satz- und Sonderzeichen mit n > 3. Signifikanzberechnung im Vergleich zu einer breiten Zufallsauswahl belletristischer Texte (Log Likelihood Ratio, p < 0.01). Für die Positionsberechnung wurde das Perl-Modul CWB::CQP::More verwendet.

Visualisierung: Interaktive Visualisierung mit der R-Bibliothek plotly. Hinterlegt wird die jeweils häufigste Token-Realisierung des nGramms auf Lemmabasis.

---

---