📄 social_science

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

Este estudo analisa mais de 12.000 díades para demonstrar que, embora a demografia e a personalidade expliquem uma pequena parte da variação no turno de fala, a maioria das diferenças de tempo é impulsionada por interações únicas entre o falante, o interlocutor e a díade que não podem ser totalmente previstas apenas por atributos individuais.

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

Publicado 2026-08-04

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A Dança Invisível da Conversação

Imagine que você está em uma festa movimentada. Você está tentando conversar com um amigo, mas o ambiente está barulhento. Para manter o fluxo do diálogo, você e seu amigo precisam realizar uma dança invisível de alta velocidade. Você não apenas espera a outra pessoa parar de falar para então começar; você tem que prever exatamente quando ela terminará para poder entrar no momento perfeito. Se você entrar cedo demais, você interrompe (uma "sobreposição"). Se esperar demais, há um silêncio constrangedor (uma "lacuna").

Os cientistas chamam isso de turno de fala (turn-taking). É o vai e vem rítmico que faz a conversa humana parecer fluida, em vez de um jogo de pingue-pongue onde a bola bate no chão a todo momento. Por muito tempo, pesquisadores debateram por que dançamos dessa forma. É por causa de quem somos? Talvez você seja naturalmente um falante rápido porque é extrovertido, ou talvez fale devagar devido à sua idade ou gênero. Ou será que é algo que acontece entre duas pessoas? Talvez a dança não seja sobre os seus passos individuais, mas sobre o quão bem você e seu parceiro específico se sincronizam, independentemente de quem vocês são individualmente.

Essa questão é importante porque, se quisermos construir robôs que falem como humanos, ou aplicativos que ajrem as pessoas a se comunicarem melhor, precisamos saber: precisamos programar o robô com a sua personalidade ou precisamos ensiná-lo a dançar com você especificamente?

O Grande Experimento de Conversação

Neste estudo, uma equipe de pesquisadores decidiu resolver esse debate analisando uma quantidade massiva de dados do mundo real. Eles não apenas observaram algumas pessoas conversando; eles analisaram mais de 12.000 conversas de dois grandes bancos de dados. Um banco de dados, chamado Fisher, continha chamadas telefônicas entre estranhos. O outro, CANDOR, continha videochamadas entre estranhos. Como muitas das pessoas nesses bancos de dados conversavam com múltiplos parceiros diferentes, os pesquisadores puderam jogar um jogo inteligente de "encontre o padrão".

Eles perguntaram: Se a Pessoa A fala com a Pessoa B e, depois, a Pessoa A fala com a Pessoa C, a Pessoa A fala da mesma maneira em ambas as vezes? (Isso significaria que é tudo sobre o Ator). Ou a Pessoa A fala de forma diferente dependendo se está falando com a Pessoa B ou com a Pessoa C? (Isso significaria que é sobre o Parceiro). E, finalmente, existe uma "magia" especial que só acontece quando a Pessoa A e a Pessoa B estão juntas, um padrão que desaparece se qualquer um deles falar com outra pessoa? (Isso é o Díade, ou o par).

Para medir isso, eles observaram quatro "movimentos de dança" específicos:

Deslocamento de Transferência de Turno (FTO - Floor Transfer Offset): Os milissegundos exatos entre quando uma pessoa para e a outra começa.
Sobreposição: Quanto tempo as pessoas passam falando umas sobre as outras.
Pausas: Quanto silêncio acontece enquanto uma pessoa está detendo a palavra.
Atividade de Fala: Quanto tempo do total da conversa uma pessoa realmente consegue falar.

Os Resultados Surpreendentes: É Complicado!

Os pesquisadores descobriram que não existe uma resposta única. A "dança" depende inteiramente de qual movimento você está observando.

O "Díade" Vence a Corrida do Tempo
Quando se tratava do tempo de divisão de segundo da alternância de turnos (o FTO), o fator mais importante era o próprio par. Os pesquisadores descobriram que a química específica entre duas pessoas explicava a maior parte da variação em seu tempo. Mesmo levando em conta quem eram os falantes e quem eram seus parceiros, a "vibe" única daquele par específico ainda exercia o maior peso. É como se cada casal tivesse seu próprio ritmo secreto que você não consegue prever apenas conhecendo os indivíduos. Nos dados de telefone, o par explicou 54% das diferenças de tempo; nos dados de vídeo, foi 34%. Isso sugere que o "relógio" de uma conversa é definido pelas duas pessoas dançando juntas, não apenas pelos dançarinos individuais.

O "Ator" Lidera o Silêncio
No entanto, quando se tratava de Pausas (silêncio enquanto detém a palavra), o falante individual era o chefe. Os pesquisadores descobriram que o quanto você pausa é, na maioria das vezes, sobre você. Se você é uma pessoa que faz muitas pausas, você fará muitas pausas não importa com quem esteja falando. Esta foi a medida mais "lida pelo ator", o que significa que seu estilo pessoal domina o silêncio.

A "Atividade de Fala" é um Esforço de Equipe
Para a Atividade de Fala (quem fala mais), era uma mistura. Sua própria personalidade e hábitos eram o fator principal (o Ator), mas seu parceiro também importava muito. Se você fala com um parceiro dominante, pode acabar falando menos, mesmo que você seja normalmente um tagarela. Os pesquisadores descobriram que, embora seus próprios traços explicassem a maior parte, a identidade do seu parceiro ainda representava uma parcela significativa da variação.

A "Sobreposição" é um Camaleão
A quantidade de fala simultânea (Sobreposição) foi a mais confusa. Nas conversas de vídeo, parecia depender principalmente do falante. Mas nas chamadas telefônicas, dependia principalmente do ouvinte. Isso sugere que a forma como interrompemos ou sobrepomos a fala pode mudar dependendo do meio (vídeo vs. áudio) e de como interpretamos as pistas do outro.

Suas Características Demográficas Importam?

Você pode estar se perguntando: "Então, ser homem, mulher, jovem, velho ou ter uma certa personalidade muda como eu falo?"

A resposta é: Sim, mas não tanto quanto você imagina.

Os pesquisadores testaram se fatores como Sexo, Idade, Escolaridade e Personalidade poderiam prever esses padrões. Eles descobriram que esses fatores importavam, mas explicavam apenas uma pequena fatia do quebra-cabeça — cerca de 6% a 16% da variação total.

O Sexo foi o preditor mais consistente. Homens tendiam a ter intervalos ligeiramente mais longos entre os turnos e falavam sobre as pessoas um pouco menos que as mulheres.
Idade e Personalidade (especificamente a extroversão) também desempenharam um papel, especialmente no quanto as pessoas falavam.
No entanto, mesmo com todos esses detalhes, os pesquisadores não conseguiram prever uma conversa apenas olhando para o perfil de uma pessoa. A "magia" do par específico e o contexto único do momento ainda governavam o dia.

O Que Isso Significa para o Futuro

O estudo conclui que somos mais do que nossos perfis demográficos. Não somos apenas "homens extrovertidos" ou "mulheres mais velhas" com estilos de conversa fixos. Somos dançarinos dinâmicos que mudam seus passos dependendo de com quem estamos dançando.

Para os robôs e sistemas de IA do futuro, esta é uma grande pista. Se você quer que um robô fale naturalmente, você não pode apenas programá-lo com a personalidade do usuário. Você tem que ensiná-lo a ouvir o par. O robô precisa aprender que este humano específico fala de forma diferente com este robô específico do que fala com sua mãe ou seu chefe. O tempo de uma conversa não é apenas uma performance solo; é um dueto, e a música é frequentemente escrita pelas duas pessoas que a tocam juntas, não pela partitura que elas carregam no bolso.

Resumo Técnico: Quantificando Fontes de Variação no Turno de Fala

Problema
A conversa humana depende de uma coordenação temporal precisa, embora a distribuição da variação de tempo permaneça obscura. Existe um debate fundamental nas ciências comportamentais sobre se o tempo de alternância de turnos é uma característica consistente do indivíduo (impulsionada por demografia e personalidade) ou uma propriedade emergente do sistema diádico (impulsionada pelo par específico). Abordagens tradicionais frequentemente atribuem a variação a "quem o falante é", enquanto teorias interacionistas sugerem que o tempo surge do entrosamento mútuo. Historicamente, distinguir as idiossincrasias individuais das eliciações associadas ao parceiro e da química única do par tem sido difícil devido a amostras pequenas e pareamentos estreitos de falantes. Este estudo busca quantificar quanto a demografia e a personalidade explicam a variação do turno de fala em comparação com tendências recorrentes do falante, tendências do interlocutor e estruturas específicas do díade.

Metodologia
Os autores analisaram mais de 12.000 díades de dois corpora distintos:

CANDOR: Um corpus multimodal, mediado por vídeo, de conversas naturaisisticas online (mínimo de 25 minutos).
Fisher: Um corpus telefônico de áudio apenas de conversas com tópicos atribuídos (aprox. 10 minutos).

Estrutura de Dados:
Mais da metade dos participantes em ambas as amostras apareceu com múltiplos interlocutores. Essa recorrência permitiu o uso de modelos de efeitos mistos para separar a variação em três componentes de intercepto aleatório:

Idiossincrasia (Ator): Variação que recorre com o falante focal através de diferentes interlocutores.
Alossincrasia (Parceiro): Variação nos resultados dos falantes focais que recorre quando uma pessoa específica serve como interlocutor.
Diadossincrasia (Díade): Variação adicional associada ao par não ordenado específico.

Métricas:
Quatro medidas de turno de fala foram examinadas:

Floor Transfer Offset (FTO - Deslocamento de Transferência de Piso): Deslocamento temporal médio entre turnos (lacunas ou sobreposições).
Sobreposição (Overlap): Razão entre o tempo total de sobreposição de um falante e seu tempo total de fala.
Pausas (Pauses): Razão entre o silêncio dentro do turno e o tempo ativo total.
Atividade de Fala (Speech Activity): Razão entre o tempo total de fala e o tempo total de interação.

Preditores:
Os efeitos fixos incluíram atributos demográficos e disposicionais (Sexo, Idade, Escolaridade, Raça/Etnia, Personalidade, Status Social, Dialeto, Tópico). O estudo empregou modelos orientados ao ator onde os papéis de ator e parceiro se invertem na segunda observação da conversa. O ajuste do modelo foi avaliado usando $R^2$ marginal (apenas efeitos fixos) e $R^2$ condicional (efeitos fixos + aleatórios). A importância foi determinada via ablação de completo-menos-restrito (removendo interceptos ou blocos de preditores específicos) e decomposição de variância.

Principais Resultados

Fontes de Variação:
- FTO: Mostrou a estrutura associada ao díade mais clara. A remoção do intercepto do díade causou a maior perda no $R^2$ condicional em ambos os corpora. No Fisher, o díade contabilizou 54% da variância total, comparado a 11% (ator) e 8% (parceiro).
- Pausas: Foram consistentemente lideradas pelo ator. A variância do ator representou 31–37% da variância total, significativamente maior do que as parcelas do parceiro ou do díade.
- Atividade de Fala: Foi dominante do ator, mas incluiu uma variação apreciável associada ao parceiro. As parcelas do ator foram de 37% (CANDOR) e 48% (Fisher), com as parcelas do parceiro em 21% e 13%, respectivamente. Um intercepto de díade compartilhado não pôde ser mantido no modelo primário devido à interdependência estrutural das parcelas de piso.
- Sobreposição: A principal fonte de variação dependeu do corpus e da normalização. No CANDOR, foi liderada pelo ator; no Fisher, foi liderada pelo parceiro.
Poder Preditivo de Demografia e Personalidade:
- Os efeitos fixos (demografia e personalidade) explicaram aproximadamente 6–16% da variância total do resultado.
- Sexo e Idade foram os preditores demográficos mais consistentes entre as métricas e os corpora.
- Personalidade melhorou significativamente os modelos expandidos para todos os quatro resultados no CANDOR, com o efeito mais forte na Atividade de Fala ( $\Delta R^2_m = .062$ ). Nos modelos básicos (contendo apenas Sexo, Idade e Escolaridade), a Personalidade não foi um preditor significativo para FTO ( $p=.116$ ) ou Pausas ( $p=.244$ ); tornou-se significativa apenas quando o modelo foi expandido para incluir covariáveis adicionais (ex: Raça/Etnia, Status), onde atingiu significância marginal para Pausas ( $p=.037$ ).
- A remoção do intercepto do díade resultou na maior perda de $R^2$ condicional para FTO, enquanto a remoção do intercepto do ator causou a maior perda para Pausas e Atividade de Fala.
Diferenças de Corpus:
- Os falantes do CANDOR exibiram pausas dentro do turno mais longas do que os falantes do Fisher. Os autores observam que isso pode refletir a coordenação multimodal (pistas visuais) em chamadas de vídeo, embora o estudo não possa isolar a modalidade de outros fatores de confusão (período, tarefa, tecnologia).
- A Sobreposição liderada pelo parceiro no Fisher e as maiores parcelas de díade para FTO/Pausas sugerem padrões de tempo acústicos de par mais estáveis em configurações apenas de áudio.

Significância e Alegações
O artigo afirma distinguir três tipos específicos de variação:

Idiossincrasias: Variação que recorre com o falante focal.
Alossincrasias: Variação que recorre com uma pessoa servindo como interlocutor.
Diadossincrasias: Variação associada ao díade particular.

O estudo conclui que nenhum componente único domina todas as medidas de turno de fala. Embora a demografia e a personalidade forneçam uma base, elas não esgotam a variação associada aos falantes, interlocutores e díades. Especificamente:

FTO é primordialmente uma propriedade do sistema diádico.
Pausas são primordialmente uma propriedade do indivíduo.
Atividade de Fala é uma mistura de dominância individual e influência do interlocutor.

Os autores alertam que, embora o componente do díade capture mudanças compartilhadas no tempo, ele não prova definitivamente a acomodação mútua versus a adaptação unilateral. Eles sugerem que sistemas de conversação (ex: interação humano-robô) não devem depender apenas de médias de nível de usuário para políticas de tempo, mas devem considerar a calibração específica da interação. Os achados apoiam uma visão multiparamétrica onde o "relógio universal" do turno de fala é calibrado de forma diferente dependendo da métrica sendo medida.

A Dança Invisível da Conversação

O Grande Experimento de Conversação

Os Resultados Surpreendentes: É Complicado!

Suas Características Demográficas Importam?

O Que Isso Significa para o Futuro

Mais como este