Home German Linguistics Quantitative Methoden in diachronen Studien: Anwendung am Beispiel der Wortstellungsvariation in deutschen Infinitiven
Article
Licensed
Unlicensed Requires Authentication

Quantitative Methoden in diachronen Studien: Anwendung am Beispiel der Wortstellungsvariation in deutschen Infinitiven

  • Ilaria De Cesare ORCID logo EMAIL logo
Published/Copyright: April 14, 2023

Abstract

On the basis of a case study on the linearisation of German infinitival complements, the present paper illustrates the advantages of selected quantitative and statistical methods in diachronic studies. In particular, it first discusses, the problem of the availability of balanced diachronic corpora and how mixed-effects modelling can help make the best of “bad data” and second, it deals with the question of periodisation and shows the advantages of a data-driven method.

Literatur

Askedal, John O. 1998. Zur Syntax infiniter Verbalformen in Berthold von Regensburg zugeschriebenen deutschen Predigten. Vorstufen der topologischen Kohärenz-Inkohärenz-Opposition. In John O. Askedal (Hrsg.), Historische germanische und deutsche Syntax. Akten des Internationalen Symposiums anläßlich des 100. Geburtstages von Ingerid Dal, 231–259. Frankfurt am Main, Berlin, Bern, New York, Paris, Wien: Peter Lang.Search in Google Scholar

Baayen, Harald. 2008. Analyzing linguistic data: A practical introduction to statistics using R. Cambridge, UK: Cambridge University Press.Search in Google Scholar

Bader, Markus und Tanja Schmid. 2009. Minimality in verb-cluster formation. Lingua 119, 1458–1481.Search in Google Scholar

Bates, Douglas u. a. 2015. Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software 67(1), 1–48.Search in Google Scholar

Bayer, Josef, Tanja Schmid und Markus Bader. 2005. Clause Union and Clausal Position. In Marcel den Dikken und Christina Tortora (Hrsg.), The Function of Function Words and Functional Categories, 79–113, (Linguistik Aktuell 78). Amsterdam: John Benjamins.Search in Google Scholar

Bech, Gunnar. 1955. Studien über das deutsche Verbum infinitum. Reprint, Tübingen: Niemeyer, 1983.Search in Google Scholar

Bies, Ann. 1996. Syntax and Discourse Factors in Early New High German. Evidence for Verb-Final Word Order. Magisterarb. University of Pennsylvania.Search in Google Scholar

Bosch, Sina u. a. 2022. A Multi-methodological Approach to Word Order Variation in German Infinitival Complementation. In Robin Hörnig u. a. (Hrsg.), Proceedings of Linguistic Evidence 2020: Linguistic Theory Enriched by Experimental Data, 281–298. Tübingen: Universität Tübingen.Search in Google Scholar

Bosch, Sina u. a. im Druck. Word-order variation and coherence in German infinitival complementation. The Journal of Comparative Germanic LinguisticsSearch in Google Scholar

De Cesare, Ilaria. 2021. Word order variability and change in German infinitival complements. A multi-causal approach. Diss. Universität Potsdam.Search in Google Scholar

Dekalo, Volodymyr. 2021. Zur Entwicklung der modalen verstehen-Konstruktion: Ein Konservierungseffekt im Zuge der Auxiliarisierung. Eine quantitative korpusbasierte Studie. Zeitschrift für Germanistische Linguistik 48(1), 101–135.Search in Google Scholar

Demske, Ulrike. 2008. Raising patterns in Old High German. In Thórhallur Eythórsson (Hrsg.), Grammatical change and syntactic theory. The Rosendal Papers, 143–172, (Linguistik Aktuell 113), Amsterdam: John Benjamins.Search in Google Scholar

Demske, Ulrike. 2015. Towards Coherent Infinitival Patterns in the History of German. Journal of Historical Linguistics 5(1), 6–40.Search in Google Scholar

Durrell, Martin. 2019. Zum Abbau der Stellungsvarianten der Verbformen im Nebensatz im Laufe der Kodifizierung des geschriebenen Deutsch im 17. und 18. Jahrhundert. Präsentation beim Workshop „Syntax der Frühen Neuzeit“, Universität Potsdam, 10.–12. Oktober 2019.Search in Google Scholar

Ebert, Robert Peter. 1976. Infinitival Complement Constructions in Early New High German. (Linguistische Arbeiten 30). Tübingen: Niemeyer.Search in Google Scholar

Ebert, Robert Peter. 1978. Historische Syntax des Deutschen. 1. Aufl. Stuttgart: Metzler.Search in Google Scholar

Ebert, Robert Peter. 1981. Social and Stylistic Variation in the Order of Auxiliary and Nonfinite Verb in Dependent Clauses in Early New High German. Beiträge zur Geschichte der deutschen Sprache und Literatur 103, 204–237.Search in Google Scholar

Fox, John. 2003. Effect displays in R for generalised linear models. Journal of Statistical Software 8(15), 1–27.Search in Google Scholar

Gries, Stefan Th. 2012. Statistische Modellierung. Zeitschrift für Germanistische Linguistik 40(1), 38–67.Search in Google Scholar

Gries, Stefan Th. 2015. The most under-used statistical method in corpus linguistics: multi-level (and mixed-effects) models. Corpora 10(1), 95–125.Search in Google Scholar

Gries, Stefan Th. und Martin Hilpert. 2008. The Identification of Stages in Diachronic Data: Variability-based Neighbour Clustering. Corpora 3(1), 59–81.Search in Google Scholar

Gries, Stefan Th. und Martin Hilpert. 2010. Modeling diachronic change in the third person singular: a multifactorial, verb and author-specific exploratory approach. English Language and Linguistics 14(3), 293–320.Search in Google Scholar

Haider, Hubert. 1993. Deutsche Syntax. Generativ. Tübingen: Gunter Narr Verlag.Search in Google Scholar

Haider, Hubert. 2010. The Syntax of German. Cambridge: Cambridge University Press.Search in Google Scholar

Jenset, Gard B. und Barbara McGillivray. 2017. Quantitative Historical Linguistics. A Corpus Framework. Oxford: Oxford University Press.Search in Google Scholar

Labov, William. 1972. Some principles of linguistic methodology. Language in Society 1(1), 97–120.Search in Google Scholar

Maché, Jakob und Werner Abraham. 2011. Infinitivkomplemente im Frühneuhochdeutschen – satzwertig oder nicht? In Anja Lobenstein-Reichmann und Oskar Reichmann (Hrsg.) Frühneuhochdeutsch – Aufgaben und Probleme seiner linguistischen Beschreibung, 235–274, (Germanistische Linguistik). Hildesheim: Georg Olms Verlag.Search in Google Scholar

Müller, Reimar. 2001. Modalverben, Infinitheit und Negation im Prosa-Lancelot. In Reimar Müller und Marga Reis (Hrsg.), Modalität und Modalverben im Deutschen, 239–262, (Linguistische Berichte, Sonderheft 9). Hamburg: Buske.Search in Google Scholar

R Core Team. 2021. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. url: https://www.R-project.org/.Search in Google Scholar

Reis, Marga. 2001. Bilden Modalverben im Deutschen eine syntaktische Klasse? In Reimar Müller und Marga Reis (Hrsg.), Modalität und Modalverben im Deutschen, 287–318 (Linguistische Berichte, Sonderheft 9). Hamburg: Buske.Search in Google Scholar

Reis, Marga. 2005. Zur Grammatik der Halbmodale drohen/versprechen + Infinitiv. In Franz Josef D’Avis (Hrsg.), Deutsche Syntax. Empirie und Theorie, 125–145, (Göteborger Germanistische Forschungen 46). Göteborg: Acta Universitatis Gothoburgensis. Search in Google Scholar

Sapp, Christopher D. 2011. The Verbal Complex in Subordinate Clauses from Medieval to Modern German, (Linguistik Aktuell 173). Amsterdam: John Benjamins.Search in Google Scholar

Sapp, Christopher D. 2014. Extraposition in Middle and New High German. The Journal of Comparative Germanic Linguistics 17, 129–156.Search in Google Scholar

Schad, Daniel J. u. a. 2020. How to capitalize on a priori contrasts in linear (mixed) models: A tutorial. Journal of Memory and Language 110, 104038.Search in Google Scholar

Schätzle, Christin und Hannah Booth. 2019. DiaHClust: an iterative hierarchical clustering approach for identifying stages in language change. In Proceedings of the 1st International Workshop on Computational Approaches to Historical Language Change, 126–135. Florence: Association for Computational Linguistics.Search in Google Scholar

Schmid, Tanja, Markus Bader und Josef Bayer. 2005. Coherence – an experimental approach. In Stephan v. Kepser und Marga Reis (Hrsg.), Linguistic Evidence. Empirical, Theoretical and Computational Perspectives, 435–456 (Studies in Generative Grammar 85), Berlin, New York: Mouton de Gruyter.Search in Google Scholar

Sternefeld, Wolfgang. 2008. Syntax. Eine morphologisch motivierte generative Beschreibung des Deutschen. 3. Aufl. Bd. 1. Tübingen: Stauffenburg.Search in Google Scholar

Wallenberg, Joel C. 2016. Extraposition is disappearing. Language 92(4), 237–256.Search in Google Scholar

Wöllstein-Leisten, Angelika. 2001. Die Syntax der dritten Konstruktion. Tübingen: Stauffenburg.Search in Google Scholar

Anhang

Tab. 5:

Ergebnisse der Regressionsanalyse (Standardkonstraste mit VNCPeriode 1 als Referenzlevel)

Estimate

Std. error

z-value

p-value

(Intercept)

–2.6018

0.4713

–5.520

3.38e–08

***

Verbtyp (Anheb vs Kontr in VNCPeriode 1)

–1.2549

1.1236

–1.117

0.264065

VNCPeriode (2 vs 1)

2.3895

0.4504

5.306

1.12e–07

***

VNCPeriode (3 vs 1)

2.0859

0.4754

4.387

1.15e–05

***

VNCPeriode (4 vs 1)

1.5998

0.4530

3.532

0.000413

***

VNCPeriode (5 vs 1)

0.7094

0.4751

1.493

0.135390

Verbtyp * VNCPeriode (2 vs 1)

1.0908

0.9770

1.117

0.264177

Verbtyp * VNCPeriode (3 vs 1)

4.2623

1.1067

3.851

0.000117

***

Verbtyp * VNCPeriode (4 vs 1)

9.4468

1.1442

8.256

< 2e–16

***

Verbtyp * VNCPeriode (5 vs 1)

8.5309

1.0762

7.927

2.25e–15

***

Tab. 6:

Ergebnisse der Regressionsanalyse (Standardkonstraste mit VNCPeriode 2 als Referenzlevel)

Estimate

Std. error

z-value

p-value

(Intercept)

–0.2123

0.2701

–0.786

0.431903

Verbtyp (Anheb vs Kontr in VNCPeriode 2)

–0.1639

0.6866

–0.239

0.811293

VNCPeriode (1 vs 2)

–2.3896

0.4615

–5.177

2.25e–07

***

VNCPeriode (3 vs 2)

–0.3036

0.2782

–1.091

0.275243

VNCPeriode (4 vs 2)

–0.7897

0.2364

–3.341

0.000834

***

VNCPeriode (5 vs 2)

–1.6801

0.2801

–5.999

1.99e–09

***

Verbtyp * VNCPeriode (1 vs 2)

–1.0909

1.1184

–0.975

0.329349

Verbtyp * VNCPeriode (3 vs 2)

3.1714

0.6360

4.986

6.15e–07

***

Verbtyp * VNCPeriode (4 vs 2)

8.3558

0.7054

11.845

< 2e–16

***

Verbtyp * VNCPeriode (5 vs 2)

7.4400

0.5739

12.963

< 2e–16

***

Tab. 7:

Ergebnisse der Regressionsanalyse (Standardkonstraste mit VNCPeriode 3 als Referenzlevel)

Estimate

Std. error

z-value

p-value

(Intercept)

–0.5159

0.3077

–1.677

0.093623

Verbtyp (Anheb vs Kontr in VNCPeriode 3)

3.0076

0.8313

3.618

0.000297

***

VNCPeriode (2 vs 3)

0.3036

0.2767

1.097

0.272601

VNCPeriode (1 vs 3)

–2.0859

0.4841

–4.309

1.64e–05

***

VNCPeriode (4 vs 3)

–0.4861

0.2730

–1.781

0.074928

.

VNCPeriode (5 vs 3)

–1.3765

0.3103

–4.436

9.15e–06

***

Verbtyp * VNCPeriode (2 vs 3)

–3.1715

0.6125

–5.178

2.25e–07

***

Verbtyp * VNCPeriode (1 vs 3)

–4.2624

1.2629

–3.375

0.000738

***

Verbtyp * VNCPeriode (4 vs 3)

5.1844

0.8028

6.458

1.06e–10

***

Verbtyp * VNCPeriode (5 vs 3)

4.2685

0.6940

6.151

7.72e–10

***

Tab. 8:

Ergebnisse der Regressionsanalyse (Standardkonstraste mit VNCPeriode 4 als Referenzlevel)

Estimate

Std. error

z-value

p-value

(Intercept)

–1.0020

0.2774

–3.612

0.000303

***

Verbtyp (Anheb vs Kontr in VNCPeriode 4)

8.1918

0.8227

9.957

< 2e–16

***

VNCPeriode (3 vs 4)

0.4861

0.2749

1.768

0.077032

.

VNCPeriode (2 vs 4)

0.7897

0.2364

3.341

0.000836

***

VNCPeriode (1 vs 4)

–1.5999

0.4654

–3.437

0.000587

***

VNCPeriode (5 vs 4)

–0.8904

0.1887

–4.718

2.39e–06

***

Verbtyp * VNCPeriode (3 vs 4)

–5.1844

0.8304

–6.243

4.29e–10

***

Verbtyp * VNCPeriode (2 vs 4)

–8.3558

0.6922

–12.071

< 2e–16

***

Verbtyp * VNCPeriode (1 vs 4)

–9.4465

1.2463

–7.580

3.46e–14

***

Verbtyp * VNCPeriode (5 vs 4)

–0.9158

0.5312

–1.724

0.084697

.

Tab. 9:

Ergebnisse der Regressionsanalyse (Standardkonstraste mit VNCPeriode 5 als Referenzlevel)

Estimate

Std. error

z-value

p-value

(Intercept)

–1.8924

0.3066

–6.172

6.75e–10

***

Verbtyp (Anheb vs Kontr in VNCPeriode 5)

7.2760

0.7105

10.240

< 2e–16

***

VNCPeriode (4 vs 5)

0.8904

0.1882

4.730

2.25e–06

***

VNCPeriode (3 vs 5)

1.3765

0.3103

4.436

9.17e–06

***

VNCPeriode (2 vs 5)

1.6801

0.2792

6.018

1.77e–09

***

VNCPeriode (1 vs 5)

–0.7094

0.4843

–1.465

0.1430

Verbtyp * VNCPeriode (4 vs 5)

0.9158

0.5417

1.691

0.0909

.

Verbtyp * VNCPeriode (3 vs 5)

–4.2685

0.7176

–5.949

2.71e–09

***

Verbtyp * VNCPeriode (2 vs 5)

–7.4401

0.5651

–13.167

< 2e–16

***

Verbtyp * VNCPeriode (1 vs 5)

–8.5310

1.2133

–7.031

2.04e–12

***

Danksagung

Diese Arbeit wurde durch die Deutsche Forschungsgemeinschaft (DFG) gefördert (Projektnummer 317633480 – SFB 1287, Projekt A02).

Published Online: 2023-04-14
Published in Print: 2023-04-04

© 2023 Walter de Gruyter GmbH, Berlin/Boston

Downloaded on 25.1.2026 from https://www.degruyterbrill.com/document/doi/10.1515/zgl-2023-2004/html
Scroll to top button