Darstellung Wortartenvorkommen / Gesamt vs. Korpusbezogen

Liebe Linguisten,

für eine wissenschaftliche Arbeit habe ich das Vorkommen ausgewählter Wortarten ausgezählt. Untersuchungsgegenstand sind Schlagzeilen/Titel.
Nun komme ich für die einzelnen Wortarten, z.B. substantivierte Verben, ja immer zu zwei Ergebnissen:
Einmal das Gesamtvorkommen der Wortart im Bezug auf alle untersuchten Titel (also z.B. "in 208 von 300 untersuchten Titeln kommen substantivierte Verben vor").
Das andere Ergebnis sind die absoluten Zahlen (also z.B. "insgesamt wurden 483 substantivierte Verben gezählt"). Diese "absoluten Zahlen" von 483 verteilen sich dann eben auf die 208 von 300 Titeln.

Meine Frage nun:

Wie stelle ich diese Zahlen - das absolute Vorkommen und die Verteilung auf das Gesamtkorpus - in einer Tabelle korrekt dar? Die Ergebnisse diskutiere ich natürlich auch mit Beispielen, aber ich bin ratlos, wie ich die Übersicht gestalten soll. Wäre es nach obigem Beispiel sowas wie: n=483 (208/300)??

Macht das nur Sinn, wenn ich das Wortartenvorkommen in Bezug zur Gesamtkorpus-Zahl stelle? (also "483 substantivierte Verben bei 1800 Lexemen insgesamt"?) Wie mache ich dann aber deutlich, dass sich diese Wortarten nicht gleichmäßig verteilen? Muss ich hier type/token einbringen?

Ich wäre euch für einen Tipp sehr verbunden - wahrscheinlich stehe ich einfach auf dem Schlauch, wie man so sagt... Entschuldigt, falls dieses Thema hier schon besprochen wurde - die Thread-Suchfunktion hat mir nichts vergleichbares geliefert.

Ich freue mich über jeden Hinweis!

Viele Grüße und Danke,
Annika

Liebe Annika,

entschuldige die späte Antwort.

Das ist nicht ganz einfach, weil es natürlich auch davon abhängt, was deine Frage/Argumentation ist bzw. was du gerade da illustrieren willst, wo du die Tabelle einfügst. Eine erste Näherung (eher, als eine Lösung) könnte sein,

- die 1800 Lexeme (oder halt die Anzahl aller Token deines Samples) als Korpusgröße zu begreifen, dann sind 483 substantivierte Verben auf die Korpusgröße bezugsfähig.
- man könnte also eine – theoretische – relative Häufigkeit pro Überschrift berechnen, da sie aber nicht überall gleichmäßig vorkommen, wären die Unterschiede von den erwarteten (relative Häufigkeit von Nominalisierungen pro Überschrift bei willkürlicher Verteilung) zu den beobachteten Werten interessant. Hier: klassische Kreuztabelle, mit entsprechenden Variablen als Dimensionen (2x2, 2x3, 2x4 uswusf.)

Generell gilt: Daten sollten so dargestellt werden, dass man die Variablen gut auseinanderhalten kann, also zu sagen „n=483 (208/300)“ packt schon mal mindestens drei Dinge in einen Ausdruck. Das kann gut gehen (und ist nicht per se schlecht), kann aber auch zu Verwirrung führen.

Sonst fehlt mir hier vielleicht der Überblick über Frage, Datenstruktur und Ziel der Darstellung.

Gruß von suz