A large-scale pipeline for automatic corpus annotation using LLMs: variation and change in the English consider construction
Diese Arbeit präsentiert eine skalierbare, vierstufige Pipeline zur automatisierten Korpusannotation mittels Large Language Models (LLMs), die am Beispiel der diachronen Variation der englischen „consider“-Konstruktion demonstriert, dass hochpräzise und großangelegte linguistische Analysen mit minimalem manuellem Aufwand möglich sind.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die digitale Bibliothek und der unbezwingbare Berg aus Papier
Stellen Sie sich vor, Sie sind ein Detektiv, der ein riesiges Geheimnis lösen will. Sie wissen, dass die Antwort in einer gigantischen Bibliothek versteckt ist – einer Bibliothek, die so groß ist, dass sie ganze Kontinente füllen würde. In dieser Bibliothek liegen Milliarden von Zetteln, auf denen Menschen über die letzten 200 Jahre hinweg ihre Gedanken aufgeschrieben haben.
Ihr Ziel: Sie wollen herausfinden, wie sich die Art und Weise verändert hat, wie wir über Dinge urteilen. Zum Beispiel: Sagen wir heute anders „Ich halte das für wichtig“ als im Jahr 1820?
Das Problem: Der „menschliche Flaschenhals“
Früher mussten Linguisten (also Sprachforscher) jeden einzelnen Zettel in der Hand nehmen, ihn lesen und in eine Schublade sortieren: „Das ist ein Urteil“, „Das ist nur ein Gedanke“, „Das ist eine höfliche Form“. Das ist so, als müssten Sie einen riesigen Berg Sand mit einem Teelöffel Schaufeln, um die Goldkörner zu finden. Es dauert Jahre, es ist wahnsinnig teuer und irgendwann ist man einfach zu müde und macht Fehler.
Die Lösung: Der „Super-Assistent“ (Die LLMs)
Die Forscher Cameron Morin und Matti Marttinen Larsson haben eine Abkürzung gefunden. Sie haben keine Teelöffel benutzt, sondern eine Armee von „Super-Assistenten“ engagiert: Große Sprachmodelle (wie ChatGPT, aber in einer speziellen Profi-Version namens GPT-5).
Man kann sich das so vorstellen: Anstatt selbst jeden Zettel zu lesen, schreiben die Forscher ein extrem präzises „Handbuch“ (das nennt man Prompt Engineering). In diesem Handbuch steht nicht nur: „Sortiere die Zettel“, sondern: „Schau genau hin: Wenn jemand sagt 'Ich finde ihn klug', ist das ein Urteil. Wenn er sagt 'Ich überlege meine Optionen', ist es nur ein Gedanke. Achte auf die feinen Unterschiede!“
Der Plan: Das Vier-Stufen-System
Damit die KI nicht einfach halluziniert oder schlampt, haben die Forscher ein System gebaut, das wie eine Qualitätskontrolle in einer Autofabrik funktioniert:
- Das perfekte Handbuch schreiben: Die Regeln so genau wie möglich festlegen.
- Der Testlauf: Die KI bekommt eine kleine Kiste Zettel. Die Forscher prüfen selbst: Hat die KI recht? Wenn nicht, wird das Handbuch nachgebessert.
- Die Fließbandarbeit: Erst wenn die KI perfekt funktioniert, wird sie auf den riesigen Berg losgelassen. Sie arbeitet Tag und Nacht, ohne müde zu werden.
- Die Endkontrolle: Am Ende ziehen die Forscher stichprobenartig wieder Zettel aus dem fertigen Berg, um sicherzugehen, dass die KI nicht irgendwo „aus der Spur geraten“ ist.
Das Ergebnis: Was haben sie gefunden?
Die KI hat in weniger als drei Tagen das geschafft, wofür ein Mensch über 400 Stunden gebraucht hätte! Und sie war dabei extrem genau (über 98 % Trefferquote).
Durch diese riesige Datenmenge haben die Forscher etwas Spannendes entdeckt: Die Sprache verändert sich nicht überall gleich.
- In der lockeren Alltagssprache (wie in Filmen oder Romanen) neigen wir dazu, Wörter wegzulassen, um schneller und effizenter zu sein (wir „kürzen“ die Sätze).
- In der formellen Sprache (wie in wissenschaftlichen Texten) machen wir genau das Gegenteil: Wir fügen Wörter hinzu, um präziser und klarer zu sein. Es ist, als würden wir in einem lockeren Gespräch nur stichwortartig reden, aber in einem offiziellen Brief jedes Detail ganz genau ausformulieren.
Fazit
Die Forscher haben bewiesen: KI ist nicht nur zum Chatten da. Sie ist wie ein hochmoderner, digitaler Mikroskop, der es Sprachforschern ermöglicht, in riesigen Datenmengen nach den kleinsten Spuren der Veränderung zu suchen – Dinge, die ein Mensch in einem ganzen Leben niemals hätte finden können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.