Quantitative Methoden einer kognitiven Texttypologie

Vorliegende Arbeit verbindet automatische Verfahren der Mustererkennung und der explorativen Feature-Analyse mit textlinguistischen Parametern einer kognitiven Texttypologie, um eine Methodik für eine kognitiv adäquate, gebrauchsbasierte Genre-Klassifizierung anhand von annotierten Korpusdaten zu entwickeln. Zu den hier relevanten Parametern zählen, neben einfachen textstatistischen Maßen mit kognitiver Interpretation als Elaborationsmaße, vor allem Merkmale des referentiellen, relationalen sowie informationsstrukturellen Aufbaus textuell kodierter kognitiver Modelle, wie referentielle Distanz, häufige Ereignisschemata, Informationsdichte oder Muster textinterner Diskursstrukturierung. Durch Anwendung von Klassifikations- und Clusteringalgorithmen auf ein zeitlich und dialektal geschichtetes, syntaktisch, semantisch und informationsstrukturell annotiertes Korpus obugrischer Volkserzählungen sowie weiterer, primär mündlicher Genres wird die Eignung dieser Methodik einer automatischen Induktion quantitativer Textstrukturtypen für die Rekonstruktion von Text-Weltmodellen als genrespezifischen, durch Typisierung von Sprachgebrauchssituationen erlernten, schematischen Textstruktur-Modellen der menschlichen Kognition evaluiert.This research combines automatic pattern recognition with parameters of a cognitive text typology to develop a method for genre classification based on annotated corpus data, considering text-linguistic parameters such as information density, elaboration measures or frequent event schemata. Using a corpus of Ob-Ugrian folk tales and other, primarily oral genres, classification and clustering algorithms are applied to evaluate the effectiveness of this method for the induction of quantitative text structure types. This aims to reconstruct text world models as genre-specific, schematic text structure models of human cognition, learned through typification of language use