Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Statistik# Rechnen und Sprache# Künstliche Intelligenz# Allgemeine Wirtschaftswissenschaften# Wirtschaftswissenschaften# Methodik

Das Geheimnis fesselnder Geschichten

Lern, wie die Erwartungen der Leser das Geschichtenerzählen und die Bindung beeinflussen.

Hortense Fong, George Gui

― 6 min Lesedauer


Wie LesererwartungenWie LesererwartungenGeschichten formenGeschichten.Erwartungen und dem Erfolg vonEntdeck den Zusammenhang zwischen
Inhaltsverzeichnis

Geschichten sind überall. Von Büchern über Filme bis hin zu TV-Shows fesseln sie unsere Aufmerksamkeit und beeinflussen oft unsere Gedanken und Gefühle. Egal, ob es ein spannendes Abenteuer oder eine romantische Erzählung ist, die Art, wie eine Geschichte erzählt wird, kann den Unterschied für das Publikum ausmachen. Aber warum halten einige Geschichten die Leute zum Lesen, während andere das nicht tun? Zu wissen, was die Aufmerksamkeit der Menschen fesselt, kann Autoren und Vermarktern helfen, besseren Content zu erstellen.

Was Macht Eine Geschichte Fesselnd?

Forscher haben untersucht, was Menschen dazu bringt, sich mit Geschichten zu beschäftigen. Während viele sich auf den tatsächlichen Inhalt von Geschichten konzentriert haben, übersehen sie oft, was die Leser als nächstes erwarten. Es geht nicht nur darum, was in der Geschichte passiert; es geht auch darum, was die Leser glauben, was in der Zukunft passieren wird. Dieser Glaube kann stark beeinflussen, ob sie weiterlesen oder ihre Gedanken dazu teilen wollen.

Traditionelle Analysemethoden hatten Schwierigkeiten, diese zukünftigen Erwartungen zu erfassen, weil die Daten oft chaotisch und kompliziert sind. Statt sich nur auf das Geschriebene zu verlassen, könnte das Verständnis der Überzeugungen der Leser darüber, wohin die Geschichte führt, wertvolle Einblicke liefern.

Ein Neuer Ansatz

Eine neue Idee taucht auf, die fortschrittliche Technologie nutzt, um herauszufinden, was Leser von Geschichten erwarten könnten. Mit grossen Sprachmodellen entwickeln Forscher eine Methode, die verschiedene mögliche Enden oder Fortsetzungen für eine Geschichte erstellen kann. So können sie sehen, wie Menschen auf verschiedene potenzielle Ergebnisse reagieren könnten. Es ist, als würde man eine Erzählung wie ein "Wähle dein eigenes Abenteuer"-Buch behandeln, aber statt dass die Leser wählen, macht die Technik das für sie.

So Funktioniert's

  1. Geschichten-Eingabe: Der Prozess beginnt mit einem Text, wie dem ersten Kapitel eines Buches. Da viele Geschichten lang und komplex sind, wird eine kurze Zusammenfassung der vorherigen Kapitel erstellt, um dem Modell zu helfen. So wird es nicht von zu viel Text auf einmal verwirrt.

  2. Impressionen Generieren: Das Modell schreibt verschiedene mögliche Fortsetzungen der Geschichte, indem es vorhersagt, was als nächstes passieren könnte. Stell dir vor, du fragst einen Freund: „Was denkst du, könnte passieren, wenn der Held nach links geht statt nach rechts?“

  3. Merkmale Extrahieren: Nachdem diese Möglichkeiten generiert wurden, analysieren die Forscher den Text, um bedeutungsvolle Merkmale herauszuziehen. Sie suchen nach Emotionen, Themen und Tempo, um die Geschichte besser zu verstehen.

  4. Engagement Analysieren: Schliesslich, indem sie die extrahierten Merkmale der generierten Fortsetzungen und des tatsächlichen Texts der Geschichte vergleichen, können sie bewerten, wie diese Faktoren das Engagement der Leser beeinflussen.

Ergebnisse der Studie

Als sie diese Methode auf über 30.000 Kapitel einer beliebten Online-Schreibplattform anwendeten, fanden die Forscher heraus, dass ihr Ansatz bedeutende Einblicke in die Auswirkungen von Erwartungen auf das Engagement bot. Die Studie zeigte, dass die Leute wahrscheinlich über Geschichten kommentieren oder abstimmen, basierend darauf, was sie denken, was als nächstes passieren wird.

Diese neue Methode zur Untersuchung von Geschichten führte zu folgenden Erkenntnissen:

  • Erwartungen Zählen: Leser werden von dem motiviert, was sie für wahrscheinlich halten, dass es in der Geschichte passiert. Wenn sie mit einer spannenden Wendung oder einer emotionalen Szene rechnen, sind sie eher geneigt, weiterzulesen.

  • Emotionale Reise: Der emotionale Ton dessen, was bereits gelesen wurde und was erwartet wird, beeinflusst, ob die Leser engagiert bleiben. Geschichten, die die Leser sowohl dazu bringen, mit positiven als auch mit negativen Momenten zu rechnen, halten oft länger ihre Aufmerksamkeit.

  • Unsicherheit Schafft Interesse: Wenn Leser sich nicht sicher sind, was als nächstes passieren wird, kann das ihre Neugier steigern und sie an die Seite fesseln.

Häufige Engagement-Metriken

Um das Engagement in Geschichten zu bewerten, konzentrierten sich die Forscher auf drei wichtige Masse:

  1. Weiterlese-Quote: Wie viele Leser sind zum nächsten Kapitel übergegangen? Wenn eine Geschichte sie packt, lesen sie weiter.

  2. Kommentier-zu-Lese-Quote: Dies misst, wie viele Leser Kommentare hinterlassen, nachdem sie gelesen haben. Eine hohe Kommentaranzahl deutet darauf hin, dass die Geschichte starke Gefühle oder Gedanken geweckt hat.

  3. Stimm-zu-Lese-Quote: Stimmen zeigen Zustimmung oder Freude an der Geschichte an. Wenn den Lesern gefällt, was sie sehen, sind sie wahrscheinlich bereit, dafür zu „stimmen“.

Herausforderungen bei der Messung des Engagements

Obwohl diese neue Methode faszinierende Einblicke bietet, gibt es auch Herausforderungen. Zum einen sind Geschichten vielfältig und kommen in vielen Variationen. Was für eine Horrorgeschichte funktioniert, funktioniert möglicherweise nicht für eine romantische Komödie. Ausserdem beruht die Technologie auf bestehenden Inhalten, die möglicherweise nicht jede Geschichtsart perfekt repräsentiert.

Leser unterscheiden sich auch in ihren Geschmäckern. Jemand, der actionreiche Handlungen liebt, wird möglicherweise nicht mit einer langsamen, charaktergeführten Erzählung engagiert sein. Das bedeutet, dass die Technologie helfen kann, es aber wichtig ist, sich daran zu erinnern, dass Geschichtenerzählen eine Kunst ist, und Kunst kann subjektiv sein.

Blick in die Zukunft

Dieser sich entwickelnde Ansatz eröffnet viele Möglichkeiten für Autoren und Vermarkter. Indem sie verstehen, was Leser erwarten, können Content-Ersteller Geschichten gestalten, die tiefergehender ankommen. Egal, ob es ein spannendes Ende oder eine humorvolle Wendung ist, das Wissen darüber, wie man Leser fesselt, könnte zu reicheren Erzählungen führen.

Mit dem Fortschritt der Technologie wird das Potenzial für die Modellierung von Leserwartungen nur wachsen. Es erinnert daran, dass Geschichten nicht nur aus den Wörtern auf der Seite bestehen; sie sind auch über die Verbindungen, die Leser in ihren Köpfen herstellen, basierend auf dem, was sie gelesen haben und was sie sich als Nächstes erhoffen.

Fazit

Am Ende sind Geschichten ein komplexes Zusammenspiel aus Emotionen, Erwartungen und Überraschungen. Zu verstehen, wie diese Aspekte zusammenkommen, um Engagement zu schaffen, kann Autoren und Vermarktern helfen, Inhalte zu erstellen, die beim Publikum ankommen. Mit neuen Tools und Methoden in der Hand können wir uns auf Geschichten freuen, die nicht nur unterhalten, sondern auch auf tiefere Weise mit den Lesern verbinden.

Also, das nächste Mal, wenn du in eine Geschichte eintauchst, denk daran, was du als nächstes erwartest. Es könnte deine Erfahrung verändern! Viel Spass beim Lesen!

Originalquelle

Titel: Modeling Story Expectations to Understand Engagement: A Generative Framework Using LLMs

Zusammenfassung: Understanding when and why consumers engage with stories is crucial for content creators and platforms. While existing theories suggest that audience beliefs of what is going to happen should play an important role in engagement decisions, empirical work has mostly focused on developing techniques to directly extract features from actual content, rather than capturing forward-looking beliefs, due to the lack of a principled way to model such beliefs in unstructured narrative data. To complement existing feature extraction techniques, this paper introduces a novel framework that leverages large language models to model audience forward-looking beliefs about how stories might unfold. Our method generates multiple potential continuations for each story and extracts features related to expectations, uncertainty, and surprise using established content analysis techniques. Applying our method to over 30,000 book chapters from Wattpad, we demonstrate that our framework complements existing feature engineering techniques by amplifying their marginal explanatory power on average by 31%. The results reveal that different types of engagement-continuing to read, commenting, and voting-are driven by distinct combinations of current and anticipated content features. Our framework provides a novel way to study and explore how audience forward-looking beliefs shape their engagement with narrative media, with implications for marketing strategy in content-focused industries.

Autoren: Hortense Fong, George Gui

Letzte Aktualisierung: Dec 12, 2024

Sprache: English

Quell-URL: https://arxiv.org/abs/2412.15239

Quell-PDF: https://arxiv.org/pdf/2412.15239

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Ähnliche Artikel