20世纪20年代对声音的一次非凡实验

声音和性格的新分析

“十年前,听演讲的艺术几乎不存在。耳朵饿了,眼睛饱了。他们的炉边印了上百万张,在阴暗的大厅里,有几十个人坐在硬板凳上说话。广播改变了这一切。”

T H Pear教授,心理学教授,1931

这句话是皮尔《声音与个性》一书的开篇。当时,收音机正在改变世界。在那之前,很少能听到一个人没有看到他们。听众仅凭声音就能做出什么样的判断?这是一个让人着迷的问题汤姆Hartherley梨,英国第一位全职心理学教授。

这导致了1927年最显著的大众心理学实验,可能是史上第一次。皮尔说服英国广播公司让9个人出现在收音机上,在那里他们背诵了查尔斯·迪肯的《匹克威克外传》。这个广播时间发表了一份调查问卷,4000多人回答了他们对每个发言者的看法。

在我的书中现在你在说话,我概述了Pear的一些发现,并将其与关于声音的最新研究进行了比较。例如,Pear要求人们估计说话者的年龄。他发现,年轻健谈者的年龄往往被高估,而年长的谈话者则被低估了。后来的实验室研究证实了这一发现。

佩尔的书《声音和个性》的后面是632条文字回复。许多人对演讲者的评价都非常苛刻:

“无意识地使用他明显的习惯,暴露了自己,责骂,威吓的声音,带着讨厌的鼻音(我不是说口音)我的意思是邪恶。在这一段中没有任何东西需要这种感觉。他,我相信,是为了挑起纷争,一个最欺凌,不愉快的人。”

评论一下警官F R威廉姆斯的声音

有趣的是,Pear似乎没有分析这些文本响应。随着自然语言处理(NLP)在计算机科学,现在有了可以用来分析文本的数据挖掘工具。我想我可以看看使用这些工具从Pear书后面的免费文本回答中学到什么。

情绪分析

一种常见的文本挖掘技术是极性分析一般的情绪被描述的是量化的,看它是积极的还是消极的。广泛地说,它将一个句子中的阳性词总数(例如“happy”和否定词的数量(如“happy”和“happy”)。“悲伤”),用两个总数之间的差异来全面衡量一个句子的积极(或消极)程度。下面显示了各种谈话者的得分图。紫色条越大,对演讲者的评价越积极。


九个扬声器的极性分析。
(使用 sentimentr打包 R.所有回应的平均情绪及95%置信区间)

不同的说话者之间有明显的区别,随着H科布登特纳先生被写得最消极,马乔里·皮尔小姐吸引了最积极的情感。为什么?

看看情绪背后的字眼就明白了。下面是关于H科布登特纳先生的评论。这些只是文本中的单词,测试挖掘算法对这些单词进行评分,认为这些单词对于确定情绪非常重要。云中一个字越大,使用频率越高。

H·科布登·特纳先生常用的感伤词汇

大约五分之一的受访者写过科布登特纳先生紧张,例如:

“年轻、相当紧张或粗心;太仓促,读不懂。可能是在一个没有机会见到受过教育的人的办公室工作。”

评论H·科布登·特纳先生

特纳是一家工程公司的总经理,所以他紧张地向全国直播也就不足为奇了。皮尔已经指示演讲者“不要排练阅读,只是想知道这是怎么回事。”梨指出,“有些(谈话者)读起来并不容易。”总的来说,特纳的情绪分数基本上是中性的,因为人们使用的词汇大致平分为肯定和否定。

相比之下,马乔里·皮尔小姐的评价更为积极。

“这个女孩,不敢说女人,有很多的想象力,有时带着良好的表情阅读,好像她在为年轻人朗诵。她可能有一种讨人喜欢的举止,性格开朗。”

马乔里·皮尔小姐评语

看着下面马乔里·皮尔的《文字云》,最引人注目的是,大部分词汇都表达了积极的情绪。这无疑会使皮尔教授高兴,因为玛乔丽是他11岁的女儿!

给玛乔丽·佩尔小姐的普通情话

这是我第一次使用情绪分析。这无疑是一种快速了解文本的方法,对于量化反应和减少主观实验者的偏见是很有用的。但现在我想更深入地了解文本回复。为此,我需要应用一些其他的文本挖掘方法。有没有想过我接下来应该如何处理这些数据?请在下面评论。

你可以阅读更多关于声音如何塑造性格的最新研究,包括听众如何经常犯错,在现在你在说话.

广告

2对“20世纪20年代对声音的一次非凡实验

  1. 广播:更多关于声音和个性的信息声音博客狗万官方旗舰娱乐

  2. 广播:电台的声音|的声音博客狗万官方旗舰娱乐

留下答复

在下面填写您的详细信息或单击图标登录:

格拉瓦塔
WordPress.com的标志

您正在使用您的wordpress.com帐户进行评论。(注销/变化)

谷歌照片

您正在使用您的谷歌帐户进行评论。(注销/变化)

Twitter图片

您正在使用您的Twitter帐户进行评论。(注销/变化)

Facebook照片

您正在使用Facebook帐户发表评论。(注销/变化)

正在连接到%s

这个站点使用Akismet来减少垃圾邮件。了解如何处理评论数据.