Dansk eller tysk? Et forsøg på at modellere og måle ændringer i national...
Dansk eller tysk? Et forsøg på at modellere og måle ændringer i national identitet i brevsamling fra første verdenskrig.
Jeg stødte for lidt tid siden på en forskningsartikel af Laurits Wieslander Lyngbæk mfl fra Center for Humanities Computing, Aarhus Universitet om en ny måde at lave sentiment-analyse på i tekster. Den mundrette titel "Continuous Sentiment Scores for Literary and Multilingual Contexts" (2025) dækker over en teknik til at tracke sentiment scores (fra dårlig til god stemning) hvor man ikke kun kigger på om enkelt-ord er postive/negative men projicerer positive og negative ekstremer i "koncepter" ind i et multidimensionelt vector space, som man så bruger til at score ud fra. Noget i den stil.
Et "koncept" i den sammenhæng, kan man sige, er en konstruktion, der kan eksistere på et kontinuum mellem yderpoler. Ulykkelig -> Lykkelig, fx. Og lykkekonceptet vil så i et sprog kunne repræsenteres ved nogle ord og sproglige konstruktioner, der vil ligge et sted på denne linje mellem yderpunkterne. Hvis man så laver embeddings af noget tekst ("jeg går i glædesdille", fx), vil man kunne sætte et tal på hvor på lykke-aksen dette udtryk ligger.
Min oldefar Peter Mærsk var sønderjyde og tvunget til at gøre tjeneste i den tyske hær under 1. verdenskrig. Herfra skrev han 624 breve, som vi henover nogle generationer har fået gjort til et ret godt datasæt.
Jeg har i årevis brugt brevsamlingen til at lege med og lære om sprogteknologi, og NLP og artiklen om Concept Vector Projections fik mig til at tænke på, om det kunne bruges til at undersøge, om der i brevsamlingen var tegn på, at min oldefar i løbet af krigen gradvis blev mere og mere tysktænkende? Dvs om der skete en forskydning i hans følelser omkring sin nationale identitet?
Det prøvede jeg så at gøre.
Jeg fandt en stribe teksteksempler på de to poler, som jeg kan spænde linjen ud mellem, og beregner herfra et punkt for hver yderposition i det multidimensionelle vektorspace. Karrikeret vil det være mellem "Hurra for Danmark" i den ene ende og "Ich liebe Deutchland" i den anden ende af spektret.
Og så kan man ellers køre igennem al teksten og se, hvor brevene over tid ligger på denne akse, vektor eller skala.
Konklusionen er kedelig: nej, han forblev aldeles dansksindet med en smule fluktuering.
Den vigtigere konklusion for mig er naturligvis det, jeg har lært her: man kan faktisk godt modellere sine egne koncepter i sit eget domæne og bruge det til at lave målinger på dem på en effektiv og enkel måde.
Den metoder kommer straks ned i værktøjskassen! Og linket til min oldefars breve kommer i en kommentar herunder.
Oprindeligt delt på LinkedIn