• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Outros
    A pesquisa explora as marcas de conversas eficazes

    Crédito CC0:domínio público

    O que torna as pessoas boas em conversar? Em um artigo recente, Os pesquisadores da Cornell exploraram conversas em um serviço de texto de crise para descobrir como responder a essa pergunta.

    "O problema que sempre encontramos é que nunca sabíamos se as coisas que observávamos eram correlações, ou se eles poderiam realmente fornecer informações úteis para informar como a plataforma designa conselheiros, "disse Justine Zhang, doutorando em ciência da informação e primeiro autor de "Quantifying the Causal Effects of Conversational Tendencies."

    O artigo foi apresentado na Association for Computing Machinery Conference on Computer-Supported Cooperative Work and Social Computing, realizada virtualmente de 17 a 21 de outubro.

    Por exemplo, os pesquisadores notaram que a linguagem positiva tende a aparecer em conversas melhores, mas isso significa que as palavras positivas melhoraram as conversas ou foi apenas mais fácil usar palavras positivas com pessoas que estão menos perturbadas?

    Usando dados anônimos da Crisis Text Line, uma linha direta de aconselhamento de crise, onde pessoas com problemas de saúde mental podem trocar mensagens de texto com conselheiros, os pesquisadores descobriram que o efeito do uso de linguagem positiva desapareceu quando eles consideraram outros fatores, como a hora do dia em que a conversa ocorreu.

    Entender quais características de idioma estão vinculadas a conversas melhores pode oferecer ao Crisis Text Line e serviços semelhantes uma maneira baseada em dados para alocar melhor os conselheiros aos chamadores. Compreender o uso eficaz da linguagem também pode ajudar em outras esferas, como atendimento ao cliente, tutoria e entrevista.

    "Queremos descobrir como tornar essas conversas melhores, e gostaríamos que essas recomendações fossem baseadas em dados, "disse Zhang, que é aconselhado por Cristian Danescu-Niculescu-Mizil, professor associado de ciência da informação e coautor do artigo. "É difícil. Identificamos precisamente por que é difícil. E assim que identificamos alguns desses desafios específicos, oferecemos recomendações sobre o que você pode fazer para contornar esses desafios. "

    Por exemplo, a hora do dia pode influenciar os tipos de problemas sobre os quais as pessoas estão ligando, ou a gravidade de suas situações. Os pesquisadores poderiam controlar isso explorando a linguagem usada pelos conselheiros no mesmo turno, quando os conselheiros que trabalham ao mesmo tempo recebem chamadas aleatoriamente.

    Outro problema é desvendar como a interação com o interlocutor molda a linguagem do conselheiro. Por exemplo, uma análise direta pode mostrar que os conselheiros que costumam dizer "de nada" têm melhores resultados de conversação. Mas dizer aos conselheiros para dizer "de nada" com mais frequência provavelmente não levará a melhores conversas, porque provavelmente estão respondendo aos chamadores dizendo "obrigado" - uma indicação de que a ligação já está funcionando.

    "É basicamente um sinal de que a conversa já correu muito bem, ao invés de algo que eles possam realmente fazer, "Disse Zhang.

    Uma solução para esse problema é considerar apenas o início das conversas, antes que o comportamento do interlocutor comece a influenciar a linguagem dos conselheiros - mas isso ajudaria a entender apenas o início de uma conversa. Construindo os desafios que eles identificaram, os pesquisadores desenvolveram novas soluções que poderiam resolver esses problemas, pelo menos em ambientes como a linha direta de aconselhamento.

    Embora os pesquisadores não tenham encontrado impacto da linguagem positiva no sucesso das conversas, eles descobriram que pode ser mais promissor alocar mensagens de texto para conselheiros que tendem a escrever mensagens mais longas ou ecoar melhor a linguagem das pessoas. As conversas foram consideradas bem-sucedidas se os participantes as avaliassem em uma pesquisa.

    O artigo está entre os primeiros nas áreas de aprendizado de máquina e ciências sociais computacionais a examinar a diferença entre correlação e causalidade no contexto de conversas, Zhang disse.

    "Esperançosamente, expondo todos os desafios que você pode enfrentar e as maneiras de contorná-los, pode ser um ponto de partida para que mais pessoas façam essas perguntas em pesquisas futuras, " ela disse.


    © Ciência https://pt.scienceaq.com