Dealing with Controversy: An Emotion and Coping Strategy Corpus Based on Role Playing
本文通过引入一个基于角色扮演的语料库和一个应对机制识别任务，研究情绪如何作为文本中的行为策略发挥作用，从而填补了心理学与计算情感研究之间的鸿沟，并揭示了模型在更好地捕捉这些机制方面的挑战与潜力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
核心理念：情绪就像是“行动计划”
想象你正在看一场戏。通常，当我们分析一个角色的感受时，我们只是给他们贴上标签：“他很生气，”或者“她很伤心。”这就像是在盒子上贴个名字标签。
但本文认为，情绪更像是行动计划。当你感受到一种特定的情绪时，你的大脑会立即制定出一套应对情况的策略。作者将这些策略称为**“应对策略”（Coping Strategies）**。
他们使用了一个框架（基于心理学家伊拉·罗斯曼的工作），该框架指出，每种情绪反应都属于以下四个类别之一：
- 攻击 (Attack)： 你想要正面硬刚问题。（就像狮子对着威胁咆哮）。
- 接触 (Contact)： 你想要靠近并建立联系。（就像小狗摇尾巴表示问候）。
- 距离 (Distance)： 你想要退后并拉开空间。（就像乌龟缩进壳里）。
- 拒绝 (Reject)： 你想要完全推开问题或否认它的存在。（就像对着某人砰地一声关上门）。
论文提出了一个简单的问题：我们能否在人们书写的文字中发现这些隐藏的“行动计划”？
问题所在：你不能直接去问人们
研究人员想要建立一个数据库（语料库），其中的文本能清晰地体现出人们使用了这些策略。但问题在于：你不能直接去 Twitter 或 Facebook 上找人说：“我目前正在使用‘距离’策略。”现实生活是混乱的，人们并不会给自己的应对机制贴标签。
解决方案：“戏精”实验
为了解决这个问题，研究人员并没有直接要求人们写下自己的感受。相反，他们使用了角色扮演，类似于即兴表演课。
可以这样理解：
- 设定： 他们创建了四个截然不同的“角色”，每个角色代表一种策略。
- 角色 A（攻击型） 是一个火爆、具有攻击性的人，绝不退缩。
- 角色 B（接触型） 是一个冷静、心态开放的调解者。
- 角色 C（距离型） 是一个需要空间并回避冲突的人。
- 角色 D（拒绝型） 是一个固执的人，拒绝参与任何负面事物。
- 剧本： 他们利用 AI 编写了一些具有争议性的场景（例如关于移民或种族主义的争论），其中一个人说了令人不快的话。
- 表演： 研究人员雇佣了真人来“成为”这些角色。他们必须阅读场景，并假装是那个角色来写下回复。
这就像是要求一名演员：“你正在扮演一只愤怒的狮子。刚才有人踩到了你的尾巴。请写一句话来表达你的反应。”目标是观察演员是否能成功地将“狮子”的策略融入到他们的文字中。
他们的发现
1. 演员们精准捕捉到了情绪
当研究人员询问参与者“你的角色感觉如何？”时，答案与理论完美契合。在扮演“攻击型”角色时，人们感到愤怒和沮丧；在扮演“接触型”角色时，他们感到充满希望和爱意。演员们成功理解了情绪的“剧本”。
2. 文字难以解码
这里是棘手的部分。尽管演员理解了策略，但其他人（以及计算机）仅仅通过阅读文字，很难猜出正在使用的是哪种策略。
- 当研究人员要求人类阅读回复并猜测策略时，他们的正确率仅为 34% 左右（这几乎和随机猜测没区别）。
- “接触型”策略是最容易识别的（人们会使用像“我理解”这样礼貌的词汇）。
- “拒绝型”策略是最难识别的（它经常被误认为是其他负面情绪）。
3. 计算机也感到吃力
研究人员训练了计算机模型（AI）来进行同样的猜谜游戏。AI 模型也表现挣扎，准确率低于 55%。
- 有趣的是，当 AI 阅读角色肢体语言的描述（例如“攥紧拳头”、“看向别处”）时，其表现比单纯阅读他们所说的话时要好。
- 这表明，虽然言语可能很微妙，但与策略相关的行为则是更强的信号。
结论
本文得出结论：虽然情绪与我们计划如何行动（应对策略）有着深刻的联系，但这些策略并不总是显而易见地呈现在文本中。
- 好消息： 我们可以通过角色扮演成功地创建关于这些策略的数据。
- 坏消息： 想要通过一句话来识别这些策略，对计算机（以及人类）来说比我们想象的要困难得多。“行动计划”往往是隐藏的或微妙的。
作者表示，这为研究开辟了一条新路径：与其仅仅标注“愤怒”，我们应该尝试去理解这个人试图通过愤怒做些什么。但要做到这一点，我们需要更好的工具来读懂字里行间的含义。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。