Simple Science

最先端の科学をわかりやすく解説

# 統計学 # 計算と言語 # 人工知能 # 一般経済学 # 経済学 # 方法論

魅力的なストーリーの秘訣

読者の期待がストーリーテリングやエンゲージメントにどう影響するかを学ぼう。

Hortense Fong, George Gui

― 1 分で読む


読者の期待がストーリーを形 読者の期待がストーリーを形 作る方法 らかにしよう。 期待とストーリーテリングの成功の関係を明
目次

物語はどこにでもあるよ。本や映画、テレビ番組から、私たちの注意を引きつけて、思考や感情に影響を与えることが多い。スリリングな冒険でも、ロマンチックな話でも、物語の語り方が観客にとって大きな違いを生むことがある。でも、なんでいくつかの物語は人を惹きつけ続けるのに、他のはそうじゃないんだろう?人々の注意を引くものを知ることで、作家やマーケターはより良いコンテンツを作ることができる。

物語を魅力的にするものは?

研究者たちは、物語に人がどのように関与するかを調べてきた。多くは物語の実際の内容に焦点を当てているけど、読者が次に何が起こると期待しているかを見落としていることが多い。物語で何が起こっているかだけじゃなく、読者が今後起こると信じていることも関係している。この信念は、彼らが読み続けたり、考えをシェアしたりしたいかどうかに大きく影響するんだ。

従来の分析手法は、未来の期待を捉えるのが難しかった。データがごちゃごちゃしていて複雑だから。書かれていることだけに頼るのではなく、物語がどこに向かっているかに対する読者の信念を理解することで、貴重な洞察を得られるかもしれない。

新しいアプローチ

新しいアイデアが出てきていて、先進的な技術を使って読者が物語から期待することを把握しようとしている。大規模な言語モデルを活用することで、研究者たちは物語のさまざまな可能な結末や続きが生成できる方法を開発している。これにより、人々がさまざまな潜在的な結果に基づいてどのように反応するかを見ることができるんだ。まるで物語を「自分で冒険を選ぶ」本のように扱うけど、選ぶのは読者じゃなくて技術がやってくれる。

どうやってするの?

  1. 物語の入力: プロセスは、本の最初の章のようなテキストから始まる。多くの物語は長くて複雑なので、モデルが混乱しないように前の章の短い要約を作成する。

  2. 印象の生成: モデルは、次に何が起こるかを予測しながら、物語のさまざまな可能な続きが書き出される。友達に「もしヒーローが右じゃなくて左に行ったら、どうなると思う?」って聞くような感じ。

  3. 特性の抽出: 生成した可能性を分析した後、研究者たちはテキストを分析して意味のある特性を引き出す。感情やテーマ、ペースを探って、物語をよりよく理解する。

  4. 関与の分析: 最後に、生成した続きと物語の実際のテキストから抽出した特性を比較することで、これらの要素が読者の関与にどのように影響するかを評価できる。

研究からの結果

この方法を人気のオンライン執筆プラットフォームの30,000以上の章に適用したところ、期待が関与に与える影響についての重要な洞察が得られた。研究では、人々が次に何が起こると思うかに基づいて物語にコメントしたり、「投票」したりすることが多いことが明らかになった。

この新しい物語の分析方法から以下の発見があった:

  • 期待が大事: 読者は物語で起こる可能性が高いと感じることに動機づけられる。スリリングなひねりや感情的な場面を期待していると、続きを読みたくなる。

  • 感情の旅: すでに読んだものと期待されるものの感情的なトーンが、読者の関与に影響を与える。例えば、読者が高揚感と落ち込みの両方の瞬間を期待する物語は、注意を引き続けることが多い。

  • 不確実性が興味を引く: 次に何が起こるかわからないと、読者はもっと好奇心を持ち、ページに引き付けられることがある。

よくある関与メトリクス

物語の関与を評価するために、研究者たちは3つの主要な指標に注目した:

  1. 読み続け率: どれだけの読者が次の章に進んだか?物語が彼らを引きつければ、続ける。

  2. コメント率: これがどれだけの読者が読んだ後にコメントを残したかを測る。高いコメント数は、物語が強い感情や思考を引き起こしたことを示す。

  3. 投票率: 投票は物語の承認や楽しさを示す。読者が見たものが気に入れば、「投票」する可能性が高い。

関与測定の課題

この新しい方法は興味深い洞察を提供するけど、課題もある。一つは、物語は多様でいろんなスタイルがあること。ホラーの物語に合うものが、ロマンティックコメディには合わないことがある。また、技術は既存のコンテンツに依存していて、すべての物語タイプを完全に表すわけじゃない。

読者の好みも様々。アクション満載のプロットが好きな人は、ゆっくりなキャラクター主導の物語に関与しないかもしれない。だから、技術が手助けできても、ストーリーテリングはアートであって、アートは主観的であることを忘れないことが大事だ。

未来を見つめて

この進化するアプローチは、作家やマーケターに多くの可能性を開く。読者が何を期待しているかを理解することで、コンテンツクリエイターはより深く響く物語を作れる。クリフハンガーの結末や軽やかなひねりでも、読者を引きつける方法を知ることは、より豊かな物語につながるかもしれない。

技術が進化し続ける限り、読者の期待をモデル化する可能性はますます広がる。物語はページ上の言葉だけでなく、読者が読んだものと次に見たいものに基づいて頭の中でつくるつながりについてもあるということを思い出させてくれる。

結論

結局のところ、物語は感情、期待、サプライズの複雑な織り成すものだ。これらの要素がどのように結びついて関与を生み出すかを理解することで、作家やマーケターは観客に響くコンテンツを作れる。新しいツールや手法が使えるようになったことで、単に楽しむだけでなく、読者とより深いレベルでつながる物語が楽しみだ。

だから、次に物語に飛び込むときは、次に何が起こると思うかを考えてみて。きっとそれが体験を変えるかもしれない!楽しい読書を!

オリジナルソース

タイトル: Modeling Story Expectations to Understand Engagement: A Generative Framework Using LLMs

概要: 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.

著者: Hortense Fong, George Gui

最終更新: Dec 12, 2024

言語: English

ソースURL: https://arxiv.org/abs/2412.15239

ソースPDF: https://arxiv.org/pdf/2412.15239

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

類似の記事

コンピュータビジョンとパターン認識 SPECTRUM: 感情を込めた動画キャプションの向上

SPECTRUMは、感情や文脈を取り入れて動画の字幕をより良い視聴体験にしてくれるよ。

Ehsan Faghihi, Mohammedreza Zarenejad, Ali-Asghar Beheshti Shirazi

― 1 分で読む