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
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 |
*** |
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 |
*** |
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 |
*** |
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 |
. |
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).
© 2023 Walter de Gruyter GmbH, Berlin/Boston
Articles in the same Issue
- Titelseiten
- Aufsätze
- Zur Abfolge im Mittelfeld des Deutschen. Eine methodische Etüde
- Das Verhältnis geschriebener und gesprochener Sprache im 18. Jahrhundert am Beispiel der Interpunktion in Sprache und Musik
- Wir beide und мы с вами (‚wir mit Ihnen‘): Strategien zur Vagheitsreduktion im Gebrauch des Personalpronomens der 1. Person Plural in deutschen und russischen Diagnosemitteilungs- und Therapieplanungsgesprächen
- Quantitative Methoden in diachronen Studien: Anwendung am Beispiel der Wortstellungsvariation in deutschen Infinitiven
- Die formale und funktionale Entwicklung von bitte
- Forschungsnotiz
- Arbeitsgemeinschaft „Sprachkorpora als digitale Bildungstechnologien“
- Ressourcen
- Das Austrian Media Corpus (AMC): Inhalte, Zugang und Möglichkeiten
- Zeitschriftenschau
Articles in the same Issue
- Titelseiten
- Aufsätze
- Zur Abfolge im Mittelfeld des Deutschen. Eine methodische Etüde
- Das Verhältnis geschriebener und gesprochener Sprache im 18. Jahrhundert am Beispiel der Interpunktion in Sprache und Musik
- Wir beide und мы с вами (‚wir mit Ihnen‘): Strategien zur Vagheitsreduktion im Gebrauch des Personalpronomens der 1. Person Plural in deutschen und russischen Diagnosemitteilungs- und Therapieplanungsgesprächen
- Quantitative Methoden in diachronen Studien: Anwendung am Beispiel der Wortstellungsvariation in deutschen Infinitiven
- Die formale und funktionale Entwicklung von bitte
- Forschungsnotiz
- Arbeitsgemeinschaft „Sprachkorpora als digitale Bildungstechnologien“
- Ressourcen
- Das Austrian Media Corpus (AMC): Inhalte, Zugang und Möglichkeiten
- Zeitschriftenschau