1. Einleitung²

Der Erwerb bzw. die Entwicklung syntaktischer Strukturen im größeren Rahmen der Entwicklung grammatischer Strukturen bei Lernenden des Deutschen als L2 wurde vielfach in verschiedenen Erwerbskontexten und für unterschiedliche Altersgruppen untersucht (ein historischer Abriss der ‚klassischen Studien‘ in Bezug auf das Deutsche als L2 findet sich in Ahrenholz 2020). Bryant / Rinker (2021: 286–287) verorten dabei die Anfänge der systematischen Analyse zweitsprachlicher Erwerbs- und Entwicklungsprozesse in den amtlich deutschsprachigen Ländern in der Zeit des größer werdenden Fachkräftemangels der 1950er Jahre im Kontext des raschen Wirtschaftswachstums. Ein wesentlicher Bestandteil der Forschung im Bereich des Zweitspracherwerbs leitet sich dabei aus der Frage ab, über welche grammatischen Kompetenzen Lernende zu bestimmten Zeitpunkten der zweitsprachlichen Entwicklung verfügen oder noch nicht verfügen und warum dies jeweils der Fall ist. Hierbei wird ein besonderes Augenmerk darauf geworfen, in welcher Reihenfolge Strukturen für Lernende verfügbar werden und wie Lernende dann mit diesen Strukturen sprachlich handeln können (vgl. Fandrych 2013).

Der Erwerb syntaktischer Strukturen des Deutschen als L2 wird dabei häufig anhand von für das Deutsche typischen Wortstellungsregularitäten untersucht (siehe hierzu Kap. 2.6.1). In diesem Kontext analysieren viele Studien zweitsprachliche Entwicklungen mit einem theoretischen Fokus, der von den Annahmen der Processability Theory (vgl. Pienemann 1998) ausgeht und daher implikationelle und universelle Erwerbssequenzen in der Entwicklung lernersprachlicher Syntax voraussetzt, die sich unabhängig vom Lernkontext und verschiedenen Erstsprachen bei allen Lernenden zeigen. Diese Annahmen wurden in zahlreichen Studien belegt, die sich sowohl in ‚klassischen‘ DaF-Kontexten verorten und mit Schülerinnen und Schülern oder mit Studierenden arbeiten (vgl. beispielsweise Diehl et al. 2000; Bohnacker 2006; Ballestracci 2008; Jansen 2008; Winkler 2017) als auch in DaZ-Kontexten. Für Kinder und erwachsene Lernende mit Deutsch als Zweitsprache spielen dabei oft eher ungesteuerte Erwerbskontexte eine große Rolle (vgl. Czinglar 2014)³. Dazu kommen in jüngster Zeit Studien, die die Daten aufbereiteter Lernerkorpora nutzen und versuchen, auf diese Weise erwerbsstufenspezifische Unterschiede zwischen GER-Niveaustufen herauszuarbeiten (vgl. Wisniewski 2020).

Gerade für erwachsene und geflüchtete Lernende in gesteuerten Lernkontexten im Allgemeinen und erwachsene Lernende mit Arabisch als L1 und Deutsch als L2 im Speziellen liegen bis heute nur vereinzelt Daten hinsichtlich ihrer syntaktischen Entwicklung vor. Gleichzeitig stellen diese Lernenden aber eine relevante und zahlenmäßig prominente Lernendengruppe in unterschiedlichen Bildungskontexten innerhalb der amtlich deutschsprachigen Länder dar (vgl. etwa Hünlich et al. 2018; Cindark / Hünlich 2019)⁴. Die Situation durch die Migrationsbewegungen im Anschluss an den Bürgerkrieg in Syrien eröffnete die Möglichkeit zur Realisierung von Längsschnittstudien zum Zweitspracherwerb erwachsener Lernender. In diesem Kontext ist die gemeinsame Studie des Max-Planck-Instituts für Kognitions- und Neurowissenschaften und des Herder-Instituts der Universität Leipzig zu sehen, in deren Rahmen in den Jahren 2016–2017 die zweitsprachliche Entwicklung erwachsener Lernender aus verschiedenen Perspektiven erforscht wurde und auch die Daten der hier vorliegenden Studie erhoben wurden.

Als ein zentrales Charakteristikum von Lernersprache wird neben ihrer Tendenz zu einer größer werdenden Stabilität bereits seit langer Zeit ihre große inter- und intraindividuelle Variabilität gesehen (vgl. Selinker 1972; vgl. Pienemann 1998; de Bot / Lowie / Verspoor 2007). Zudem wird das Thema in jüngster Zeit auch aus der DaF/DaZ-Perspektive konzeptuell stärker in den Fokus gerückt und eine verstärkte Auseinandersetzung mit lernersprachlicher Variation bzw. Variabilität gefordert (vgl. Wisniewski / Lüdeling / Czinglar i. Dr.). Interindividuelle Variabilität bezieht sich dabei auf Unterschiede zwischen verschiedenen Lernenden, während sich intraindividuelle Variabilität auf das unterschiedliche Verhalten einzelner Lernender im Zeitverlauf bezieht. Pienemann (1998: 231–330) etwa beschreibt ausführlich lernersprachliche Variabilität und sieht diese als absolut grundlegend an. Gleichzeitig geht er davon aus, dass diese prinzipiell innerhalb eines Hypothesenraums abläuft, der durch die implikationellen und universellen Erwerbssequenzen bzw. den diesen zugrundeliegenden Verarbeitungsprozeduren beschränkt wird (vgl. außerdem Lenzing 2015: 92). Variabilität ist im Kontext dieser Perspektive zwar konstitutiv für lernersprachliche Entwicklung, aber letztlich nur ein Hintergrundgeräusch, das den Blick auf zugrundeliegende Erwerbssequenzen schwieriger macht und keinen direkten Einfluss auf größere Entwicklungsmuster nehmen kann.

Ein Ansatz der Zweitsprachenerwerbforschung, der die lernersprachliche Variabilität als zentralen Faktor zweitsprachlicher Entwicklungen konzeptualisiert und an dem sich der vorliegende Beitrag maßgeblich orientiert, ist die Complex Dynamic Systems Theory (CDST). Aus einer CDST-Perspektive macht Variabilität einerseits die Neuorientierung bzw. die Anpassungsfähigkeit eines Systems sichtbar und markiert bestimmte Zeitpunkte innerhalb der zweitsprachlichen Entwicklung, kann aber andererseits verantwortlich für Entwicklungen in komplex-dynamischen Systemen sein (vgl. Bot / Lowie / Verspoor 2007). Phasen mit geringerer Variabilität werden als Indikator größerer Stabilität innerhalb eines komplex-dynamischen Systems gesehen und könnten darauf hindeuten, dass Lernprozesse vorläufige Endpunkte erreichen (vgl. van Dijk / Verspoor / Lowie 2011: 76).

Historisch hat sich die CDST aus verwandten Ansätzen wie der Komplexitätstheorie in den Naturwissenschaften entwickelt (vgl. Lenzing 2015: 97; für eine Zusammenfassung komplex-dynamischer Ansätze und ihrer Theoriebildung vgl. Hiver / Al-Hoorie 2019: 14–44). Der Hauptgegenstand der Komplexitätstheorie ist die Erforschung komplexer Systeme (vgl. de Bot / Lowie / Verspoor 2007: 8). Solche dynamischen Systeme zeichnen sich dadurch aus, dass sie sich immer wieder verändern und dabei in unterschiedlichen Zuständen emergent werden. Eingeschränkt werden sie bei ihrer Entwicklung unter anderem durch die zur Verfügung stehenden Ressourcen (vgl. de Bot / Lowie / Verspoor 2007: 14). ‚Komplex‘ sind Prozesse dann, wenn sie „Teil eines Ganzen [sind], das aus seinen Komponenten nicht analytisch ableitbar ist und in Kombination größere Fähigkeiten hat als die Summe seiner Teile“ (Hiver / Al-Hoorie 2019: 15)⁵. Komplex bezeichnet demnach eine Beziehung zwischen Bestandteilen eines Systems und ist nicht als Antonym zu ‚einfach‘ zu verstehen.

Die CDST stellt folglich im Hinblick auf zweitsprachliche Entwicklungsprozesse eine grundsätzliche Nichtlinearität dieser Prozesse heraus. Gleichzeitig folgt aus der komplexen Verbindung der vielen an der zweitsprachlichen Entwicklung beteiligten Faktoren eine prinzipielle Unberechenbarkeit bzw. eine Nichtvoraussagbarkeit dieser Entwicklung (vgl. Lowie / Verspoor 2015: 70). Hier liegt ein wesentlicher Unterschied zu erwerbssequenziellen Ansätzen, die zwar ebenfalls von großer lernersprachlicher Variabilität ausgehen, gleichzeitig aber letztlich universelle und vorhersagbare Entwicklungssequenzen annehmen. Eine solche Konzeption von zweitsprachlicher Entwicklung als komplex-dynamisches System wird von CDST-Vertreter:innen immer wieder mit unterschiedlichen Metaphern verdeutlicht. Ein Bild, das bisher nicht auftauchte, aber zahlreiche der relevanten Aspekte des Ansatzes erklären kann, ist das einer Lernerin als sich bewegender Zug innerhalb eines weitläufigen Schienennetzes. Deutlich wird zunächst, dass die Strecken, die der Zug potenziell zurücklegen kann, durch externe Faktoren oder Ressourcen, nämlich die Schienen, beschränkt wird. Der mögliche Weg, den ein Zug in diesem Schienennetz zurücklegen kann, steht dabei für den zweitsprachlichen Erwerbs- bzw. Entwicklungsprozess, der letztlich ebenfalls durch bestimmte neuronale Voraussetzungen im menschlichen Gehirn begrenzt wird. Es existieren allerdings zahlreiche Start- und Zielbahnhöfe (im Kontext der CDST Attraktorzustände, also solche Zustände, die sehr wahrscheinlich im Kontext zweitsprachlicher Entwicklungen erreicht werden; vgl. de Bot / Lowie / Verspoor 2007: 8). Gleichzeitig gibt es aber zahlreiche Möglichkeiten, potenzielle Zielpunkte bzw. Bahnhöfe zu erreichen. Dazu kommt, dass der Zeitpunkt, zu dem ein Bahnhof erreicht werden kann, einerseits entscheidend davon abhängt, um was für einen Zug es sich eigentlich handelt (Motor, Maschine, Länge etc.) und andererseits von externen Faktoren, die auf den Zug und auf das Schienennetz einwirken (Beschädigungen, Stürme, Stromausfälle, Verspätungen aufgrund anderer Züge). Dies könnte dazu führen, dass Züge langsamer fahren müssen oder sogar Teilstrecken zurückfahren müssen, in Bahnhöfen ankommen und warten müssen, die gar nicht Teil der ursprünglichen Reiseroute waren usw. Darüber hinaus ist es natürlich so, dass nicht alle Züge dieselben Zielbahnhöfe vor Augen haben. Es existieren unzählige Gründe dafür, Sprachen zu lernen, die jeweils mit sehr unterschiedlichen Zielvorstellungen einhergehen und die dann sicherlich einen Einfluss auf den Verlauf der sprachlichen Entwicklung haben. Die sich daraus entwickelnden Verläufe sind letztlich nicht vorhersagbar und nur retrospektiv zu erklären. Es gibt zwar hohe Wahrscheinlichkeiten, dass bestimmte Bahnhöfe erreicht werden, aber wann genau bzw. mit wie viel ‚Verspätung‘ und über welche Umwege Bahnhöfe letztlich erreicht werden oder ob diese überhaupt erreicht werden, lässt sich nicht mit Sicherheit und nicht reliabel vorhersagen.

Vor diesem Hintergrund wird in diesem Beitrag der Teilaspekt der Variabilität innerhalb der lernersprachlichen Daten fokussiert. Konzeptuell besitzt der Beitrag einen methodischen Schwerpunkt und ist an den folgenden Forschungsfragen orientiert:

1. Wann in der syntaktischen Zweitsprachentwicklung lässt sich in den Daten von zwei ausgewählten Lernenden Variabilität feststellen?

2. Wann ergeben sich in den Zeitreihendaten der ausgewählten Lernenden systematische Veränderungen?

3. Lässt sich ein Zusammenhang zwischen Variabilität und systematischen Veränderungen in der beobachteten Entwicklung herstellen?

Im Folgenden wird zunächst das methodische Vorgehen dieses Beitrags vorgestellt (s. Kap. 2), wobei das verwendete Korpus (s. Kap. 2.1), der longitudinale Aufbau der Studie (s. Kap. 2.2), die Teilnehmenden (s. Kap. 2.3), die Textauswahl (s. Kap. 2.4) und die Aufbereitung der Daten sowie die operationalisierten Variablen (s. Kap. 2.6) besprochen werden. Die Ergebnisse werden in Kap. 3 aufgezeigt und in Kap. 4 in einem größeren Kontext diskutiert.

3. Ergebnisse

Insgesamt gehen 45 Texte der beiden Lernenden (n = 22 von TN024; n = 23 von TN025) in die hier durchgeführten Analysen ein (vgl. Kap. 2.4). In diesen Texten produzieren TN024 und TN025 insgesamt 4423 Wörter und 727 minimale satzwertige Einheiten (vgl. Tabelle 2). Der Mittelwert der produzierten Wörter pro Text liegt dabei bezogen auf die gesamte Studiendauer und beide Lernende bei 98,29 Wörtern (Mdn = 101, SD = 42,654). Für die Anzahl von MSE pro Text liegt der Mittelwert bei 16,16 (Median (Mdn) = 15, Standardabweichung (SD) = 7,176), wobei diese eine durchschnittliche Länge von 6,140 Wörtern (Mdn = 6,105, SD = 1,135) aufweisen¹⁵. Die an dieser Stelle relativ hohen Standardabweichungen für ‚Anzahl MSE‘ und ‚Anzahl Wörter‘ könnten hier ein Hinweis darauf sein, dass sich die Texte im Studienverlauf hinsichtlich dieser Werte deutlich unterscheiden und dass beispielsweise zu Beginn der Studie kürzere Texte als am Ende der Studie von den beiden Lernenden geschrieben werden.

Im Vergleich der beiden Lernenden fällt auf, dass TN024 (vgl. Tab. 3) insgesamt 310 MSE mit 2000 Wörtern und damit etwas weniger Wörter und minimale satzwertige Einheiten als TN025 produziert (vgl. Tab. 4). Hier liegen die Werte aus 23 Texten mit insgesamt 417 MSE und 2423 Wörtern etwas höher. Zudem wird deutlich, dass TN025 mehr MSE schreibt und die produzierten Texte länger als die von TN024 sind. Die relativ großen Standardabweichungen könnten darauf hindeuten, dass die Textlänge der geschriebenen Texte im Studienverlauf sehr variabel ist. Im Gegensatz zur Textlänge sind die MSE von TN024 etwas länger als die von TN025.

3.1 Min-max-Diagramme: ‚Erreichte Erwerbsstufe‘

Die Graphen für das Minimum und das Maximum beginnen in den folgenden min-max-Diagrammen ab dem dritten Zeitpunkt. Dieser bildet den Mittelpunkt des ersten angelegten Intervalls. Im Folgenden werden für TN024 und TN025 die beiden min-max-Diagramme für die Variablen (‚Erreichte Erwerbsstufe‘, ‚Durchschnittliche Länge MSE‘) gezeigt. Die Graphen für die minimalen und maximalen Werte innerhalb der angelegten moving windows werden dabei durch die grauen Linien markiert. Ergänzend wird in den Beschreibungen der Diagramme jeweils in Klammern angegeben, wann im Studienverlauf ein bestimmter Zeitpunkt zu verorten ist. Dabei werden die Zeit in Wochen nach Studienbeginn und die bis dahin besuchten Unterrichtseinheiten aufgeführt. Zusätzlich werden in den Diagrammen die in den Daten identifizierten Change Points mit Konfidenzintervallen gezeigt. Die dazugehörigen Daten werden in den Tabellen unter den Diagrammen zusammengefasst. Die Bezeichnungen ‚Zeitpunkt‘ und ‚(produzierter) Text‘ werden im Folgenden synonym verwendet.

Abbildung 2

min-max-Diagramm ‚Erreichte Erwerbsstufe‘ (TN024)

Das min-max-Diagramm zu den erreichten Erwerbsstufen (schwarze Linie) zeigt für TN024 drei Phasen unterschiedlich großer Variabilität, in denen folglich sehr unterschiedliche Erwerbsstufen in den produzierten Texten erreicht werden (vgl. Abb. 2)¹⁷. In der ersten Phase, die sich zwischen Zeitpunkt 1 (nach 3 Tagen bzw. in der ersten Unterrichtswoche / nach 15 Unterrichtseinheiten) und Zeitpunkt 6 (nach 12 Wochen / 231 UE) erstreckt, ist keine Variabilität in den Daten feststellbar. Die beiden Graphen liegen aufeinander. Die sich anschließende zweite Phase ist durch eine größer werdende Variabilität gekennzeichnet, die ab Zeitpunkt 10 die größte Variabilität innerhalb der Datenreihe beinhaltet. Diese Phase beginnt zu Zeitpunkt 7 (nach 15 Wochen / 292 UE) und dauert bis zu Zeitpunkt 18 (nach 45 Wochen / 756 UE). In diese Phase der größten Variabilität innerhalb der Zeitreihe fällt außerdem die B1-Prüfung (Zeitpunkt 13). Auffällig ist hier, dass TN024 Erwerbsstufe 1 erreicht, während bis dahin durchgehend Erwerbsstufen 3 und 4 erreicht werden. Die dritte Phase zwischen Zeitpunkt 19 (nach 45 Wochen / 766) und Zeitpunkt 24 (nach 61 Wochen / 1037 UE) stellt wiederum eine stabilere Phase dar, die sich durch geringer werdende Variabilität auszeichnet.

In den Daten zu den erreichten Erwerbsstufen von TN024 kann kein Change Point nachgewiesen werden, was darauf hindeutet, dass die Variabilität innerhalb der Daten so groß ist, dass keine systematische Veränderung identifiziert werden kann. Dies zählt ebenfalls für Veränderungen in der Varianz der Werte. Zudem werden keine Abweichungen von der zugrundeliegenden Annahme einer unabhängigen Fehlerstruktur festgestellt¹⁸. Ein Abfallen der herausgearbeiteten Profilstufen bedeutet nun allerdings nicht zwangsläufig, dass die entsprechenden Strukturen den Lernenden nicht mehr produktiv zur Verfügung stehen würden. Es verdeutlicht in diesem Fall zunächst vor allem individuelle Schreibpräferenzen und Tendenzen in der lernersprachlichen Entwicklung. Die longitudinalen Daten zeigen so allerdings deutlich auf, dass Profilanalysen, die nur zu einem Zeitpunkt in der lernersprachlichen Entwicklung durchgeführt werden, unter Umständen ein sehr unvollständiges Bild dieser und des assoziierten Erwerbsstands der Lernenden aufzeigen können.

Abbildung 3

min-max-Diagramm ‚Erreichte Erwerbsstufe‘ + Change Points (TN025)

Tabelle 5

Zusammenfassung der CPA ‚Erreichte Erwerbsstufe‘ (TN025)

Change Point (Zeitpunkt)	Konfidenzintervall (Zeitpunkte)	Konfidenzniveau	Von	Zu	Level
5	(3,8)	96%	1,75	3,4737	2

Wie in den Daten von TN024 lassen sich für TN025 Phasen unterschiedlich großer Variabilität identifizieren (vgl. Abb. 3). Während für TN024 die erste Phase durch relative Stabilität gekennzeichnet ist und in den meisten der Texte Erwerbsstufe 3 erreicht wird, zeigt sich in den Daten von TN025 bereits zu Beginn der Studiendauer zwischen Zeitpunkt 1 (nach drei Tagen bzw. in der ersten Woche des Unterrichts / 15) und Zeitpunkt 7 (nach 15 Wochen Unterricht / 285 UE) eine relativ große Variabilität. TN025 erreicht entweder Erwerbsstufe 1 oder Erwerbsstufe 3. Zwischen Zeitpunkt 5 (nach zehn Wochen / 205 UE) und Zeitpunkt 7 (der Text zu Zeitpunkt 6 liegt für TN025 nicht vor) erreicht die Variabilität ihre größten Werte. Ab Zeitpunkt 8 (nach 17 Wochen / 300 UE) beginnt die zweite beobachtete Phase, die sich durch eine konstant bleibende Variabilität auszeichnet. In dieser Phase erreicht TN025 in seinen Texten die Erwerbsstufen 2,3 und 4. Diese Phase endet zu Zeitpunkt 18 (nach 45 Wochen / 793 UE). Die dritte Phase hinsichtlich der in dieser Zeitreihe beobachteten Variabilität beginnt ab Zeitpunkt 19 (nach 45 Wochen / 803 UE) und zeichnet sich durch große Stabilität aus. TN025 erreicht in dieser Phase in allen Texten Erwerbsstufe 4, die hier unter Umständen ein Deckenniveau für die beiden Lernenden darstellt.

In den Zeitreihendaten für TN025 zeigt sich in Bezug auf die erreichte Erwerbsstufe mit einem Konfidenzniveau von 96 % ein Change Point zu Zeitpunkt 5 (nach 10 Wochen / 205 UE) (blauer Stern im Diagramm, die Pfeile verdeutlichen das Konfidenzintervall) (vgl. Tab. 6). Das zeitliche Konfidenzintervall (KI 95 %) verortet diese Veränderung zwischen Text 3 (7 Wochen / 110 UE) und Text 8 (17 Wochen / 300 UE). Damit fällt das errechnete Konfidenzintervall mit der ersten Phase größerer Variabilität in den Daten zusammen. Vor dem Change Point liegt der durchschnittliche Wert für die erreichte Erwerbsstufe bei 1,75 und danach bei 3,47. TN025 erreicht also nach dem Change Point durchschnittlich die nächsthöhere Erwerbsstufe.

3.2 Min-max-Diagramme: ‚Durchschnittliche Länge MSE‘

Die nächsten beiden Diagramme beziehen sich auf die Daten von TN024 und TN025 zur durchschnittlichen Länge einer MSE in den produzierten Texten.

Abbildung 4

min-max-Diagramm ‚Durchschnittliche Länge MSE‘ (TN024)

Tabelle 6

Zusammenfassung CPA ‚Durchschnittliche Länge CPA‘ (TN024)

Change Point (Zeitpunkt)	Konfidenzintervall (Zeitpunkte)	Konfidenzniveau	Von	Zu	Level
15	(7,23)	92%	5,886	7,134	1

In den Daten zur durchschnittlichen Länge einer MSE von TN024 lassen sich hinsichtlich der beobachteten Variabilität insgesamt vier unterschiedliche Phasen ausmachen (vgl. Abb. 4). Dabei wechseln sich Phasen großer Variabilität mit Phasen scheinbarer Stabilität ab. Zu Beginn der Studie lässt sich zunächst eine Phase relativ großer Variabilität beobachten, die zu Zeitpunkt 6 (nach zwölf Wochen / 231 UE) mit stark abnehmender Variabilität endet. An diese erste Phase schließt sich zwischen Zeitpunkt 7 (nach 15 Wochen / 292 UE) und 11 (nach 25 Wochen / 481 UE) eine stabilere Phase an. Die dritte und darauffolgende Phase von Zeitpunkt 11 (nach 25 Wochen / 481 UE) bis zu Zeitpunkt 18 (nach 45 Wochen / 756 UE) zeichnet sich wiederum durch größere Variabilität aus. Die letzte der vier hier beobachtbaren Phasen ist zwischen Zeitpunkt 19 (nach 45 Wochen / 766 UE) und 24 (nach 61 Wochen / UE 1037 UE) anzusetzen. Hierbei handelt es sich wiederum um eine stabilere Phase mit geringer Variabilität. Zu beachten sind in dieser Datenreihe die hervorstechenden Zeitpunkte 4 und 16, zu denen im Vergleich zu den übrigen Zeitpunkten deutlich längere MSE produziert werden. Damit beeinflussen diese beiden Zeitpunkte unter Umständen die beobachtbare Variabilität in besonderer Weise.

Für die durchschnittliche Länge einer MSE ergibt sich in den Daten von TN024 mit einem Konfidenzniveau von 92 % ein Change Point zu Zeitpunkt 15 (35 Wochen / 573 UE). Auffällig ist hier das sehr breite zeitliche Konfidenzintervall, welches sich von Text 7 (15 Wochen / 292 UE) bis zu Text 23 (60 Wochen / 1010 UE) und damit über etwa 45 Wochen erstreckt. Vor dem gefundenen CP hat eine MSE eine durchschnittliche Länge von 5,9 und danach steigt dieser Wert auf 7,1. TN024 schreibt also MSE, die im Schnitt etwa ein Wort mehr beinhalten. Analog zu den Daten zur erreichten Erwerbsstufe bei TN025 liegen sowohl der CP als auch das in der CPA errechnete Konfidenzintervall in einer Phase großer Variabilität.

Abbildung 5

min-max-Diagramm ‚Durchschnittliche Länge MSE‘ (TN025)

Die Zeitreihendaten zur durchschnittlichen Länge einer MSE wirken für TN025 im Gegensatz zu den Daten von TN024 stabiler und es lassen sich schwerer als in den übrigen Diagrammen Phasen unterschiedlich großer Variabilität identifizieren (vgl. Abb. 5). Die Werte der Variable liegen während der gesamten Studiendauer zwischen 4 und 7. Werte, die wie bei TN024 darüber liegen, finden sich in den Daten von TN025 nicht. Auffällig ist, dass die Werte der Variable im Zeitverlauf nicht durch eine wesentliche Zunahme geprägt scheinen. Es finden sich bereits zu Beginn der Studie Texte, in denen ähnlich lange MSE wie zum Ende der Studie produziert werden. Aufgrund der relativen Stabilität der Daten lassen sich zudem keine systematischen Veränderungen in dieser Datenreihe von TN025 identifizieren. Dies zählt ebenfalls für die Daten der Varianz.

Zusammenfassend lässt sich in Bezug auf die Beantwortung der gestellten Forschungsfragen festhalten, dass sich in den Daten beider Lernender hinsichtlich der beobachtbaren Variabilität unterschiedliche Phasen erkennen lassen, die sich darüber hinaus innerhalb der analysierten Variablen nicht decken. Eine besondere Rolle scheint dabei die Phase im zeitlichen Kontext der B1-Prüfung zu spielen. Die gefundenen Change Points sind für TN024 und TN025 ebenfalls unterschiedlich. Es lässt sich aber ein Zusammenhang zur identifizierten Variabilität herausarbeiten. Die CPs fallen jeweils in Phasen, in denen anhand der min-max-Diagramm eine große Variabilität in den Daten festgestellt werden konnte. Umgekehrt finden sich nicht in allen Phasen großer Variabilität systematische Veränderungen der Zeitreihe.

4. Diskussion und Limitationen

In diesem Beitrag wurde das Ziel verfolgt, einen Blick auf die intra- und interindividuelle Variabilität in ausgewählten Datenreihen zweier in vielen Aspekten vergleichbarer Lernender zu werfen. Gleichzeitig wurde die Frage verfolgt, ob es einen Zusammenhang zwischen intraindividueller Variabilität und systematischen Veränderungen in den analysierten Zeitreihendaten gibt. Dies wurde anhand der in den Texten jeweils erreichten Erwerbsstufe und der durchschnittlichen Länge minimaler satzwertiger Einheiten untersucht. Bereits auf deskriptiver Ebene ergeben sich Unterschiede zwischen den beiden Lernenden. Über die gesamte Studiendauer werden von TN025 längere Texte mit einer größeren Anzahl an MSE als von TN024 produziert. Die von TN024 verwendeten MSE sind dafür länger als die von TN025. Die beiden Lernenden scheinen also die ihnen gestellten Aufgaben unterschiedlich zu bearbeiten und Texte zu schreiben, die sich bereits anhand von syntaktischen Oberflächen- bzw. Komplexitätsmaßen unterscheiden lassen.

Für TN024 kann in der Zeitreihe für die ‚Durchschnittliche Länge MSE‘, nicht aber in der Zeitreihe zu den erreichten Erwerbsstufen, ein Change Point herausgearbeitet werden. In den Zeitreihen von TN025 hingegen wird eine systematische Veränderung in der Zeitreihe ‚Erreichte Erwerbsstufe‘ identifiziert und keine für ‚Durchschnittliche Länge MSE‘. Dass sich nicht in allen Zeitreihen systematische Veränderungen finden lassen, spricht darüber hinaus dafür, dass sich diese Zeitreihen durch eine zu große intraindividuelle Variabilität auszeichnen. Insgesamt geben die herausgearbeiteten Unterschiede Hinweise darauf, dass auch oberflächlich scheinbar ähnliche Lernende sehr unterschiedliche und individuelle zweitsprachliche Entwicklungsmuster aufweisen.

Die Kombination der beiden Verfahren der min-max-Diagramme und der Change Point-Analysen macht sichtbar, dass systematische bzw. signifikante Veränderungen einer Zeitreihe immer in Phasen großer oder größer werdender Variabilität gefunden werden. Gleichzeitig wird nicht in jeder Phase großer Variabilität ein Change Point identifiziert. Variabilität scheint also eine notwendige, aber keine hinreichende Voraussetzung für systematische Veränderungen in der zweitsprachlichen Entwicklung zu sein und gleichzeitig einen indikativen Charakter hinsichtlich möglicher Veränderungen zu besitzen. In jedem Fall ist sie an konkrete Entwicklungsphasen in den Daten der beiden Lernenden gekoppelt und damit mehr als ein Phänomen im Hintergrund. Diese potenziellen Zusammenhänge müssen sicherlich weiter untersucht und sowohl mit den Daten von weiteren Lernenden in Beziehung gesetzt als auch mit einer größeren Anzahl an Komplexitätsmaßen überprüft werden.

Eine Evaluierung der Profilanalyse war nicht Ziel dieses Beitrags und mithilfe der in diesem Beitrag vorgestellten Methoden lassen sich keine Erwerb- bzw. Entwicklungsschritte ableiten. Dennoch fallen gerade in den longitudinalen Daten potenzielle Herausforderungen bei der Arbeit mit Profilanalysen deutlich ins Auge. Anhand der hier vorgelegten Daten zu den erreichten Erwerbsstufen könnten die durch die Profilanalyse vorausgesagten Erwerbssequenzen nicht ohne weiteres rekonstruiert werden (vgl. Abb. 4 und 5). Für beide Lernenden scheint eindeutig zu sein, dass die Profilstufen 1–3 vor der Profilstufe 4 ‚Verbendstellung‘ emergent werden. Diese Stufe funktioniert aber gleichzeitig innerhalb der Studiendauer als Deckenniveau, das von den Lernenden nicht überschritten wird. Das Emergieren der übrigen Stufen 1, 2 und 3 ist zeitlich allerdings nicht zu differenzieren. Alle drei Stufen werden bereits in den Texten zu Beginn der Studie und zum Teil simultan in denselben Texten emergent, was die Processability Theory jedoch ausschließt. Dies bedeutet im Umkehrschluss nicht, dass dies eine negative Evidenz im Kontext der Erwerbssequenzen bedingt. Strukturen könnten zwar nicht produziert worden sein, aber prinzipiell zur Verfügung stehen.

In jedem Fall scheinen Stufenmodelle jedoch die Darstellung und Sichtbarkeit von Variabilität unter Umständen zu restringieren, da sie zu breit konzipiert sind, um zeigen zu können, ob und wie sich Entwicklungen innerhalb der Stufen vollziehen. Damit hängt die Frage danach zusammen, wie vergleichbar sehr unterschiedliche Strukturen sind, die aber konzeptuell denselben Stufen zugeordnet werden. Wie vergleichbar ist etwa die Besetzung des Vorfelds mit einer Adverbialphrase, einem Akkusativ- oder Dativobjekt oder einem Nebensatz? Alle drei Strukturen werden im Rahmen der Profilanalyse der Stufe 3 ‚Inversion‘ zugeordnet.

Aus einer longitudinalen Perspektive wird zusätzlich eine weitere Einschränkung der Profilanalyse als diagnostisches Instrument für den einmaligen Einsatz zu einem Zeitpunkt deutlich. Bezogen auf einen einzelnen Zeitpunkt innerhalb der zweitsprachlichen Entwicklung können Profilanalysen ein verzerrtes Bild des Entwicklungsstandes von Lernenden geben. Besonders deutlich wird dies für TN024, denn die Person erreicht im Kontext der B1-Prüfung eine deutlich niedrigere Erwerbsstufe als in den übrigen Texten des bisherigen Studienverlaufs. Eine ähnliche Beobachtung berichten Ehl et al. (2018: 1269). Ob also mithilfe von Profilanalysen zu jedem Zeitpunkt reliable Aussagen über den Entwicklungsstand von Lernenden getroffen werden können, muss vor dem Hintergrund der Daten dieser Studie zumindest vorsichtig gesehen werden.

Die gezeigten Ergebnisse müssen zudem vor dem Hintergrund einiger Einschränkungen gesehen werden. Zunächst beschränken sich die gezeigten Daten nur auf schriftliche Daten. Es können demnach keine modalitätsübergreifenden Hypothesen generiert werden (vgl. Wisniewski 2022: 24). Ob sich ähnliche Effekte in mündlichen Sprachdaten zeigen lassen, bleibt an dieser Stelle also vorerst offen. Ab einem bestimmten Punkt funktioniert zudem Profilstufe 4 ‚Verbendstellung‘ als eine Art Deckenniveau, was dafür sorgt, dass die Ergebnisse nicht mehr direkt vergleichbar sind. In diesem Zusammenhang wird zudem eine grundsätzliche Limitation der Studie deutlich, die sich auf mögliche Aufgabeneffekte (task effects; vgl. Alexopoulou et al. 2017) bezieht. Diese wurden bis jetzt noch nicht systematisch überprüft. In diesem Zusammenhang ist zudem denkbar, dass die Aussagekraft und die Reliabilität der durchgeführten Profilanalysen durch den konkreten Studienaufbau eingeschränkt werden. Es werden erwachsene Lernende in einem stark gesteuerten Lernkontext innerhalb eines Intensivsprachkurs analysiert. Die Profilanalyse wurde aber ursprünglich für den Einsatz bei der Sprachstandsfeststellung von Kindern und Jugendlichen mit Deutsch als Zweitsprache konzipiert (vgl. Grießhaber 2005). Es ist also durchaus möglich, dass die Profilanalyse für die hier untersuchten erwachsenen Lernenden, selbst zu Beginn ihrer zweitsprachlichen Entwicklung, kein passgenaues diagnostisches Instrument darstellt.

Das hier exemplarisch ausgewählte Komplexitätsmaß der durchschnittlichen Länge minimaler satzwertiger Einheiten liefert grundsätzlich vielfältige Informationen über zweitsprachliche Entwicklungsprozesse. Deutlich wird allerdings, dass gerade in Bezug auf die Länge von MSE ein Ansteigen oder ein Abfallen der Werte kein direktes Maß für zunehmende Komplexität oder sogar für die Kompetenz der Lernenden darstellt (vgl. Housen et al. 2019: 8). Besonders deutlich wird dies in den Daten von TN025, die im Verlauf der Studie kontinuierlich schwanken und in denen keine tendenzielle Zunahme festzustellen ist. Was genau dieses und andere Komplexitätsmaße, aber auch die verwendeten Profilanalysen, darüber hinaus auf Textebene, d.h. hinsichtlich ihrer textuellen „Angemessenheit und Funktionalität“ und damit hinsichtlich ihrer Textqualität (Petersen 2014: 80) tatsächlich bedeuten, muss sowohl auf theoretischer Ebene als auch an den einzelnen Texten gezeigt werden (vgl. Rosmawati 2020: 114). Außerdem geben Komplexitätsmaße selbst keine Hinweise darauf, welche lernerexternen und lernerinternen Faktoren letztlich für die beobachteten longitudinalen Entwicklungen in den Zeitreihen der Komplexitätsmaße verantwortlich sind. Dies verdeutlicht, dass die kontextlose Zählung syntaktischer Strukturen nicht hinreichend ist, um syntaktische Kompetenz als Konstrukt eindeutig herauszuarbeiten (vgl. Ortega 2015: 91). Diese Perspektiven können im vorliegenden Beitrag nicht verfolgt werden und bilden vielversprechende Desiderata.

Aus methodischer Sicht muss darüber hinaus noch einmal auf den eher explorativen Charakter der eingesetzten Methoden hingewiesen werden, die sicherlich mit weiteren Daten des Deutschen als L2 validiert und weiterentwickelt werden müssen. Dies bezieht sich im Besonderen auf die CPAs, die etwa durch Monte Carlo-Analysen ergänzt werden könnten, um die statistische Signifikanz der Ergebnisse genauer einschätzen zu können (vgl. Hou / Loerts / Verspoor 2020: 40). Ein weiterer Punkt, der einer genaueren Überprüfung bedarf, sind die zum Teil sehr weiten Konfidenzintervalle, die in den CPAs berechnet werden und sich zum Teil auf mehrere Monate der zweitsprachlichen Entwicklung beziehen.

5. Fazit

Die in diesem Beitrag gezeigten Daten und die Ergebnisse der Change Point-Analysen und der Variabilitätsanalysen verdeutlichen, dass der gezielte Blick auf Variabilität in lernersprachlichen Daten zusätzliche Perspektiven auf zweitsprachliche Entwicklungsschritte aufzeigen kann. Hier erweisen sich Methoden, die im weiteren Sinne als CDST-basiert beschrieben werden können, in besonderer Weise geeignet und zeigen eine große Anschlussfähigkeit an gebrauchsbasierte Theoriebildung im Kontext der zweitsprachlichen Entwicklung. Die Daten deuten darüber hinaus darauf hin, dass die etablierten Stufenmodelle, die der Processability Theory oder der Profilanalyse zugrunde liegen, die Sichtbarkeit und damit unter Umständen die Interpretierbarkeit von Variabilität als relevantes Entwicklungsphänomen einschränken. Dies hängt vor allem damit zusammen, dass diese Stufen insgesamt zu breit konzipiert sind und hinsichtlich der zweitsprachlichen Entwicklung zu unterschiedliche Strukturen auf denselben Stufen verorten. Eine detaillierte Ausdifferenzierung der einzelnen Stufen hinsichtlich unterschiedlicher Strukturen stellt hier ein dringendes Desiderat dar (vgl. Nicholas / Lenzing / Roos 2019: 397), um zu überprüfen, inwiefern sich tatsächlich implikationelle und sequenzielle stufenförmige Entwicklungen zeigen lassen. Falls darüber hinaus Variabilität, wie in diesem Beitrag aufgezeigt, tatsächlich nicht nur ein Nebenprodukt lernersprachlicher Entwicklung sondern vielmehr ein Phänomen im konkreten zeitlichen Kontext von zweitsprachlichen Entwicklungssprüngen ist, dann stellt dies unterschiedliche Bereiche des Fachkontextes DaF/DaZ vor Herausforderungen. Wie könnten etwa eine variabilitätssensitive Diagnostik oder standardisierte Sprachtests, die lernersprachliche Variabilität mitdenken, aussehen? Welche Konsequenzen könnte lernersprachliche Variabilität in der Konzeption von Curricula und in der Formulierung von Lehr- und Lernzielen spielen? Solche Herausforderungen könnten sich dem Fach im Zusammenhang mit der Frage stellen, mit welchen Faktoren lernersprachliche Variabilität zusammenhängt und was dies tatsächlich für zweitsprachliche Entwicklung bedeutet.

Biografische Notiz

Matthias Schwendemann ist wissenschaftlicher Mitarbeiter im Bereich Linguistik am Herder-Institut der Universität Leipzig. Seine Arbeitsschwerpunkte in Forschung und Lehre liegen in den Bereichen Lexikologie (hier vor allem Wortbildung), Wissenschaftssprache und Erwerb und Entwicklung des Deutschen als Fremd- und Zweitsprache. Seit Oktober 2019 ist er Mitglied in der Redaktion der Zeitschrift "Deutsch als Fremdsprache". Seit Oktober 2022 ist er zudem Mitarbeiter im BMBF-Projekt DAKODA, das an der Professur für Deutsche Sprachwissenschaft / Deutsch als Fremdsprache der Otto-Friedrich-Universität Bamberg angesiedelt ist.