Computational Representations of Character Significance in Novels
Dieses Papier schlägt ein neuartiges sechsteiliges Strukturmodell des Charakters vor, das die Diskussion durch andere Charaktere einbezieht, und zeigt durch eine computergestützte Analyse von britischen realistischen Romanen des 19. Jahrhunderts auf, dass dieser Ansatz neue Einblicke in literaturtheoretische Konzepte der Charakterzentralität und geschlechtsspezifischer Dynamiken bietet.
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
Stellen Sie sich einen Roman nicht nur als eine Geschichte vor, sondern als eine belebte Stadt. Lange Zeit versuchten Literaturkritiker und Informatiker herauszufinden, wer die „wichtigen“ Personen in dieser Stadt waren, indem sie einfach zählten, wie oft diese über die Straße liefen (in einer Szene auftauchten) oder wie oft sie anderen die Hand schüttelten (ein Gespräch führten).
Dieses Paper argumentiert, dass diese Methode so ist, als würde man die Wichtigkeit einer Person in einer Stadt nur danach beurteilen, wie oft sie in der Öffentlichkeit gesehen wird. Es übersieht die Tatsache, dass jemand der meistbesprochenene Mensch der Stadt sein kann, selbst wenn er den ganzen Tag zu Hause bleibt.
Hier ist eine Aufschlüsselung dessen, was die Forscher getan haben, unter Verwendung einfacher Analogien:
1. Die neue „Sechs-Punkte-Bewertungsskala“
Anstatt nur „Straßenauftritte“ zu zählen, entwickelte das Team (eine Mischung aus Informatikern und Literaturwissenschaftlern) eine neue sechsteilige Bewertungsskala, um den „Raum“ eines Charakters in der Geschichte zu messen. Denken Sie an es wie ein Zeugnis für die Präsenz eines Charakters:
- Name (N): Wie oft wird sein Name niedergeschrieben? (Wie das Sehen seines Namens auf einem Briefkasten).
- Kommunikation (C): Wie viel spricht oder schreibt er/sie? (Wie die Lautstärke seiner/ihrer Stimme auf einem Marktplatz).
- Innerlichkeit (I): Wie viel erfahren wir über sein/ihr Inneres, um seine/ihre Gedanken und Gefühle zu hören? (Wie das Lesen seines/ihres privaten Tagebuchs).
- Handlung (A): Welche physischen Dinge tut er/sie? (Wie das Bauen eines Hauses oder das Laufen eines Rennens).
- Diskussion durch andere (DC): Wie viel sprechen andere Charaktere über ihn/sie? (Das ist der neue große Punkt. Es ist wie die Häufigkeit, mit der Leute auf einer Party über jemanden tuscheln, der gar nicht einmal da ist).
- Erzählerische Beschreibung (DN): Wie sehr beschreibt der Erzähler ihn/sie? (Wie ein Erzähler innehält, um zu sagen: „Schau dir seine traurigen Augen an“).
2. Die „Klatschkarte“ (Das neue Netzwerk)
Die Forscher erstellten eine spezielle Art von Karte (einen Graphen), die auf dem Teil der Bewertungsskala „Diskussion“ basiert.
- Alte Karten: Frühere Karten zeigten, wer neben wem stand (Ko-Okkurrenz) oder wer mit wem sprach (Dialog). Dies sind wie Zwei-Wege-Straßen.
- Die neue Karte: Diese Karte zeigt, wer über wen spricht. Dies ist eine Ein-Weg-Straße.
- Analogie: Stellen Sie sich eine Stadt vor, in der Alice nie spricht, aber alle anderen ständig über sie reden. In einer alten Karte würde sie unsichtbar erscheinen. In dieser neuen „Klatschkarte“ ist sie das Zentrum des Universums, weil alle auf sie zeigen.
3. Das Experiment: Computern beibringen, wie Kritiker zu lesen
Das Team testete zwei Wege, wie Computer diese sechsteilige Bewertungsskala für britische Romane des 19. Jahrhunderts (wie Stolz und Vorurteil und Jane Eyre) ausfüllen können:
- Methode A (Die „BookNLP“-Pipeline): Ein spezialisiertes, regelbasiertes Werkzeug, das speziell für die Literatur entwickelt wurde. Es ist wie ein erfahrener Bibliothekar, der genau weiß, wo er nach bestimmten Sätzen suchen muss.
- Methode B (Der „LLM“-Ansatz): Die Verwendung leistungsstarker KI-Chatbots (wie GPT-4), um den Text zu lesen und die Zählungen zu erraten.
Das Ergebnis: Das spezialisierte Bibliothekar-Werkzeug (BookNLP) war viel genauer und konsistenter als der KI-Chatbot. Der Chatbot wurde oft verwirrt, besonders bei Nebencharakteren oder wenn die Geschichte aus einer Ich-Perspektive erzählt wurde (wo der Erzähler auch ein Charakter ist). Die Forscher entschieden sich, das „Bibliothekar“-Werkzeug für ihre große Studie zu verwenden.
4. Was sie entdeckten
Unter Verwendung dieser neuen Bewertungsskala und der „Klatschkarte“ analysierten sie 64 klassische Romane und fanden einige überraschende Dinge heraus:
- Die „Einer gegen die Vielen“-Theorie: Eine berühmte Theorie besagt, dass Romane um einen Haupthelden und eine Menge von Nebencharakteren aufgebaut sind, die um Platz kämpfen. Die Forscher fanden heraus, dass dies weitgehend wahr ist, aber der „Eine“ oft tatsächlich ein kleines Cluster aus 2 oder 3 Personen ist, die das Rampenlicht teilen, anstatt nur ein einzelner Held zu sein.
- Über jemanden sprechen vs. selbst sprechen: In Stolz und Vorurteil ist Mr. Darcy der am meisten „besprochene“ Charakter (er hat den höchsten „In-Degree“ auf der Klatschkarte). Elizabeth Bennet ist jedoch diejenige, die am meisten über andere spricht (höchster „Out-Degree“). Dies zeigt, dass es ein Unterschied ist, das Thema eines Gesprächs zu sein, im Vergleich dazu, der Sprecher zu sein.
- Geschlecht und Klatsch: Sie untersuchten, wer über wen spricht, basierend auf dem Geschlecht. Sie fanden heraus, dass Frauen in diesen Romanen mehr über andere Frauen sprechen als Männer über andere Männer. Außerdem waren Frauen eher diejenigen, die andere diskutierten, während Männer oft die waren, die diskutiert wurden. Dies enthüllte eine verborgene soziale Ebene, die die alten „Wer stand neben wem“-Karten völlig verpassten.
Zusammenfassung
Das Paper führt eine neue Methode ein, um die Wichtigkeit von Charakteren zu messen, die über das bloße „Erscheinen“ hinausgeht. Indem sie zählten, wie viel Charaktere denken, handeln und – entscheidend – wie viel über sie gesprochen wird, schufen die Forscher eine nuanciertere Karte der sozialen Welt eines Romans. Sie bewiesen, dass Computer dies tun können, aber sie benötigen die richtigen Werkzeuge (spezialisierte Software statt nur allgemeiner KI), um die Details richtig zu erfassen. Dies ermöglicht es uns zu sehen, dass in diesen klassischen Geschichten der „Hauptcharakter“ oft ein komplexes Geflecht von Beziehungen ist und nicht nur ein einzelner Held.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.