Mapping Emotionelle Dynamik Fra Filmmanuskripter

Kanadiske forskere har brugt tusinder af filmmanuskripter til at udvikle en maskinlæringsramme, der kan spore emotionelle bueformer hos talere ved at fortolke den emotionelle temperatur af deres dialog, som udvikler sig over narrativets forløb.

Forskningen, fra Carleton University i Ottawa, hedder Emotionelle Dynamik i FilmDialoger og inkluderer analyse af centrale karakterer i velkendte film som The Shining og Casino. Den er tænkt som en potentiel basis for maskinlæringsanalyse og kortlægning af virkelige diskurser i diverse kanaler som sociale medier og transskriptioner af psykologiske konsultationer.

Arbejdet foreslår en ramme for udtalelse-emotionelle dynamik (UED) baseret på lignende metrikker fra forskning i psykologi og er den første til at modelere emotioner fra historie-dialog på en pr. karakter-basis, snarere end at beregne gennemsnitlig emotionel temperatur i aggregat dialog over hele filmen.

Et ord-kort udledt fra Jack Nicholsons dialog i The Shining (1980), farve-kortlagt til valens mod karakterens hvile-emotionelle tilstand. Kilde: https://arxiv.org/pdf/2103.01345.pdf

Komponenterne i UED omfatter hjemmebase (en typisk eller ‘hvile’-emotionel tilstand); variabilitet (omfanget af, hvortil emotioner er flygtige og sandsynligt vil ændre sig hurtigt); og stignings-/genopretningshastigheder (evnen til, at karakterer kan regulere udfordrende emotioner).

I dette abstrakte eksempel fra artiklen har karakteren repræsenteret af den sorte linje en langt lavere genopretningshastighed fra en forstyrret eller diskordant begivenhedsdrevet emotionel tilstand end en tilsvarende karakter.

Arbejdet er konstrueret til at hjælpe med at besvare nogle udfordrende spørgsmål i litterær teori, herunder: omfanget af, hvortil karakterer udtrykker deres emotioner direkte over en narrativ; omfanget af, hvortil en plot kan sluttes direkte fra dialog; identifikation af et punkt i en narrativ, hvor de centrale karakterer er mest uenige med hinanden; og forskellen på karakterernes evne til at forhandle svære emotioner og deres konsekvenser.

Ved at analysere dialog fra de to centrale karakterer i The Shining, angiver linjefarven narrativ tid, dybner til rød, da narrativet nærmer sig slutningen. Sorte stiplede linjer angiver hoved- og sekundærakser af en ellipse, der omfatter hovedkarakterernes 95% af varigheden (ikke vist i grafen for klarheds skyld).

Følger Manuskripterne

Data blev genereret fra 1.123 åbent tilgængelige filmmanuskripter fra Internet Movie Script Database (IMSDB). Kun karakterer med en minimum af 50 inter-karakter-udvekslinger pr. film blev overvejet, hvilket efterlod 2.687 karakterstudie-emner fra i alt 54.518 karakterer i manuskriptmaterialet.

Teksten blev behandlet med NLTK WordNet Lemmatizer, hvilket resulterede i 5.673.201 natur-sprogbehandling (NLP) ord-token, med hver karakter efterladt med cirka 1.376 token pr. film.

Forskere bemærker, at vurderingen af ord på denne måde kun tager den eksplicitte emotionelle værdi af ordet i betragtning, snarere end dets relation til omgivende ord (enten fra samme karakter eller fra en anden karakter i scenen). Forskere argumenterer dog for, at de fleste ord har en dominerende primær betydning, og at den samlede ord-fangst kompenserer for denne mangel på kontekst.

Emotionel Variabilitet

Ved at udvikle en reduceret 0>100 graf, der repræsenterer den emotionelle variabilitet af karakterer over de udtrukne filmmanuskripter, bemærker artiklen, at Sharon Stones karakter fra Casino (1995) har en høj emotionel variabilitet, selvom Jill Ritchies karakter fra Little Athens (2005) er den mest volatile, og Devin Brochus karakter i Hesher (2010) er nummer to.

Det er måske forventeligt, at Brent Spiners android-skabning Cmdr. Data fra Star Trek-filmserien viser den laveste emotionelle variabilitet blandt de studerede karakterer, selvom det kun er en smal sejr over menneskeligt holdkammerat Riker (Jonathan Frakes’ karakter i serien).

Artiklen bekræfter vores instinktive forståelse af, at emotioner sandsynligvis vil nå et højdepunkt og løse sig på en eller anden måde (negativt eller positivt) i de sidste 10-15% af narrativet, hvor udviklet konflikt må på en eller anden måde blive adresseret. Forskningen fandt, at negative udtalelser af karakterer i en film øges med 2% over dens varighed, stigende til 91% ved klimaks, mens positive ord også aftager, omend mindre markant, over samme tidsramme.

Andre Faktorer

Forskere har til hensigt at udvikle arbejdet for at anvende det på en række domæner, herunder offentlig politik, offentlig sundhed og samfundsvidenskab. De bemærker, at arbejdets resultater ikke skal anses for at være en komplet matrix for emotionel tilstands-vurdering, og tilbyder en 7-punkts etisk retningslinje-skabelon, der skal overvejes ved brug af disse teknikker.

Som bemærket af seneste forskning fra det svenske medieråd, er der mange ikke-tekstuelle faktorer, der skal tages i betragtning, når man forsøger at måle den emotionelle temperatur af en narrativ, da kontekst, musik, visuelle signaler og uudtalte tidsfaktorer (såsom stilhed) bidrager væsentligt til diskursens betydning.

Kontekst er særligt vigtig: man ville f.eks. lære meget lidt om den emotionelle tilstand af Keir Dulleas strandede astronaut i Stanley Kubricks 2001: En Space Odyssey (1968) ved at studere manuskriptet, da denne karakter er blevet omfattende trænet til at fastholde en problemløsnings-mentalt tilstand i højt stressende omstændigheder. Desuden gør mange emotionelt diskursive film kun sparsomt brug af dialog.