Muster von todesanzeigen

Lux Narayan war nicht der Einzige, der viele Nachrufe durchsah. Der Nachrufredakteur der New York Times, William McDonald, verfasste ein Buch mit Nachrufen aus dem Archiv der Zeitung. Das Buch The New York Times Book of the Dead hat nicht nur 300 Nachrufe berühmter Persönlichkeiten , sondern auch Zugang zu 10.000 anderen. Aber er tat auch mehr als nur die Nachrufe zu lesen. Er begann, jeden Nachruf durch ein Sprachverarbeitungsprogramm zu analysieren, um Muster in allen 2.000 Nachrufen zu finden. Einige der interessanten Dinge, die er fand, waren: Wir waren besonders daran interessiert, Trends in der Ko-Vorkommen von Beschreibungen der Verstorbenen in Nachrufen zu untersuchen. Um dies zu sehen, wurde das Zusammenvorkommen der Merkmale X und Y als ungerichtete Kante in einem Netzwerk behandelt, wobei das Gewicht jeder Kante der Gesamtzahl der Nachrufe entspricht, in denen der Verstorbene sowohl als X als auch als Y beschrieben wurde. Die resultierenden Netzwerke für jede Stadt und das kombinierte Merkmalsnetz sind in den Abbildungen 1, 2, 3, 4, 5, 6, 7, 8, 9 visuell dargestellt. Diese Visualisierungen wurden mit Gephi generiert, wobei ein standardmäßiges ForceAtlas-Layout verwendet wurde, das Anpassen von Knotenpositionen, um überlappende Beschriftungen zu vermeiden, und bei stärker besiedelten Netzwerken die Verteilung von Anziehungspunkten zum Hervorheben von Clustern von Merkmalen. Wertkarten wie die in Abbildung 6 stellen eine komplexe soziale Bewertungsstruktur dar. Sie zeigen, was Journalisten der Times für lobenswert und bemerkenswert halten. Fußnote 2 Diese Ergebnisse zeigen, dass der häufigste Beschreiben deskriptor auf Personenebene in solchen Nachrufen “ehrenhaft” ist, ein Hinweis darauf, dass diese Personen starke positive Emotionen hervorrufen.

Im Gegensatz zu den Nachrufen aus lokalen Zeitungen, diese kaum erwähnen Familie, Freunde, und lokale Gemeinschaft. Stattdessen konzentrieren sie sich auf größere Gemeinschaften (z. B. “Bürgerrechtler”), intellektuelle Errungenschaften (z. B. “Autor”) und Führung. Im Vergleich zum Netzwerk von Merkmalen aus gewöhnlichen Nachrufen weist das Times-Netzwerk eine geringere Netzwerkdichte (.066 vs. .115), einen etwas höheren mittleren Clustering-Koeffizienten (.875 vs.

.806) und eine höhere Modularität (.454 vs. .121) auf. Fußnote 3 Dies erklärt sich zumindest teilweise durch die geringere Anzahl der vertretenen Personen und die breitere Palette von Begriffen, die zur Beschreibung dieser Personen verwendet werden, aber der Unterschied in der Netzwerkmodularität wird wahrscheinlich auch durch eine größere Exzentrizität der Menschen erklärt, über die in der Times geschrieben wird. Nachrufe in der Times enthalten auch negativere Begriffe als die in lokalen Zeitungen. Dies steht im Einklang mit der Tatsache, dass viele Beispiele nicht einfache Bewunderung wecken, wie Zagzebski [27] andeutet, sondern tiefe Ambivalenz. Viele Beispiele, wie Sokrates, Jesus, Rosa Luxemburg, Malcolm X, Harvey Milk und Dian Fossey, stießen auf gewalttätige Ziele, die vermutlich aus anderen Emotionen als Bewunderung resultierten.

Comments are closed.