A large-scale corpus of religious radio broadcast transcripts from webstream recordings in the United States
Dieses Papier stellt ein groß angelegtes Korpus von über 700.000 transkribierten und diarisierten englischsprachigen religiösen Hörfunksegmenten aus dem Juli 2025 vor, die aus 785 Webstreams repräsentativ für mehr als 2.000 US-Stationen gesammelt wurden, um die Forschung über religiöse Medieninhalte, soziopolitische Diskurse und Sprachverarbeitung zu erleichtern.
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 die Ätherwellen als eine riesige, unsichtbare Bibliothek vor, in der tausende von Radiosendern ständig Geschichten, Lieder und Predigten in die Leere rufen. Jahrzehntelang waren Wissenschaftler, die untersuchen, wie Menschen kommunizieren, in der Lage, die Bücher in den Abschnitten „News“ und „Talkshow“ dieser Bibliothek zu lesen, aber der Abschnitt „Religion“ blieb ein Mysterium. Warum? Weil zwar Millionen von Menschen jeden Tag religiösem Radio zuhören, aber noch nie jemand ein riesiges, durchsuchbares Register dessen erstellt hat, was tatsächlich gesagt wurde. Es ist, als versuche man, die Kultur einer ganzen Stadt zu verstehen, indem man nur auf ein paar Straßenschilder schaut, anstatt die tatsächlichen Gespräche in den Cafés zu lesen. Um dies zu lösen, brauchten Forscher einen Weg, um stundenlanges, verrauschtes Funkstatik-Rauschen in klaren, organisierten Text zu verwandeln und dann intelligente Computerprogramme zu nutzen, um herauszufinden, worum es in diesen Texten eigentlich ging. Dies ist die Herausforderung der „Inhaltsanalyse“ (Content-Level Analysis): über das bloße Wissen hinaus, dass eine Station existiert, hin zu dem Verständnis, was sie genau sagt, wie sie es sagt und wer es sagt.
Hier kommt der Religious Radio Corpus ins Spiel, eine massive neue digitale Schatzkarte, die von einem Team des Pew Research Center erstellt wurde. Betrachten Sie dieses Projekt als einen superstarken, automatisierten Roboter-Bibliothekar, der einen ganzen Monat lang (Juli 2025) 785 verschiedene Live-Radiostreams in den Vereinigten Staaten belauscht hat. Anstatt nur das Audio aufzunehmen, fing dieses Roboter-Team alle 15 Minuten 15-minütige Tonstücke auf, und das 24 Stunden am Tag. Als sie fertig waren, hatten sie über 700.000 Aufnahmen gesammelt – mehr als 172.000 Stunden Rohaudio! Aber die wahre Magie geschah erst danach: Das Team nutzte fortschrittliche KI, um all das Audio in Text zu verwandeln, wobei identifiziert wurde, wer wann sprach. Sie verwendeten sogar ein superintelligentes Computergehirn (ein Large Language Model), um diese Transkripte zu lesen und sie mit Labels wie „Predigt“, „Interaktion mit Anrufern“ oder „Politik“ zu versehen.
Das Ergebnis ist ein Datensatz, der aus über 60 Millionen Textzeilen besteht, organisiert in drei ordentliche Schichten: eine Liste der Radiostreams, ein Protokoll jeder Aufnahme und die tatsächlich gesprochenen Worte. Dies ist nicht nur ein Haufen Daten; es ist ein Werkzeug, das es Forschern endlich ermöglicht, große Fragen zu beantworten. Beispielsweise können sie nun sehen, wie sich das religiöse Radio vom Süden bis zum Westen verändert oder wie oft Politiker in Predigten erwähnt werden im Vergleich dazu, wie oft über Familienberatung gesprochen wird. Das Team überprüfte seine Arbeit sorgfältig und stellte fest, dass ihre Computertranskription überraschend genau war – sie machte nur etwa 5 Fehler auf 100 Wörter, was dem Niveau nahekommt, auf dem zwei verschiedene Menschen übereinstimmen würden, wenn beide dasselbe Band transkribieren würden. Während der Computer manchmal mit verrauschten Telefonaten oder Hintergrundmusik zu kämpfen hatte, ist das Gesamtbild klar und zuverlässig.
Dieses Paper sagt nicht nur „wir haben Daten“; es beweist, dass wir religiöses Rundfunkwesen nun in einem Ausmaß untersuchen können, das zuvor nie möglich war. Es widerlegt die Vorstellung, dass wir darauf angewiesen sind, kleine Umfragen zu nutzen oder zu raten, was im Äther zu hören ist. Stattdessen bietet es ein vollständiges, durchsuchbares Archiv dessen, was tatsächlich ausgestrahlt wird. Die Autoren sind zuversichtlich, dass diese Daten solide genug sind, um Gelehrten zu helfen, die „elektronische Kirche“ als nationales Phänomen zu verstehen, anstatt nur eine Station nach der anderen zu betrachten. Ob Sie nun Religionswissenschaftler, Politikwissenschaftler oder Computerexperte sind, der Maschinen lehrt, menschliche Sprache zu verstehen – dieser Korpus öffnet die Tür zu einer völlig neuen Art, der Welt zuzuhören.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.