Grammatiktheorie - German Grammar Group FU Berlin - Freie ...

318 11 Diskussion
Wie die vier Fallstudien gezeigt haben, kann es Gründe dafür geben, das acquirendum
abzulehnen. Wenn das acquirendum nicht erworben werden muss, dann liegt auch kein
Beweis für angeborenes sprachliches Wissen vor. Das acquirendum muss zumindest beschreibungsadäquat
sein. Das ist eine empirische Frage, die Linguisten lösen können. In
drei von vier der von Pullum und Scholz diskutierten PoS-Argumente gab es Teile, die
nicht beschreibungsadäquat sind. In den vorangegangenen Abschnitten haben wir bereits
andere PoS-Argumente kennengelernt, die ebenfalls empirisch nicht haltbare Behauptungen
bzgl. linguistischer Daten involvierten (z. B. das Subjazenzprinzip). Für die anderen
Punkte in (60) ist interdisziplinäre Arbeit nötig: Die Lacuna-Spezifikation fällt in die Theorie
der formalen Sprachen (Spezifikation einer Menge von Äußerungen), das Unverzichtbarkeitsargument
ist eine mathematische Aufgabe aus dem Bereich der Lerntheorie, die
Unzugänglichkeitsevidenz ist eine empirische Frage, die mit Zugriff auf Korpora angegangen
werden kann, und die Acquisitionsevidenz ist eine Frage der experimentellen Entwicklungspsychologie
(Pullum und Scholz: 2002, 19–20).
Pullum und Scholz (2002, 46) weisen auf ein interessantes Paradox in Bezug auf (60c)
hin: Ohne Ergebnisse aus der mathematischen Lerntheorie kann man (60c) nicht leisten.
Wenn man funktionierende Poverty-of-the-Stimulus-Argumente führen will, muss das automatisch
zu Verbesserungen in der Lerntheorie führen, d. h., man kann dann mehr lernen,
als man vorher angenommen hatte.
11.1.8.3 Unsupervised Data-Oriented Parsing (U-DOP)
Bod (2009b) hat ein Verfahren entwickelt, mit dem man aus einem Korpus Strukturen
ableiten kann. Das Verfahren benötigt keine Information über Wortarten oder Beziehungen
zwischen Wörtern in Äußerungen. Die einzige Annahme, die man machen muss, ist, dass
es überhaupt Struktur gibt. Das Verfahren besteht aus drei Schritten:
1. Berechne alle möglichen (binär verzweigenden) Bäume (ohne Kategoriesymbole)
für eine Menge gegebener Sätze.
2. Teile diese Bäume in alle Teilbäume auf.
3. Berechne den besten Baum für jeden Satz.
Das Verfahren soll anhand der Sätze in (61) erklärt werden:
(61) a. Watch the dog.
b. The dog barks.
Die Bäume, die diesen Äußerungen zugewiesen werden, verwenden als Kategoriesymbol
nur X, da die Kategorien für entsprechende Phrasen (noch) nicht bekannt sind. Damit das
Beispiel übersichtlich bleibt, wird den Wörtern selbst nicht die Kategorie X zugewiesen,
obwohl man das natürlich machen kann. Abbildung 11.1 auf der gegenüberliegenden Seite
zeigt die Bäume für (61). Diese Bäume haben die Teilbäume, die in Abbildung 11.2 auf
Seite 320 zu sehen sind. Im dritten Schritt müssen wir nun den besten Baum für jede Äußerung
berechnen. Für The dog barks. gibt es in der Menge der Teilbäume zwei Bäume,
die genau dieser Äußerung entsprechen. Man kann Strukturen aber auch aus Teilbäumen
zusammenbauen. Für The dog barks. gibt es also mehrere Ableitungen, die die Bäume aus
11.1 Angeborenheit sprachspezifischen Wissens 319
X
X
watch the dog
X
X
the dog barks
X
X
watch the dog
X
X
the dog barks
Abbildung 11.1: Mögliche binär verzweigende Strukturen für Watch the dog und The dog
barks.
Abbildung 11.2 verwenden: zum einen die trivialen Ableitungen, die einfach einen kompletten
Baum nehmen und zum anderen die Ableitungen, die einen Baum aus Teilbäumen
zusammensetzen. Abbildung 11.3 auf Seite 321 zeigt im Überblick, wie so ein Zusammenbau
aus Teilbäumen erfolgt. Will man nun entscheiden, welche der beiden Analysen
in (62) die beste ist, so muss man die Wahrscheinlichkeit der jeweiligen Bäume errechnen.
(62) a. [[the dog] barks]
b. [the [dog barks]]
Die Wahrscheinlichkeit eines Baumes ist die Summe der Wahrscheinlichkeiten all seiner
Analysen. (62b) hat zwei Analysen, die beide in Abbildung 11.3 zu sehen sind. Die Wahrscheinlichkeit
der ersten Analyse für (62b) entspricht der Wahrscheinlichkeit dafür, dass
man aus der Menge aller Teilbäume genau den kompletten Baum für [the [dog barks]]
auswählt. Da es zwölf Teilbäume gibt, ist die Wahrscheinlichkeit 1/12. Die Wahrscheinlichkeit
der zweiten Analyse ergibt sich aus dem Produkt der Wahrscheinlichkeiten der
Teilbäume, die kombiniert werden, und ist also 1/12 × 1/12 = 1/144. Die Wahrscheinlichkeit
für die Analyse in (62b) ist somit 1/12 + (1/12 × 1/12) = 13/144. Genauso kann man
die Wahrscheinlichkeit für den Baum (62a) errechnen. Der einzige Unterschied ist hier,
dass der Baum für [the dog] in der Menge der Teilbäume zweimal vorkommt. Seine Wahrscheinlichkeit
beträgt also 2/12. Die Wahrscheinlichkeit für den Baum [[the dog] barks]
ist somit: 1/12 + (1/12 × 2/12) = 14/144. Wir haben also aus dem Korpus Wissen über
plausible Strukturen extrahiert. Dieses Wissen kann man auch anwenden, wenn man neue
Äußerungen hört, für die es keine vollständigen Bäume gibt. Man kann dann bereits bekannte
Teilbäume verwenden, um Wahrscheinlichkeiten für mögliche Analysen der neuen
Äußerung zu berechnen. Das Modell von Bod lässt sich auch mit Gewichten kombinieren,
die Sätze, die ein Sprecher vor langer Zeit gehört hat, geringer wichtet. Man wird dadurch
der Tatsache gerecht, dass Kinder nicht gleichzeitig über alle Sätze verfügen, die sie jemals
gehört haben. Das Modell wird dadurch plausibler für den Spracherwerb.
Im obigen Beispiel haben wir den Wörtern keine Kategorie zugewiesen. Das kann man
aber tun und dann erhält man als möglichen Teilbaum auch den Baum in Abbildung 11.4
auf Seite 321. Solcherart diskontinuierlicher Teilbäume sind wichtig, wenn man Abhängigkeiten
zwischen Elementen erfassen will, die in verschiedenen Teilbäumen eines Baumes
stehen. Beispiele sind: