Quantifying sources of variation in turn-taking: How much do demographics and personality explain?

Der unsichtbare Tanz des Gesprächs

Stellen Sie sich vor, Sie sind auf einer belebten Party. Sie versuchen, sich mit einem Freund zu unterhalten, aber der Raum ist laut. Um den Gesprächsfluss aufrechtzuerhalten, müssen Sie und Ihr Freund einen hochgeschwindigkeitsbasierten, unsichtbaren Tanz aufführen. Sie warten nicht einfach nur darauf, dass die andere Person aufhört zu sprechen, um dann selbst anzufangen; Sie müssen genau vorhersagen, wann sie fertig sein wird, damit Sie im perfekten Moment einsteigen können. Wenn Sie zu früh einsteigen, unterbrechen Sie (ein „Overlap“). Wenn Sie zu lange warten, entsteht eine peinliche Stille (ein „Gap“).

Wissenschaftler nennen dies Turn-Taking (Sprecherwechsel). Es ist das rhythmische Hin und Her, das menschliche Gespräche flüssig erscheinen lässt, anstatt wie ein Ping-Pong-Spiel, bei dem der Ball jedes Mal auf den Boden prallt. Lange Zeit haben Forscher darüber debattiert, warum wir so tanzen. Liegt es daran, wer wir sind? Vielleicht sind Sie von Natur aus eine schnelle Sprecherin, weil Sie extrovertiert sind, oder vielleicht sprechen Sie langsam aufgrund Ihres Alters oder Geschlechts. Oder geschieht es etwas zwischen zwei Menschen? Vielleicht geht es beim Tanz nicht um Ihre individuellen Schritte, sondern darum, wie gut Sie und Ihr spezifischer Partner sich synchronisieren, unabhängig davon, wer Sie individuell sind.

Diese Frage ist wichtig, denn wenn wir Roboter bauen wollen, die wie Menschen sprechen, oder Apps, die Menschen helfen, besser zu kommunizieren, müssen wir wissen: Müssen wir den Roboter mit Ihrer Persönlichkeit programmieren, oder müssen wir ihn lehren, wie er speziell mit Ihnen tanzt?

Das große Gesprächsexperiment

In dieser Studie beschloss ein Team von Forschern, diese Debatte zu klären, indem sie eine massive Menge an Realdaten untersuchte. Sie beobachteten nicht nur ein paar Leute beim Plaudern; sie analysierten über 12.000 Gespräche aus zwei riesigen Datenbanken. Eine Datenbank namens Fisher enthielt Telefongespräche zwischen Fremden. Die andere, CANDOR, enthielt Videotelefonate zwischen Fremden. Da viele der Menschen in diesen Datenbanken mit mehreren verschiedenen Partnern sprachen, konnten die Forscher ein kluges Spiel des „Mustersuchens“ spielen.

Sie fragten: Wenn Person A mit Person B spricht und danach mit Person C spricht, spricht Person A dann auf die gleiche Weise wie beide Male? (Dies würde bedeuten, dass es alles mit dem Akteur zu tun hat). Oder spricht Person A anders, je nachdem, ob sie mit Person B oder mit Person C spricht? (Dies würde bedeuten, dass es um den Partner geht). Und gibt es eine besondere „Magie“, die nur entsteht, wenn Person A und Person B zusammen sind – ein Muster, das verschwindet, wenn einer von ihnen mit jemand anderem spricht? (Dies ist das Dyad, oder das Paar).

Um dies zu messen, betrachteten sie vier spezifische „Tanzschritte“:

1. Floor Transfer Offset (FTO): Die exakten Millisekunden zwischen dem Moment, in dem eine Person aufhört und die andere beginnt.
2. Overlap (Überlappung): Wie viel Zeit Menschen damit verbringen, sich gegenseitig ins Wort zu fallen.
3. Pauses (Pausen): Wie viel Stille entsteht, während eine Person das Wort führt.
4. Speech Activity (Sprechaktivität): Wie viel der gesamten Gesprächszeit eine Person tatsächlich spricht.

Die überraschenden Ergebnisse: Es ist kompliziert!

Die Forscher fanden heraus, dass es keine einzige Antwort gibt. Der „Tanz“ hängt völlig davon ab, welchen Schritt man beobachtet.

Das „Dyad“ gewinnt das Timing-Rennen
Wenn es um das blitzschnelle Timing des Sprecherwechsels ging (der FTO), war der wichtigste Faktor das Paar selbst. Die Forscher fanden heraus, dass die spezifische Chemie zwischen zwei Menschen die meisten Variationen in ihrem Timing erklärte. Selbst nachdem man berücksichtigt hatte, wer die Sprecher und wer ihre Partner waren, behielt die einzigartige „Vibe“ dieses spezifischen Paares immer noch den größten Einfluss. Es ist, als ob jedes Paar seinen eigenen geheimen Rhythmus hat, den man nicht vorhersagen kann, nur indem man die Individuen kennt. In den Telefondaten erklärte das Paar 54 % der Zeitunterschiede; in den Videodaten waren es 34 %. Dies deutet darauf an, dass die „Uhr“ eines Gesprächs durch die beiden Menschen eingestellt wird, die gemeinsam tanzen, und nicht nur durch die einzelnen Tänzer.

Der „Akteur“ führt die Stille an
Wenn es jedoch um Pausen (Stille während man das Wort führt) ging, war der einzelne Sprecher der Chef. Die Forscher fanden heraus, dass die Frage, wie viel man pausiert, hauptsächlich von einem selbst abhängt. Wenn man eine Person ist, die viel pausiert, wird man viel pausieren, egal mit wem man spricht. Dies war das am stärksten „akteur-geleitete“ Maß, was bedeutet, dass der persönliche Stil die Stille dominiert.

Die „Sprechaktivität“ ist eine Teamleistung
Für die Sprechaktivität (wer am meisten zu Wort kommt), war es eine Mischung. Die eigene Persönlichkeit und Gewohnheiten waren der wichtigste Faktor (der Akteur), aber der Partner spielte auch eine große Rolle. Wenn man mit einem dominanten Partner spricht, spricht man vielleicht weniger, selbst wenn man normalerweise eine Plaudertasche ist. Die Forscher fanden heraus, dass, obwohl die eigenen Eigenschaften am meisten erklärten, die Identität des Partners immer noch einen signifikanten Teil der Variation ausmachte.

Der „Overlap“ ist ein Gestaltwandler
Die Menge an Überlappungen (Overlap) war am verwirrendsten. In den Videogesprächen schien es hauptsächlich vom Sprecher abzuhängen. Aber in den Telefongesprächen hing es hauptsächlich vom Zuhörer ab. Dies deutet darauf hin, dass die Art und Weise, wie wir jemanden unterbrechen oder überlappen, sich je nach Medium (Video vs. Audio) und der Art, wie wir die Signale des anderen interpretieren, ändern kann.

Spielen Ihre Demografien eine Rolle?

Sie fragen sich vielleicht: „Also, macht es einen Unterschied, ob ich ein Mann, eine Frau, jung, alt oder eine bestimmte Persönlichkeit bin, wie ich spreche?“

Die Antwort lautet: Ja, aber nicht so sehr, wie Sie vielleicht denken.

Die Forscher testeten, ob Faktoren wie Geschlecht, Alter, Bildung und Persönlichkeit diese Muster vorhersagen können. Sie fanden heraus, dass diese Faktoren zwar eine Rolle spielten, aber nur ein kleines Stück des Puzzles erklärten – etwa 6 % bis 16 % der gesamten Variation.

• Das Geschlecht war der beständigste Prädiktor. Männer neigten dazu, etwas längere Lücken zwischen den Sprecherwechseln zu haben und sprachen etwas weniger oft gleichzeitig mit Frauen.
• Auch Alter und Persönlichkeit (speziell Extraversion) spielten eine Rolle, insbesondere in Bezug auf die Menge des Gesagten.
• Doch selbst mit all diesen Details konnten die Forscher ein Gespräch nicht allein anhand des Profils einer Person vorhersagen. Die „Magie“ des spezifischen Paares und der einzigartige Kontext des Augenblicks regierten weiterhin den Tag.

Was dies für die Zukunft bedeutet

Die Studie kommt zu dem Schluss, dass wir mehr sind als nur unsere demografischen Profile. Wir sind nicht einfach nur „extrovertierte Männer“ oder „ältere Frauen“ mit festen Gesprächsstilen. Wir sind dynamische Tänzer, die ihre Schritte ändern, je nachdem, mit wem wir tanzen.

Für die Roboter und KI-Systeme der Zukunft ist dies ein wichtiger Hinweis. Wenn Sie möchten, dass ein Roboter natürlich spricht, können Sie ihn nicht einfach mit der Persönlichkeit des Nutzers programmieren. Sie müssen ihn lehren, auf das Paar zu hören. Der Roboter muss lernen, dass dieser spezifische Mensch anders mit diesem spezifischen Roboter spricht als mit seiner Mutter oder seinem Chef. Das Timing eines Gesprächs ist nicht nur eine Solo-Performance; es ist ein Duett, und die Musik wird oft von den beiden geschrieben, die sie gemeinsam spielen, und nicht von der Notenpartitur in ihren Taschen.