Seminarmodul L-UF Linguistics - Cheatsheet

Historische Entwicklung der Linguistik

Definition:

Historischer Verlauf der Linguistik als wissenschaftliche Disziplin von den Anfängen bis zur Gegenwart.

Details:

• Antike: Erste Sprachtheorien in Griechenland und Indien (z.B. Panini 4. Jh. v. Chr.).
• 18./19. Jahrhundert: Entstehung der historisch-vergleichenden Sprachwissenschaft (z.B. Jacob Grimm, Franz Bopp).
• Saussures Strukturalismus: Ferdinand de Saussure begründet die moderne Linguistik (frühes 20. Jh.).
• Generative Grammatik: Noam Chomskys Theorie der Syntax (1950er Jahre).
• Pragmatische Wende: Hinwendung zur Sprachverwendung und Kontext (ab 1960er Jahre).
• Neuere Entwicklungen: Korpuslinguistik, computerlinguistische Methoden, interdisziplinäre Ansätze.

Phonetik und Phonologie

Definition:

Phonetik: Untersuchung von Sprachlauten; Phonologie: Untersuchung der funktionalen Systeme dieser Laute innerhalb einer Sprache.

Details:

• Phonetik: drei Teilbereiche - Artikulatorische, Akustische, Auditive Phonetik
• Artikulatorische Phonetik: wie Laute gebildet werden (z. B. Position der Zunge, Lippen, etc.)
• Akustische Phonetik: physikalische Eigenschaften von Lauten (z. B. Frequenz, Amplitude)
• Auditive Phonetik: wie Laute vom Ohr und Gehirn verarbeitet werden
• Phonologie: untersucht Phoneme (bedeutungsunterscheidende Laute)
• Minimalpaaranalyse: Methode zur Bestimmung von Phonemen
• Unterschied zwischen Phonem und Allophon: Phoneme sind bedeutungsunterscheidend, Allophone sind verschiedene Realisierungen des gleichen Phonems
• Silbenstruktur: Aufbau von Silben (z. B. Onset, Nukleus, Koda)
• Prosodie: suprasegmentale Merkmale wie Ton, Intonation, Betonung

Generative Grammatik nach Chomsky

Definition:

Theorie der Syntax, die die Struktur von Sätzen definiert und generiert durch formale Regeln.

Details:

• Wichtige Konzepte: Tiefenstruktur (D-Struktur) und Oberflächenstruktur (S-Struktur)
• Transformationsregeln zur Ableitung von S-Sätzen aus D-Sätzen
• Phrasenstrukturregeln: Definition von Konstituentenstrukturen
• Chomsky-Hierarchie: Kategorisierung formaler Sprachen
• Notation: Konstituentenstrukturen durch Klammern und Baumdiagramme dargestellt
• Beispielregel: \(S \rightarrow NP \, VP\)

Diskursanalyse und Korpuslinguistik

Definition:

Diskursanalyse untersucht den Gebrauch von Sprache in bestimmten Kontexten, Korpuslinguistik analysiert große Textsammlungen (Korpora) zur Sprachbeschreibung und -untersuchung.

Details:

• Diskursanalyse: Fokus auf Machtstrukturen, soziale Normen in Texten/Kommunikationssituationen
• Korpuslinguistik: Nutzung von Softwaretools zur Sprachmusteranalyse (z.B. Frequenzverteilungen, Kollokationsanalysen)
• Beispiele für Software: AntConc, Sketch Engine
• Ziel: Kombination beider Disziplinen für umfassende Sprachuntersuchung

Statistische Methoden in der Linguistik

Definition:

Anwendung statistischer Techniken zur Analyse sprachlicher Daten und Muster.

Details:

• Deskriptive Statistik: Mittelwert, Median, Standardabweichung
• Inferentielle Statistik: Hypothesentests, Konfidenzintervalle
• Korrelation und Regression: Zusammenhang und Vorhersage von Variablen
• Wahrscheinlichkeitstheorie: Basis für statistische Inferenz
• Chi-Quadrat-Test: Überprüfung von Verteilungen
• ANOVA: Vergleich von Mittelwerten zwischen Gruppen
• Machine Learning: Anwendung von Algorithmen zur Mustererkennung
• Software-Tools: R, Python (pandas, scipy, nltk)

Natural Language Processing (NLP)

Definition:

Natural Language Processing (NLP) befasst sich mit der automatischen Verarbeitung und Analyse natürlicher Sprache durch Computer.

Details:

• Analysemethoden: Tokenisierung, Parsing, POS-Tagging
• Sprachtechnologien: Maschinelles Übersetzen, Sprachsynthese, Sentiment-Analyse
• Maschinelles Lernen: Verwendung von Algorithmen wie RNNs, LSTMs und Transformers
• Datenquellen: Korpora, annotierte Textdaten
• Anwendungsbereiche: Suchmaschinen, Sprachassistenten, Text Mining

Maschinelles Lernen und Sprachmodelle

Definition:

Maschinelles Lernen (ML) und Sprachmodelle beschäftigen sich mit der Entwicklung von Algorithmen und Modellen zur Verarbeitung und Analyse natürlicher Sprache.

Details:

• ML nutzt Statistik und probabilistische Modelle: Erkennung von Mustern und Vorhersagen.
• Supervised Learning: Datenbeschriftung erforderlich.
• Unsupervised Learning: Entdecken von verborgenen Strukturen.
• Sprachmodelle generieren und verstehen Sprache (z.B. GPT-3).
• NLP (Natural Language Processing): Verknüpfung von Linguistik und ML.
• Wichtige Konzepte: Tokenisierung, Embeddings, Transformer-Architekturen.
• Evaluation: Precision, Recall, F1-Score.
• Gängige Algorithmen: k-NN, SVM, Entscheidungsbäume, neuronale Netze.

Spracherkennung und -synthese

Definition:

Technologie zur automatischen Erkennung und Erzeugung menschlicher Sprache. Spracherkennung wandelt gesprochene Sprache in Text, Sprachsynthese generiert künstliche Sprache aus Text.

Details:

• Spracherkennung: Prozess der Umwandlung von Audiosignalen in Text (ASR - Automatic Speech Recognition)
• Sprachsynthese: Umwandlung von Text in gesprochenes Wort (TTS - Text-to-Speech)
• Wichtige Modelle: Hidden Markov Models (HMM), neuronale Netzwerke, Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM)
• Merkmale: Sprachqualität, Sprechtempo, Prosodie
• Fehlertypen: Erkennungsausfälle, falsche Erkennungen
• Anwendungen: Sprachassistenten, automatische Untertitelung, Übersetzungsdienste