Archiv der Kategorie: Forschungspraxis

Zwei und Vierzig

Ich war vor Kurzem eingeladen, auf einer jährlich stattfindenden Linguistikkonferenz in Posen, dem Poznań Linguistic Meeting, an einer Podiumsdiskussion zum Thema “What can linguistics contribute to artificial intelligence” teilzunehmen. Während ich keine Antwort auf die Frage, was die Linguistik denn spezifisch zur Forschung zur künstlichen Intelligenz beitragen könnte, geben kann, hat mich das Spannungsfeld, in dem sich die Sprachforschung als Mittlerin zwischen modernen Computermethoden, maschinellem Lernen, und spektakulärer Forschung zur künstlichen Intelligenz auf der einen Seite und den klassischen philologischen und künstlerisch ausgerichteten Disziplinen auf der anderen Seite befindet, schon immer sehr interessiert. So stand auch die gesamte Konferenz mit ihrem Leitmotiv in diesem Spannungsfeld, wie man besonders auch an den vielfältigen Vorträgen sehen konnte, die immer wieder zur Frage zurückkehrten, was die Linguistik in Zeiten sprechender und selbstfahrender polyglotter Autos eigentlich noch zu sagen habe. Antworten waren vielfältig. Die einen beharrten trotzig auf dem Vorrang der “reinen Sprachforschung”, die primär in der Feldforschung und der Auseinandersetzung mit bisher unerforschten Sprachen bestehe, und als einzige erlauben würde, Maschinen Sprache wirklich beizubringen. Die anderen spannen wild anmutende, aber vielleicht gar nicht so unrealistische, Visionen einer Zukunft, in der Suchmaschinen nicht nur auf Schlagworte reagieren, sondern Sätze in “natürlicher Sprache” aufnehmen und dann versuchen, individuell zu beantworten.

Ich selbst hatte in meinem vor der Diskussion gehaltenen Vortrag argumentiert, dass wir nicht das maschinelle Lernen verbessern müssen, sondern eher an das maschinelle Trainieren, oder — vielleicht genauer — das Trainieren von Maschinen denken sollten. Denn in meinem Forschungsfeld ist es in vielen Fragen zwar Gang und Gäbe, Lösungen anzubieten und zu testen, die mit Hilfe moderner Forschung zum maschinellen Lernen und zur künstlichen Intelligenz zustande kommen, dabei wird jedoch oft ein relativ naiver Ansatz verfolgt, der mit der praktischen Forschung im Bereich des computergestützten Sprachvergleichs kaum was zu tun hat. Mal sind Ansätze von normalen Menschen nicht durchführbar, weil sehr komplexe Workflows verwendet werden, die enorme Rechenresourcen benötigen und nur begrenzt von anderen Menschen repliziert werden können, mal sind Lösungen so spezifisch, dass sie lediglich auf einem Datensatz funktionieren, und somit kaum auf ähnliche Probleme übertragen werden können.

Meine Idee war es, zu betonen, dass wir mehr darüber nachdenken sollten, wie wir wirklich Gutes aus den ganzen neuen Ansätzen herausholen, anstatt uns zu fragen, wie wir die Forschung zur künstlichen Intelligenz noch mehr verbessern. Dazu brauchen wir auf der einen Seite mehr Forscherinnen und Forscher, die nicht nur in den geisteswissenschaftlichen Aspekten des historischen Sprachvergleichs ausgebildet sind, sondern auch in Bezug auf Programmierung, Algorithmen und quantitative Ansätze. Gleichtzeitig sollten Menschen, die Computerlinguistik betreiben, besser in Bezug auf die konkreten Problemen im historischen Sprachvergleich geschult werden. Meiner Erfahrung nach stößt diese Position, welche versucht, beide Lager — das Lager der klassischen Linguistinnen und Linguisten und das Lager der Computerlinguistikbetreibenden — in die Pflicht zu nehmen, entweder beiden Lagern auf, oder sie gefällt beiden Lagern.

So war es auch in dieser Podiumsdiskussion. Neben nicht vollständig verständlicher Kritik an konkreten Forschungsergebnissen, die auf unserem Repositorium standardisierter lexikalischer Daten beruhen (List et al. 2022), und vor allem die Unvollständigkeit dieser Daten betonen, an der wir unsererseits nie gezweifelt haben, gab es — zumindest schien mir das so — recht viel Zuspruch in Bezug auf die Idee, dass wir den Umgang mit Systemen des maschinellen Lernens in der Linguistik verbessern müssen.

Als es um die Schlussbetrachtung ging, war schon sehr viel von vielen Seiten gesagt worden, und ich sah mich selbst ein bisschen unter dem Druck, nicht zu lange zu reden und mich nicht zu sehr zu wiederholen. Ein Punkt, den die Diskussion für mich noch mal deutlich gemacht hatte, war, dass es wichtig ist zu, unterscheiden zwischen wissenschaftlichen und wirtschaftlichen Interessen. Zu oft wird nicht zwischen beiden unterschieden, was dann im Nachhinein zu Verstimmungen in beiden Lagern führen kann. Denn wenn eine wirtschaftlich, an praktischer Anwendung orientierte Person eine Methode zur automatischen Entdeckung von Lehnwörtern erstellt, oder eine Person, die primär an wissenschaftlichen Fragestellungen interessiert ist, so unterscheiden sich die Ansätze zumeist sehr stark. Während die wirtschaftlich denkende Person primär am Funktionieren der Methode interessiert ist, interessiert sich die wissenschaftlich denkende Person, wie das Funktionieren sich auszeichnet, also warum beispielsweise eine Methode besser funktioniert als eine andere, und was das mit Sprache im Allgemeinen und mit Prozessen der Entlehnung und des Sprachkontakts im Besonderen zu tun haben mag.

Entlang der wirtschaftlich-wissenschaftlichen Achse finden wir eine neue Spaltung in Lager vor, nicht nur in der vergleichenden Sprachforschung, sondern in der Forschung zur künstlichen Intelligenz im Allgemeinen. Auf der einen Seite haben wir die Ingenieurinnen und Ingenieure, die sich freuen, wenn sie menschliche Leistungen mit Maschinen modellieren können, auf der anderen Seite haben wir Wissenschaftlerinnen und Wissenschaftler, die verstehen wollen, wodurch sich menschliche Leistungen und maschinelle Leistungen auszeichnen. Diesen Zwiespalt zwischen anwendungsorientierter Forschung und Grundlagenforschung spüre ich als jemand, der primär an Grundlagen forschen will, meist noch mehr als den Zwiespalt zwischen qualitativer und quantitativer Forschung, da meine Arbeiten zum computergestützten Sprachvergleich häufig von anwendungsorientierten Forscherinnen und Forschern evaluiert und harsch kritisiert werden.

Während ich noch überlegte, wie ich diesen Punkt in zwei Sätzen als Fazit meiner Diskussion unterbringen sollte, fiel mir plötzlich Douglas Adams’ 42 ein (Adams 1979). 42 ist die berühmte Antwort aus dem Roman Per Anhalter durch die Galaxis, die von einem Supercomputer innerhalb von 7,5 Millionen Jahren errechnet wurde, der nach der Antwort auf die Frage aller Fragen gefragt worden war. Da die Frage aller Fragen jedoch selbst viel zu schwammig gestellt worden war, konnte niemand etwas mit der Antwort anfangen, und man erwog deshalb, einen weiteren Supercomputer zu bauen, der die Frage auf die Antwort finden sollte.

In Bezug auf das Spannungsfeld von Anwendung und Erkenntnis, könnte man sagen, dass die anwendungsorientierte Forschung sich mit der 42 zufrieden geben würde, während die wissenschaftsorientierte Forschung auf der Suche nach der Frage beharren würde. Damit waren meine Schlusspunkte für die Diskussion gefunden, und ich schraffierte eine große 4 und eine große 2 in mein Notizbuch und hielt es in die Höhe, während ich zu meinem Fazit ansetzte.

Erst später wurde mir klar, dass dieser Vergleich mit Douglas Adams’ 42 vielleicht doch weit weniger treffend war, als ich ursprünglich gedacht hatte. Denn eigentlich geht es der anwendungsbezogenen Forschung ja eben nicht darum, die Antwort auf eine Frage zu kennen, sondern darum, eine Möglichkeit zu haben, rasch sehr viele Lösungen für Probleme zu finden, ohne Anspruch auf das Wissen um die Lösungswege zu erheben. Wenn man also einen Supercomputer hätte, der alle Fragen beantwortet, dann würde die Wissenschaft fordern, dass der Computer bitte auch die Lösungswege ausspuckt.

Ich habe jedoch beschlossen, mir die schiefe Analogie zu verzeihen. Mein Hauptanliegen war es ja, auf die Trennung zwischen Anwendungs- und Erkenntnisinteresse hinzuweisen. Hierfür hatte mir die 42 von Douglas Adams eine schöne Eselsbrücke geliefert, wodurch ich mein Schlussstatement tatsächlich kurzhalten konnte. Wenn ich noch mal in eine ähnliche Situation kommen sollte, würde ich allerdings versuchen, eine andere Analogie zu finden.

Literatur

Adams, Douglas (1979): The hitch hiker’s guide to the galaxy. Pan Books: London.

List, Johann-Mattis and Forkel, Robert and Greenhill, Simon J. and Rzymski, Christoph and Englisch, Johannes and Gray, Russell D. (2022): Lexibank, A public repository of standardized wordlists with computed phonological and lexical features. Scientific Data 9.316. 1-31.

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Zwei und Vierzig," in Von Wörtern und Bäumen, 26/09/2022, https://wub.hypotheses.org/1622.

Von Einblicken in Sterneküchen

In meiner frühen Kindheit war ich lange Zeit unheimlich fasziniert von Zauberkünstlern. Ich weiß nicht mehr genau, in welchen Zusammenhängen ich sie sah — sie besuchten uns im Kindergarten, ich sah sie im Theater, oder in der Fußgängerzone — aber ich habe viele Bilder nicht vergessen. Da war der Zauberer, der Eier, Mehl, und Salz in einen Hut warf und am Ende Plätzchen für alle Kinder produzierte, die so lecker schmeckten, dass ich mich noch immer an ihren Geschmack erinnern kann. Da war der Straßenkünstler, der brennende Kohlen mit bloßen Händen jonglierte. Da war der Bauchredner im Fernsehen, der reden konnte, ohne den Mund zu benutzen.

Später erst merkte ich, dass es sich bei den Plätzchen, deren Geschmack ich so lange in Erinnerung behalten hatte, um die billigsten “Zitronenplätzchen” im Supermarkt handelte. Es kostete mich einige Zeit — und einige Brandblasen an den Fingern –, um einzusehen, dass kein Mensch Feuerbälle mit bloßen Händen jongliert. Als das Buch Bauchreden — spielend lernen 1995 endlich erschien (Bockamp und Urbanski 1997), lernte ich auch schnell, dass man beim Bauchreden die Sprechorgane sehr wohl benutzt, aber eben bestimmte Laute, bei denen man die Lippen bewegen muss, vermeidet, oder kompensiert, indem man sie durch andere Laute ersetzt, die so ähnlich klingen.

Es muss nicht immer schlimm oder traumatisch sein, zu wissen, was hinter den Kulissen passiert. An meiner Faszination für das Zaubern oder jonglieren, haben die späten Erkenntnisse kaum etwas geändert, und durch meine kläglichen Versuche, Bauchreden zu lernen, machte ich ersten Kontakt zur Phonetik und zur Artikulation der Sprachlaute, ohne damals zu wissen, dass ich diese mit so viel Leidenschaft später studieren würde.

Es kann aber natürlich durchaus ernüchternd sein, wenn man Einblicke in das, was hinter der Bühne vor sich geht, bekommt. So hatte ich sehr gemischte Gefühle, als ich zum ersten Mal Tiramisu selbst machte. Es war irgendwie viel zu simpel, Löffelbuiscuits in Kaffee zu tauchen und mit einer Mascarpone-Zuckermischung zu bedecken. Ich hatte mir das immer viel raffinierter und aufwendiger vorgestellt. Auch wenn sich meine Freude am Tiramisu-Essen nicht geändert hat, so habe ich seitdem doch ein bisschen an Respekt vor der Rafinesse derer verloren, die ein Tiramisu zu einer Party mitbringen und sich dafür von allen bewundern lassen.

Während die Einfachheit des Tiramisurezepts nichts an dessen Beliebtheit ändern wird, kann es einem in anderen Fällen arg auf den Magen schlagen, wenn man erfährt, wie das vermeintlich leckere Essen in einem Restaurant wirklich zubereitet wurde. Dabei muss es nicht ein mal immer um nachgewiesene hygienische Mängel gehen. Während meiner Zeit in Paris hatte ich zum Beispiel immer ein mulmiges Gefühl, wenn in teuren und scheinbar hochfeinen Restaurants mit Kellnern, die hochwichtige Mienen aufgesetzt hatten, die Toiletten am Ende in extrem schlechtem Zustand waren. Ich dachte immer, wie es wohl in der Küche aussieht, und warum man nicht gleich versucht, dem entgegenzuwirken, indem man auch auf dem stillen Örtchen die Reinheit sprechen lässt.

Auch in der Wissenschaft kann es vorkommen, dass einem der Einblick in die Sterneküche auf den Magen schlägt. Ich erlebe das immer dann, wenn ich Daten und Programmiercode von Artikeln sehe, die sehr glanzvoll veröffentlicht wurden, mit vielen wunderschönen Abbildungen und sehr klaren Botschaften und Ergebnissen. Schnell kann sich hier der Pariser-Restaurant-Effekt einstellen, wenn man sieht, wie Forscherinnen und Forscher hinter den Kulissen arbeiten. Da werden Daten unzureichend beschrieben und lieblos und inkonsistent aufbereitet, da wird Programmiercode nicht nur nicht kommentiert, sondern zuweilen so geschrieben, dass selbst die Urheber nach ein paar Monaten nicht mehr wissen werden, was sie da eigentlich fabriziert haben, und in einigen Fällen stellt sich dann sogar heraus, dass der Code in der Form, in der er geteilt wurde, eigentlich gar nicht funktioniert.

Während es bei den Küchen eine Gesundheitsbehörde gibt, die darauf achtet, das Mindeststandards in Sternen- und Suppenküchen eingehalten werden, gibt es in der Wissenschaft nur das Peer-Review-Verfahren. Obwohl wir als Gutachtereigentlich nicht nur das Recht haben, Einblicke in Daten und Code zu bekommen (Nature 2018), sondern auch die Pflicht, diese Gewissenhaft zu überprüfen, geschieht das leider in den seltensten Fällen. Ausgehend von dem, was ich als Gutachter zu sehen bekomme und was in den Zeitschriften in meinem Fachbereich publiziert wird, muss ich leider feststellen, dass wir noch sehr weit entfernt sind von Mindeststandards in Bezug auf die Reinheit von Daten und Programmiercode.

Das ist bedauerlich, denn transparente, gut aufbereitete Daten machen es nicht nur leichter, Experimente zu überprüfen, sie haben auch einen starken pädagogischen Effekt, da sie es Menschen, die noch nicht so gut programmieren können, ermöglichen, von veröffentlichter Forschung direkt zu lernen. Zuweilen habe ich sogar den Eindruck, dass gerade das durch halbgaren Code verhindert werden soll. Denn wer sieht, was in der Küche geschieht, kann ja schnell seine eigenen Sternerezepte zu Hause nachkochen und muss nicht mehr zum Meister gehen.

Literatur

Bockamp, Elke and Urbanski, Rudolf (1995): Bauchreden — spielend lernen. Moers:Aragon.

Nature, Editorial Board (2018): Referees ́rights. Nature 560. 409.

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Von Einblicken in Sterneküchen," in Von Wörtern und Bäumen, 20/07/2022, https://wub.hypotheses.org/1569.

Über Schattierungen wissenschaftlichen Fehlverhaltens

Es wird oft angenommen, dass es für das wissenschaftliche Arbeiten eindeutige und klare Regeln gibt. Wer gegen diese verstößt, macht sich wissenschaftlichen Fehlverhaltens schuldig und kann entsprechend bestraft werden, indem Artikel zurückgezogen oder Forschungsgelder entzogen werden. Zwei grundlegende Formen des Fehlverhaltens bestehen in der Aneignung fremden geistigen Eigentums, ohne dieses als solches zu kennzeichnen, und im Fabrizieren von falschen Ergebnissen.

Das Aneignen der Ideen anderer ist besonders im Rahmen der zahlreichen Plagiatsaffären, in die vor allem Politik Betreibende verwickelt waren, deutschlandweit bekannt und vielfältig diskutiert worden. Das Fabrizieren von Forschungsergebnissen wurde weit weniger öffentlich diskutiert, spielte aber in der wissenschaftlichen Forschung der vergangenen Jahrzehnte insbesondere im Rahmen der Replikationskrise in der Psychologie eine größere Rolle.

Abgesehen von diesen beiden eindeutigen Extremen, dem Plagiat auf der einen und den gefälschten Daten auf der anderen Seite, gibt es aber viele Formen wissenschaftlichen Verhaltens, die sich in einer Grauzone bewegen und meist eher nicht direkt sondern vielmehr unter der Hand diskutiert werden. Man erkennt jedoch, dass diese Grauzonenfälle die Gemüter stark erhitzen können. Nicht selten sind uneindeutige Fälle wissenschaftlichen Fehlverhaltens der Grund, warum Forscherinnen und Forscher nicht mehr miteinander sprechen.

Was soll man zum Beispiel machen, wenn man einen Vortrag mit einem Kollegen gemeinsam vorbereitet und dort eine Graphik einbaut hatte, die man selbst in einer Publikation benutzen wollte, und plötzlich merkt, dass der Kollege die Graphik in eigenen Vorträgen, an denen man selbst nicht beteiligt ist, weiterbenutzt, ohne den Urheber zu nennen? Ist das verboten? Der erste Vortrag wurde ja gemeinsam vorbereitet. Wer die Graphik gemacht hat, geht aus diesem nicht hervor. Man könnte also sagen: alles was in diesem Vortrag gezeigt wurde, gehört von nun an beiden Beteiligten, und beide können es nach eigenem Gutdünken in ihrer Arbeit weiterverwenden, und es gibt durchaus Kolleginnen und Kollegen, die genau so argumentieren würden und verfahren.

Vielen Forscherinnen und Forschern missfällt ein solches Verhalten aber. Denn die Idee für die Graphik kam ja nun mal nicht von dem Kollegen, und die Arbeitsstunden, die man zuweilen in die Erstellung einer Graphik stecken muss, wurden auch von einem selbst investiert. Man wünscht sich in diesen Fällen einerseits, dass man als Quelle der Graphik entsprechend gewürdigt wird, und insbesondere in den Fällen, wo man plant, die Graphik in einem Artikel zu verwenden, wünscht man sich auch, dass jegliche Weiterveröffentlichung erst dann gemacht wird, wenn der Artikel erschienen ist. Denn nur so kann man sicherstellen, dass der Urheber der Graphik auch richtig gewürdigt werden kann.

Was soll man ferner tun, wenn man in einem informellen Rahmen eine Idee für eine interessante Studie, für deren Bearbeitung man bisher noch keine Zeit gefunden hat, mit Kolleginnen und Kollegen teilt, und später feststellen muss, dass einer die Idee übernommen und daraus einen Artikel geschrieben hat? Auf der einen Seite könnte man sagen, dass die Person, die die Idee fortgeführt hat, der Wissenschaft einen großen Dienst erwiesen hat. Denn nicht selten schleppen wir als Wissenschaftsbegeisterte Ideen über Jahre mit uns rum, ohne sie zu verwirklichen, nur um sie dann zu vergessen. Was wäre, wenn Einstein keine Zeit zur Formulierung seiner Relativitätstheorie gefunden hätte, und erst ein Kollege sie ausgearbeitet und veröffentlicht hätte?

Aber andererseits wollen wir natürlich, dass man uns als Ideengeber wenigstens nennt. Oft wollen wir auch, dass man uns kontaktiert, uns erzählt, dass jemand Zeit gefunden hat, die Idee zu verfolgen, und ob wir nicht Teil einer gemeinsamen Publikation sein wollten, da ja die Idee von uns selbst kam. Auch hier ist das beste Verhalten nicht wirklich eindeutig. Vor allem, wenn die Person, die die Idee hatte, diese blockiert, ohne sie auszubauen, was tatsächlich nicht so selten vorkommt. Denn dann führt vermeintlich faires Verhalten schnell zu wissenschaftlichem Stillstand.

Eine weitere Grauzone besteht in der Frage, wessen Name denn auf Publikationen am Ende erscheinen sollte? Wenn man Daten von Hilfskräften annotieren lässt und dann aus diesen eine Publikation macht, sollen die Hilfskräfte dann durch die Teilnahme an der Erstellung der Daten belohnt werden? Oder sollte die Autorenschaft bei der Studie nur auf die beschränkt werden, die inhaltlich zu der Studie beigetragen haben (was immer man unter inhaltlich verstehen mag)?

Während ich lange Zeit nur wenig mit Hilfskräften arbeitete, habe ich in der Vergangenheit begonnen, klare Regeln in unseren Projekten für die Beteiligung von Hilfskräften an Publikationen aufzustellen. So wird jeder, der genug Beiträge leistet, in unserem Concepticon-Projekt (https://concepticon.clld.org, List et al. 2022) nicht nur dankend auf der Webseite erwähnt, sondern kann soger an der Herausgeberschaft beteiligt werden. Dies hat in der Vergangenheit dann immer auch zu einem zusätzlichen Ansporn für junge Studierende geführt. Ferner haben wir bei größeren Projekten zuweilen bewusst eine Publikation, die nur den Daten gewidmet war, erstellt und dabei alle Beteiligten einbezogen (vgl. zum Beispiel unsere Studie zur CLICS-Datenbank, Rzymski et al. 2020). Ich plane dies auch in Zukunft so weiterzuführen, weil ich es nicht gut finde, die Beiträge zu wissenschaftlichen Studien zu stark zu trennen. Bei der großen Anzahl von Menschen, die Autorinnen oder Autoren von Studien werden, ohne überhaupt etwas zu tun, sollte es kein Problem sein, die, die konkret etwas getan haben, auch mit einer Publikation zu belohnen, selbst wenn der Beitrag nicht ganz so groß gewesen sein mag.

Was die Ideen betrifft, versuche ich seit einiger Zeit, sehr klar Buch zu führen, wann ich über welchen Punkt nachgedacht und wer mich dabei inspiriert hatte. Es ist vorgekommen, dass Menschen mich indirekt inspirierten, und mir von einer Methode erzählt haben, die sie anwenden, und ich diese dann falsch interpretiert und auf ein anderes Problem angewandt habe. In diesen Fällen habe ich immer versucht, den Ideengebern explizit zu danken, aber sie nicht als Koautorinnen oder Koautoren eingeladen, weil es zuweilen auch ganz unterschiedliche Forschungsfelder waren, und die ursprüngliche Idee nicht in der Lösung des Problems bestand, welches ich am Ende lösen konnte. In anderen Fällen versuche ich, früh eine Kollaboration anzuleiten, vor allem wenn ich sehe, dass ich Kapazitäten habe, mein Gegenüber aber nicht, die Idee umzusetzen.

In Bezug auf meine eigenen Ideen bin ich inzwischen ein bisschen vorsichtiger geworden. Nachdem es vereinzelt vorgekommen ist, dass Kollegen Ideen von mir genommen haben, ohne mich zu informieren, und versuchten, sie zu veröffentlichen, bevor ich sie selbst publizieren konnte, halte ich mich inzwischen sehr viel deutlicher zurück und teile meine Ideen nicht mehr so großzügig mit meiner Umgebung, sondern nur mit Menschen, denen ich vertrauen kann. Das ist einerseits schade, andererseits eben auch notwendig, da ich ja von meinen Ideen lebe. Um zu verhindern, dass ich Innovationen blockiere, versuche ich aber neuerdings, mit Hilfe von kleineren Publikationen in spezifischen Zeitschriften wie Open Research Europe oder durch Blogposts auf unserem Tutorial Blog Computer-Assisted Language Comparison in Practice (https://calc.hypotheses.org) dazu beizutragen, dass grundlegende Ideen veröffentlicht und somit von Kolleginnen und Kollegen weiterentwickelt werden können. Zuweilen bespreche ich dies sogar direkt mit Kolleginnen oder Kollegen, die mich bei einem Problem um Hilfe bitten: indem ich meine Lösung sofort veröffentliche, steht diese ihnen dann zur Verfügung, und kann entsprechend in deren Arbeit verwendet und zitiert werden.

Das Veröffentlichen in kleineren Formaten hilft, das habe ich bemerkt, auch dabei, Dinge wie eigene Graphiken besser zu schützen. Denn wenn eine Graphik vor dem Talk mit einem Kollegen schon mal in einem Blogpost verwendet wurde, ist es nachher nicht so einfach, diese als die eigene auszugeben. Denn Blogposts kann man — auch wenn sie nicht einem Peer-Review-Verfahren unterworfen sind — ja immer auch ohne Probleme zitieren.

Als Wissenschaftler bin ich nicht darauf aus, Ideen zu entwickeln, die mich reich machen, indem ich sie vermarkte. Mein Ziel ist es viel eher, mit Ideen die Forschung zu inspirieren und entsprechend als jemand wahrgenommen zu werden, der unsere Forschung voranbringt. Daher ist es in dieser Hinsicht am besten, mit der Veröffentlichung der eigenen Ideen und Illustrationen nicht zu geizig zu sein. Die Urheberschaft in der Wissenschaft wird eben am besten durch die Veröffentlichung geschützt. Wenn der Artikel oder Blog Post mit dem eigenen Namen einmal erschienen ist, ist es nicht mehr so einfach, sich diese Ideen unlauter anzueignen, und man kann dadurch leicht verhindern, einer der vielen Grauzonen des wissenschaftlichen Fehlverhaltens zum Opfer zu fallen.

Literatur

List, Johann-Mattis and Christoph Rzymski and Greenhill, Simon J. and Schweikhard, Nathanael E. and Kristina Pianykh and Annika Tjuka and Carolin Hundt and Robert Forkel (2021): Concepticon. A resource for the linking of concept lists. Version 2.5.0. Jena:Max Planck Institute for the Science of Human History.

Rzymski, Christoph and Tiago Tresoldi and Simon Greenhill and Mei-Shin Wu and Nathanael E. Schweikhard and Maria Koptjevskaja-Tamm and Volker Gast and Timotheus A. Bodt and Abbie Hantgan and Gereon A. Kaiping and Sophie Chang and Yunfan Lai and Natalia Morozova and Heini Arjava and Nataliia Hübler and Ezequiel Koile and Steve Pepper and Mariann Proos and Briana Van Epps and Ingrid Blanco and Carolin Hundt and Sergei Monakhov and Kristina Pianykh and Sallona Ramesh and Russell D. Gray and Robert Forkel and List, Johann-Mattis (2020): The Database of Cross-Linguistic Colexifications, reproducible analysis of cross- linguistic polysemies. Scientific Data 7.13. 1-12.

Sie können diesen Artikel zitieren als: Johann-Mattis List, "Über Schattierungen wissenschaftlichen Fehlverhaltens," in Von Wörtern und Bäumen, 13/06/2022, https://wub.hypotheses.org/1539.