Das IFCASL-Korpus als phonetisches Lernerkorpus

2.1 Teilnehmer

Für das Korpus wurden 100 Sprecher aufgenommen: 50 mit Deutsch als L1, 50 mit Französisch als L1. Jede der beiden Gruppen besteht aus den folgenden drei Untergruppen (vgl. auch Tab. 2):

20 erwachsene Lerner auf Anfänger-Niveau (nach Selbstauskunft und auf der Skala des Gemeinsamen Europäischen Referenzrahmens für Sprachen GERS: A2, evtl. B1),

20 erwachsene fortgeschrittene Lerner (GERS: B2 und C1),

10 Schüler im Alter von ca. 14 Jahren (GERS: A2).

Die Personenauswahl ist geschlechtermäßig nahezu ausbalanciert. Ein möglicher regionaler Einfluss wurde dadurch ausgeglichen, dass die Sprecher nicht alle aus einer Region Frankreichs bzw. Deutschlands stammen. Die vor den Aufnahmen erhobenen Fragebögen haben ergeben, dass alle Erwachsenen Abitur haben und Englisch als zweite bzw. bevorzugte Fremdsprache verwenden.

2.2 Sprechaufgaben

Das gesamte Aufnahmematerial des Korpus ist gelesen. Das vorzulesende Material bestand in jeder der beiden Sprachen aus vier Teilen:

1. Vorleseaufgabe mit 31 Sätzen, die orthographisch vorlagen, z. B. In Berlin zahlt man wenig Miete.,

2. Nachsprechaufgabe mit 29 Sätzen, die orthographisch und als Audio-Datei vorlagen, letztere wurde von einem L1-Modell-Sprecher vorher aufgenommen (dieser Teil wurde in der L2-Version gewählt, in der L1-Version wurde wie zuvor vorgelesen); für die L2-Sprecher also eigentlich eine lesegestützte Nachsprechaufgabe, z. B. Die Oase liegt in der Wüste.,

3. Fokusaufgabe mit sieben Sätzen, deren Fokus sich jeweils ändert, z. B. Frage: Peter vertraut dem Kamel? Laut zu lesende Antwort: Yvonne vertraut dem Kamel.,

4. Vorlesegeschichte: Die drei kleinen Schweinchen (bestehend aus jeweils 13 Sätzen in beiden Sprachen).

Die Durchführung der Aufnahmen dauerte pro Sprecher ca. eine Stunde.

2.3 Subkorpora

Das IFCASL-Korpus ist ein bidirektionales Korpus, bei dem alle Sprecher das Vorlesematerial sowohl in ihrer L1 als auch in ihrer L2 produziert haben. Letztendlich liegen also vier Subkorpora vor (vgl. Tab. 2): ein französischsprachiges L1-Korpus (FF), ein deutschsprachiges L1-Korpus (GG), ein französischsprachiges L2-Korpus von Sprechern mit Deutsch als L1 (GF) sowie ein deutschsprachiges L2-Korpus von Sprechern mit Französisch als L1 (FG). Die folgenden Ausführungen beziehen sich in erster Linie auf das letzte Sub-Korpus, wobei auch das deutschsprachige L1-Korpus zuweilen berücksichtigt wird. Ein phonLK bzw. generell ein gLK muss also keineswegs nur Produktionen der Lerner enthalten, sondern kann auch L1-Produktionen der Zielsprache, aber auch L1-Produktionen der Ausgangssprache als Bestandteil haben.

2.4 Annotation

Für alle Sprachaufnahmen liegen Annotationsdateien in Form von Praat-TextGrids vor, die beispielsweise mit dem Sprachverarbeitungsprogramm Praat (Boersma & Weenink 2016) angeschaut und weiterverarbeitet werden können. Für die folgenden Ebenen liegen Annotationen vor:

1. Satz in orthographischer Schrift (in Abb. 1 auf Ebene („Tier“) 5),

2. Satz in maschinenlesbarer Lautschrift, z. B. [Ɂ ŋ ʃ ç ɪ ʏ ʊ ɔ ɛ ø œ ɐ ǝ] = [Q N S C I Y U O E 2 9 6 @] (in Abb. 1 auf Tier 4: [QIC vYst@ nICt vi: de:6 SnElst@ ve:k na:x po:l@n QIst]),

3. alle Wörter (in orthographischer Schrift) mit Wortgrenzen, automatisch mit intern entwickelter Software aligniert (in Abb. 1 auf Tier 3),

4. alle Laute (in maschinenlesbarer Lautschrift) mit Lautgrenzen, automatisch aligniert (in Abb. 1 auf Tier 2),

5. alle Laute (in maschinenlesbarer Lautschrift) mit Lautgrenzen, für etwaige manuelle Korrekturen (in Abb. 1 auf Tier 1),

6. Kommentare, z. B. wenn ein Wortakzent falsch realisiert wurde (in Abb. 1 auf Tier 6).

Abb. 1:

Ein Beispielsatz dargestellt als Sprachsignal (Zeitsignal oben, Spektrogramm unten) mit den sechs Annotationsebenen (siehe Text für Details).

In Abbildung 1 kann man beispielhaft die sechs Annotationsebenen für die Aufnahme des Satzes Ich wüsste nicht, wie der schnellste Weg nach Polen ist. eines Lerners gut erkennen. Grundlage für die Repräsentation in Lautschrift war eine normative (kanonische) Transkription der vorzulesenden Wörter. Im nachfolgenden Schritt wurden die Wort- und Lautgrenzen automatisch durch so genanntes „forced alignment“ festgesetzt, einem Verfahren aus der automatischen Spracherkennung, bei der die angenommenen produzierten Laute zeitlichen Abschnitten des Sprachsignals zugeordnet werden (hier durch ein intern entwickeltes Programm). Im letzten Schritt wurden, falls notwendig, manuelle Korrekturen der Laut- und Wortgrenzen vorgenommen und Ersetzungen, Ausfälle und Einfügungen von Lauten annotiert. Die manuellen Korrekturen wurden durch mehrere studentische Hilfskräfte (mit entweder Französisch oder Deutsch als L1) durchgeführt, und zwar für ca. 80 Prozent der beiden L2-Sub-Korpora, was für ein Korpus dieser Größenordnung als viel betrachtet werden kann. Dabei stand die Bearbeitung der ersten beiden Teile (Vorleseaufgabe und Nachsprechaufgabe) im Vordergrund. Es ist aber auch geplant, dass weitere Annotationen dem Korpus im Laufe der Zeit hinzugefügt werden, z. B. bez. der Pausen im vierten Teil (Vorlesegeschichte).

3.1 Messphonetische Studien der Produktion und Perzeption

Qualität und Quantität von Vokalen

Die Korpus-Daten können auch als Grundlage für Perzeptionstests dienen, wie in Zimmerer & Trouvain (2015b) gezeigt wird. In den Vorlese-Sätzen des Korpus versteckten sich unter anderem Minimalpaarwörter, die sich in Vokalquantität und -qualität unterscheiden, wie z. B. Höhle – Hölle, schief – Schiff, Wüste – wüsste. Beispiele für Wortpaare, die sich nur durch Quantität des Vokals, aber nicht durch dessen Qualität unterscheiden, sind Täler – Teller und Kahn – kann. Die betreffenden Wörter der Minimalpaare (n=11) der französischen Sprecher wurden ausgeschnitten und L1-Sprechern zur Unterscheidung vorgespielt („Höhle oder Hölle?“).

Ein Vergleich der Vokalinventare des Deutschen und des Französischen ließe erwarten, dass zum einen die im Französischen fehlenden hohen Vokale wie /ɪ/ oder /ʏ/ und zum anderen die Quantitäts- und Qualitätsopposition Probleme bereiten. Einerseits gibt es die im Französischen unbekannte Unterscheidung in Kurz- und Langvokale nicht, andererseits unterscheiden sich die meisten Lang- und Kurzvokalpaare im Deutschen durch ihre Gespanntheit und werden daher durch ihre Vokalqualität in ungespannte (und kurze) und gespannte (lange) Vokale unterteilt. Die Ergebnisse in Abb. 2 zeigen, dass vor allem die gerundeten Vokale ganz erhebliche Fehlinterpretationen zur Folge hatten. Als Beispiel wurden zwei Drittel aller Realisierungen von Pollen von den L1-Hörern als Polen wahrgenommen, obwohl [ɔ] im Französischen existiert. Unklar bleibt dabei aber, ob die Hörer mehr die Länge oder mehr die Qualität zur Entscheidung herangezogen haben. Zur Kontrolle wurden in einem Nachtest auch die entsprechenden Wörter von 40 L1-Sprechern untersucht, die, wie erwartet, nahezu zu 100 % als korrekt eingestuft wurden.

Abb. 2:

Prozent korrekt interpretierter Vokale durch L1-Hörer je nach Vokal und Sprachbeherrschungsgrad: Anfänger (grau) oder Fortgeschrittene (schwarz) (die vertikale Linie trennt die ungerundeten von den gerundeten Vokalen). Die Prozentwerte von deutschen L1-Sprechern erreichen 100 % oder nahezu 100 %.

Ebenso erwartet war, dass die Fortgeschrittenen als Gruppe besser waren als die Anfängergruppe. Schaut man sich allerdings die individuellen Ergebnisse an, so wird deutlich, dass etliche Sprecher der Fortgeschrittenengruppe gravierende Defizite bei der Unterscheidung der Vokale aufweisen (s. Abb. 3). Hierbei lassen sich sowohl solche finden, die in erster Linie Probleme mit den gespannten Langvokalen haben (z. B. Sprecher 14), als auch solche mit Problemen bei den ungespannten Kurzvokalen (z. B. Sprecher 08, 09). Es gibt aber auch L2-Sprecher, die sehr gut bewertet werden, nämlich auf L1-Niveau (z. B. Sprecher 30, 35). Interessant sind Realisierungen von Sätzen wie Im Frühling fliegen Polen (sic!) durch die Luft, die nahezu frei von fremdem Akzent sind, aber klar eine phonologische Interferenz aufweisen. Die Analyse des Hörtests zeigt für jeden individuellen Lerner, welche Schwierigkeiten bei den Vokalen vorhanden sind und dass das allgemeine Niveau der Sprachbeherrschung nicht besonders zuverlässig mit den hier gezeigten Leistungen bei der Vokalproduktion korreliert.

Abb. 3:

Korrekte Zuweisung der Minimalpaarwörter („Höhle oder Hölle?“) in Prozent (y-Achse) für jeden der fortgeschrittenen Lerner (Sprecher-ID auf der x-Achse), geordnet nach den Werten für die gespannten Langvokale (grau) und die ungespannten Kurzvokale (schwarz).

Sprechtempo und Redefluss

Sprechtempo und Redefluss zeigen immer wieder starke Korrelationen in Bezug der Niveaustufe der L2-Lerner, sei es im Vergleich zu ihrer eigenen L1, aber auch im Vergleich zu L1-Sprecher der Zielsprache. Neben dem Sprechtempo, das sich massiv in der Nutzung von Pausen manifestiert, können Pausen auch eine große Rolle als Disfluenzen spielen, sei es als eine überlange Pause, die als Häsitation interpretiert wird, oder als ein Mittel zum Editieren in einer Reparatur (z. B. Bosker et al. 2015, Trouvain & Braun 2020). Die Vorlesegeschichte Die drei kleinen Schweinchen (1–2 Minuten Sprechzeit) eignet sich sehr gut, um Vergleiche zu Sprechtempo und Redefluss mit dem identischen Material anzustellen – im Gegensatz zu Spontansprache, in der sich über eine Minute hinweg das Material über Produktionen hinweg nicht identisch bleibt.

Trouvain, Fauth & Möbius (2016) untersuchten die Pausen von französischen Sprechern (10 Anfänger und 10 Fortgeschrittene) aus dem IFCASL-Korpus und fanden in deren L2-Daten wie zu erwarten mehr Pausen, längere Pausen, sowie mehr Disfluenzen als in den französischen L1-Daten und den deutschen L1-Daten (vgl. Abb. 4). Dabei war auffällig, dass die Pausen in den unflüssigen Phasen im Vergleich zu denen aus den flüssigen Phasen 1) kürzer waren, 2) nie ein Atemgeräusch und 3) nie eine Füllpartikel wie äh oder ähm enthielten. Der letztgenannte Befund steht sehr wahrscheinlich in Zusammenhang mit unterschiedlichen Planungsprozessen bei Lese- und Spontansprache und sollte mitbeachtet werden, wenn Disfluenzen und Sprechfluss von L2-Produktionen betrachtet und bewertet werden (vgl. Hilton 2009, Bosker et al. 2015, Belz & Odebrecht, in diesem Heft).

Abb. 4:

Anzahl von Pausen (in flüssigen und unflüssigen Phasen) für jeden der 10 L2-Sprecher der Anfänger (1–10) und der Fortgeschrittenen (11–20).

3.2 Lehre von DaF und in der Ausbildung von DaF-Lehrkräften

Der Einsatz von Daten aus einem phonLK für die Lehre in Deutsch als Fremdsprache (DaF) und in der Ausbildung von DaF-Lehrkräften bietet vielfältige Möglichkeiten. Die hier exemplarisch dargestellten Ideen mögen als Optionen und auch als Anregung zur Nutzung dienen.

Der Datenreichtum eines phonLK kann bei der Erstellung von Übungsaufgaben in Bezug auf die perzeptuelle Sensibilisierung mittels der Audiodateien genutzt wird. Audiobeispiele in fremdsprachlichem Lehrmaterial enthalten in aller Regel ausschließlich Aufnahmen von L1-Sprechern der Zielsprache. Zur „auditiven Anschauung“ ließen sich bei Daten eines phonLK wie dem IFCASL-Korpus, aber auch anderer gLK, derart nutzen, dass für dieselben Beispiele auch Aufnahmen von L2-Sprechern herangezogen werden können, um z. B. Unterschiede in ausgewählten Details zu besprechen. Die Aufgabe könnte zunächst darin bestehen Aufnahmen desselben Satzes von vier verschiedenen Sprechern (zwei L1-Sprecher, zwei L2-Sprecher, davon einer ein Anfänger) vorzulegen und zu fragen, wer der vier L1-Sprecher ist und wer L2-Sprecher auf Anfängerniveau. Die Folgeaufgabe könnte im auditiven Analysieren eines Details wie der Aspiration von Plosiven bestehen, indem auch immer wieder versucht wird, die vier Aufnahmen zu vergleichen. Individuelle Lerner könnten auch individuelle Kombinationen von Sprechern erhalten. Idealerweise würde das vergleichende Hören und Analysieren nicht nur mit auditiven, sondern auch mit visuellen Illustrationen ergänzt werden.

Durch das Vorhandensein von Aufnahmen vieler Sprecher kann auch ein so genanntes high variability pronunciation training (HVPT) stattfinden, bei dem der Lerner mit vielen Modellsprechern statt nur einem Modellsprecher konfrontiert wird. Eine Metaanalyse zu HVPT von Thomson (2018) legt nahe, dass dieses bei Sprachvermittlern weitgehend unbekannte Verfahren sehr effektiv ist. Nicht nur phonLK, sondern gesprochene Korpora im Allgemeinen bilden eine hervorragende Grundlage für high variability training, wenn dabei auch die Zielsprache durch L1-Sprecher abgedeckt wird. Bei einem bidirektionalem phonLK wie dem IFCASL-Korpus oder dem Korpus von García Lecumberri et al. (2016) ist dies der Fall.

Für die Ausbildung von DaF-Lehrkräften kann ein phonLK helfen, die Analyse von Ausspracheproblemen einzuüben. Hörbare Lernerdaten, die direkt miteinander vergleichbar sind, können als sinnvolle Ergänzung zur eher theoretischen Besprechung möglicher Interferenzen auf phonetischer und phonologischer Ebene dazu herangezogen werden. Dabei können auch Aspekte zu Kompetenzbeschreibungen konkret angeschaut und angehört werden, wie sie im GERS genannt werden, um „die Terminologie der Deskriptoren zu den Niveaustufen, eine inkonsistente Bezugnahme auf segmentale und suprasegmentale Aspekte der Aussprache sowie die schlechte Trennbarkeit von phonetisch-phonologischen Aspekten und solchen wie Sprechflüssigkeit und grammatische Richtigkeit bei der Bewertung der Verständlichkeit“ zu diskutieren (Dahmen 2019: 195). Von größerem Interesse dürfte dabei sein, wie man Aussprachefehler und Ausspracheabweichungen interpretiert und woher diese Interferenzerscheinungen rühren, wie z. B. unzureichende Kenntnis und Umsetzung von Orthographie-zu-Aussprache-Regeln (bei reiner Lesesprache), vermutete Unkenntnis bestimmter Wörter, inkorrekte phonologische Kategorisierung (z. B. bei /ç/) oder der Umgang mit Kognaten wie international benutzte geographische Namen. Der Einsatz weiterer gLK würde aber auch Vergleiche zwischen lesesprachlichen und spontansprachlichen Leistungen von Lernern erlauben.

3.3 Entwicklung von computergestütztem Aussprachetraining

Je schneller computergestützte Verfahren beim Sprachenlernen an Bedeutung gewinnen, desto wichtiger wird es, die Verzahnung von technologischen Möglichkeiten, didaktischen Anforderungen und linguistisch-phonetischem Wissen effizient und effektiv zu kontrollieren. Für den phonetischen und phonologischen Bereich finden bei Programmen des computerassistierten Aussprachetrainings (computer-assisted pronunciation training = CAPT) Entwicklungen statt, die sowohl Lese- als auch Spontansprache berücksichtigen (O’Brien et al. 2019, Zechner & Evanini 2019), bei der aber eine kritisch-konstruktive Sicht der Linguisten auf die technischen und pädagogischen Möglichkeiten notwendig bleibt (Neri et al. 2008). Ein phonLK bietet für die Entwicklung von CAPT-Anwendungen ein sehr gutes Testfeld für phonetisch-didaktische Fragestellungen.

Wortakzent spielt eine wichtige Rolle im Deutschen (Hirschfeld & Reinke 2018) und stellt für Deutsch-Lerner häufig eine große Hürde dar – unabhängig davon, ob dies den Lernern bewusst ist oder nicht. Für Lerner mit Französisch als L1 gilt dieser Umstand ganz besonders, da Wortakzent im Französischen keine Rolle spielt: es wird stets die letzte Silbe betont (außer wenn diese mit Schwa produziert werden sollte). Hörexperimente mit französischen L1-Sprechern haben gezeigt, dass diese oftmals große Probleme haben sich die betonten Silben als lexikalische Information abzuspeichern, so dass sogar von „stress-deafness“ (also „Betonungstaubheit“) gesprochen wird (Dupoux et al. 2008). Solche Lerner könnten also von einem computer-assistiertem Aussprachetraining profitieren, welches individualisiertes korrektives Feedback liefert. Voraussetzung für ein sinnvolles Feedback ist die verlässliche automatische Detektion solcher Abweichungen in der Sprachproduktion der individuellen L2-Lerner. Vakil & Trouvain (2015) präsentieren einen Ansatz, bei dem maschinelles Lernen zur Klassifikation von Akzentzuweisungsfehlern zum Einsatz kommt. Grundlage für die Trainings- und die Überprüfungsdaten stammen dabei aus dem IFCASL-Korpus.

Ein anderes Beispiel zur Nutzung des IFCASL-Korpus zu CAPT-Anwendungen ist Feedback zur Verbesserung der Qualität und Quantität der Vokale im Deutschen. Für die meisten Deutsch-Lerner stellen das vergleichsweise große Inventar an Vokalen eine schwer meisterbare Schwierigkeit dar. Neben den Kontrasten in der Vokalqualität gesellt sich noch die Vokalquantität. Letzteres ist auch für Französisch-Sprecher ein Problem wie oben in Sektion 3 gezeigt worden ist. Dieses Problem betrifft nicht nur die Produktion, sondern auch die Perzeption. Carroll et al. (2015) stellen ein visuelles Feedbacktool vor, bei dem die Lerner die Aufgabe haben, sich Wörter aus Minimalpaaren anzuhören und danach zu wiederholen. Aus der Aufnahme des Lerners wird das akustische Korrelat des betonten Vokals erkannt und seine Formantenstruktur (F1 und F2) auf einer Art Zielscheibe abgebildet. Zusätzlich wird auch die relative Dauer des Vokals dargestellt. Die eigenen Produktionen können dabei stets mit solchen von L1-Sprechern visuell und auditiv verglichen werden. Ziel ist es, dass sich durch die Wiederholungen und die Vergleiche eine Sensibilisierung für die notwendigen Kontraste aufbaut und die artikulatorischen Ziele näher an L1-Vokalproduktionen erreicht werden. Die Nutzung vieler Modell-Sprecher für Minimalpaarwörter aus dem Korpus kann hierbei wertvolle Dienste leisten.

Eine ähnliche Herangehensweise verfolgen Jügler & Zimmerer (2017). Hierbei steht nicht eine sichtbar gemachte Annäherung an das artikulatorische Ziel im Vordergrund, sondern eine kategorische Rückmeldung, ob Vokalqualität und -dauer in einem akzeptablen Bereich liegen. Visualisiert wird dies durch einen Frosch, der beim Hüpfen (ausgelöst durch das vom Lerner artikulierte Wort) die nahe gelegene Seerose erreicht und sicher dort landet – oder daneben ins Wasser fällt.

Großes Potenzial für Übungen in CAPT liegt auch in satzprosodischen Bereichen wie dem Sprechtempo der Zielsprache, das für viele Lerner ein großes Hindernis darstellt. Auf der Perzeptionsseite wäre es wünschenswert, wenn ein Lerner sich Texte so schnell bzw. langsam vorspielen lassen kann wie individuell gewünscht. Dies kann durch Auswahl verschieden schneller L1-Sprecher geschehen, aber auch unter Zuhilfenahme geeigneter Signalmanipulation. Auf der Produktionsseite könnten Mitsprechübungen angeboten werden, bei denen der Lerner einen gegebenen Text zum einen sieht und zum anderen von einem L1-Sprecher hört mit der Aufgabe, den Text laut und synchron mit dem Modellsprecher mitzulesen. Dabei sollten die gerade vom L1-Sprecher produzierten Wörter visuell markiert werden. Auch hier sollte der Lerner das Tempo individuell anpassen können.

4.1 Fehlende Spontansprache

Rein vorgelesenes Material hat sowohl Vor- als auch Nachteile für verschiedene Forschungsfragen. Im Vergleich zu Spontansprache hat Lesesprache den Vorteil, dass man alle Segmente der jeweiligen Sprache systematisch elizitieren kann. Insbesondere lassen sich gezielt Minimalpaare, Kognaten, Lehnwörter, Zahlen und Abkürzungen einsetzen. Zudem ist – im Gegensatz zu Spontansprache – das gesamte Material direkt vergleichbar. Ferner ist Lesematerial unerlässlich, um Probleme bei der Graphem-Phonem-Beziehung in der L2 zu untersuchen, was vor allem bei Lernern auf Anfänger-Niveau vorkommen wird. Leseaufnahmen können sich schließlich auch dazu eignen, um die visuell-graphische Modalität mit der Modalität des Zuhörens zu kombinieren, z. B. durch Einbeziehung eines Modellsprechers, so dass eine kombinierte Lese- und Nachsprechaufgabe entsteht (Detey et al. 2010 und Trouvain et al. 2016).

Klarerweise hat die Beschränkung auf Lesematerial aber auch Nachteile. Der wichtigste ist sicherlich, dass wir im Alltag mehr spontan sprechen als lesen. Beim Sprechen und Hören von Fremdsprachen ist der spontane Anteil an Produktion und Rezeption von Sprache oftmals reduziert im Vergleich zur Muttersprache, da beim Lernen in der Regel schriftlicher Input dominiert. Weitere „authentische“ Formen von Lesesprache begegnet allen Sprachteilnehmern durch Textsorten, die man als „written to be spoken“ charakterisieren könnte. Dazu gehören verschiedene Textsorten, die in diversen hör-basierten Medien oftmals durch professionelle Sprecher aufgenommen werden, z. B. Nachrichten, Reportagen, Werbespots im Radio und im Fernsehen, aber auch Sätze und Texte in Sprachlehrwerken. Eine besondere und sehr wichtige Form von schriftbasierter Sprache im Lernkontext stellen Liedtexte dar, da sie für Lerner ein nicht zu unterschätzendes Modell zum Mithören und zum Mitartikulieren darstellen.

Trotz der alltäglichen Bedeutung der Spontansprache ergibt sich forschungsökonomisch aber auch das Problem, dass entsprechende Aufnahmen und Analysen sehr aufwändig sind. Aus diesem Grund beschränkt sich das IFCASL-Korpus (Trouvain et al. 2016) auf Leseaussprache. Phonetische Lernerkorpora müssen sich allerdings nicht ausschließlich auf Lesesprache beziehen. Ein gutes Beispiel für ein bidirektionales Korpus mit spontansprachlichen Dialogen ist bei García Lecumberri, Cooke & Wester (2017) beschrieben. Die Aufnahmen mit Sprechern des Spanischen und des Englischen wurden sowohl in ihrer jeweiligen L1 und in ihrer L2 durchgeführt. Um eine Vergleichbarkeit zu gewährleisten wurden so genannte Diapix-Aufgaben durchgeführt (siehe auch Belz & Odebrecht, in diesem Heft), bei denen die Sprecherpaare Unterschiede in „Wuselbildern“ gemeinsam herausfinden mussten (jeder der beiden Sprecher hatte leicht unterschiedliche Szenerien). Die Spontansprache hat hier den Nachteil, dass nicht exakt das gleiche Material für alle Sprecher vorliegt, was auch einen größeren Aufwand bei der (automatischen) Annotation der segmentellen Struktur zur Folge hat.

4.2 Instrumentelle Erweiterungen

Auch wenn sich die Primärdaten von phonLK bislang auf Audiodateien beschränken, so ist auch denkbar, dass andere Arten phonetischer Daten mit aufgenommen werden, denn experimentelle phonetische Forschung, welche die Sprechproduktion von Lernern untersucht, ist nicht auf Audiodaten beschränkt. Beispiele hierfür sind die Studien mit Ultraschallaufnahmen von Gick et al. (2008) und Kocjančič Antolík et al. (2019) sowie eine Studie von Wieling et al. (2015), die Lerner-Aufnahmen mit elektromagnetischer Artikulographie (EMA) untersuchen. Im dem hier vorliegenden Aufsatz werden als primär erfasste Daten aber ausschließlich Mikrophonsignale in Form von Audiodateien behandelt. Denkt man aber einen Schritt weiter, so werden in Zukunft verstärkt Forschungsdaten über Mikrophonsignale hinausgehen, die in experimentellen Forschungsfragen, aber auch in technologischen Anwendungen ihren Niederschlag finden (z. B. visuelle Animationen von Zunge und anderen Artikulatoren sowie der Phonation und der Sprechatmung in der Zielsprache).

4.3 Datenmanagement

Mehr Sensibilisierung in der linguistischen Forschung für Aspekte des Datenmanagements ist der Erfahrung nach im stärkeren Maße notwendig. Fragen des Datenmanagements bei Korpora sind sehr wichtig und keinesfalls „lästiges Beiwerk“, weswegen an dieser Stelle gesondert hingewiesen wird in Ergänzung zu Hirschmann & Schmidt (in diesem Heft). Allerdings können die dargelegten Punkte hier nur kurz angerissen werden.

Datensammlungen wie sprachliche Korpora benötigen eine besondere Art und einen besonderen Umfang der Pflege. Im Allgemeinen gilt, dass Daten aus Korpora nach den so genannten FAIR-Prinzipien zur Verfügung gestellt werden sollten. Die Daten sollten für berechtigte Interessierte folgende Merkmale aufweisen: gut auffindbar (findable), problemlos zugänglich (accessible), in puncto Formaten gut dokumentiert (interoperable) und für andere Forschungsvorhaben wiederverwendbar (reusable).

Gelten die FAIR-Prinzipien generell für alle Datensammlungen, so müssen bei gLK an manchen Stellen Besonderheiten beachtet werden. Die Wiedererkennbarkeit individueller Sprecher ist bei gesprochenen Korpora um ein Vielfaches höher als bei rein schriftlichen Korpora. Auf diesen Umstand sollte hingewiesen werden, wenn die aufgenommenen Sprecher der Nutzung zur Forschung durch die Datensammler und auch durch Drittnutzer schriftlich zustimmen. Die potenzielle Weitergabe der Daten an Dritte stellt besondere Herausforderungen an den Zustimmungsakt, weil zum einen sichergestellt werden soll, dass die Sprecher als Datenspender über die gesamte Breite der Nutzung ihrer Daten Bescheid wissen sollen, und zum anderen die Datensammler sich von den Folgenutzern versichern lassen möchten, in welchem Rahmen die Daten verwendet und bearbeitet werden dürfen. Eine ungeklärte Frage betrifft den Datenschutz bei Audiodateien. Auch wenn es bei verwendeten Sprecherkürzeln zu einer echten Anonymisierung und nicht nur zu einer Pseudonymisierung gekommen sein sollte, so scheint eine Anonymisierung auf Grundlage der individuellen Stimme nicht zu 100 % gewährleistet. Dies kann weit reichende Folgen für die Verbreitung und Nutzung der Daten haben, wenn aus Gründen der potenziellen Erkennbarkeit der Individuen der Zugang zu diesen Daten stark eingeschränkt wird. Zentral dabei ist eine frühzeitige und ausführliche Auseinandersetzung mit der Aufklärung der Datenspender, die im Falle von Lernern auch nicht erwachsene Personen sein können, um ihre Zustimmung für die weitreichende Nutzung zu erhalten. Ein weiteres Spannungsfeld, auf das an dieser Stelle verwiesen wird, ist dass die Repositorienlandschaft zuweilen nicht darauf eingestellt ist, versionierte Korpora zu verwalten, also sinnvolle Erweiterungen (auch anderer Forschungsgruppen) zur Verfügung zu stellen.

Bezüglich von Formaten der Daten gesprochener Sprache stellen sich zwei fundamentale Herausforderungen. Zum einen betrifft dies das Speicherformat der Signaldateien: es besteht keine Garantie, dass im wav-Format abgespeicherte Audiodateien auch noch in 10 oder 20 Jahren genauso verwertbar sind. Sie müssten also notfalls konvertiert werden. Zum anderen betrifft es das Format der Annotationsdateien. Auch wenn in den letzten Jahrzehnten der Speech-Editor Praat (Boersma & Weenink 2016) eine Art Standard zur phonetisch-akustischen Analyse und zur Annotation (als so genannte TextGrids) betrachtet werden kann, so gibt es auch hier keine Garantie, dass die Annotationsdateien in 20 Jahren noch anwendbar sind. Es sollte auch noch darauf hingewiesen werden, dass es Nutzern bewusst sein sollte, dass die Speicherung gesprochener Daten z. B. im wav-Format ein Vielfaches an Speicherplatz zu Textdateien erfordert.

Metadaten spielen generell eine zentrale Rolle im Forschungsdatenmanagement. Für gesprochene Daten sind hier entscheidend, dass möglichst viele Metadaten zu den Sprechern aufgenommen werden, also Alter, Geschlecht, regionale Herkunft, höchster Bildungsabschluss, Dialektbenutzung, Erst-, Zweit- und Drittsprachen, Beeinträchtigungen der Sprech-, Denk-, Hörfähigkeiten. Im Fremdsprachenlernbereich sind natürlich Informationen zur Einschätzung des Niveaus, Jahre der Ausbildung sowie die Dauer relevanter Auslandsaufenthalte von Interesse.

All die genannten Erfordernisse stellen viele Herausforderungen an das Datenmanagement gesprochener Lernerkorpora im Allgemeinen dar. Idealerweise werden die genannten Aspekte vor Beginn der Datenerhebung eindeutig geklärt, genau genommen gehören sie zur Konzeptionierung des Projekts. Eine Unterbrechung bzw. eine Nichtbeachtung dieser Aspekte wird üblicherweise zur Folge haben, dass das entsprechende Korpus nicht weiter genutzt werden kann und somit für Folgeforschung nutzlos bleibt und die durch die Datensammler durchgeführten Studien nicht reproduzierbar sind.

4.4 Einsatz für Lehrkräfte

Es wäre naiv anzunehmen, dass Lehrkräfte Daten aus gLK, speziell phonLK, sofort nach Bedarf einsetzen können. Weder haben die Datensammler die Lehrkräfte und ihre genauen Bedürfnisse bei der Aufbereitung der Daten im Blick, noch sind die Lehrkräfte darin geschult in einem Lernerkorpus (auf die Schnelle) genau das zu finden, was sie für bestimmte Aufgaben und Übungen suchen. Hierzu bräuchte es eine Vermittlungsglied, das es in der optimalen Ausprägung noch nicht zu geben scheint. Daher bestehen bislang die Vermittlungsversuche zwischen Lernerkorpus einerseits und Lehrkräften als potenziellen Nutzern andererseits, dass interessierte Studenten sich mit Teilen des Lernerkorpus auseinandersetzen, um damit selbst Unterrichtsentwürfe zu entwickeln (z. B. Brunstein 2016).

Es bleibt momentan ein Desiderat, eine funktionierende Schnittstelle zwischen Korpus und seinem Einsatz im Unterricht zu haben. Schritte dazu müssen zuerst in der studentischen Ausbildung der Lehramtsstudiengänge erfolgen, aber auch im Herausfinden der Bedürfnisse auf der Seite der Lehrkräfte.