Sprache und Geschlecht in der Medizin : eine korpusgestützte Diskursanalyse medizinischer Befunde

In dieser Arbeit wird untersucht, wie der Ansatz der korpusgestützten Diskursanalyse (CADS) genutzt werden kann, um Repräsentationen von Geschlecht sowie mögliche geschlechtsspezifische Asymmetrien in einem großen Korpus deutscher medizinischer Befunde zu untersuchen. Zu diesem Zweck wurde im Rahmen eines interdisziplinären Projekts zwischen der Universität Innsbruck und der Medizinischen Universität Innsbruck das linguistisch annotierte MedCorpInn-Korpus erstellt. Dieses Korpus besteht aus mehr als 5 Millionen schriftlichen radiologischen Befunden und kann nun zur Erforschung geschlechtermedizinischer sowie linguistischer Fragestellungen herangezogen werden. Die Texte repräsentieren das diskursive Geschehen im klinik-internen Alltag zwischen Radiolog*innenen und zuweisenden Ärzt*innen, stellen jedoch gleichzeitig auch juristische Dokumente dar, welche bildgebende Verfahren wie Röntgen, CT, MRT oder Sonographie protokollieren. Da medizinische Befunde bisher nur am Rande sprachwissenschaftlich untersucht wurden, werden verschiedene text- und korpuslinguistische Analysen durchgeführt, um Besonderheiten dieser zunehmend standardisierten Textsorte herauszustellen. Darüber hinaus werden die Daten mit Hilfe einer CADS-Methodik mit dem Fokus auf Sprache und Geschlecht (d.h. Repräsentationen von Geschlecht und potentielle Gender Bias) untersucht: Gibt es subtile Unterschiede und/oder Gemeinsamkeiten zwischen Berichten über Patientinnen vs. Patienten? Inwieweit werden Frauen und Männer in der klinischen Befundung ähnlich und unterschiedlich dargestellt? Wie wird über PatientInnen gesprochen und welche Informationen werden hervorgehoben und warum? Weisen bestimmte Sprachgebrauchsmuster möglicherweise auf geschlechtsspezifische Biases hin? Mit korpuslinguistischen Methoden (u.a. Keyness, Kollokation, Konkordanz) werden potenziell interessante Elemente isoliert und mit der Hilfe eines diskurs- und genderlinguistischen Analyserahmens interpretiert. Diese Kombination von sogenann
This thesis explores how a Corpus-Assisted Discourse Studies (CADS) approach can be utilized to investigate representations of gender as well as potential gender bias in a large corpus of German radiology reports. For this purpose, the linguistically annotated MedCorpInn corpus was compiled within an interdisciplinary project between the University of Innsbruck and Innsbruck Medical University. This corpus consists of more than 5 million written radiology reports and can now be used to research gender medicinal as well as linguistic questions. The texts represent discursive events in everyday clinical internal practice between radiologists and referring doctors while also being legal records documenting imaging procedures such as X-ray, CT, MRI or sonography. As medical reports only been marginally studied from a linguistic viewpoint, various text and corpus linguistic analyses are conducted in order to highlight specific features of this standardized text type. Furthermore, the data are investigated by using a CADS methodology with a focus on language and gender (i.e. representations of gender and potential gender bias): Are there subtle differences and/or similarities between reports on female vs. on male patients? To what extent are women and men discussed similarly and differently in internal clinical radiology reporting? How are patients talked about and which information is made salient and why? Do certain language use patterns possibly indicate gender biases? Corpus linguistic methods (keyness, collocation, concordance) are used to isolate items of potential interest, which are interpreted within a Discourse and Gender Linguistics framework. This combination of so-called quantitative and qualitative methods in the study of language use aims to broaden the current methodological framework of Critical Medical Humanities and to generate new impulses for interdisciplinary and gender medicinal questions.
Karoline Irschara, MA
in englischer Sprache
Dissertation Universität Innsbruck 2023