Emootioiden dynamiikan kartoittaminen elokuvakäsikirjoituksista

Kanadalaiset tutkijat ovat käyttäneet tuhansia elokuvakäsikirjoituksia kehittääkseen koneoppimisalgoritmin, joka pystyy seuraamaan puhujien emotionaalisia kaarteita tulkinnan kautta heidän vuoropuhelunsa emotionaalisista lämpötiloista kertovan kertomuksen aikana.

Tutkimus, joka on tehty Carletonin yliopistossa Ottawassa, on nimeltään Emotion Dynamics in Movie Dialogues ja sisältää analyysin keskeisistä hahmoista tunnetuissa elokuvissa, kuten The Shining ja Casino. Se on tarkoitettu mahdolliseksi perustaksi koneoppimiselle ja emotionaalisia kaarteita mittaavalle työlle eri kanavissa, kuten sosiaalisen median ketjuissa ja psykologian konsultointitapaamisten transkripteissa.

Työ esittää puhujien emotionaalisia dynamiikkaa (UED) mittaavan kehyksen, joka perustuu samankaltaisiin mittareisiin psykologian tutkimuksista, ja se on ensimmäinen, joka mallintaa emotionaalisia kaarteita kertomuksen vuoropuhelusta hahmoittain, eikä laske keskimääräistä emotionaalisista lämpötilaa koko elokuvan vuoropuhelusta.

Sana-kartta, joka on johdettu Jack Nicholsonin vuoropuhelusta elokuvassa The Shining (1980), ja joka on värikarttunut valenssin mukaan hahmon lepoemotionaalisessa tilassa. Lähde: https://arxiv.org/pdf/2103.01345.pdf

UED:n komponentteihin kuuluvat home base (tyypillinen tai “lepo”-emotionaalinen tila); variability (emotionaalisen tilan muutoksen nopeus ja todennäköisyys); ja rise/recovery rates (hahmojen kyky säännellä haastavia emotionaalisia tiloja).

Abstrakti esimerkki, jossa mustalla viivalla esitetty hahmo on palautumisnopeudeltaan huomattavasti hitaampi kuin vastaava hahmo.

Työ on suunniteltu vastaamaan joitakin haasteellisia kysymyksiä kirjallisuusteoriassa, kuten: kuinka paljon hahmot ilmaisevat emotionaalisia tilojaan suoraan kertomuksessa; kuinka paljon juoni voidaan johtaa suoraan vuoropuhelusta; kuinka voidaan tunnistaa kohdassa kertomuksessa, jossa keskeiset hahmot ovat eniten erimielisiä toistensa kanssa; ja kuinka voidaan erottaa hahmojen kykyä neuvotella haastavista emotionaalisista tiloista ja niiden seurauksista.

Kun analyysi tehdään kahden keskeisen hahmon vuoropuhelusta elokuvassa The Shining, viivan väri kertoo kertomuksen ajan, ja se syvenee punaiseksi lähellä kertomuksen loppua. Mustat pisteviivat osoittavat pää- ja apuakselin, jotka kattavat päähenkilöiden 95% kestosta (ei näytetä kaaviossa, selkeyden vuoksi).

Käsikirjoitusten mukaan

Data on generoitu 1 123:sta avoimesti saatavilla olevasta elokuvakäsikirjoituksesta Internet Movie Script Database (IMSDB):sta. Vain hahmot, joilla on vähintään 50 vuorovaikutusta elokuvassa, otettiin huomioon, mikä jätti 2 687 hahmoa tutkimuskohteeksi yhteensä 54 518 hahmosta, jotka sisältyvät käsikirjoitusmateriaaliin.

Teksti käsiteltiin NLTK WordNet Lemmatizer:lla, josta saatiin 5 673 201 luonnollisen kielen prosessointitietoa, ja jokaisella hahmolla oli noin 1 376 tietoa elokuvassa.

Tutkijat huomauttavat, että sana-arvojen arviointi tällä tavoin ottaa huomioon vain sanan eksplisiittisen emotionaalisarvon, eikä sen suhdetta muihin sanoihin (joko samalta hahmolta tai toiselta hahmolta kohtauksessa). Tutkijat kuitenkin argumentoivat, että useimmat sanat ovat dominantissa ensisijaisessa merkityksessä, ja että sanan kokonaisuuden kattavuus korvaa tämän kontekstin puutteen.

Emotionaalinen muutoksenopeus

Kehittäessään vähennettyä 0-100 -grafiikkaa, joka edustaa hahmojen emotionaalista muutoksenopeutta elokuvakäsikirjoituksissa, tutkimus toteaa, että Sharon Stonen hahmo elokuvassa Casino (1995) on toiseksi volatiilisin, kun taas Jill Ritchien hahmo elokuvassa Little Athens (2005) on volatiilisin, ja Devin Brochun hahmo elokuvassa Hesher (2010) on toiseksi volatiilisin.

Ehkä odottamattomasti, Brent Spinerin androidi Cmdr. Data Star Trek -elokuvasarjassa näyttelee vähiten emotionaalista muutoksenopeutta tutkituista hahmoista, vaikka se voittaa vain niukasti Jonathan Frakesin hahmon Rikerin elokuvasarjassa.

Tutkimus vahvistaa meidän intuitiivisen ymmärryksen siitä, että emotionaalinen tila on todennäköisesti huipussaan ja ratkaisee jollain tavoin (negatiivisesti tai positiivisesti) kertomuksen viimeisten 10-15% aikana, jossa kehittynyt konflikti on ratkaistava. Tutkimus osoitti, että negatiiviset lausumat hahmojen puolesta elokuvassa lisääntyvät 2% elokuvan aikana, ja ne nousevat 91%:iin kertomuksen huipussa, kun taas positiiviset sanat vähenevät, vaikka vähemmän merkittävästi, samalla aikajänteellä.

Muita tekijöitä

Tutkijat aikovat kehittää työtä soveltamalla sitä eri aloille, kuten julkiseen politiikkaan, julkiseen terveydenhuoltoon ja sosiaalitieteisiin. He huomauttavat, että tutkimuksen tulokset eivät ole täydellinen matriisi emotionaalisen tilan arviointiin, ja tarjoavat 7-kohtaisen eettisen ohjeistuksen, jota tulisi ottaa huomioon käytettäessä näitä menetelmiä.

Kuten viimeaikainen tutkimus Ruotsin medianeuvostolta osoittaa, on olemassa monia ei-tekstuaalisia tekijöitä, jotka tulisi ottaa huomioon yritettäessä arvioida kertomuksen emotionaalista lämpötilaa, koska konteksti, musiikki, visuaaliset vihjeet ja äänetön aikasuhteellinen tekijä (kuten hiljaisuus) vaikuttavat merkittävästi viestinnän merkitykseen.

Konteksti on erityisen tärkeä: esimerkiksi, ymmärtäisimme hyvin vähän Keir Dullea:n astronautin emotionaalisesta tilasta Stanley Kubrickin elokuvassa 2001: Avaruusseikkailu (1968) tutkimalla käsikirjoitusta, koska tämä hahmo on koulutettu säilyttämään ongelmanratkaisumielentilaan hyvin stressaavissa olosuhteissa. Lisäksi monet emotionaalisesti keskustelut elokuvat käyttävät niukasti vuoropuhelua.