Af Mikael Parkvall
Sandsynligvis er der ingen videnskabsgrene, der har undgået at blive påvirket af de seneste årtiers digitalisering. For sprogvidenskaben betyder dette, at enorme mængder tekst skrevet af mennesker med forskellig baggrund er blevet tilgængelige. For ikke så længe siden havde vi kun adgang til ret små mængder tekst, oftest produceret af professionelle forfattere, og i øvrigt af folk med en ikke-repræsentativ klassebaggrund. Det, vi finder i gamle tekster, er derfor ikke nødvendigvis et sandhedsvidne på, hvordan folk faktisk talte, da teksterne blev skrevet.
Derudover skrives den overvældende majoritet af verdens sprog slet ikke ned, og blandt andet af denne grund vil mange lingvister sige, at tale er mere interessant end skrift.
For et ofte skrevet sprog som dansk er mængden af tilgængelig tekst alligevel vokset enormt i de senere år, samtidig med at afstanden mellem tale og skrift er blevet mindre gennem gensidig påvirkning. Og alene det faktum, at tekst i dag er maskinlæsbar, gør den enormt meget lettere at søge i, end det er tilfældet for tale eller endda ældre tekst. Kort sagt: den digitale revolution giver muligheder, som kun kunne findes i de vildeste drømme hos tidligere generationer af sprogforskere. Med en nyere (omend fantasiløs) betegnelse har vi nu adgang til Big Data.
Et nyt tiltag er artiklen ”Language left behind on social media exposes the emotional and cognitive costs of a romantic breakup”, der undersøger webskribenters reaktioner på at slå op eller blive slået op i en kærlighedsrelation.
Forfatterne konkluderer, at skribenter (i varierende grad, naturligvis) er nedtrykte tre måneder før forholdet afsluttes og et halvt år efter bruddet. Man sammenligner altså det sprog, der manifesteres online hos folk generelt, med det hos dem, der udtrykkeligt siger, at de er gået fra hinanden. Disse specifikke personers forumaktivitet blev også undersøgt to år før og efter den omvæltende begivenhed. Ifølge forskerne brugte de, der var gået fra hinanden, et sprog, der var mere uformelt og mindre analytisk. De talte mere om ”jeg” og ”vi” og udviste det, der blev opfattet som sproglige tegn på nedtrykthed. Disse indikatorer gjaldt også, når de pågældende individer diskuterede andre emner, altså uden direkte forbindelse til ens relationsstatus.
Uden nutidens computerteknologi ville det naturligvis ikke have været muligt at analysere en million indlæg fra tusindvis af diskussionsdeltagere. Man kan muligvis sætte spørgsmålstegn ved kvaliteten af en mere eller mindre automatisk analyse, men tanken er selvfølgelig, at den enorme mængde skal kompensere for det.
Hvis sandheden skal frem, er det ikke i alle konkrete tilfælde indlysende, at disse studier udgør et kæmpe fremskridt for videnskaben, og rygtet om træfsikkerheden er til tider blevet overdrevet. Vi taler her ikke om magi, og mange undersøgelser er snarere stof til en betragtning i radioprogrammet ”Causeri”. Underholdningsværdien er bestemt ikke den værste, og i nogle tilfælde er der et rent samfundsnyttigt aspekt, og sproglige Big Data er med en vis succes blevet brugt til at identificere for eksempel terrorister og pædofile.
Lingvister er som sagt ofte mere interesserede i tale, men forsker alligevel meget i skrift af den simple grund, at tale er flygtig og i praksis skal reduceres til en eller anden form for skrift for overhovedet at kunne undersøges. De fleste af os skriver ikke, som vi taler, og derfor er skrift en halvhjertet erstatning for the real thing. Men alle, der nogensinde har forsøgt sig med det, ved, at det er uhyre tidskrævende at transskribere en samtale. Én af de virkelig store udfordringer for moderne sprogforskning har været at få maskiner til at udføre netop denne opgave. Indtil videre har resultaterne kunnet beskrives som ”sådan nogenlunde”, hvilket i sig selv siger noget om den menneskelige hjernes kapacitet. Men der er gjort fremskridt. Den, der har set DR’s eksperiment med automatisk tekstning eller trykket på YouTube’s tekstningsknap, ved, at resultaterne er langt fra perfekte, men hvis man har en anelse om, hvor svært problemet er at løse, er det samtidig svært ikke at blive imponeret. Mon fremtidige tekniske fremskridt også kan tilbyde os talt Big Data?
Mikael Parkvall har sine rødder i Sverige. Han er p.t. ansat på Aarhus Universitet i et projekt om øer og nye sprog. Han er lingvist og klummeskribent. Denne blogindlæg er oversat og bearbejdet af Lingoblog.
