Der Vortrag bietet einen neuen Ansatz, um begriffliche Vagheit im Rahmen maschinellen Lernens zu modellieren. Hierfür werden drei zentrale Ideen zusammengeführt: (a) die perspektivische Modellierung nach Ted Underwood, (b) die Berücksichtigung von Unentscheidbarkeit im Sinn der Prototypentheorie, und (c) die Modellierung prototypentheoretischer Vagheit im Rahmen eines spezifischen Accuracy Scores (C@1-Score), der Unentschiedenheit oder Unentscheidbarkeit berücksichtigt. Die Modellierung von Unsicherheit im Rahmen von Kategorisierung ist zugleich eines der zentralen gegenwärtigen Probleme im Feld des maschinellen Lernens. Der Beitrag möchte daher auch zu einer domänenspezifischen Lösung dieses Problems beitragen, die abschließend durch Optionen der Triangulation und Evaluation gestützt wird. Diskutiert wird das entwickelte Verfahren einschließlich neuer Projektionsmethoden für prototypentheoretische Vagheit am Beispiel eines neu aufgebauten Korpus zur Erzählprosa des 19. Jahrhunderts. Auf diese Weise werden auch neue Belege für die relative Offenheit des historischen Novellenbegriffs geliefert.

Das Abstract widmet sich der Entwicklung und exemplarischen Vorführung eines theorie- bzw. hypothesen-geleiteten Workflows zur Operationalisierung literaturwissenschaftlicher Begriffe. Dabei verfolgt es zwei Ziele: Erstens soll en détail gezeigt werden, wie ein komplexes literaturwissenschaftliches Konzept auf eine Art und Weise operationalisiert werden kann, welche die Rückführung der auf seiner Basis erzielten Messresultate in die nicht-digitale Literaturwissenschaft erlaubt. Im Zuge dessen wird, zweitens, ein gegebenes Top-Down-Operationalisierungskonzept terminologisch und arbeitspraktisch weiter ausdifferenziert. Die beiden Ziele werden exemplarisch anhand der deutschsprachigen Kurzgeschichte nach 1945 bzw. eines Teilmerkmals desselben adressiert. Die methodologisch reflektierte Vorführung durchläuft den gesamten Operationalisierungsablauf vom traditionellen literaturwissenschaftlichen Begriff bis zur Erkennung und Messung desselben mithilfe von großen Sprachmodellen.

In diesem Beitrag wird ein alternativer Ansatz der Segmentierung, die Zergliederung von Erzähltexten mittels der in der Rezitation emergenten Sprechpausen diskutiert. Die Anzahl der Pausensetzungen und die Pausenlängen werden hierbei als von den Vortragenden ad hoc oder planmäßig vorgenommene sinnhafte Segmentierungen verstanden. Für unsere Untersuchung haben wir die Sprechfassungen von drei Erzähltexten automatisch transkribiert und dabei zwischen professionellen und Laien-Lesungen unterschieden. Durch die Auswahl der eingesprochenen Texte sollte weiterhin sichergestellt werden, dass Vorträge von Prosatexten mit verschiedenen narrativen Profilen bzw. Charakteristika Gegenstand der Analyse sind. Sollten sich Sprechpausen im Fortgang als geeignete Analyseeinheiten erweisen, könnten unsere Überlegungen einen vielversprechenden Ansatz zur automatischen Textsegmentierung begründen, mit welchem auch narrative Analysen von z. B. Figuren oder Plotstrukturen erfolgen könnte.