📄 social_science

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

Este estudio analiza más de 12.000 díadas para demostrar que, si bien la demografía y la personalidad explican una pequeña parte de la variación en la toma de turnos, la mayoría de las diferencias de tiempo están impulsadas por interacciones únicas del hablante, del interlocutor y de la díada que no pueden predecirse totalmente mediante los atributos individuales por sí solos.

Autores originales: Julio Cesar Cavalcanti, Plinio A. Barbosa, Sandra Madureira, Tony Berber Sardinha, Gabriel Skantze

Publicado 2026-08-04

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Julio Cesar Cavalcanti, Plinio A. Barbosa, Sandra Madureira, Tony Berber Sardinha, Gabriel Skantze

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La danza invisible de la conversación

Imagina que estás en una fiesta concurrida. Intentas mantener una conversación con un amigo, pero la sala es ruidosa. Para que la charla fluya, tú y tu amigo tienen que realizar una danza invisible de alta velocidad. No te limitas a esperar a que la otra persona deje de hablar para luego empezar; tienes que predecir exactamente cuándo terminará para poder intervenir en el momento perfecto. Si intervienes demasiado pronto, interrumpes (un "solapamiento"). Si esperas demasiado, se produce un silencio incómodo (un "vacío").

Los científicos llaman a esto toma de turnos. Es el vaivén rítmico que hace que la conversación humana se sienta fluida en lugar de como un juego de ping-pong donde la pelota golpea el suelo cada vez. Durante mucho tiempo, los investigadores han debatido por qué bailamos de esta manera. ¿Es por quiénes somos? Tal vez eres un hablante rápido de forma natural porque eres extrovertido, o tal vez hablas despacio debido a tu edad o género. O bien, ¿es algo que sucede entre dos personas? Quizás la danza no trata sobre tus pasos individuales, sino sobre qué tan bien se sincronizan tú y tu pareja específica, independientemente de quiénes sean individualmente.

Esta pregunta es importante porque si queremos construir robots que hablen como humanos, o aplicaciones que ayuden a las personas a comunicarse mejor, necesitamos saber: ¿debemos programar al robot con tu personalidad, o tenemos que enseñarle a bailar contigo específicamente?

El gran experimento de la conversación

En este estudio, un equipo de investigadores decidió resolver este debate analizando una enorme cantidad de datos del mundo real. No se limitaron a observar a unas pocas personas charlando; analizaron más de 12,000 conversaciones de dos bases de datos masivas. Una base de datos, llamada Fisher, contenía llamadas telefónicas entre extraños. La otra, CANDOR, tenía videollamadas entre extraños. Debido a que muchas de las personas en estas bases de datos hablaban con múltiples compañeros diferentes, los investigadores pudieron jugar un ingenioso juego de "encontrar el patrón".

Se preguntaron: Si la Persona A habla con la Persona B, y luego la Persona A habla con la Persona C, ¿habla la Persona A de la misma manera ambas veces? (Esto significaría que todo se trata del Actor). O bien, ¿habla la Persona A de forma diferente dependiendo de si está hablando con la Persona B o con la Persona C? (Esto significaría que se trata del Compañero). Y finalmente, ¿existe una "magia" especial que solo ocurre cuando la Persona A y la Persona B están juntas, un patrón que desaparece si cualquiera de los dos habla con alguien más? (Esto es el Díada, o el par).

Para medir esto, observaron cuatro "movimientos de danza" específicos:

Desfase de transferencia de turno (FTO, por sus siglas en inglés): Los milisegundos exactos entre cuando una persona deja de hablar y la otra comienza.
Solapamiento: Cuánto tiempo pasan las personas hablando al mismo tiempo.
Pausas: Cuánta el silencio que ocurre mientras una persona tiene el control de la palabra.
Actividad de habla: Cuánto tiempo del total de la conversación dedica una persona a hablar.

Los resultados sorprendentes: ¡Es complicado!

Los investigadores descubrieron que no hay una sola respuesta. La "danza" depende enteramente de qué movimiento estés observando.

La "Díada" gana la carrera del tiempo
Cuando se trataba del tiempo de precisión en la toma de turnos (el FTO), el factor más importante era la pareja misma. Los investigadores encontraron que la química específica entre dos personas explicaba la mayor parte de la variación en su ritmo. Incluso después de tener en cuenta quiénes eran los hablantes y quiénes eran sus compañeros, la "vibra" única de ese par específico seguía teniendo el mayor peso. Es como si cada pareja tuviera su propio ritmo secreto que no puedes predecir solo conociendo a los individuos. En los datos telefónicos, la díada explicó el 54% de las diferencias de tiempo; en los datos de video, fue el 34%. Esto sugiere que el "reloj" de una conversación es ajustado por las dos personas que bailan juntas, no solo por los bailarines individuales.

El "Actor" lidera el silencio
Sin embargo, cuando se trataba de las Pausas (el silencio mientras se tiene el control de la palabra), el hablante individual era el jefe. Los investigadores descubrieron que cuánto pausas depende principalmente de ti. Si eres una persona que hace muchas pausas, harás muchas pausas sin importar con quién estés hablando. Esta fue la medida más "liderada por el actor", lo que significa que tu estilo personal domina el silencio.

La "Actividad de habla" es un esfuerzo de equipo
Para la Actividad de habla (quién llega a hablar más), fue una mezcla. Tu propia personalidad y hábitos fueron el factor más importante (el Actor), pero tu compañero también importaba mucho. Si hablas con un compañero dominante, podrías hablar menos, incluso si eres un hablador habitual. Los investigadores encontraron que, aunque tus propios rasgos explicaban la mayor parte, la identidad de tu compañero todavía representaba una parte significativa de la variación.

El "Solapamiento" es un camaleón
La cantidad de tiempo que pasan hablando uno sobre otro (Solapamiento) fue lo más confuso. En las conversaciones de video, parecía depender principalmente del hablante. Pero en las llamadas telefónicas, dependía principalmente del oyente. Esto sugiere que la forma en que interrumpimos o nos solapamos puede cambiar según el medio (video vs. audio) y cómo interpretamos las señales del otro.

¿Importan tus datos demográficos?

Podrías preguntarte: "Entonces, ¿el hecho de ser hombre, mujer, joven, viejo o tener cierta personalidad cambia mi forma de hablar?"

La respuesta es: Sí, pero no tanto como podrías pensar.

Los investigadores probaron si factores como el Sexo, la Edad, la Educación y la Personalidad podían predecir estos patrones. Encontraron que estos factores sí importaban, pero solo explicaban una pequeña parte del rompecabezas —aproximadamente del 6% al 16% de la variación total.

El Sexo fue el predictor más consistente. Los hombres tendían a tener breves de tiempo ligeramente más largos entre turnos y se solapaban un poco menos que las mujeres.
La Edad y la Personalidad (específicamente la extraversión) también jugaron un papel, especialmente en cuánto hablaba la gente.
Sin embargo, incluso con todos estos detalles, los investigadores no pudieron predecir una conversación solo mirando el perfil de una persona. La "magia" de la pareja específica y el contexto único del momento seguían dominando el día.

Lo que esto significa para el futuro

El estudio concluye que somos más que nuestros perfiles demográficos. No somos simplemente "hombres extrovertidos" o "mujeres mayores" con estilos de conversación fijos. Somos bailarines dinámicos que cambian sus pasos dependiendo de con quién estén bailando.

Para los robots y sistemas de IA del futuro, esta es una pista importante. Si quieres que un robot hable de forma natural, no basta con programarlo con la personalidad del usuario. Tienes que enseñarle a escuchar a la pareja. El robot necesita aprender que este humano específico habla de forma diferente con este robot específico de lo que lo hace con su madre o su jefe. El ritmo de una conversación no es solo una actuación individual; es un dúo, y la música a menudo es escrita por las dos personas que la interpretan juntas, no por la partitura que llevan en sus bolsillos.

Resumen Técnico: Cuantificación de las Fuentes de Variación en la Toma de Turnos

Planteamiento del Problema
La conversación humana depende de una coordinación temporal precisa, sin embargo, la distribución de la variación en el tiempo permanece poco clara. Existe un debate fundamental en las ciencias del comportamiento sobre si la sincronización de la toma de turnos es una característica consistente del individuo (impulsada por la demografía y la personalidad) o una propiedad emergente del sistema diádico (impulsada por la pareja específica). Los enfoques tradicionales suelen atribuir la variación a "quién es el hablante", mientras que las teorías interaccionistas sugieren que la sincronización surge de un entrelazamiento mutuo. Históricamente, desentrañar los rasgos idiosincrásicos de la elicitación asociada al interlocutor y la química única de la pareja ha sido difícil debido a las muestras pequeñas y a las estrechas agrupaciones de hablantes. Este estudio busca cuantificar cuánto explican la demografía y la personalidad la variación en la toma de turnos en comparación con las tendencias recurrentes del hablante, las tendencias del interlocutor y las estructuras específicas de la díada.

Metodología
Los autores analizaron más de 12,000 díadas de dos corpora distintos:

CANDOR: Un corpus multimodal, mediado por video, de conversaciones en línea naturalistas (mínimo 25 minutos).
Fisher: Un corpus telefónico de solo audio de conversaciones con temas asignados (aproximadamente 10 minutos).

Estructura de los Datos:
Más de la mitad de los participantes en ambas muestras aparecieron con múltiples interlocutores. Esta recurrencia permitió el uso de modelos de efectos mixtos para separar la variación en tres componentes de intercepto aleatorio:

Idiosincrasia (Actor): Variación que recurre con el hablante focal a través de diferentes interlocutores.
Alosincrasía (Partner/Interlocutor): Variación en los resultados de los hablantes focales que recurre cuando una persona específica actúa como interlocutor.
Diadosincrasía (Díada): Variación adicional asociada con el par no ordenado específico.

Métricas:
Se examinaron cuatro medidas de toma de turnos:

Desfase de Transferencia de Turno (FTO, por sus siglas en inglés): Desfase temporal medio entre turnos (brechas o solapamientos).
Solapamiento (Overlap): Relación entre el tiempo total de solapamiento de un hablante y su tiempo total de habla.
Pausas (Pauses): Relación entre el silencio dentro del turno y el tiempo activo total.
Actividad de Habla (Speech Activity): Relación entre el tiempo total de habla y el tiempo total de interacción.

Predictores:
Los efectos fijos incluyeron atributos demográficos y disposicionales (Sexo, Edad, Educación, Raza/Etnia, Personalidad, Estatus Social, Dialecto, Tema). El estudio empleó modelos de efectos mixtos orientados al actor, donde los roles de actor y compañero se invierten en la segunda observación de una conversación. El ajuste del modelo se evaluó mediante $R^2$ marginal (solo efectos fijos) y $R^2$ condicional (efectos fijos + efectos aleatorios). La importancia se determinó mediante la ablación de completo-menos-restringido (eliminando interceptos o bloques de predictores específicos) y la descomposición de la varianza.

Resultos Clave

Fuentes de Variación:
- FTO: Mostró la estructura asociada a la díada más clara. Eliminar el intercepto de la díada causó la mayor pérdida en el $R^2$ condicional en ambos corpora. En Fisher, la díada representó el 54% de la varianza total, en comparación con el 11% (actor) y el 8% (interlocutor).
- Pausas: Fueron consistentemente lideradas por el actor. La varianza del actor representó entre el 31% y el 37% de la varianza total, significativamente mayor que las participaciones del interlocutor o la díada.
- Actividad de Habla: Fue dominante por el actor, pero incluyó una apreciable variación asociada al interlocutor. Las participaciones del actor fueron del 37% (CANDOR) y 48% (Fisher), con participaciones del interlocutor del 21% y 13% respectivamente. No se pudo retener un intercepto de díada compartido en el modelo primario debido a la interdependencia estructural de las participaciones de turno.
- Solapamiento: La principal fuente de variación dependió del corpus y la normalización. En CANDOR, fue liderado por el actor; en Fisher, fue liderado por el interlocutor.
Poder Predictivo de la Demografía y la Personalidad:
- Los efectos fijos (demografía y personalidad) explicaron aproximadamente el 6–16% de la varianza del resultado.
- Sexo y Edad fueron los predictores demográficos más consistentes en todas las métricas y corpora.
- La Personalidad mejoró significativamente los modelos expandidos para los cuatro resultados en CANDOR, con el efecto más fuerte en la Actividad de Habla ( $\Delta R^2_m = .062$ ). En los modelos básicos (que contenían solo Sexo, Edad y Educación), la Personalidad no fue un predictor significativo para FTO ( $p=.116$ ) o Pausas ( $p=.244$ ); se volvió significativa solo cuando el modelo se expandió para incluir covariables adicionales (por ejemplo, Raza/Etnia, Estatus), donde alcanzó significancia marginal para las Pausas ( $p=.037$ ).
- Eliminar el intercepto de la díada resultó en la mayor pérdida de $R^2$ condicional para el FTO, mientras que eliminar el intercepto del actor causó la mayor pérdida para las Pausas y la Actividad de Habla.
Diferencias entre Corpora:
- Los hablantes de CANDOR exhibieron pausas dentro del turno más largas que los hablantes de Fisher. Los autores señalan que esto puede reflejar la coordinación multimodal (pistas visuales) en llamadas de video, aunque el estudio no puede aislar la modalidad de otros factores de confusión (periodo, tarea, tecnología).
- El Solapamiento liderado por el interlocutor en Fisher y las mayores participaciones de la díada para FTO/Pausas sugieren patrones de sincronización acústica más estables de la pareja en entornos de solo audio.

Significancia y Reivindicaciones
El artículo afirma distinguir tres tipos específicos de variación:

Idiosincrasias: Variación que recurre con el hablante focal.
Alosincrasías: Variación que recurre cuando una persona sirve como interlocutor.
Diadosincrasías: Variación asociada con la díada particular.

El estudio concluye que ningún componente único domina todas las medidas de toma de turnos. Si bien la demografía y la personalidad proporcionan una base, no agotan la variación asociada con los hablantes, interlocutores y díadas. Específicamente:

El FTO es principalmente una propiedad del sistema diádico.
Las Pausas son principalmente una propiedad del individuo.
La Actividad de Habla es una mezcla de dominancia individual e influencia del interlocutor.

Los autores advierten que, si bien el componente de la díada captura cambios compartidos en la sincronización, esto no demuestra definitivamente la acomodación mutua frente a la adaptación unilateral. Sugieren que los sistemas conversacionales (por ejemplo, la interacción humano-robot) no deben depender únicamente de promedios a nivel de usuario para las políticas de tiempo, sino que deben considerar la calibración específica de la interacción. Los hallazgos apoyan una visión multiparamétrica donde el "reloj universal" de la toma de turnos se calibra de manera diferente dependiendo de la métrica específica que se esté midiendo.

La danza invisible de la conversación

El gran experimento de la conversación

Los resultados sorprendentes: ¡Es complicado!

¿Importan tus datos demográficos?

Lo que esto significa para el futuro

Más como este