← 最新论文
💬 NLP

You Talkin to Me?: A Network Analysis of Gendered Speaker-Addressee Patterns in Film Screenplays

本文通过对电影剧本进行网络分析,旨在证明电影中的性别偏见不仅体现在说话时长上,还体现在对话的结构架构中,即男性角色在说话和被谈论方面均占据主导地位,且跨性别互动比更为弥散的同性别交流创造了更紧密的二元纽带。

原作者: Samin Khan, Camilla Griffiths, Shrikanth Narayanan, Dan Jurafsky, Sabyasachee Baruah

发布于 2026-07-28
📖 1 分钟阅读☕ 轻松阅读

原作者: Samin Khan, Camilla Griffiths, Shrikanth Narayanan, Dan Jurafsky, Sabyasachee Baruah

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

想象一下,你正走进一家熙熙攘攘的咖啡馆,但你不仅仅是在数有多少人戴着红帽子或蓝帽子,而是在观察谁正在与谁交谈。这就是计算社会科学的世界——在这个领域中,研究人员利用计算机来发现人类行为中隐藏的模式,就像侦探使用放大镜去寻找他人错过的线索一样。在这个特定的科学领域,专家们研究的是网络——指的不是互联网,而是人与人之间那张无形的连接网。他们研究同质性(homophily),这是一个高级词汇,意指“物以类聚”,即人们通常倾向于与那些与自己相似的人互动。他们还研究有向交互(directed interactions),这简单来说就是追踪谁发起了对话,以及谁正在被倾听。为什么这很重要?因为电影不仅仅是娱乐;它们是反映我们社会规则的巨大镜子。如果我们只计算一个角色在屏幕上出现了多少时间,我们可能会错过更深层的故事:谁拥有主导对话的力量,而谁又完全被排除在圈子之外?

这篇题为《你在跟我说话吗?》("You Talkin' to Me?")的论文深入探讨了38部电影剧本,旨在回答一个超越“谁说话最多?”的问题。它问的是:他们在和谁说话? 研究人员将电影对话视为一场巨大的“传声筒”游戏,但带有一个转折:他们手动绘制出了每一个角色直接对另一个角色说话的时刻,从而创建了一张包含4,600场对话的庞大地图。他们想看看性别是否像磁铁一样,将某些角色吸引在一起,或者将他们推开。

以下是他们的发现,情况比单纯的“男性说话更多”要复杂得多。

首先,他们观察了全局。事实证明,男性是对话图谱中的“VIP”。他们不仅说话最多,而且也是被谈论得最多的对象。这就像一场派对,男人们站在一个紧密的圆圈里,互相传球,而女性则往往在圈外徘徊,向内张望。即使在女性与男性人数相等的场景中,女性也不会突然发起一场“闺蜜聚会”式的对话。相反,女性往往会将注意力转向男性。这项研究表明,仅仅增加女性在银幕上的出现次数并不会自动改变谁能成为焦点;即使在女性并非多数的情况下,男性依然是注意力的核心目标。

其次,研究人员想知道:“当一男一女交谈时,是男性的说话量比女性更大吗?”你可能会预料到这是一条单行道,由男性主导对话。但数据令他们感到惊讶。当一男一女出现在同一个场景中时,对话实际上是非常平衡的。这是一种公平的交换,就像一场接球游戏,双方球员都平等地投掷球。这种不平衡并不是发生在男女混杂的聊天中,而是因为这类混合性别聊天发生的频率本身就低于全男性聊天。排斥发生在对话开始之前,而不是在对话过程中。

最后,团队观察了在某人发言之后会发生什么。他们使用了“参与度转移”(participation shifts)的概念,来观察一场对话是向更多人开放,还是收缩成私密的两人对话。他们发现了一个迷人的模式:当两个同性别的人交谈时(在这些电影中主要是男性对男性说话),对话往往会扩散。这就像一种涟漪效应;第三个人加入了进来,或者说话者转向了其他人,从而扩大了圈子。但当一男一女交谈时,对话往往会收缩。它变成了一个仅限于两人之间的、紧密的往复循环,就像一个将他人拒之门外的私人气泡。

所以,核心结论并不是男性只是在声音上盖过女性。而是对话本身的结构存在偏见。男性是那些通过邀请他人加入来维持派对热度的人,而跨性别聊天则倾向于保持规模较小且私密。这意味着,即使女性在场并正在发言,故事的“流向”往往仍将她们留在主流群体动态之外。这篇论文表明,真正的代表性不仅仅在于谁获得了台词,更在于谁能成为网络的中心,以及谁有权决定谁能加入这场狂欢。

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。

试用 Digest →