Nigerian Salafi Discourse Corpus (NSDC): Construction, Methods, and Use

In der Erforschung der Art und Weise, wie Menschen Sprache verwenden, haben Forscher lange Zeit auf zwei verschiedene Werkzeuge zurückgegriffen. Ein Werkzeug ist die Nahlektüre weniger Texte, bei der ein Gelehrter jedes Wort untersucht, um die tiefere Bedeutung und den sozialen Kontext zu verstehen. Das andere ist das massive Zählen von Wörtern, wobei Computer Millionen von Seiten scannen, um verborgene Muster zu finden, die dem menschlichen Auge entgehen würden. Jahrzehntelang arbeiteten diese beiden Ansätze oft in getrennten Welten. Jedoch kombiniert ein wachsendes Forschungsfeld sie nun, indem es das schiere Volumen an Daten nutzt, um die Nahlektüre zu leiten, und die Nahlektüre nutzt, um die Zahlen sinnvoll zu interpretieren. Dieser Ansatz ist besonders leistungsstark bei der Untersuchung von Religion, wo Überzeugungen nicht nur private Gedanken sind, sondern öffentliche Argumente, die auf den Straßen, in Moscheen und zunehmend auch in den sozialen Medien ausgetragen werden. In Nigeria, einem Land mit einer riesigen und vielfältigen muslimischen Bevölkerung, ist das Internet zu einem primären Schauplatz geworden, in dem verschiedene Gruppen über ihre Identität, Autorität und ihren Platz in der Gesellschaft debattieren. Um diese Debatten zu verstehen, benötigen Forscher eine Möglichkeit, das schiere Ausmaß der Konversation zu erfassen, ohne die Nuancen der einzelnen Stimmen zu verlieren.

Genau dies setzte sich ein Team von Forschern der University of Ibadan zur Fliege. Sie erstellten eine massive digitale Bibliothek von Facebook-Posts, um zu verfolgen, wie der Salafismus, eine spezifische und oft kontroverse Bewegung innerhalb des sunnitischen Islams, in Nigeria diskutiert wird. Sie sammelten nicht einfach wahllos Posts; sie konstruierten ein sorgfältig organisiertes Archiv namens „Nigerian Salafi Discourse Corpus“. Diese Sammlung enthält fast 5.800 Posts, die über einen Zeitraum von zehn Jahren, von 2015 bis 2025, von Seiten und Profilen mit großen Anhängerschaften veröffentlicht wurden. Der Text innerhalb dieser Posts beläuft sich auf fast 2,5 Millionen Wörter. Die Forscher gewannen diese Daten über eine formale Forschungsschnittstelle, die von Meta, dem Eigentümer von Facebook, bereitgestellt wurde, wodurch sichergestellt wurde, dass sie nur auf öffentliche Inhalte von öffentlichen Personen und Organisationen zugreifen konnten. Das Ziel war es, ein klares, verifizierbares Protokoll darüber zu erstellen, wie Salafisten dargestellt werden, wie sie sich selbst darstellen und wie sie gegen andere Gruppen, wie etwa Sufis oder schiitische Muslime, im nigerianischen Kontext argumentieren.

Um diese Bibliothek aufzubauen, standen die Forscher vor einer bedeutenden Herausforderung: Die Rohdaten von Facebook sind unordentlich. Sie enthalten fehlerhafte Formatierungen, doppelte Posts, Emojis, fremde Skripte und Links, die einen Computer beim Zählen von Wörtern verwirren können. Um dies zu lösen, setzten sie einen spezialisierten KI-Assistenten ein, den sie Salih nannten. Dieses Werkzeug lieferte nicht bloß Vermutungen; es agierte als strenger Editor. Es folgte einem strikten Regelwerk, um den Text zu bereinigen, indem es „Rauschen“ wie Emojis und URLs entfernte, während es die bedeutungstragenden Wörter beibehielt. Es überprüfte seine eigene Arbeit bei jedem Schritt und stellte sicher, dass keine Posts versehentlich gelöscht wurden und dass die endgültige Wortzählung korrekt war. Das Ergebnis war eine saubere, organisierte Textsammlung, die von anderen Forschern analysiert werden konnte. Dieser Prozess wurde so gestaltet, dass er vollkommen transparent ist, was bedeutet, dass jeder andere Wissenschaftler dieselben Schritte befolgen und exakt dasselbe Ergebnis erzielen kann – ein entscheidender Standard für wissenschaftliches Vertrauen.

Nachdem der Text bereinigt worden war, fügten die Forscher drei Ebenen detaillierter Informationen zu jedem einzelnen Wort hinzu. Die erste Ebene identifizierte schlichtweg die Wortart, wie etwa Nomen, Verben oder Eigennamen. Die zweite Ebene gruppierte Wörter in spezifische Themen, wie „religiöse Autorität“, „Konflikt“ oder „Gottesdienstpraktiken“. Die dritte Ebene, die komplexeste, untersuchte den Zweck ganzer Sätze. Sie kodierte, ob ein Satz versuchte, eine Gruppe zu legitimieren, einen Gegner anzugreifen, zu einer Handlung aufzurufen oder zu berichten, was jemand anderes gesagt hat. Diese Kodierung basierte auf einer Methode namens „diskurshistorischer Ansatz“, der Forschern hilft zu verstehen, nicht nur was gesagt wird, sondern warum es gesagt wird und welche Wirkung damit erzielt werden soll. Die Forscher merkten sorgfältig an, dass das System zwar die Schwerstarbeit leistete, aber nicht perfekt war. Sie stellten fest, dass der Computer manchmal bestimmte Arten von Sätzen, wie Aufrufe zum Handeln, überidentifizierte, und sie planen, diese Regeln in Zukunft zu verfeinern.

Die aufgedeckten Daten offenbaren eine lebhafte und oft hitzige Konversation. Die Forscher fanden heraus, dass das Volumen der Posts über das Jahrzehnt schwankte, mit einem Höhepunkt der Aktivität um 2017 und einem weiteren Anstieg im Jahr 2024. Ein erheblicher Teil der Diskussion umfasst das Benennen und Definieren von Gruppen. Die Daten zeigen, dass der Begriff „Muslim“ in der überwiegenden Mehrheit der Posts als Standardidentität verwendet wird, aber spezifische Bezeichnungen wie „Salafi“, „Sufi“, „Schia“ und „Wahhabi“ genutzt werden, um Grenzen zwischen den Gruppen zu ziehen. Die Analyse legt nahe, dass die Bezeichnung „Wahhabi“ oft als negativer Begriff verwendet wird, um andere zu kritisieren, während „Salafi“ häufig von der Gruppe selbst verwendet wird, um sich zu beschreiben. Die Forscher beobachteten auch, dass die Sprache, die zur Diskussion religiöser Autorität verwendet wird, intensiv ist, mit einem starken Rückgriff auf das Zitieren von Gelehrten und religiösen Texten zur Unterstützung von Argumenten. Interessanterweise zeigen die Daten, dass zwar religiöse Schriften zitiert werden, dies aber nicht das einzige Werkzeug ist; Argumente über Recht, Politik und soziale Ordnung sind ebenso häufig, was darauf hindeutet, dass die Debatte tief mit dem breiteren nigerianischen Staat und der Gesellschaft verknüpft ist.

Eines der auffälligsten Ergebnisse ist, wie sich die Länge dieser Posts im Laufe der Zeit verändert hat. Während die Anzahl der Posts in den letzten Jahren relativ stabil blieb, hat die Menge des Textes in jedem Post abgenommen. Dies deutet darauf hin, dass sich die Art des Diskurses hin zu kürzeren, komprimierteren Nachrichten verschiebt, was vielleicht die schnelllebige Natur moderner sozialer Medien widerspiegelt. Die Forscher stellten auch fest, dass die Konversation nicht nur die Theologie betrifft; sie ist tief mit Sicherheit und Konflikt verflochten. Die Daten erfassen, wie religiöse Gruppen mit Gewalt in Verbindung gebracht oder von ihr abgegrenzt werden, insbesondere im Kontext des Aufstands in Nordnigeria. Indem die Forscher den Begriff „Boko Haram“ als eine einzige Einheit in ihrer Analyse behielten, stellten sie sicher, dass das Wort „haram“ (verboten) innerhalb dieses Namens nicht versehentlich Codes auslöste, die mit religiösen Regeln zusammenhängen, wodurch die Sicherheitsdiskussion von der theologischen Diskussion getrennt blieb.

Der Wert dieser Arbeit liegt in ihrer Fähigkeit, einen chaotischen Strom von Online-Argumenten in eine strukturierte Ressource zu verwandeln, die jeder studieren kann. Sie ermöglicht es Forschern, über Anekdoten hinauszugehen und die tatsächlichen Muster zu betrachten, wie Millionen von Wörtern verwendet werden, um religiöse Identität in Afrika zu formen. Das Korpus steht nun anderen Wissenschaftlern zur Verfügung, die es nutzen können, um alles zu untersuchen, von der Entstehung von Stereotypen bis hin zur Artikulation politischer Loyalität in religiöser Sprache. Die Forscher betonen, dass der Computer zwar gezählt hat, die Interpretation dieser Muster jedoch menschliche Einsicht erfordert. Sie haben eine Landkarte des Territoriums bereitgestellt, aber die Reise zum Verständnis der tieferen Bedeutungen dieser Debatten hat gerade erst begonnen. Dieses Projekt zeigt, dass mit sorgfältiger Gestaltung und transparenten Methoden künstliche Intelligenz uns helfen kann, die komplexen Wege zu verstehen, auf denen Gemeinschaften sich selbst definieren und ihren Platz in der Welt bestimmen.