Quantifying sources of variation in turn-taking: How much do demographics and personality explain?
यह अध्ययन 12,000 से अधिक युग्मों (dyads) का विश्लेषण करके यह प्रदर्शित करता है कि जबकि जनसांख्यिकी और व्यक्तित्व टर्न-टेकिंग (बारी-बारी से बोलने) की भिन्नता के एक छोटे हिस्से की व्याख्या करते हैं, अधिकांश समय संबंधी अंतर अद्वितीय वक्ता, सह-वक्ता और युग्मों की उन अंतःक्रियाओं द्वारा संचालित होते हैं जिन्हें केवल व्यक्तिगत गुणों द्वारा पूरी तरह से अनुमानित नहीं किया जा सकता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
बातचीत का अदृश्य नृत्य
कल्पना कीजिए कि आप एक व्यस्त पार्टी में हैं। आप अपने एक दोस्त के साथ बातचीत करने की कोशिश कर रहे हैं, लेकिन कमरा बहुत शोर वाला है। बातचीत को जारी रखने के लिए, आपको और आपके दोस्त को एक उच्च-गति वाले, अदृश्य नृत्य का प्रदर्शन करना पड़ता है। आप केवल दूसरे व्यक्ति के रुकने का इंतज़ार नहीं करते और फिर शुरू नहीं होते; आपको ठीक अनुमान लगाना होता है कि वे कब समाप्त करेंगे ताकि आप सही क्षण में प्रवेश कर सकें। यदि आप बहुत जल्दी कूद पड़ते हैं, तो आप बीच में टोक देते हैं (एक "ओवरलैप")। यदि आप बहुत देर तक प्रतीक्षा करते हैं, तो वहां एक अजीब सन्नाटा हो जाता है (एक "गैप")।
वैज्ञानिक इसे टर्न-टेकिंग (बारी लेना) कहते हैं। यह वह लयबद्ध आदान-प्रदान है जो मानवीय बातचीत को सहज बनाता है, न कि पिंग-पोंग के खेल की तरह जहाँ गेंद हर बार फर्श पर गिर जाती है। लंबे समय तक, शोधकर्ताओं ने इस बात पर बहस की है कि हम इस तरह क्यों नाचते हैं। क्या यह इसलिए है क्योंकि हम ऐसे ही हैं? शायद आप स्वाभाविक रूप से तेज़ बोलने वाले हैं क्योंकि आप बहिर्मुखी (extroverted) हैं, या शायद आप अपनी उम्र या लिंग के कारण धीरे बोलते हैं। या, क्या यह कुछ ऐसा है जो दो लोगों के बीच होता है? शायद यह नृत्य आपके व्यक्तिगत कदमों के बारे में नहीं है, बल्कि इस बारे में है कि आप और आपके विशिष्ट साथी कितनी अच्छी तरह तालमेल बिठाते हैं, चाहे आप व्यक्तिगत रूप से जो भी हों।
यह प्रश्न महत्वपूर्ण है क्योंकि यदि हम ऐसे रोबोट बनाना चाहते हैं जो मनुष्यों की तरह बात करें, या ऐसे ऐप्स जो लोगों को बेहतर संवाद करने में मदद करें, तो हमें यह जानना होगा: क्या हमें रोबोट को आपके व्यक्तित्व के साथ प्रोग्राम करने की आवश्यकता है, या हमें उसे विशेष रूप से आपके साथ नृत्य करना सिखाने की आवश्यकता है?
महान बातचीत का प्रयोग
इस अध्ययन में, शोधकर्ताओं की एक टीम ने वास्तविक दुनिया के डेटा के एक विशाल हिस्से को देखकर इस बहस को सुलझाने का निर्णय लिया। उन्होंने केवल कुछ लोगों को बातचीत करते हुए नहीं देखा; उन्होंने दो बड़े डेटाबेस से 12,000 से अधिक बातचीत का विश्लेषण किया। एक डेटाबेस, जिसे फिशर (Fisher) कहा जाता था, उसमें अजनबियों के बीच टेलीफोन कॉल शामिल थे। दूसरा, कैंडोर (CANDOR), में अजनबियों के बीच वीडियो कॉल थे। चूंकि इन डेटाबेस में कई लोग विभिन्न अलग-अलग साथियों के साथ बात कर रहे थे, इसलिए शोधकर्ता "पैटर्न पहचानें" का एक चतुर खेल खेल सकते थे।
उन्होंने पूछा: यदि व्यक्ति A, व्यक्ति B से बात करता है, और फिर व्यक्ति A, व्यक्ति C से बात करता है, तो क्या व्यक्ति A दोनों बार एक ही तरह से बात करता है? (इसका मतलब होगा कि यह सब अभिनेता/व्यक्ति (Actor) के बारे में है)। या, क्या व्यक्ति A अलग तरह से बात करता है, इस आधार पर कि वह व्यक्ति B के साथ है या व्यक्ति C के साथ? (इसका मतलब होगा कि यह साथी (Partner) के बारे में है)। और अंत में, क्या कोई विशेष "जादू" है जो केवल तब होता है जब व्यक्ति A और व्यक्ति B एक साथ होते हैं, एक ऐसा पैटर्न जो गायब हो जाता है यदि उनमें से कोई भी किसी और के साथ बात करता है? (यह डायड (Dyad), या जोड़ा है)।
इसे मापने के लिए, उन्होंने चार विशिष्ट "नृत्य चालों" को देखा:
- फ्लोर ट्रांसफर ऑफसेट (FTO): ठीक वे मिलीसेकंड जब एक व्यक्ति रुकता है और दूसरा शुरू होता है।
- ओवरलैप: लोग एक-दूसरे के ऊपर कितनी देर तक बात करते हैं।
- पॉज़ (विराम): जब कोई व्यक्ति बारी (floor) थामे हुए होता है, तो कितनी चुप्पी होती है।
- स्पीच एक्टिविटी (भाषण गतिविधि): कुल बातचीत के समय का कितना हिस्सा वास्तव में एक व्यक्ति बोल पाता है।
आश्चर्यजनक परिणाम: यह जटिल है!
शोधकर्ताओं ने पाया कि कोई एक उत्तर नहीं है। "नृत्य" पूरी तरह से इस बात पर निर्भर करता है कि आप कौन सी चाल देख रहे हैं।
"डायड" (जोड़ा) समय की दौड़ जीतता है
जब बारी लेने के सूक्ष्म समय (FTO) की बात आई, तो सबसे महत्वपूर्ण कारक जोड़ा स्वयं था। शोधकर्ताओं ने पाया कि दो लोगों के बीच की विशिष्ट केमिस्ट्री उनके समय के अंतर को सबसे अधिक स्पष्ट करती है। यहाँ तक कि वक्ताओं और उनके साथियों को ध्यान में रखने के बाद भी, उस विशिष्ट जोड़े का अनूना "वाइब" उनके समय निर्धारण में सबसे बड़ा प्रभाव रखता था। टेलीफोन डेटा में, जोड़े ने समय के अंतरों की 54% व्याख्या की; वीडियो डेटा में, यह 34% था। यह सुझाव देता है कि बातचीत की "घड़ी" उन दो लोगों द्वारा सेट की जाती है जो एक साथ नृत्य कर रहे हैं, न कि केवल व्यक्तिगत नर्तकों द्वारा।
"एक्टर" (व्यक्ति) चुप्पी का नेतृत्व करता है
हालाँकि, पॉज़ (बारी थामे हुए रहने के दौरान चुप्पी) के मामले में, व्यक्तिगत वक्ता ही बॉस था। शोधकर्ताओं ने पाया कि आप कितना विराम लेते हैं, यह काफी हद से आप पर निर्भर करता है। यदि आप एक ऐसे व्यक्ति हैं जो बहुत अधिक विराम लेते हैं, तो आप चाहे जिससे भी बात करें, आप बहुत अधिक विराम लेंगे। यह सबसे अधिक "एक्टर-लेड" माप था, जिसका अर्थ है कि आपकी व्यक्तिगत शैली चुप्पी पर हावी रहती है।
"स्पीच एक्टिविटी" एक टीम का प्रयास है
स्पीच एक्टिविटी (कि किसे सबसे अधिक बोलने का मौका मिलता है) के लिए, यह एक मिश्रण था। आपका अपना व्यक्तित्व और आदतें सबसे बड़ा कारक थीं (एक्टर), लेकिन आपके साथी का भी बहुत महत्व था। यदि आप एक प्रभावशाली साथी के साथ बात करते हैं, तो आप कम बोल सकते हैं, भले ही आप आमतौर पर बहुत बोलने वाले हों। शोधकर्ताओं ने पाया कि जबकि आपके अपने लक्षण सबसे अधिक स्पष्ट थे, आपके साथी की पहचान भी भिन्नता के एक महत्वपूर्ण हिस्से के लिए जिम्मेदार थी।
"ओवरलैप" एक रूप बदलने वाला है
एक-दूसरे के ऊपर बोलने की मात्रा (ओवरलैप) सबसे भ्रमित करने वाली थी। वीडियो बातचीत में, ऐसा लगा कि यह मुख्य रूप से वक्ता पर निर्भर करता है। लेकिन टेलीफोन कॉल्स में, यह मुख्य रूप से सुनने वाले पर निर्भर था। यह सुझाव देता है कि हम कैसे टोकते हैं या ओवरलैप करते हैं, माध्यम (वीडियो बनाम ऑडियो) और हम दूसरे व्यक्ति के संकेतों की व्याख्या कैसे करते हैं, इसके आधार पर बदल सकता है।
क्या आपके जनसांख्यिकीय विवरण मायने रखते हैं?
आप सोच रहे होंगे: "तो, क्या पुरुष, महिला, युवा, वृद्ध होना या एक निश्चित व्यक्तित्व होना मेरे बोलने के तरीके को बदलता है?"
उत्तर है: हाँ, लेकिन जितना आप सोचते हैं उससे कहीं कम।
शोधकर्ताओं ने परीक्षण किया कि क्या लिंग (Sex), आयु (Age), शिक्षा (Education), और व्यक्तित्व (Personality) जैसे कारक इन पैटर्न की भविष्यवाणी कर सकते हैं। उन्होंने पाया कि ये कारक मायने तो रखते थे, लेकिन वे पहेली का केवल एक छोटा हिस्सा समझाते थे—कुल भिन्नता का लगभग 6% से 16%।
- लिंग सबसे सुसंगत भविष्यवक्ता था। पुरुषों में बारीओं के बीच अंतराल थोड़ा लंबा होता था और वे महिलाओं की तुलना में थोड़ा कम ओवरलैप करते थे।
- आयु और व्यक्तित्व (विशेष रूपकर बहिर्मुखता) ने भी भूमिका निभाई, विशेष रूप से इस बात में कि लोग कितना बोलते हैं।
- हालाँकि, इन सभी विवरणों के बावजूद, शोधकर्ता केवल किसी व्यक्ति की प्रोफाइल देखकर बातचीत की भविष्यवाणी नहीं कर सके। उस विशिष्ट जोड़े का "जादू" और क्षण के अद्वितीय संदर्भ ने अभी भी शासन किया।
इसका भविष्य के लिए क्या अर्थ है
अध्ययन यह निष्कर्ष निकालता है कि हम अपने जनसांख्यिकीय प्रोफाइल से कहीं अधिक हैं। हम केवल "बहिर्मुखी पुरुष" या "वृद्ध महिलाएं" नहीं हैं जिनका बातचीत का तरीका निश्चित है। हम गतिशील नर्तक हैं जो अपने कदम बदलते हैं, इस आधार पर कि हम किसके साथ नृत्य कर रहे हैं।
भविष्य के रोबोट और एआई सिस्टम के लिए, यह एक बड़ा संकेत है। यदि आप चाहते हैं कि एक रोबोट स्वाभाविक रूप से बात करे, तो आप केवल उपयोगकर्ता के व्यक्तित्व के साथ उसे प्रोग्राम नहीं कर सकते। आपको उसे यह सिखाना होगा कि इस विशिष्ट मानव के साथ वह इस विशिष्ट रोबोट के साथ अलग तरह से बात करता है, बजाय इसके कि वह अपनी माँ या अपने बॉस के साथ कैसे बात करता है। बातचीत का समय केवल एक एकल प्रदर्शन नहीं है; यह एक युगल गीत (duet) है, और संगीत अक्सर उन दो लोगों द्वारा लिखा जाता है जो इसे एक साथ बजा रहे होते हैं, न कि उनकी जेबों में रखी संगीत की शीट द्वारा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।