محققان در یک پژوهش جدید، از مدلهای ترنسفورمر برای تحلیل ۴۰۰۰ ساعت مکالمات پارلمانی در چهار کشور اسلاو (کرواسی، چک، لهستان و صربستان) استفاده کردند.
این مطالعه با هدف بررسی «تکهها و مکثهای کلامی» (Filled Pauses) انجام شده است. جالب اینجاست که هوش مصنوعی توانسته الگوهای جالبی را کشف کند؛ از جمله اینکه:
🔹 سن و سرعت کلام تأثیر معکوسی بر میزان این مکثها دارند.
🔹 برخلاف باورهای قبلی، تأثیر جنسیت در این مکثها کاملاً به زبانِ گوینده بستگی دارد.
🔹 سیاستمداران اپوزیسیون نسبت به نمایندگان دولت، تمایل کمتری به استفاده از این مکثهای پرکننده کلام دارند!
این تحقیق نشان میدهد که چگونه ابزارهای مدرن هوش مصنوعی میتوانند در تحلیلهای پیچیده زبانشناسی و علوم سیاسی، ابعاد ناشناختهای از رفتار انسانی را برای ما روشن کنند. 📊✨
منبع: arXiv NLP