Wortlänge als Datenkonstrukt: Eine methodische Grundlage digitaler Germanistik

Wortlänge ist ein grundlegender Indikator der quantitativen Sprachforschung und wird auch in digital gestützten Sprach- und Textanalysen häufig für die Lesbarkeitsanalyse, die Niveaustufung von Lernertexten sowie die Differenzierung von Textsorten herangezogen. Da Wortlänge jedoch je nach Maßeinheit unterschiedlich bestimmt wird, sind die daraus gewonnenen Werte oft nur eingeschränkt vergleichbar und führen zu unterschiedlichen linguistischen Interpretationen desselben Textmaterials. Die vorliegende Studie untersucht Wortlänge im Deutschen als Ergebnis digitaler Operationalisierung und fragt, wie stark sich die Befunde verändern, wenn dieselben Texte nach Buchstaben, Graphemen oder Silben vermessen werden. Als Datengrundlage wurden 47.195 Tokens aus dem Korpus Deutschen Textarchiv ausgewertet. Methodisch wurden die drei Maße parallel implementiert und verglichen, unter besonderer Berücksichtigung des Zusammenhangs zwischen Wortlänge und Worthäufigkeit, der Verteilungsform und Modellierbarkeit sowie der hierarchischen Relationen zwischen sprachlichen Ebenen. Die Ergebnisse zeigen ein konsistentes Muster. Im untersuchten Korpus liefert ausschließlich die silbenbasierte Messung stabile inverse Wortlänge-Häufigkeit-Zusammenhänge und zugleich robust modellierbare Wortlängenverteilungen. Buchstaben- und graphembasierte Messungen reagieren stärker auf orthographische Konventionen und Segmentationsannahmen und erweisen sich entsprechend als weniger stabil, auch wenn sie mit der Silbenlänge deutlich kovariieren und sich nicht ohne Weiteres ineinander überführen lassen. Darüber hinaus besitzen die Ergebnisse praktische Relevanz für sprachdidaktische und bildungsbezogene Kontexte. Als Bestandteil digitaler Textschwierigkeitsmaße kann silbenbasierte Wortlänge zur Entwicklung und Bewertung von Lehrmaterialien, zur Textniveauklassifikation sowie zur Erfassung von Sprachentwicklungs- und Kompetenzverläufen herangezogen werden.