Statistische Analyse: Metaphererkennung in Wirtschaftstexten

Das Projekt soll die Frage klären, inwiefern fortgeschrittene Fremdsprachenlerner in der Lage sind, Metaphern in englischsprachigen Wirtschaftstexten zu erkennen. Es wird von der Hypothese ausgegangen, daß Journalisten der Wirtschaftspresse Metaphern gezielt einsetzen, um ihre eigenen Meinungen, Wertvorstellungen und Kommentare zur Wirtschaftspraxis einzubringen. Diese Metaphern werden verwendet, um einerseits die Textkohäsion zu stärken und andererseits dem Text einen kohärenten, konzeptuellen Rahmen zu verleihen. Obwohl die den Metaphern zugrundeliegenden konzeptuellen Kategorien den Lernenden (hier: Österrei-cherInnen) bekannt sein mögen, kann die Tatsache, daß sie durch eine Vielzahl von unter-schiedlichen Lexemen realisiert werden, das Text-verstehen behindern: entweder weil die Lexeme selbst unbekannt sind, oder weil ihre Verwendung im Kontext ungewöhnlich ist. Der hier erprobte Forschungsansatz ist ein Versuch, die Rolle von solchen im Text systematisch eingesetzten konzeptuellen Metaphern neu zu bestimmen und die Fähigkeit der Lerner, diese Metaphern zu erkennen, genauer zu untersuchen. Dabei soll vor allem die Interaktion zwischen Text und Leser im Mittelpunkt der Betrachtungen stehen. In dieser Hinsicht unterscheidet sich das Vorhaben von anderen quantitativen Ansät-zen, die den Beitrag des Lesers zum Textverständnis vernachlässigen. Komplementär zur Leser-orientierung weist der hier vorgeschlagene Ansatz auch eine didaktische Komponente auf: Er ist auf den Leser als Lerner ausgerichtet. Durch den Einsatz von deskriptiven und schließenden statistischen Methoden wird untersucht, inwiefern Faktoren wie Studienwahl, Sprachkompetenz, Studiumdauer, Schultyp, Auslandsaufenthalte, Lesepräferenzen usw. die Fähigkeit, Metaphern zu erkennen, beeinflus-sen. Die Population besteht aus 250 Studierenden der Anglistik sowie auch der ABWL an der Universität Klagenfurt. Die Metapher-Erkennungsdaten wurden bereits gesammelt und für eine qualitative Auswertung kodiert. Die relevanten Daten für die statistische Analyse können aus den kodierten Daten gewonnen werden, wodurch ein weiterer aufwendiger Kodiervorgang vermieden wird. Die Projektfinanzierung soll die Daten- konversion, die statistischen Analysen und die Auswertung der Ergebnisse ermöglichen.