Pemetaan Dinamika Emosi Dari Naskah Film

Peneliti Kanada telah menggunakan ribuan naskah film untuk mengembangkan kerangka kerja pembelajaran mesin yang dapat melacak busur emosi pembicara dengan menafsirkan suhu emosi dialog mereka seiring berjalannya narasi.

Penelitian ini, dari Universitas Carleton di Ottawa, berjudul Emotion Dynamics in Movie Dialogues dan mencakup analisis karakter utama dalam film-film terkenal seperti The Shining dan Casino. Ini dimaksudkan sebagai dasar potensial untuk analisis dan pemetaan pembelajaran mesin dari wacana dunia nyata dalam berbagai saluran seperti thread media sosial dan transkrip konsultasi psikologi.

Kerja ini mengusulkan kerangka dinamika emosi ucapan (UED) berdasarkan metrik serupa dari penelitian psikologi, dan merupakan yang pertama untuk memodelkan emosi dari dialog cerita pada basis per-karakter, bukan menghitung suhu emosi rata-rata dalam dialog agregat di seluruh film.

Peta kata yang dihasilkan dari dialog Jack Nicholson di The Shining (1980), dipetakan ke valensi terhadap keadaan emosi istirahat karakter. Sumber: https://arxiv.org/pdf/2103.01345.pdf

Komponen UED termasuk home base (keadaan emosi khas atau ‘istirahat’); variabilitas (seberapa besar emosi berubah cepat); dan tingkat kenaikan/pemulihan (kemampuan karakter untuk mengatur emosi yang menantang).

Dalam contoh abstrak dari makalah ini, karakter yang diwakili oleh garis hitam memiliki tingkat pemulihan yang jauh lebih rendah dari keadaan emosi terganggu atau tidak harmonis dibandingkan dengan karakter lain.

Kerja ini dirancang untuk membantu menjawab beberapa masalah yang menantang dalam teori sastra, termasuk: seberapa besar karakter mengungkapkan emosi mereka secara langsung selama narasi; seberapa besar plot dapat diinferensikan langsung dari dialog; identifikasi titik dalam narasi di mana karakter utama paling bertentangan satu sama lain; dan perbedaan antara kemampuan karakter untuk mengatur emosi yang sulit, dan konsekuensinya.

Dalam menganalisis dialog dari dua karakter utama The Shining, warna garis menunjukkan waktu narasi, memerah saat narasi mendekati akhir. Garis putus-putus hitam menunjukkan sumbu mayor dan minor dari elips yang mengelilingi 95% durasi karakter utama (tidak ditampilkan dalam grafik, untuk kejelasan).

Mengikuti Naskah

Data dihasilkan dari 1.123 naskah film yang tersedia secara terbuka dari Internet Movie Script Database (IMSDB). Hanya karakter dengan minimal 50 pertukaran antar-karakter per film yang dipertimbangkan, yang meninggalkan 2.687 subjek studi karakter dari total 54.518 karakter yang terkandung dalam corpus bahan naskah.

Teks diproses dengan NLTK WordNet Lemmatizer, menghasilkan 5.673.201 token bahasa alami (NLP), dengan setiap karakter yang tersisa sekitar 1.376 token per film.

Para peneliti mencatat bahwa evaluasi kata-kata dengan cara ini hanya mempertimbangkan nilai emosi eksplisit dari kata, bukan hubungannya dengan kata-kata sekitar (baik dari karakter yang sama atau dari karakter lain dalam adegan). Namun, para peneliti berpendapat bahwa sebagian besar kata memiliki arti primer dominan, dan bahwa agregat kata mengkompensasi kekurangan konteks ini.

Variabilitas Emosi

Dalam mengembangkan grafik 0>100 yang berkurang yang mewakili variabilitas emosi karakter di seluruh naskah film yang diekstrak, makalah tersebut mencatat karakter Sharon Stone dari Casino (1995), meskipun karakter Jill Ritchie dari Little Athens (2005) menduduki peringkat tertinggi dalam volatilitas, dengan karakter Devin Brochu dari Hesher (2010) di tempat kedua.

Mungkin dapat diprediksi, karakter android Cmdr. Data dari waralaba film Star Trek menampilkan variabilitas emosi terendah di antara karakter yang dipelajari, meskipun hanya sedikit mengungguli rekan manusia Riker (karakter Jonathan Frakes dalam seri).

Makalah ini mengkonfirmasi pemahaman kita yang intuitif bahwa emosi cenderung mencapai puncak dan terselesaikan dengan cara tertentu (negatif atau positif) dalam 10-15% terakhir narasi, di mana konflik yang dikembangkan harus dalam beberapa cara diatasi. Penelitian ini menemukan bahwa ucapan negatif oleh karakter dalam film meningkat 2% selama durasinya, meningkat menjadi 91% pada klimaks narasi, sementara kata-kata positif juga menurun, meskipun kurang mencolok, selama kerangka waktu yang sama.

Faktor Lain

Para peneliti berencana untuk mengembangkan karya ini untuk diterapkan pada berbagai domain, termasuk kebijakan publik, kesehatan masyarakat, dan ilmu sosial. Mereka mencatat bahwa temuan karya ini tidak boleh dianggap sebagai matriks lengkap untuk evaluasi keadaan emosi, dan menyediakan template pedoman etika 7 poin yang harus dipertimbangkan dalam menggunakan teknik ini.

Sebagaimana dicatat oleh penelitian terbaru dari Dewan Media Swedia, ada banyak faktor non-teks yang harus dipertimbangkan saat mencoba mengukur suhu emosi narasi, karena konteks, musik, petunjuk visual, dan faktor temporal yang tidak diucapkan (seperti keheningan) sangat berkontribusi pada makna wacana.

Konteks khususnya sangat penting: misalnya, seseorang akan belajar sangat sedikit tentang keadaan emosi astronaut yang terdampar Keir Dullea di 2001: A Space Odyssey (1968) dengan mempelajari naskah, karena karakter tersebut telah dilatih secara ekstensif untuk mempertahankan pola pikir pemecahan masalah dalam keadaan stres yang sangat tinggi. Selain itu, banyak film yang bersifat diskursif emosional membuat penggunaan dialog yang jarang.