Emotionale Dynamik in Film-Dialogen abbilden

Kanadische Forscher haben Tausende von Film-Drehbüchern verwendet, um einen maschinellen Lernrahmen zu entwickeln, der emotionale Bögen von Sprechern durch Interpretation der emotionalen Temperatur ihrer Dialoge im Laufe der Erzählung verfolgen kann.

Die Studie, die von der Carleton University in Ottawa durchgeführt wurde, trägt den Titel Emotionale Dynamik in Film-Dialogen und umfasst Analysen von Hauptfiguren in bekannten Filmen wie The Shining und Casino. Sie soll als potenzielle Grundlage für die maschinelle Analyse und Kartierung von realen Diskursen in verschiedenen Bereichen wie sozialen Medien und Transkriptionen von Psychologie-Beratungen dienen.

Die Arbeit schlägt einen Rahmen für die Dynamik der Äußerungsemotionen (UED) vor, der auf ähnlichen Metriken aus der Psychologieforschung basiert und als erster die Emotionen von Figuren in Film-Dialogen auf pro-Figur-Basis modelliert, anstatt die durchschnittliche emotionale Temperatur in aggregierten Dialogen über den gesamten Film hinweg zu berechnen.

Ein Wort-Karte, die aus Jack Nicholsons Dialog in The Shining (1980) abgeleitet wurde, farblich kodiert nach Valenz im Vergleich zum emotionalen Ruhezustand der Figur. Quelle: https://arxiv.org/pdf/2103.01345.pdf

Die Komponenten von UED umfassen Heimatbasis (ein typischer oder “ruhender” emotionaler Zustand); Variabilität (das Ausmaß, in dem Emotionen volatil und schnell änderbar sind); und Anstiegs-/Wiederherstellungsrate (die Fähigkeit von Figuren, herausfordernde Emotionen zu regulieren).

In diesem abstrakten Beispiel aus dem Papier hat die Figur, die durch die schwarze Linie dargestellt wird, eine viel geringere Wiederherstellungsrate von einem gestörten oder diskordanten emotionalen Zustand als eine entsprechende Figur.

Die Arbeit soll dazu beitragen, einige schwierige Fragen der literarischen Theorie zu beantworten, wie z.B. das Ausmaß, in dem Figuren ihre Emotionen direkt über die Erzählung hinweg verbalisieren; das Ausmaß, in dem eine Handlung direkt aus dem Dialog abgeleitet werden kann; die Identifizierung eines Punktes in der Erzählung, an dem die Hauptfiguren am meisten im Widerspruch zueinander stehen; und der Unterschied zwischen der Fähigkeit der Figuren, schwierige Emotionen zu verhandeln, und ihren Konsequenzen.

Bei der Analyse von Dialogen der beiden Hauptfiguren in The Shining zeigt die Linienfarbe die Erzählzeit an, die sich im Laufe der Erzählung vertieft und zum Ende hin rot wird. Schwarze gepunktete Linien zeigen die Haupt- und Nebenachsen einer Ellipse an, die die Hauptfiguren über 95% der Dauer umfasst (nicht im Diagramm dargestellt, um die Klarheit zu wahren).

Dem Drehbuch folgen

Die Daten wurden aus 1.123 öffentlich zugänglichen Film-Drehbüchern aus der Internet Movie Script Database (IMSDB) generiert. Nur Figuren mit mindestens 50 Interaktionen pro Film wurden berücksichtigt, was 2.687 Figurenstudien aus insgesamt 54.518 Figuren im Drehbuchmaterial ergab.

Der Text wurde mit dem NLTK WordNet Lemmatizer verarbeitet, der 5.673.201 natürliche Sprachverarbeitung (NLP) Wort-Tokens produzierte, wobei jede Figur etwa 1.376 Tokens pro Film hatte.

Die Forscher bemerken, dass die Bewertung von Wörtern in dieser Weise nur den expliziten emotionalen Wert des Wortes berücksichtigt, nicht jedoch dessen Beziehung zu umgebenden Wörtern (entweder von derselben Figur oder von einer anderen Figur in der Szene). Die Forscher argumentieren jedoch, dass die meisten Wörter einen dominanten primären Sinn haben und dass die aggregierte Wortaufnahme diesen Mangel an Kontext ausgleicht.

Emotionale Variabilität

Bei der Entwicklung eines reduzierten 0>100-Graphen, der die emotionale Variabilität von Figuren in den extrahierten Film-Drehbüchern darstellt, bemerkt die Studie, dass Sharon Stones Figur in Casino (1995) zwar eine hohe emotionale Variabilität aufweist, Jill Ritchies Figur in Little Athens (2005) jedoch die Spitze der Volatilität erreicht, gefolgt von Devin Brochus Figur in Hesher (2010).

Vielleicht vorhersehbar zeigt Brent Spiners Android-Erfindung Cmdr. Data aus der Star Trek-Filmreihe die geringste emotionale Variabilität unter den untersuchten Figuren, obwohl er nur knapp Jonathan Frakes’ Charakter Riker in der Serie schlägt.

Die Studie bestätigt unser intuitives Verständnis, dass Emotionen wahrscheinlich in den letzten 10-15% der Erzählung ihren Höhepunkt und ihre Auflösung finden (positiv oder negativ), wo der entwickelte Konflikt in irgendeiner Weise angegangen werden muss. Die Forschung fand heraus, dass negative Äußerungen von Figuren in einem Film um 2% über die Dauer des Films ansteigen und auf 91% am Höhepunkt der Erzählung ansteigen, während positive Wörter ebenfalls abnehmen, jedoch weniger deutlich, über denselben Zeitraum.

Andere Faktoren

Die Forscher planen, die Arbeit weiterzuentwickeln, um sie auf verschiedene Bereiche wie öffentliche Politik, öffentliche Gesundheit und Sozialwissenschaften anzuwenden. Sie bemerken, dass die Ergebnisse der Arbeit nicht als vollständige Matrix für die Bewertung des emotionalen Zustands angesehen werden sollten und liefern eine 7-Punkte-Richtlinie für ethische Leitlinien, die bei der Verwendung dieser Techniken berücksichtigt werden sollten.

Wie jüngste Forschung des schwedischen Medienrats zeigt, gibt es viele nicht-textuelle Faktoren, die bei der Bewertung der emotionalen Temperatur einer Erzählung berücksichtigt werden sollten, da Kontext, Musik, visuelle Hinweise und ungesprochene zeitliche Faktoren (wie Stille) wesentlich zur Bedeutung des Diskurses beitragen.

Kontext ist besonders wichtig: Man würde beispielsweise sehr wenig über den emotionalen Zustand von Keir Dulleas gestrandetem Astronauten in Stanley Kubricks 2001: Odyssee im Weltraum (1968) erfahren, wenn man nur das Drehbuch studiert, da diese Figur umfassend trainiert wurde, um einen problemlösenden Geisteszustand in hochstressigen Situationen beizubehalten. Darüber hinaus machen viele emotional diskursive Filme nur sparsamen Gebrauch von Dialog.