Focus Competitive Strategy

En el artículo158_{, tiene como objetivo proponer un modelo flexible y práctico para la}

toma de turnos que se basa en trabajos previos sobre modelos de estados finitos del foco de la conversación y se fundamenta en teoría de la decisión se enfoca a la detección de final de turno, obtuvieron como resultado:

El FSTTM (Denominado modelo máquina de estado finito para la toma de turnos) supera a todos los otros modelos (aunque sólo ligeramente comparado con el modelo de Ferrer.), mejorando la línea de base del umbral fijo en hasta 29,5%. 6.14 MODELOS DE TOMA DE TURNOS QUE TIENEN EN CUENTA LA EDAD

Y EL GÉNERO

Varios estudios que encuentran diferencias importantes en el comportamiento de la toma de turnos entre adultos y niños, además de encontrar diferencias entre los hombres y las mujeres, tales diferencias podrían llevar a niveles diferentes de igualdad de participación, se estudiaron los efectos de estas variables en el comportamiento de la toma de turnos como se puede apreciar en el artículo159_,

158 _{Raux, A., & Eskenazi, M. (2009a). A finite-state turn-taking model for spoken dialog systems. Proceedings} of Human Language Technologies The 2009 Annual Conference of the North American Chapter of the Association for Computational Linguistics on NAACL 09, (June), p. 629–637. [En línea].Disponible en

http://doi.org/10.3115/1620754.1620846.

159 _{Skantze, G. (2017). Predicting and Regulating Participation Equality in Human-robot Conversations.} Proceedings of the 2017 ACM/IEEE International Conference on Human-Robot Interaction - HRI ’17, (March), p. 196–204.[En línea].Disponible en http://doi.org/10.1145/2909824.3020210.

80

adicionalmente se buscaba que el robot estableciera un balance (un equilibrio entre el tiempo que habla el robot y el tiempo en el que un participante humano habla) en la conversación con humanos.

Atravesé de la investigación llegaron a la conclusión que no existía otro ensayo donde se explicara este tipo de estudio, donde el robot tratara de llevar un balance en una conversación con humanos. Realizaron un modelo lineal para explicar mediante el coeficiente de correlación que cuando se basaban en solo las miradas, para predecir el desbalance esto no era suficiente, pero en cambio, si tomaba en cuenta la mirada y además los datos de edad y género, el robot puede hacer una predicción más efectiva del desbalance en una conversación y tratar de balancear la conversación.

Elaboraron una fórmula de desbalance en los tiempos de conversación o habla:

Desbalance = 1 −𝑠𝑡𝑚𝑖𝑛

𝑠𝑡𝑚𝑎𝑥 (1)

Donde 𝑠𝑡_𝑚𝑎𝑥, denota el tiempo de conversación total para el orador que habla más, y 𝑠𝑡_𝑚𝑖𝑛 , denota el tiempo de conversación total para el otro orador.

Si (1), se aproxima más a cero quiere decir que la conversación es más balanceada, pero si se aproxima más a uno quiere decir que está muy desbalanceada.

Comprobaron varias teorías tales como, que los niños que conversan con adultos permiten al adulto regular la interacción, después recogen estos comportamientos reguladores y los emplean cuando hablan con otros niños. Adicionalmente, el estilo de conversación entre las mujeres se ha caracterizado por lo tanto como "cooperativo", mientras que la conversación entre los hombres es más "competitivo”. Se ha encontrado que las mujeres hablan menos que los hombres, y los hombres parecen interrumpir a las mujeres más que al revés.

Mencionan que la investigación es única con respecto a otros estudios porque el robot denominado Furhat, actúa no como un tutor, sino como otro participante, además las preguntas no son dirigidas hacia una persona, sino que son abiertas y se involucra el uso de objetos en la interacción.

Buen articulo ya que está muy completo, tiene muchas novedades que pueden ser útiles para el desarrollo de modelos de predicción de toma de turno, además se puede observar que un buen modelo de predicción tiene que tener en cuenta las miradas en conjunto con los datos de la edad y el género para que el robot pueda realizar conversaciones más equilibradas.

81

Las diferencias de género en la conversación han sido el centro de atención para los investigadores debido a los problemas de sondeo con respecto a los estereotipos, género, sociedad y cultura por esta razón en el artículo160_{, Analizaron}

varios programas de televisión y radio así como conversaciones de estudiantes universitarios para identificar cuáles de los géneros femeninos y masculinos toman más turnos en una conversación, los resultados son concretos en afirmar que las mujeres tomaron más turnos que los hombres en las tres modalidades.

Los resultados indican que las mujeres son más propensas a tomar turnos en la conversación, esto se puede atribuir a la sensibilidad interpersonal en lugar de la falta de asertividad. A pesar que los resultados son contundentes, existe la limitación porque el experimento se realizó en Pakistán, por lo tanto, no se puede asegurar que esto también ocurra en otros países, porque la cultura y el contexto pueden alterar los resultados, el experimento se podría mejorar si tuviera en cuenta culturas de otros países y llegar a generalizar los resultados tendría un mejor aporte investigativo a la toma de turnos.

En el artículo161_{, se analiza la toma de turnos en edades tempranas, Los niños}

empiezan a desarrollar habilidades para la toma de turnos en la infancia, pero tardan varios años en asimilar su creciente conocimiento del lenguaje con esta habilidad. El resultado del estudio destaca lo siguiente:

● La toma de turno de un bebé es diferente a la toma de turno de un adulto. ● Resultados experimentales y modelos actuales de producción de habla,

sugieren que se necesita aproximadamente 600 ms para producir una palabra de contenido y más tiempo para producir un enunciado.

● Un estudio de 10 idiomas encontró un promedio consistente de tiempo de transición de 0 -200 ms en los puntos de cambio de orador.

● Los adultos tienen mucha información a su disposición para ayudar a hacer predicciones precisas sobre el próximo contenido de turno (información léxica, sintáctica y prosódica).

● Las señales no verbales (por ejemplo, la mirada, postura y apuntador), suelen aparecer en los límites de los turnos y pueden a veces actuar como indicadores tardíos de un cambio de orador próximo.

160 _{Ghilzai, S. A. (2015). Conversational Analysis of Turn taking Behavior and Gender Differences in}

Multimodal Conversation Shazia Akbar Ghilzai December 2015. Perspectives in Language, Linguistics and Media.

161_{Casillas, M., & Frank, M. C. (2017). The development of children’s ability to track and predict turn} structure in conversation. Journal of Memory and Language, 92,p. 234–253.[En línea].Disponible en

82

● Entre los 4 y 9 meses los niños comienzan a reducir el número de turnos en que ocurre la superposición, mientras que también mejoran su respuesta promedio.

● Los niños de 6 meses siguen a los oradores conversacionales más con su mirada que cuando al menos un orador está mirando a otro.

● A los 10 meses los bebés esperan que la gente observe y hable con otras personas, y no con objetos.

● A los 12 meses, los bebés esperan ver respuestas a los enunciados verbales (pero no al habla), en los contextos cara a cara.

6.15 ESTADOS EMOCIONALES EN LAS CONVERSACIONES HUMANO-