Cosa rende le persone brave a conversare? In un recente documento, I ricercatori di Cornell hanno esplorato le conversazioni su un servizio di testo di crisi per capire come rispondere a questa domanda.

"Il problema che ci siamo sempre posti era che non sapevamo mai se le cose che osservavamo fossero correlazioni, o se potrebbero effettivamente fornire informazioni utili per informare su come la piattaforma assegna i consulenti, "ha detto Justine Zhang, dottorando in scienze dell'informazione e primo autore di "Quantificazione degli effetti causali delle tendenze conversazionali".

Il documento è stato presentato alla conferenza dell'Association for Computing Machinery sul lavoro cooperativo supportato dal computer e sul social computing, tenutasi virtualmente dal 17 al 21 ottobre.

Per esempio, i ricercatori hanno notato che il linguaggio positivo tendeva ad apparire in conversazioni migliori, ma questo significava che le parole positive miglioravano le conversazioni o era semplicemente più facile usare parole positive con persone meno sconvolte?

Utilizzando dati anonimi da Crisis Text Line, una hotline di consulenza in caso di crisi in cui le persone in difficoltà di salute mentale possono scambiare testi con consulenti, i ricercatori hanno scoperto che l'effetto dell'uso di un linguaggio positivo è scomparso quando hanno preso in considerazione altri fattori, come l'ora del giorno in cui si è svolta la conversazione.

Capire quali caratteristiche linguistiche sono legate a conversazioni migliori potrebbe offrire a Crisis Text Line e servizi simili un modo basato sui dati per assegnare meglio i consulenti ai chiamanti. Comprendere l'uso efficace della lingua potrebbe aiutare anche in altri ambiti, come il servizio clienti, tutoraggio e colloquio.

"Vogliamo capire come migliorare queste conversazioni, e vorremmo che questi consigli fossero basati sui dati, "disse Zhang, che è consigliato da Cristian Danescu-Niculescu-Mizil, professore associato di scienze dell'informazione e coautore del documento. "È difficile. Abbiamo identificato esattamente il motivo per cui è difficile. E una volta identificate alcune di queste sfide specifiche, offriamo consigli su cosa puoi fare per aggirare queste sfide."

Per esempio, l'ora del giorno potrebbe influenzare i tipi di problemi che le persone stanno chiamando, o la gravità delle loro situazioni. I ricercatori potrebbero controllarlo esplorando il linguaggio usato dai consulenti nello stesso turno, quando i consulenti che lavorano contemporaneamente vengono assegnati chiamate casuali.

Un altro problema è districare come l'interazione con il chiamante modella il linguaggio del consulente. Ad esempio, un'analisi semplice potrebbe mostrare che i consulenti che dicono spesso "prego" hanno migliori risultati di conversazione. Ma dire ai consulenti di dire "prego" più spesso probabilmente non porterà a conversazioni migliori, perché probabilmente stanno rispondendo ai chiamanti dicendo "grazie", un'indicazione che la chiamata sta già andando a buon fine.

"In pratica è un segnale che la conversazione è già andata abbastanza bene, piuttosto che qualcosa che possono effettivamente fare, " disse Zhang.

Una soluzione a questo problema è considerare solo l'inizio delle conversazioni, prima che il comportamento dei chiamanti inizi a influenzare il linguaggio dei consulenti, ma questo aiuterebbe a capire solo l'inizio di una conversazione. Basandosi sulle sfide che hanno identificato, i ricercatori hanno sviluppato nuove soluzioni che potrebbero affrontare questi problemi, almeno in contesti come la hotline di consulenza.

Sebbene i ricercatori non abbiano riscontrato alcun impatto del linguaggio positivo sul successo delle conversazioni, hanno scoperto che potrebbe essere più promettente assegnare gli sms a consulenti che tendevano a scrivere messaggi più lunghi oa fare eco meglio al linguaggio degli sms. Le conversazioni sono state considerate di successo se i partecipanti le hanno valutate positivamente in un sondaggio.

Il documento è tra i primi nel campo dell'apprendimento automatico e delle scienze sociali computazionali ad esaminare la differenza tra correlazione e causalità nel contesto delle conversazioni, ha detto Zhang.

"Auspicabilmente, esponendo tutte le sfide che potresti affrontare e i modi in cui potresti aggirarle, può essere un punto di partenza per più persone per porre queste domande nella ricerca futura, " lei disse.