Was passiert mit Sprachdaten am Ende eines Projektes?

Eines kann ich schonmal vorwegnehmen: Nein, Linguisten und Linguistinnen verwenden Textproben von Studienteilnehmer:innen nicht als Schmierpapier, noch bauen sie Möbel aus Fragebögen oder tapezieren ihr Büro mit Notizen aus Feldstudien… Die meisten von uns haben auch keinen Hang dazu, alte Floppy Disks oder Videotapes als Blumentöpfe aufzuwerten, und unsere Schreibtische beherbergen auch keine kleinen Schränkchen, die von hineingestopften Papieren bersten.

Ohnehin sind Floppy Disks, Videotapes mit Magnetbändern und auch Papierfragebögen schon sehr selten geworden. Stattdessen werden die meisten Forschungsdaten heutzutage bereits digital „geboren“. Sie müssen also gar nicht digitalisiert werden, sondern werden von den Studienteilnehmer:innen direkt digital produziert: zum Beispiel, wenn diese einen Online-Fragebogen ausfüllen oder ein Interview über Skype, Teams oder eine andere Videokonferenz-Software führen. Dennoch gibt es immer noch Fachbereiche der Linguistik und Erhebungssituationen, in denen Daten analog gesammelt werden (müssen) und bei denen Mitarbeiter:innen des Forschungsprojektes mit einem Kofferraum voll von Papieren und anderem Equipment in eines der Südtiroler Täler fahren und am Ende des Tages Schätze zurückbringen. Schätze, die oftmals erstmal wieder ausgehoben werden müssen – aus dem Kofferraum und hoffentlich ohne Bandscheibenvorfall!

Diese analogen Daten werden dann mit viel Liebe (und Zeit) „digitalisiert“, also gescannt, transkribiert, und weiter aufbereitet, wobei dabei oft Stunden, Wochen oder sogar Monate der Forschungszeit eines Linguisten oder einer Linguistin in diesen Prozess fließen können.

Während eines laufenden Projektes werden die digitalen Daten (also sowohl „born-digital“ als auch digitalisierte Daten) dann auf den internen und von außen nicht zugänglichen Speichern von Eurac Research abgespeichert und von den Forscher:innen des Projektes für ihre Forschungszwecke verwendet, d. h. gesichtet, manchmal bereinigt, weiter aufbereitet, eventuell sogar mit mehr Metadaten und Annotationen angereichert, und auf jeden Fall genau untersucht und analysiert.

Nach dem Ende eines Projektes kommt es dann oftmals auch auf die rechtliche Lage an, was mit den Daten danach geschehen soll.

Daten, die von Untersuchungsteilnehmer:innen gesammelt werden, unterliegen gewissen rechtlichen Schutzrichtlinien. Wenn persönliche, nicht anonymisierte Daten erhoben werden sollen, müssen die Teilnehmenden einer Studie zum Beispiel vorab explizit der Datensammlung zustimmen und im Rahmen dessen ein Dokument, ein sogenanntes „Informationsschreiben“, unterzeichnen, das genau beschreibt, welche Daten gesammelt werden, und wie, wo und wie lange diese aufbewahrt werden.

Daten, deren Nutzungserlaubnis und somit „Lebenserwartung“ mit dem Projekt endet, werden nach den letzten projektbezogenen Auswertungen vernichtet. Andere Daten, für die eine längere Nutzungsdauer vorgesehen ist, dürfen auch nach dem Ende eines Projektes für andere Forschungsfragen verwendet werden (normalerweise vollständig anonymisiert und nicht auf die einzelne Person zurückführbar).

Da die Daten aber meist für eine bestimmte Forschungsfrage innerhalb eines bestimmten Projektes gesammelt wurden, geraten auch die Daten, die potenziell weiterverwendet werden dürfen, häufig erstmal in Vergessenheit. Denn es gilt: „nach einer Studie“ ist „vor einer Studie“. Oder in anderen Worten: Nach einem Projekt hat die Linguistin oder der Linguist (hoffentlich) ein neues Projekt, sammelt neue Daten, transkribiert neue Interviews, bereinigt neue Fragebögen und verbringt einen guten Teil der Arbeitszeit damit, neue Sprachproben zu annotieren, zu sortieren, zu systematisieren …

Das ist natürlich schade, weil man zuerst den Untersuchungsteilnehmer:innen ihre Zeit abverlangt, dann lange Tage mit der Digitalisierung beschäftigt ist und dann endlich einen „Schatz an Daten“ hat, den man in eine Schatzkiste legt, und ihn im nächstbesten Mariannengraben versenkt.

Die einzige Möglichkeit, den Schatz also zu retten, ist, eine detaillierte Schatzkarte zu erstellen, sodass andere ihn wiederfinden können, nachdem er im Mariannengraben gelandet ist.

Eine Möglichkeit, das zu tun, ist, die Daten in einem Forschungsdatenzentrum abzulegen und dabei so gut wie möglich zu beschreiben, um welche Art von Daten es sich handelt, wo man sie finden kann und was man mit ihnen machen kann. Forschungsdatenzentren sind dabei von einzelnen Institutionen geführte Datenspeicher, die den Zugang zu (z. B. linguistischen) Daten regeln und die Metadaten (die Schatzkartenkoordinaten) an Suchmaschinen liefern, die man dann nach Datenschätzen durchsuchen kann.

Beispiel einer Suchoberfläche für linguistische Sprachdaten:

Das Institut für Angewandte Sprachforschung von Eurac Research führt seit einigen Jahren eines solcher Datenzentren, das sich speziell auf linguistische Daten und dabei vor allem auf Daten aus Minderheitenkontexten bzw. Nichtstandardsprachen spezialisiert hat, wobei eine internationale Zertifizierungsstelle nun auch genau überprüft und bestätigt hat, dass die Infrastruktur unseres Mariannengrabens auch sicher genug ist, dass jede Linguistin und jeder Linguist, der bei sich zuhause Relikte aus alten Projekten herumliegen hat, ohne Bedenken, die Daten bei uns ablegen kann, ohne dass sie dort verschwinden.

Wichtige Referenzen:

• Linguistisches Forschungsdatenzentrum von Eurac Research: https://clarin.eurac.edu/
• Origami-Tutorials: https://www.youtube.com/c/OrigamiTutorials

Für all die, die es bis zum Ende des Artikels geschafft haben: Hier für euch ein kleiner Blick in unsere „Analogisierungskampagne“ digitaler Facebook-Daten 😉