Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Estadística # Computación y lenguaje # Inteligencia artificial # Economía General # Economía # Metodología

El secreto de las historias que atrapan

Aprende cómo las expectativas de los lectores moldean la narración y el compromiso.

Hortense Fong, George Gui

― 6 minilectura


Cómo las expectativas de Cómo las expectativas de los lectores moldean las historias de historias. expectativas y el éxito en la narración Descubre la conexión entre las
Tabla de contenidos

Las historias están por todas partes. Desde libros hasta películas y programas de televisión, nos atrapan y a menudo influyen en nuestros pensamientos y sentimientos. Ya sea una aventura emocionante o un cuento romántico, la forma en que se cuenta una historia puede hacer toda la diferencia para la audiencia. Pero, ¿por qué algunas historias mantienen a la gente leyendo mientras que otras no? Saber qué capta la atención de la gente puede ayudar a los escritores y mercadólogos a crear contenido mejor.

¿Qué Hace que una Historia Sea Atractiva?

Los investigadores han indagado en qué hace que la gente se involucre con las historias. Mientras que muchos se han centrado en el contenido real de las historias, a menudo pasan por alto lo que los lectores esperan que suceda después. No se trata solo de lo que está pasando en la historia; también es sobre lo que los lectores creen que sucederá en el futuro. Esta creencia puede afectar significativamente si quieren seguir leyendo o compartir sus pensamientos al respecto.

Los métodos de análisis tradicionales han tenido problemas para capturar estas Expectativas futuras porque los datos a menudo son desordenados y complicados. En lugar de depender únicamente de lo que está escrito, entender las creencias de los lectores sobre hacia dónde va la historia podría proporcionar información valiosa.

Un Nuevo Enfoque

Está surgiendo una nueva idea que utiliza tecnología avanzada para averiguar qué podrían esperar los lectores de las historias. Al emplear modelos de lenguaje grandes, los investigadores están desarrollando un método que puede crear diferentes finales posibles o continuaciones para una historia. Esto les permite ver cómo podría responder la gente según varios resultados potenciales. Es como tratar una narrativa como un libro de "elige tu propia aventura", pero en lugar de que los lectores elijan, la tecnología lo hace por ellos.

Cómo Funciona

  1. Entrada de Historia: El proceso comienza con un texto, como el primer capítulo de un libro. Dado que muchas historias son largas y complejas, se crea un resumen breve de los capítulos anteriores para ayudar al modelo. De esta manera, no se confunde con demasiado texto de una vez.

  2. Generación de Impresiones: El modelo escribe diversas continuaciones posibles de la historia, prediciendo lo que podría suceder a continuación. Piensa en ello como preguntar a un amigo: “¿Qué crees que podría pasar si el héroe va a la izquierda en lugar de a la derecha?”

  3. Extracción de Características: Después de generar estas posibilidades, los investigadores analizan el texto para extraer características significativas. Buscan emociones, temas y ritmo para entender mejor la historia.

  4. Análisis de Participación: Finalmente, al comparar las características extraídas tanto de las continuaciones generadas como del texto real de la historia, pueden evaluar cómo estos factores influyen en la participación de los lectores.

Resultados del Estudio

Al aplicar este método a más de 30,000 capítulos de una popular plataforma de escritura en línea, los investigadores encontraron que su enfoque proporcionó información significativa sobre cómo las expectativas impactan en la participación. El estudio reveló que las personas son propensas a comentar o "votar" por historias basándose en lo que creen que sucederá a continuación.

Esta nueva forma de examinar historias condujo a los siguientes hallazgos:

  • Las Expectativas Importan: Los lectores se sienten motivados por lo que creen que probablemente ocurrirá en la historia. Cuando esperan un giro emocionante o una escena emocional, es más probable que quieran continuar.

  • Viaje Emocional: El tono emocional de lo que ya se ha leído y lo que se espera influye en si los lectores permanecen comprometidos. Por ejemplo, las historias que llevan a los lectores a anticipar tanto momentos edificantes como desalentadores a menudo mantienen su atención por más tiempo.

  • La Incertidumbre Crea Interés: Cuando los lectores no están seguros de lo que sucederá a continuación, puede despertar su curiosidad, manteniéndolos pegados a la página.

Métricas Comunes de Participación

Para evaluar la participación en las historias, los investigadores se centraron en tres medidas clave:

  1. Tasa de Continuación de Lectura: ¿Cuántos lectores avanzaron al siguiente capítulo? Si una historia los atrapa, seguirán leyendo.

  2. Tasa de Comentarios por Lectura: Esto mide cuántos lectores dejan comentarios después de leer. Un alto número de comentarios sugiere que la historia evocó fuertes sentimientos o pensamientos.

  3. Tasa de Voto por Lectura: Los votos indican aprobación o disfrute de la historia. Si a los lectores les gusta lo que ven, es probable que "voten" por ello.

Desafíos en la Medición de la Participación

Si bien este nuevo método proporciona información fascinante, también hay desafíos. Por un lado, las historias son diversas y vienen en muchos sabores. Lo que funciona para una historia de terror puede no funcionar para una comedia romántica. Además, la tecnología depende de contenido existente, que puede no representar perfectamente cada tipo de historia.

Los lectores también varían en sus gustos. Alguien que ama tramas llenas de acción puede no comprometerse con una narrativa lenta centrada en los personajes. Esto significa que, si bien la tecnología puede ayudar, es importante recordar que contar historias es un arte, y el arte puede ser subjetivo.

Mirando hacia el Futuro

Este enfoque en evolución abre muchas posibilidades para escritores y mercadólogos. Al entender lo que los lectores esperan, los creadores de contenido pueden elaborar historias que resuenen más profundamente. Ya sea un final inesperado o un giro ligero, saber cómo involucrar a los lectores podría llevar a narrativas más ricas.

A medida que la tecnología sigue mejorando, el potencial para modelar las expectativas de los lectores solo crecerá. Sirve como un recordatorio de que las historias no son solo sobre las palabras en la página; se trata de las conexiones que los lectores hacen en sus mentes, basándose en lo que han leído y lo que esperan ver a continuación.

Conclusión

Al final, las historias son una compleja mezcla de emociones, expectativas y sorpresas. Comprender cómo estos aspectos se juntan para crear participación puede ayudar a escritores y mercadólogos a generar contenido que resuene con su audiencia. Con nuevas herramientas y métodos a nuestra disposición, podemos esperar historias que no solo entretengan, sino que también conecten con los lectores en niveles más profundos.

Así que, la próxima vez que te sumerjas en una historia, piensa en lo que esperas que suceda a continuación. ¡Puede que cambie la forma en que la experimentas! ¡Feliz lectura!

Fuente original

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

Resumen: 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.

Autores: Hortense Fong, George Gui

Última actualización: 2024-12-12 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2412.15239

Fuente PDF: https://arxiv.org/pdf/2412.15239

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

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Artículos similares