Der Beitrag stellt das Konzept der Platinstandard-Annotation und die Methode ihrer Erstellung vor. Dem Konzept liegt die Idee zugrunde, dass bei der Annotation komplexer literarischer Phänomene mit hermeneutischem Fokus die Qualität der Annotationen anders gewährleistet werden muss als durch einstimmige, mehrheitliche oder durchschnittliche Entscheidung von Annotator:innen – es geht hier um reflektierte und gut begründete Annotation. Die Methode zur Erstellung wird anhand eines Best-Practice-Beispiels vorgestellt: Bei der Annotation unzuverlässigen Erzählens basieren die Annotationen in der Regel auf impliziten und unvollständigen inhaltsspezifizierenden Interpretationen der Texte. Im Projekt CAUTION werden diese Interpretationen und ihre argumentative Stützung mithilfe von Argumentbäumen explizit gemacht und unter den Annotator:innen diskutiert, um Argumentation und Interpretation zu verbessern. Das Ziel ist dabei keine Vereinheitlichung der Annotationen, sondern ihre diskursive Reflexion. Dies resultiert nicht nur in hermeneutisch adäquaten Annotationen, sondern ermöglicht auch interpretationstheoretische und methodische Erkenntnisse. Auf diese Weise können Platinstandard-Annotationen das Repertoire der digitalen Literaturwissenschaft erweitern.

Measures of distinctiveness are important tools for comparing groups of texts to identify each group's characteristic features. Evaluating these measures is essential to ensure their reliability and predictability. In our research, we applied a new method for evaluating measures of distinctiveness. Our method uses a synthetically generated homogenous text corpus to which we insert an artificial word whose frequency and dispersion are precisely manipulated. This approach allows us to determine each measure's sensitivity to variations in frequency and dispersion. Through our evaluation, we uncovered previously unknown characteristics of these measures. Specifically, we discovered that TF-IDF is more sensitive to dispersion variations than other dispersion-based measures. Moreover, we found that Eta cannot detect a word with a clear dispersion contrast when it has the same frequency in both the target and comparison groups. In our next steps, we aim to explore practical applications of this new knowledge about measures of distinctiveness.

Die soziale Netzwerkanalyse ist in den Computational Literary Studies als Methode etabliert, mit der insbesondere Figurenbeziehungen in fiktionalen Welten exploriert und analysiert werden. Während Netzwerkanalysen zu dramatischen Texten verbreitet und die Verfahren zur Datenerhebung erprobt sind, wird die Methode nach wie vor nur vereinzelt für die Analyse narrativer Texte verwendet. Das liegt vor allem daran, dass es um ein Vielfaches voraussetzungsreicher ist, die für Netzwerkanalysen benötigten Daten aus narrativen Texten zu extrahieren. Die Komplexität resultiert nicht nur aus Tasks wie Entitätenreferenzerkennung und Koreferenzresolution, sondern auch daraus, dass die Organisation des Erzählten (z.B. auf Erzählebenen) und die Kontexte von Figurennennungen (z.B. Exkurse und Figurenrede) berücksichtigt werden müssen. Der vorliegende Beitrag versucht, diese methodische „Lücke“ zu schließen, indem er ein modulares Vorgehensmodell entwickelt, das verschiedene Aspekte narrativer Texte integriert und geeignet ist, kookkurrenzbasierte Figurennetzwerke aus Erzähltexten zu erstellen.