Open Access

We present a testsuite for POS tagging German web data. Our testsuite provides the original raw text as well as the gold tokenisations and is annotated for parts-of-speech. The testsuite includes a new dataset for German tweets, with a current size of 3,940 tokens. To increase the size of the data, we harmonised the annotations in already existing web corpora, based on the Stuttgart-Tübingen Tag Set. The current version of the corpus has an overall size of 48,344 tokens of web data, around half of it from Twitter. We also present experiments, showing how different experimental setups (training set size, additional out-of-domain training data, self-training) influence the accuracy of the taggers. All resources and models will be made publicly available to the research community.

Unlike corpora of written language where segmentation can mainly be derived from orthographic punctuation marks, the basis for segmenting spoken language corpora is not predetermined by the primary data, but rather has to be established by the corpus compilers. This impedes consistent querying and visualization of such data. Several ways of segmenting have been proposed, some of which are based on syntax. In this study, we developed and evaluated annotation and segmentation guidelines in reference to the topological field model for German. We can show that these guidelines are used consistently across annotators. We also investigated the influence of various interactional settings with a rather simple measure, the word-count per segment and unit-type. We observed that the word count and the distribution of each unit type differ in varying interactional settings and that our developed segmentation and annotation guidelines are used consistently across annotators. In conclusion, our syntax-based segmentations reflect interactional properties that are intrinsic to the social interactions that participants are involved in. This can be used for further analysis of social interaction and opens the possibility for automatic segmentation of transcripts.

In a number of languages, agreement in specificational copular sentences can or must be with the second of the two nominals, even when it is the first that occupies the canonical subject position. Béjar & Kahnemuyipour (2017) show that Persian and Eastern Armenian are two such languages. They then argue that ‘NP2 agreement’ occurs because the nominal in subject position (NP1) is not accessible to an external probe. It follows that actual agreement with NP1 should never be possible: the alternative to NP2 agreement should be ‘default’ agreement. We show that this prediction is false. In addition to showing that English has NP1, not default, agreement, we present new data from Icelandic, a language with rich agreement morphology, including cases that involve ‘plurale tantum’ nominals as NP1. These allow us to control for any confound from the fact that typically in a specificational sentence with two nominals differing in number, it is NP2 that is plural. We show that even in this case, the alternative to agreement with NP2 is agreement with NP1, not a default. Hence, we conclude that whatever the correct analysis of specificational sentences turns out to be, it must not predict obligatory failure of NP1 agreement.

Die hier vorgelegte Studie ist das empirisch-konstitutionsanalytische Ergebnis meiner multi-modal-interaktionsanalytischen Beschäftigung mit einem bestimmten Typ kommunikativer Minimalform. Es handelt sich um den nur wenige Sekunden dauernden und oftmals nur blick-lich-mimisch-körperlich konstituierten sozialen Austausch von Passanten, die an einem Fens-ter vorbeigehen und dabei in das Zimmer blicken, an dem eine Person an einem Tisch sitzt, die ihrerseits die Hereinblickenden anschaut und somit eine Situation der Wahrnehmungs-wahrnehmung (Hausendorf 2003) etabliert. Im Mittelpunkt dieser Untersuchung zu Augenblicks-Kommunikation am Fenster steht die detaillierte Analyse motiviert ausgewählter Fälle aus einem umfangreichen Korpus (siehe Abschnitt 11). Die Fallanalysen dienen dem Nachweis der konstitutiven Bausteine der kom-munikativen Minimalform und der Systematik des Beteiligtenverhaltens über eine Vielzahl unterschiedlicher Konstellationen hinweg. Basierend auf der fallanalytisch produzierten empi-rischen Evidenz und Rekurrenz interaktionsstruktureller und sozial-implikativer Konstituen-ten des dokumentierten Interaktionsereignisses wird es möglich, die Relevanz der interakti-onsanalytischen Beschäftigung mit kommunikativen Minimalformen als relevante Unter-suchungsgegenstände deutlich zu machen. Um den empirisch basierten Nachweis kommunikativer Minimalformen als relevante und bislang übersehene Untersuchungsgegenstände der multimodalen Interaktionsanalyse nicht noch durch die Beschreibung, Reflexion und Problematisierung damit zusammenhängender methodisch-methodologischer Voraussetzungen und Anforderungen zu überfrachten, habe ich letztere Überlegungen – soweit es mir vertretbar erschien – mehr oder weniger konsequent ausgeklammert. Ich habe sie jedoch nicht ausgesondert und zur Seite gelegt. Vielmehr stellt die Reflexion und Diskussion der methodisch-methodologischen Implikationen der multimo-dal-interaktionsanalytischen Untersuchung kommunikativer Minimalform(en) ein zweites Ergebnis meiner bisherigen Beschäftigung mit der Augenblicks-Kommunikation am Fenster dar. Dieses Ergebnis befindet sich augenblicklich noch in Vorbereitung und wird als eigen-ständige Publikation veröffentlicht. Es stellt eine systematische und notwendige Ergänzung der hier vorliegenden Studie mit ihrem empirisch-fallanalytischen Fokus dar. Wer sich also speziell für die (weiterführende) methodisch-methodologische und theoretische Seite der Ana-lyse kommunikativer Minimalformen interessiert, der sei auf diese zweite Publikation (Schmitt/Petrova i. Vorb.) verwiesen.