Kategorien
Inklusive Sprache Positive Sprache

Diversität: Superdiversität

Vor einiger Zeit war ich auf einer Veranstaltung zum Thema Super-Diversity (Superdiversität) und Migration.

Via Google lande ich beim Thema Superdiversität im Online-Universum der Max-Planck-Gesellschaft:

„Der Kulturanthropologe Steven Vertovec beschreibt diese Komplexitätssteigerung sich überschneidender Formen von Unterschiedlichkeit als Superdiversität (super-diversity). Superdiversität in Vertovecs Sinne verweist auf eine komplexe mehrdimensionale Diversifizierung bereits existierender Formen sozialer und kultureller Vielfalt.“ (‚Diversität und Gesellschaft‘, Fußnoten entfernt (mpg.de))

Sehr verkürzt ist Superdiversität die Diversifikation der Diversität:

„It has also been called the „diversification of diversity“ (en.wikipedia.org)

Eine kulturelle Praktik, in der ‚Formen sozialer und kultureller Vielfalt‘, aber auch Alter- und Gender-Unterschiede produziert und reproduziert werden ist: unsere Sprache.

Superdiversität und inklusive Sprache

Welche Auswirkungen hat die Diversifikation der Diversität für das Projekt einer inklusiven Sprache?

Inklusive Sprache, so wie ich sie in meinem eBook skizziere, ist diversitäts-  und auch super-diversitäts-sensibel 🙂

Das Konzept der Superdiversität unterstreicht jedoch die Wichtigkeit zweier Punkte für eine inklusive Sprache:

1. Kein generisches Maskulinum

Denn das generische Maskulinum ist nicht diversitäts-sensibel, weil es die Anforderung an eine sprachliche Gleichbehandlung nicht erfüllt. Frauen mitzumeinen ist nicht diversitäts-sensibel, sondern exkludierend, benachteiligend.

Wenn das generische Maskulinum schon bei dem Anspruch an sprachlicher Gleichbehandlung von zwei geschlechtlichen Identitäten versagt, dann kapituliert es komplett bei super-diversen Anforderungen; wie z.B. die sprachliche Inklusion von super-diversen sexuellen Identitäten.

Deshalb sind geschlechtsneutrale Formulierungen, immer wenn möglich, die Super-Lösung!

2. Keine sprachliche Markierung von personenbezogenen Merkmalen

Für eine inklusive Sprache, in der sich auch super-diverse Menschen wohlfühlen, gilt das gleiche, wie für eine inklusive Sprache und eine ’normale‘ Diversität, nämlich:

Ich markiere keine Differenz, keine (Super-) Diversität, kein Anderssein durch Sprache.

Es sei denn: ich habe einen ’sachlichen Grund‘ (siehe das AGG § 20) oder es besteht ein ‚begründetes öffentliches Interesse‘ (siehe den Deutscher Pressekodex Ziffer 12).

Die Frage ist also zuerst: wieso will ich überhaupt (Super-) Diversität sprachlich abbilden?

Beispiel: jung=technik-affin und älter=nicht technik-affin?

Kurz-Fazit

Superdiversität ist keine Herausforderung für eine inklusive Sprache. Ganz im Gegenteil; ich denke, nur mit und in einer inklusiven Sprache ist Superdiversität möglich.

Das Konzept der Superdiversität verweist jedoch stark auf:

„…den relativen Bedeutungsverlust von Kollektivität [z.B. Nationalität, Geschlecht, Alter, Ethnizität] als Beschreibungskategorie in komplexen Gesellschaften.“ (‚Diversität und Gesellschaft‘ (mpg.de) [ich])

Kategorien
Beispiele Positive Sprache

Apropos FAQ: Deutungsrahmen & Barcelona

Die Frankfurter Allgemeine Quaterly (FAQ) Herbst 2018 leidet nicht nur an Überalterung. Ganz im Gegenteil. Bis jetzt finde ich viele Artikel, trotz generischem Maskulinum, sehr gut.

Besonders gut gefällt mir, dass Samen für neue Deutungsrahmen (Frames) in menschlichen Köpfen gepflanzt werden.

Z.B. der Artikel:

`“(081) Die Stadt: Barcelona zeigt, wie eine Smart City von unten entstehen und seine Bewohner [ihre Bewohnenden] beglücken kann“ (FAQ, Herbst 2008, Seite 010 [inklusiv korrekt positiv])

In meiner Filterblase sehe, höre und lese ich im Zusammenhang mit Barcelona nur von ‚Gentrifizierung‘, ‚Overtourism‘, ’nackten Feiernden in Barceloneta‘ und ‚pisos turísticos‘,  also Airbnb, plus Taxis, die keine mehr sind (Uber) und riesigen Kreuzfahrtschiffen.

Doch Barcelona hat Ada Colau als Stadtoberhaupt und damit auch eine bottom-up-Politik unter Beteiligung der Menschen, die in der Stadt leben. Und das mithilfe von digitalen Technologien. Eine digitale Pionierin!

„Alles, was sie in Barcelona entwerfen, ist Open Source, kann also von anderen Städten übernommen werden – genau das wollen sie [Ada Colau und Co.]: „Dass sich diese Art der Politik verbreitet, weil der Neoliberalismus, der auch das Silicon Valley regiert, sonst unsere Demokratien zerstört.““ (FAQ, Herbst 2018, Seite 085, [Anmerkung])

Fearless Cities

‚Fearless Cities‘, das Konzept hinter Ada Colaus Barcelona, ist wirklich mal eine Vision. Fearless Cities hat eine Webseite und es ist ein Buch für 2019 in Planung:

Überwachungskapitalismus

Am meisten gefreut habe ich mich, den Deutungsrahmen ‚Überwachungskapitalismus‘ ebenfalls in dem Artikel wiederzufinden. Diesen kritischen Deutungsrahmen und eine darauf aufbauende Alternative hat die ‚Ökonomin und Technologie-Expertin‘ Francesca Bria nach Barcelona gebracht:

„Bria war nie Hausbesetzerin, doch die promovierte Ökonomin teilt Colaus Überzeugungen: mehr Feminismus und mehr Kommunismus – Daten-Kommunismus zumindest. Der Überwachungskapitalismus des Silicon Valley ist ihr Hauptfeind.“ (FAQ, Herbst 2018, Seite 083)

Bravo!

Überwachungskapitalismus oder Surveillance capitalism:

netzpolitik.org hat viel darüber unter dem Tag:

Fazit

Erstens: ein toller Artikel, ich hoffe, der Samen trägt Früchte und vielleicht sprießt bald die erste deutsche Stadt, die zur Fearless City wird.

Zweitens: Deutungsrahmen (framing) funktionieren und sind wichtig; unsere Sprache ist wichtig. Vor dem Artikel war Barcelona für mich out. Jetzt sehe ich die Stadt wieder mit anderen Augen.

<ironie>Vieleicht gucke ich gleich mal nach einem billigen Flug für zwei Tage nach Barcelona, buche eine Uber-Fahrt vom Flughafen nach Barceloneta, wo ich in einer Smart-Home-Airbnb-Residenz mit Mehrwert Meerblick residiere und vom Balkon aus auf Schweröl verbrennende Schiffe gucke, während ich ein Selfie…. </ironie>

 

Kategorien
Inklusive Sprache Misc

KIs & sprachliche Deutungsräume

In meinem Kopf geht es weiter mit Sprache und Natural Language Processsing (NLP) durch Maschinelles Lernen.

Humane Intelligenz verhält sich zu Künstliche Intelligenz wie Inklusive Sprache zu Inklusives Programmieren

also:

HI:KI :: inklusive sprache:inklusives programmieren

.-)

Im A Beginner’s Quide to Word2Vec and Neural Word Embeddings habe ich Folgendes gefunden. Die schreibende Person des Artikels nutzt den ID-Anchor #crazy um folgende Passage intern zu verlinken:

Amusing Word2Vec Results

Let’s look at some other associations Word2vec can produce.

Instead of the pluses, minus and equals signs, we’ll give you the results in the notation of logical analogies, where : means “is to” and :: means “as”; e.g. “Rome is to Italy as Beijing is to China” = Rome:Italy::Beijing:China. In the last spot, rather than supplying the “answer”, we’ll give you the list of words that a Word2vec model proposes, when given the first three elements:

king:queen::man:[woman, Attempted abduction, teenager, girl]
//Weird, but you can kind of see it (skymind.ai)

Kategorien
Korrekte Sprache Misc

Sprache: menschliche Deutungsrahmen (framing) und künstliche Deutungsräume (word embedding)

In meinem Post über Sprache, Stereotype, Künstliche Intelligenz (KI) und dem Natural Language Processing (NLP) habe ich bereits ein kleines Fazit gezogen.

Jetzt folgt ein Post-Fazit:

Die mathematischen Deutungsräume (und damit auch Stereotype (language bias)), die durch Vektoren beim Word-Embedding in der KI entstehen, entsprechen dem, was auf menschlicher Seite im Zusammenhang mit Sprache Deutungsrahmen (Framing) genannt wird.

Also:

HI : KI :: Deutungsrahmen : Deutungsraum

HI= Humane Intelligenz
KI= Künstliche Intelligenz

Kategorien
Korrekte Sprache

Sprache & künstliche Intelligenz = Stereotype

„PS: In jetziger Zeit kommt hinzu, dass wir unsere sprachliche Unkorrektheit an künstliche Intelligenzen weitergeben! Siehe z.B. auf Englisch, sciencemag.org: Even artificial intelligence can acquire biases against race and gender“ (inklusiv korrekt positiv: bewusst kommunizieren, Kapitel Signalwörter: das generische Maskulinum)

Im eBook hat es nur für eine Fußnote gereicht. Jetzt hatte ich Zeit, mich mit diesem spannenden Thema zu beschäftigen.

Natural Language Processing (NLP)

Wie macht eine KI Sinn aus unserer Sprache?

Indem sie durch Machine Learning große Datensätze an Text (corpus) menschlicher Sprache (natural language) verarbeitet und in mathematische Modelle (vector spaces) umwandelt.

Wiederholung (co-occurence) und Kontext (word embedding) sind dabei entscheidende Kriterien, um Wörter miteinander in Verbindung zu bringen (semantic connections, associations).

Auf diese Weise nähert sich eine KI der Bedeutung eines Wortes.

Dieser Prozess wird als Natural Language Processing bezeichnet (NLP)

Auf wikipedia.org:

Zurzeit nutzt Google:

Facebook:

Von der Stanford University:

Stereotype

Die enormen Datenmengen an verarbeitetem Text reproduzieren dabei in der KI die Stereotype, die bereits in unserer Sprache vorhanden sind.

Z.B. das englische geschlechtsneutrale Wort ‚programmer‘. ‚Programmer‘ tritt sehr oft im gleichen Kontext mit ‚he‘ und ‚computer‘ auf. Wohingegen z.B. ’nurse‘ mit ’she‘ und ‚costume‘ in Verbindung steht.

Oder: Europäisch-Amerikanische Namen finden sich in einem ‚positiven‘ Deutungsraum der KI wieder (happy, gift). Wohingegen afrikanisch-amerikanische Namen in einem ’negativen‘ liegen.

„“If you didn’t believe that there was racism associated with people’s names, this shows it’s there,” said Bryson“ in einem Interview (guardian.co.uk)

Die zentrale Studie zu dem Thema ist von 2017:

Die Forschenden (Aylin Caliskan, Joanna Bryson und Arvind Narayanan) präsentieren ihre Studie ebenfalls in einem kurzen Video:

Artikel, die sich mit der Studie beschäftigen:

Bereits 2016 deuteten einige Artikel von technologyreview.com auf den Zusammenhang von Sprache, Sexismus und KIs hin:

Die Lösung?

Via:

Es gibt schon eine Lösung, zumindest für KIs, welche GloVe nutzen: Gender-Neutral GloVe, kurz: GN-GloVE

Die KI korrigiert ihre Vektoren und wird en-stereotypisiert (debiased).

Das sieht dann so aus:

Formulae for gender neutral word embedding
Screenshot aus Learning Gender-Neutral Word Embeddings, Seite 2)

<ironie>Tja, Data-Wissenschaftler und Wissenschaftlerinnen haben es einfach .-) </ironie>

Ich denke, für humane Intelligenzen, die deutsch sprechen, lässt sich ein Teil des kryptischen Screenshots sehr schnell übersetzen: vermeide das generische Maskulinum.

Mein Fazit

Die oben genannte Studie bezieht sich auf die englische Sprache.

„…but things get more gendered [in languages] such as German…“ Aylin Caliskan (popsci.com)

Sprache ist nicht neutral und war es nie. Die Studie über Sprache und KIs zeigt, dass ein Zusammenhang zwischen Sprache und menschlicher Wahrnehmung (Kognition) und menschlichem Denken (z.B. Stereotype) besteht.

„How does bias get into language, do people start making biased associations from the way they are exposed to language? Knowing that will also help us find answers to maybe a less biased future.” Aylin Caliskan (popsci.com)

Kategorien
Beispiele Inklusive Sprache

Apropos framing: grammatical framing

Nachdem ich den Post über meine Lieblings-Zitate aus dem Buch Political Framing  gemacht hatte, guckte ich beim Twitter von Elisabeth Wehling vorbei. Dort habe ich das #GrammaticalFraming zusammen mit dem #GenerischesMaskulinum gefunden.

Eine sehr gute Vernetzung!

Das generische Maskulinum ist eine Form des Framings. Durch die permante Wiederholung von Wörtern im grammatikalischen generischen Maskulinum brennen sich die Wörter neuronal in die Gedanken von Menschen ein. Und dort sind die Wörter Wissen, das auch Handeln prägt…

…auch die Szene der Gründenden?

„Nach wie vor sind Frauen als Gründer deutlich in der Unterzahl. 85 Prozent der Gründer sind Männer. In den vergangenen Jahren hat sich dieser Wert kaum verbessert. Beim ersten Bericht im Jahr 2013 waren 87 Prozent der Gründer männlich.“ (handelsblatt.de)

Aus:

Gründerinnen gibt es nicht!? Sprachliche Inklusion und Gleichbehandlung hört sich andern an, Repräsentation mit Wörtern geht korrekter:

Nach wie vor sind Frauen als Gründende deutlich in der Unterzahl. 85 Prozent der Gründenden sind Männer. In den vergangenen Jahren hat sich dieser Wert kaum verbessert. Beim ersten Bericht im Jahr 2013 waren 87 Prozent der Gründenden männlich.

Zum Suchwort ‚weiblicher Gründer‘ (google.de) lieferte mir Google gerade „Ungefähr 2.500 Ergebnisse (0,30 Sekunden)“!

 

Kategorien
Misc

Best of: Politisches Framing (Elisabeth Wehling)

Nicht mehr in mein eBook  geschafft haben es folgende Ideen aus dem Buch Politisches Framing: Wie eine Nation sich ihr Denken einredet – und daraus Politik macht (bpb Schriftenreihe Band 10064) von Elisabeth Wehling:

Neurowissenschaftliche Performativität:

„Zur Erinnerung: Unser Gehirn erlernt Frames, indem es die Erfahrung macht, dass bestimmte Phänomene entweder in der natürlichen Welt miteinander korrelieren oder durch Kultur oder Sprache wiederholt miteinander in einen Zusammenhang gebracht werden… Das wiederholte simultane Auftreten beider Zustände führt dazu, dass diese sich in unserem Gehirn in einem Frame miteinander vernetzen.“ (S. 38-39)

Die Black-Box der humanen Intelligenz:

„Nur geschätzte 2 Prozent unseres Denkens sind bewusste Vorgänge“ (S. 43)

Nichts ist ohne Wörter:

„… kann langfristig kognitive Pluralität nur über sprachliche Pluralität bestehen.“ (S. 43)

 

Kategorien
Inklusive Sprache

Menschen zuerst

Der Post von Courtney Seiter Diversity: An Incomplete Guide to Inclusive Language for Startups and Tech hat es mir angetan.

Besonders gut gefällt mir ihr erstes ‚language principle‘:

Put people first: Default to person-first constructions that put the person ahead of their characteristics, e.g., instead of “a blind man” or “a female engineer,” use “a man who is blind” or “a woman on our engineering team.” People-first language keeps the individual as the most essential element; there is more to each of us than our descriptors. Mention characteristics like gender, sexual orientation, religion, racial group or ability only when relevant to the discussion.“

In meinem eBook bin ich sehr nah dran an dem ‚Put-people-first-principle‘, wenn ich sage:

Vor lauter personenbezogenen Merkmalen sehen wir den Menschen nicht

Oder wenn ich nicht-essentialisierende Begriffe für Menschen vorziehe (positive Sprache). Also:

Menschen mit Behinderung

anstatt

Behinderte

Das ‚Put-people-first-principle‘ als ‚Menschen-zuerst-Strategie‘ ist für ein Update des eBooks vorgemerkt!