OT (statistisches zum Forum): Wenn man denn nichts anderes zu tun hat,....

verfasst von Uwe, 13.08.2005, 00:36

-->... dann kann man dann wohl auch auf solche Ideen kommen, wie man denn dann wenigsten einen Computer beschäftigen könnte.

Das Ergebnis ist eine Art vereinfachter"Pisa-Test" des Forums. Die Auswertung am"Wortschatz" des Forums gemessen.

Nun ergeben sich leider dabei ein paar Probleme, die ich nicht ausräumen werde, so dass die Studie nur einen eingeschränkten Aussagewert hat.

Bisher wurden hier ca. 330.000 Beiträge geschrieben. Sofern es EDV-mäßig leicht möglich war, wurden die Worte der Beiträge von Textbereichsübernahmen aus den Vorbeiträgen befreit (Textzeilen, die mit einer Spitzklammer nach rechts weisend beginnen). So ergab sich eine Datei, die die Einzelworte aller Beiträge in Reihe nach ihrer Erstellung beinhaltet. Satzzeichen und auch Formatierungszeichen wurden nicht erfasst.

Die der Untersuchung zugrunde gelegt Dateigröße, in der jeder Buchstabe und jedes Leerzeichen zwischen den Buchstaben ein Byte beansprucht (ASCII), beträgt 290.816.827 Bytes. Genau ein Leerzeichen trennt eine Einheit von der nächsten Einheit. Alle weiteren Leerzeichen, die in den Beiträgen enthalten sind, sind nicht gespeichert worden.

Eine Einheit ist eine zusammenhängende Zeichenkette druckbarer Zeichen. Es sind damit Worte, Abkürzungen, Zahlen, Alpha-Numerische Ausdrücke und auch Phantasiewörter mit dem Begriff der Einheit gemeint. Eine Einheit ist auch ein Wort, dass orthographische Fehler aufweist.

Bei der Wortzählung werden alle Einheiten berücksichtigt, die aus mindestens zwei zusammenhängenden Zeichen bestehen und mit einem Buchstaben des Alphabets beginnen. Die so festgestellten Elemente werden nach dem Alphabet sortiert, egal ob sie ein sinnhaftes Wort darstellen oder nicht. Auch nach Sprache wird nicht unterschieden.

Wörter, die mit einem der Umlaut (Ä Ã- Ü ä ö ü) beginnen, werden der Abteilung des jeweiligen Grundbuchstaben (A O U) zugeordnet.

Innerhalb des Registers eines Buchstabes, werden die Häufigkeiten der Zeichenfolge eines jeweiligen Elements gezählt. Jedes Element, das in ein Register aufgenommen wird, wird als Wort gezählt.

Soweit zur allgemeinen Voraussetzungen der Wortzählung, die vielleicht erahnen lassen, wo die Schwachpunkte des"Testes" liegen (Stichworte: Fehlerworte,"Unsinns"- und Phantasiewörter, Wörter aus unterschiedlichen Sprachen, Worte aus Fremdartikelübernahme bzw. Zitaten).

Neben diesen Grundmängeln, ergibt sich noch eine"handwerklicher" Mangel: Das EXCEL-VBA-Programm, das die Arbeit durchführen soll, liest und wertet ca, 3.000.000 Bytes pro Stunde aus, also ca. 1% des Gesamten Dateibestandes. Das bedeutet aber, dass der Computer nun ca. 100 Stunden (=100/24 = ca. 5 bis 6 Tage) beschäftigt ist. Daher hier vorab das erste Zwischenergebnis nach der Auswertung von ca. 3,8% des Gesammtdatenumfanges:

<pre>
Gesamtzahl der Bytes: 290.816.827
gelesene Bytes : 11.030.000
3,79% von 290.816.827

Gesamtanzahl der Wort: 1.676.914
Anzahl der vers. Worte 105.181</pre>

Hieraus ergibt sich eine bisherige Durchschnittswortlänge von 5,5 Buchstaben. Der Wortumfang, der bei den bisher erfassten ersten Beiträgen erfasst wurde, ist mit 1.676.914 Worten gezählt.

Der Zähler für den Wortschatz der dabei verwendet wurde (einschl. Fehler-/Phanasie- und Fremdsprachen) bleb bei 105.181 Worten stehen.

Für die weitere Auswertung, die die Häufigkeit von Worten in den Buchstabengruppen betrifft (die drei rechten Spalten in der nachfolgenden Tabelle), wurden Pronome, Präpositionen, Konjuktionen und Interjektionen von der Wertung ausgeschlossen (übrigens, da es vor kurzer Zeit ein Nebenthema hier war: das Persomalpronomen 1.Pers. sg.,"ICH", wurde 23.702 mal eingesetzt; zum Vergleich: die Artikel"DER","DIE" und"DAS" wurden bis hierher je 46.460, 36.104 und 21.040 mal gezählt).

[img]" alt="[image]" style="margin: 5px 0px 5px 0px" />

Die"Wortumfangtabelle des Forums":

[img][/img]

Soweit der Stand der Dinge nach der Auswertung der ersten 11 Mill. Bytes, die etwa die ersten 12.500 Beiträge (nach Dreisatzauswertung) erfassen. Nun kann der Computer weiter ungestört arbeiten, denn eine Unterbrechung habe ich nicht programmiert.

Gruß!

P.S.
Bilder können durch Anklicken vergrößert werden.
P.P.S.
Sofern der Rechner und das Programm ob dieser Art von Tätigkeit nicht streikt, werde ich, falls Interesse, die"Wortschatztabellen", die den Diagrammen zugrunde liegen, am Ende der Auswertung vorstellen.

Thread gesperrt

 

gesamter Thread:

• OT (statistisches zum Forum): Wenn man denn nichts anderes zu tun hat,.... - Uwe, 13.08.2005, 00:36
  • Kleine Statistik zwecks etwaiger Gegenrechnung ;-) - Gundel, 13.08.2005, 10:13
    • Re: Kleine Statistik zwecks etwaiger Gegenrechnung ;-) - Uwe, 15.08.2005, 00:34
      • Re: Kleine Statistik zwecks etwaiger Gegenrechnung ;-) - Uwe - nereus, 15.08.2005, 08:18
        • Re: @nereus: Zur Justierung des Bauchgefühls... - Uwe, 15.08.2005, 10:04
          • Re: @nereus: Zur Justierung des Bauchgefühls... - Uwe, Danke (o.Text) - nereus, 15.08.2005, 12:46
      • Die Kommunisten verderben den Schnitt ;-) - Histrio, 16.08.2005, 05:02
  • Re: OT (statistisches zum Forum): WOW..... - Elli (Boardmaster)--, 13.08.2005, 12:48