Mes collègues et moi avons utilisé l’intelligence artificielle pour analyser des centaines de milliers de dialogues sur les programmes d’information du câble afin de mieux comprendre le nature des interruptions dans les discussions politiques. Nous avons constaté que les femmes ont beaucoup moins d’occasions de parler dans ces contextes que les hommes, et peut-être en conséquence, elles ont tendance à interrompre plus souvent que les hommes.
L’analyse des interruptions à cette échelle fournit des informations significatives sur les dynamiques conversationnelles subtiles et sur la manière dont elles varient selon la race, le sexe, la profession et l’orientation politique. En plus des différences entre les sexes, nous avons constaté que sur CNN, Fox News et MSNBC, les conversations entre des personnes qui ont des convictions politiques opposées sont truffées d’interruptions beaucoup plus intrusives et hostiles que celles entre des personnes qui partagent une affiliation politique.
Je suis un informaticien qui utilise l’IA pour étudier des questions de sciences sociales. En collaboration avec étudiants chercheurs en IA de l’Université Carnegie Mellonnous avons développé des méthodes d’IA qui distinguent de manière fiable interruptions intrusives et hostiles de la part de ceux qui sont bénins. Les interruptions intrusives visent à reprendre une conversation ou à étouffer l’orateur, et les interruptions bénignes visent à soutenir l’orateur avec des informations utiles ou des indications d’accord.
Grâce à un effort d’un an, nous avons analysé 625 409 dialogues contenant des interruptions trouvées dans 275 420 transcriptions des trois réseaux d’information par câble couvrant janvier 2000 et juillet 2021. Nous avons constaté que les locuteurs féminins sur les réseaux ont sorti en moyenne 72,8 mots par chance de parler par rapport à 81,4 pour les locuteurs masculins. Nous avons également constaté que les locuteurs féminins s’interrompaient dans 39,4 % des dialogues contre 35,9 % pour les locuteurs masculins. Cependant, les femmes avaient un meilleur ratio d’interruptions bénignes à intrusives que les hommes : 85,5 % à 75,4 %.
Nos techniques d’IA pourraient être utilisées pour fournir une analyse d’interruption en temps réel des talk-shows, des interviews et des débats politiques. Les analyses post-débat ont révélé que lors du troisième débat présidentiel américain en 2020, Donald Trump interrompu deux fois plus comme Joe Biden. Les analyses en temps réel peuvent être utiles pour signaler les interrupteurs en série, informer le public pendant le débat et peut-être aider à assurer un discours civil.
Nous avons également étudié l’évolution des interruptions inamicales au cours de ces deux décennies. Cette recherche révèle que le taux d’interruptions hostiles ou intrusives a progressivement augmenté, la période de la campagne Trump-Clinton 2016 produisant la plus forte augmentation des interruptions intrusives parmi les commentateurs.
Cette discussion politique sur CNN entre des personnes de genres et de points de vue politiques différents comporte de nombreuses interruptions intrusives.
Ce résultat met en évidence l’approfondissement de la division politique aux États-Unis précédemment documentée dans la recherche sur les habitudes de consommation des nouvelles, représentations médiatiques d’enjeux majeurs tels que le maintien de l’ordre, discussions sur les médias sociaux des événements et le langage des audiences de nouvelles partisanes.
D’autres chercheurs ont étudié les interruptions du discours politique dans d’autres contextes que les émissions de nouvelles par câble, y compris discours législatifs.
Bien que les interruptions aient fait l’objet d’analyses approfondies dans littérature en sciences sociales Pendant des décennies, notre étude a utilisé des techniques d’IA pour étudier les interruptions à une échelle sans précédent.
Ce qui n’est pas encore connu
Les interruptions pourraient être catégorisées avec plus de nuances que de simplement les considérer comme intrusives ou bénignes. Nos méthodes actuelles ne sont pas assez robustes pour détecter ces nuances de manière fiable.
Notre analyse souffre également d’un biais de sélection car elle ne considère que les personnes qui sont apparues dans les principaux réseaux d’information et qui exercent donc probablement une influence sociale considérable. Nous ne savons pas si nos résultats seraient généralisables à des groupes plus larges, par exemple des politiciens masculins à tous les hommes.
Cet article est republié de La conversation sous licence Creative Commons. Lis le article original.