Mapping Emotionele Dynamiek Vanuit Filmscripts

Canadese onderzoekers hebben duizenden filmscripts gebruikt om een machine learning-framework te ontwikkelen dat de emotionele boog van sprekers kan volgen door de emotionele temperatuur van hun dialoog te interpreteren zoals deze zich ontwikkelt in de loop van het verhaal.

Het onderzoek, van de Carleton University in Ottawa, heeft als titel Emotion Dynamics in Movie Dialogues en omvat een analyse van centrale personages in bekende films zoals The Shining en Casino. Het is bedoeld als een potentieel basis voor machine learning-analyse en -mapping van reële discours in diverse kanalen zoals sociale media-threads en transcripten van psychologische consulten.

Het werk stelt een kader van uitingsemotionele dynamiek (UED) voor op basis van vergelijkbare metrics uit onderzoek in de psychologie, en is het eerste dat emoties vanuit verhaalgesprekken modelleert op basis van elk personage, in plaats van het berekenen van de gemiddelde emotionele temperatuur in geaggregeerde dialoog over de hele film.

Een woord-kaart afgeleid van Jack Nicholson’s dialoog in The Shining (1980), gekleurd naar valentie tegen de rust-emotionele toestand van het personage. Bron: https://arxiv.org/pdf/2103.01345.pdf

De componenten van UED omvatten thuisbasis (een typische of ‘rust’-emotionele toestand); variabiliteit (de mate waarin emoties volatiel zijn en snel kunnen veranderen); en stijgings-/hersteltempo’s (de capaciteit van personages om moeilijke emoties te reguleren).

In dit abstracte voorbeeld uit het artikel heeft het personage dat wordt weergegeven door de zwarte lijn een veel lagere hersteltijd van een verstoord of discordant gebeurtenis-gedreven emotionele toestand dan een overeenkomstig personage.

Het werk is ontwikkeld om enkele uitdagende kwesties in literaire theorie te helpen beantwoorden, waaronder: de mate waarin personages hun emoties rechtstreeks uitspreken over een verhaal; de mate waarin een plot rechtstreeks kan worden afgeleid uit dialoog; de identificatie van een punt in een verhaal waar de centrale personages het meest met elkaar in conflict zijn; en het verschil tussen de capaciteit van personages om moeilijke emoties te onderhandelen en hun gevolgen.

Bij het analyseren van dialoog van de twee centrale personages van The Shining, geeft de lijnkleur de verhaaltijd aan, die dieper rood wordt naarmate het verhaal naar het einde toe gaat. Zwarte stippellijnen geven de hoofd- en bijassen van een ellips aan die de belangrijkste personages 95% van de tijd omvat (niet weergegeven in de grafiek, voor duidelijkheid).

Volgen van de scripts

De gegevens werden gegenereerd uit 1.123 openbaar beschikbare filmscripts van de Internet Movie Script Database (IMSDB). Alleen personages met een minimum van 50 inter-persoonlijke uitwisselingen per film werden overwogen, wat resulteerde in 2.687 personage-studieonderwerpen uit een totaal van 54.518 personages in de verzameling van scriptmateriaal.

De tekst werd verwerkt met de NLTK WordNet Lemmatizer, waardoor 5.673.201 natuurlijke taalverwerking (NLP) woordtokens ontstonden, met elk personage dat ongeveer 1.376 tokens per film overhield.

De onderzoekers merken op dat de evaluatie van woorden op deze manier alleen de expliciete emotionele waarde van het woord in aanmerking neemt, en niet de relatie met omliggende woorden (of van hetzelfde personage of van een ander personage in de scène). Echter, de onderzoekers argumenteren dat de meeste woorden een dominante primaire betekenis hebben, en dat de aggregatie van woorden deze gebrek aan context compenseert.

Emotionele variabiliteit

Bij het ontwikkelen van een gereduceerde 0>100-grafiek die de emotionele variabiliteit van personages weergeeft over de geëxtraheerde filmscripts, merkt het artikel op dat Sharon Stone’s personage uit Casino (1995) een hoge emotionele variabiliteit heeft, hoewel Jill Ritchie’s personage uit Little Athens (2005) de top van de volatiliteitslijst bereikt, gevolgd door Devin Brochu’s personage in Hesher (2010).

Misschien voorspelbaar, toont Brent Spiner’s android-creatie Cmdr. Data uit de Star Trek-filmfranchise de laagste emotionele variabiliteit onder de bestudeerde personages, hoewel het maar nauwelijks de menselijke bemanningsgenoot Riker (Jonathan Frakes’ personage in de serie) voorbijgaat.

Het artikel bevestigt ons instinctieve begrip dat emoties waarschijnlijk pieken en oplossen op een bepaalde manier (negatief of positief) in de laatste 10-15% van het verhaal, waar ontwikkelde conflicten op een bepaalde manier moeten worden aangepakt. Het onderzoek vond dat negatieve uitspraken van personages in een film met 2% toenemen over de duur van de film, tot 91% op het hoogtepunt van het verhaal, terwijl positieve woorden ook afnemen, hoewel minder opvallend, over dezelfde tijdsperiode.

Andere factoren

De onderzoekers zijn van plan het werk verder te ontwikkelen om het toe te passen op een reeks domeinen, waaronder openbaar beleid, openbare gezondheid en sociale wetenschappen. Zij merken op dat de resultaten van het werk niet moeten worden beschouwd als een complete matrix voor emotionele toestandsevaluatie, en bieden een 7-punts ethische richtlijnen-sjabloon die in overweging moet worden genomen bij het gebruik van deze technieken.

Zoals recent onderzoek van de Zweedse Media-raad aantoont, zijn er veel niet-tekstuele factoren die in aanmerking moeten worden genomen bij het proberen te meten van de emotionele temperatuur van een verhaal, aangezien context, muziek, visuele aanwijzingen en onuitgesproken tijdsfactoren (zoals stilte) een grote bijdrage leveren aan de betekenis van discours.

Context is vooral belangrijk: men zou bijvoorbeeld weinig leren over de emotionele toestand van Keir Dullea’s gestrande astronaut in Stanley Kubrick’s 2001: A Space Odyssey (1968) door het script te bestuderen, aangezien dat personage uitgebreid is getraind om een probleemoplossende mindset te behouden in zeer stressvolle omstandigheden. Bovendien maken veel emotioneel discursieve films spaarzaam gebruik van dialoog.