Technische Samenvatting: Computationele Representaties van Karakterbetekenis in Romans

Probleemstelling

Traditionele computationele benaderingen van karakteranalyse in de literatuur hebben grotendeels vertrouwd op het modelleren van karakters op basis van hun fysieke aanwezigheid in scènes, primair door middel van co-occurrence (gelijktijdige aanwezigheid) of dialooguitwisseling. Deze methoden verwarren "aanwezigheid" vaak met "betekenis", waarbij ze impliciet de hoofdpersoon prioriteren die het vaakst voorkomt. Deze interactie-gecentreerde visie staat echter in strijd met literaire theorieën zoals die van Alex Woloch over "de één versus de velen", die stelt dat narratieven zijn gestructureerd rond een centraal individu en een reeks ondergeschikte figuren die strijden om beperkte narratieve ruimte. Bovelijk negeren bestaande methoden vaak het onderscheid tussen de verteller en het karakter, en houden ze geen rekening met de manier waarop karakters door anderen worden besproken — een component die interesse en sociale positionering onthult zonder dat daar fysieke aanwezigheid voor nodig is.

De auteurs adresseren de noodzaak voor een meer genuanceerd, multidimensionaal kader om de betekenis van karakters te kwantificeren dat aansluit bij hedendaagse literaire theorie en relationele dynamiek vastlegt die verder gaat dan eenvoudige interactie.

Methodologie

Het Zes-Componenten Structurele Model

De kern van de methodologie is een structureel model van karakterbetekenis, ontwikkeld in samenwerking met literatuurwetenschappers (Marcus, 2025). Dit model deelt de aanwezigheid van een karakter op in zes afzonderlijke componenten:

1. Naam (N): Instanties van de eigennamen van het karakter (exclusief voornaamwoorden).
2. Communicatie (C): Zinnen van de geciteerde spraak of het geschreven werk van het karakter.
3. Interioriteit (I): Werkwoordelijke zinsdelen die de gedachten, gevoelens, intenties of percepties van het karakter uitdrukken.
4. Actie (A): Werkwoordelijke zinsdelen die fysieke handelingen overbrengen (exclusief spraak of interioriteit).
5. Bespreking door andere karakters (DC): Zinnen van communicatie van andere karakters waarin het doelkarakter wordt besproken.
6. Beschrijving door de verteller (DN): Zinnen in de narratieve stem die het uiterlijk, de houding of de kleding van het karakter beschrijven.

Data en Annotatie

De auteurs hebben een dataset geconstrueerd door alle hoofdstukken van Pride and Prejudice (Jane Austen) en Jane Eyre (Charlotte Brontë) handmatig te annoteren om de grondwaarheid (ground truth) tellingen voor deze zes componenten op hoofdstukniveau vast te stellen. Zij merken op dat Jane Eyre specifieke uitdagingen biedt vanwege de ik-verteller, waarbij de verteller en de protagonist hetzelfde zijn, wat het onderscheid tussen interioriteit en vertellerbeschrijving bemoeilijkt.

Om een geschaalde analyse mogelijk te maken, hebben de auteurs een corpus samengesteld van 64 belangrijke Britse realistische romans uit de 19e eeuw (1800–1900), waarbij eerste-persoonsnarratieven waarbij de verteller een karakter is, werden uitgesloten omdat voorlopige resultaten op dergelijke teksten een matige prestatie lieten zien.

Computationele Benaderingen

Het artikel evalueert twee primaire pipelines voor het operationaliseren van dit model:

1. BookNLP-gebaseerde Pipeline: Een transformer-gebaseerde pipeline met entity, quote, supersense, event, en coreference packages. Het parseert de tekst om spans te identificeren die voldoen aan de criteria van de componenten (bijvoorbeeld door gebruik te maken van VerbNet-klassen voor acties en interioriteit).
2. LLM-gebaseerde Benaderingen:
   • Hoofdstukniveau-tellingen: Het prompten van LLM's (gpt-4o-mini) om JSON-tellingen te generen voor alle componenten en karakters per hoofdstuk.
   • Span-niveau annotaties: Het prompten van LLM's om specifieke tekstspans te identificeren voor individuele componenten (bijvoorbeeld het oplossen van voornaamwoorden in dialoog om "Bespreking door andere karakters" te bepalen).

Netwerkconstructie

De auteurs construeren drie typen karakternetwerken:

• Co-occurrence Netwerk: Ongerichte randen (edges) gebaseerd op paragraaf-niveau co-presentie.
• Dialoog Netwerk: Ongerichte randen gebaseerd op de afwisseling van spraakbeurten (Component C).
• Discussie Netwerk: Een nieuw gerichte graaf waarbij randen $u \to v$ vertegenwoordigen dat karakter $u$ over karakter $v$ spreekt (Component DC). Dit maakt het onderscheid mogelijk tussen "besproken worden" (in-degree) en "over anderen praten" (out-degree).

Belangrijkste Bijdragen

1. Theoretisch Kader en Dataset: Het artikel introduceert een zes-componentenmodel van karakterbetekenis voor computationele literatuurstudies en publiceert een bijbehorend dataset van door experts geannoteerde componentscores voor Pride and Prejudice en Jane Eyre.
2. Computationele Pipeline: De auteurs ontwikkelen en publiceren een pipeline die in staat is om deze componenten te labelen in 19e-eeuwse romans. Zij demonstreren dat hoewel LLM's kunnen worden gebruikt voor labeling, de BookNLP-gebaseerde pipeline een superieure betrouwbaarheid en lagere foutmarges biedt voor grootschalige corpusanalyse, met name voor componenten zoals Actie (A) en Interioriteit (I).
3. Nieuwe Netwerkrepresentatie: Het artikel stelt de "Discussie Netwerk" (DC) voor, een gerichte graaf die vastlegt hoe karakters zich tot elkaar verhouden via discours, wat een nieuw perspectief biedt op karaktercentraliteit dat verschilt van co-occurrence of dialoog.
4. Corpus-niveau Analyse: De auteurs passen deze representaties toe op een corpus van 64 romans om specifieke literaire vragen te beantwoorden met betrekking tot karaktercentraliteit en genderdynamiek.

Resultaten

Labeling Nauwkeurigheid

• BookNLP vs. LLM: De BookNLP-gebaseerde pipeline bereikte een Mean Absolute Error (MAE) van 1.7 en een Pearson-correlatie van 0.75 tegen de gold counts voor Pride and Prejudice. In contrast hiermee vertoonden LLM-gebaseerde methoden, zelfs met fijnmazige prompting, een hogere MAE en inconsistente prestaties, met name voor minder belangrijke karakters en componenten zoals Actie (A) en Interioriteit (I).
• Eerste-persoons Narratieven: De pipeline had moeite met Jane Eyre vanwege problemen met coreference-resolutie tussen de verteller en de protagonist. Zonder handmatige correctie was de MAE 4.35; met correctie daalde deze naar 3.00. Bij consequentie werden eerste-persoons narratieven uitgesloten van de hoofdcorpusanalyse.

Netwerkanalyse en Literaire Inzichten

• Centraliteitsverschillen: De studie vond dat verschillende netwerkconstructies verschillende rangschikkingen van karakterprominentie opleveren. Bijvoorbeeld, in Pride and Prejudice rangschikt Mr. Darcy als eerste in "in-strength" (besproken worden), terwijl Elizabeth als eerste rangschikt in "out-strength" (anderen bespreken). Dit benadrukt dat "besproken worden" en "het woord voeren" verschillende dimensies van sociale prominentie zijn.
• Woloch's "De één versus de velen": Analyse van ongelijkheidsmetrieken (Gini-coëfficiënt) over het corpus laat zien dat narratieve aandacht zeer geconcentreerd maar niet monolithisch is. De "één" is niet één enkel individu, maar een gecentraliseerde cluster van verschillende karakters, met meerdere graden van "velen" die de periferie vormen.
• Genderdynamiek: Het Discussie Netwerk onthulde significante genderstructuren die onzichtbaar zijn in ongerichte netwerken:
  • Vrouwelijke karakters zijn oververtegenwoordigd onder de meest centrale discussanten (out-degree) en de meest besproken figuren (in-degree).
  • Er is een asymmetrisch cross-gender aandachtspatroon: randen van vrouwen naar mannen komen significant vaker voor dan van mannen naar vrouwen ($F \to M / M \to F = 1.26$).

Betekenis en Claims

Het artikel claimt een nieuw computationeel perspectief voor literaire analyse te bieden dat verder gaat dan eenvoudige interactiemetrieken. Door een component-gebaseerde theorie van karakter te integreren met netwerkanalyse, demonstreren de auteurs dat:

1. Karakterbetekenis Multidimensionaal is: Een volledig beeld van een karakter vereist dat er rekening wordt gehouden met interioriteit, beschrijving en discussie, niet alleen fysieke aanwezigheid of dialoog.
2. Gerichte Grafen Nieuwe Sociale Lagen Onthullen: Het Discussie Netwerk legt relationele dynamieken bloot (wie bespreekt wie) die onzichtbaar zijn in traditionele ongerichte co-occurrence of dialoog-netwerken.
3. Gender de Narratieve Ruimte Vormt: De computationele analyse levert empirisch bewijs voor genderdynamiek in karakterdiscussie, waarbij wordt aangetoond dat vrouwen vaker het onderwerp van discussie zijn en anderen bespreken, een nuance die eerdere netwerkstudies missen.

De auteurs concluderen dat hoewel hun methoden momenteel beperkt zijn tot derde-persoons 19e-eeuwse Engelse romans vanwege de kosten van annotatie en coreference-uitdagingen in eerste-persoons narratieven, dit kader een robuuste basis biedt voor toekomstig werk bij het opschalen van literaire theorie naar grote corpora. Zij geven expliciet aan dat hun doel is om toekomstig onderzoek te faciliteren in plaats van een definitieve, foutloze oplossing voor alle narratieve vormen te bieden.