Bot da la palabra a hablantes no nativos en videoconferencia

Los hablantes nativos a menudo dominan la discusión en las reuniones multilingües en línea, pero agregar un participante automático que interrumpa periódicamente la conversación puede ayudar a los hablantes no nativos a hablar de manera inteligente, según una nueva investigación en Cornell.

Xiaoyan Li, estudiante de doctorado en el campo de la ciencia de la información, usó grupos multilingües para probar el útil bot, llamado agente conversacional, que estaba programado para intervenir después de que los hablantes nativos tomaran seis turnos consecutivos. El agente permitió que hablantes no nativos entraran en la conversación, aumentando su participación del 12 % al 17 % de todas las palabras habladas.

Si bien las personas que no tenían el inglés como primer idioma generalmente encontraron útil al agente, los hablantes nativos pensaron que las intrusiones distraían y eran innecesarias.

«Los hablantes no nativos apreciaron tener un espacio para reflexionar sobre la conversación y la oportunidad de hacer preguntas», dijo Li. «Además, al ser invitados a hablar, sintieron que sus compañeros de comunicación estaban valorando sus perspectivas».

Li presentó el estudio, «Mejora de la participación de hablantes no nativos con un agente automático en grupos multilingües», el 9 de enero en la Conferencia internacional de la Asociación de Maquinaria de Computación (ACM) sobre el apoyo al trabajo en grupo. El artículo está publicado en Actas de la ACM sobre interacción humano-computadora.

La inspiración para el estudio llegó a Li cuando era una estudiante nueva en Cornell, tratando de contribuir a las discusiones grupales en su seminario de comunicaciones. A pesar de hablar inglés con fluidez, a Li le costó identificar las lagunas naturales en la discusión y vencer a los hablantes nativos en las aperturas.

«Cuando los hablantes no nativos no hablan en clase, la gente asume que es solo porque no tenían nada que decir», dijo la coautora Susan Fussell, profesora del Departamento de Ciencias de la Información en el Cornell Ann S. Bowers College. de Informática y Ciencias de la Información, y en el Departamento de Comunicación de la Facultad de Agricultura y Ciencias de la Vida. «Nadie piensa que es porque tienen problemas para conseguir la palabra».

Para el estudio, Li reclutó a 48 voluntarios y los colocó en grupos de tres, con dos hablantes nativos de inglés y un hablante nativo de japonés reunidos en una videoconferencia. Los grupos completaron tres ejercicios de supervivencia, que implicaron discutir escenarios de desastres imaginarios y clasificar qué elementos (p. ej., hacha, brújula, periódico, etc.) rescatados de un barco, avión o nave espacial serían útiles para sobrevivir.

Un ejercicio involucró al agente automatizado y para otro, los grupos estaban solos. En un tercer ejercicio, los hablantes no nativos podrían activar en secreto al agente cuando quisieran hablar, en lugar de esperar a que interviniera. Sin embargo, los hablantes de japonés rara vez usaban esta opción por temor a interrumpir la conversación en el momento equivocado.

El agente usó el software de reconocimiento de voz automático IBM Watson para rastrear quién estaba hablando, y parpadeaba y saludaba para señalar una interrupción inminente. La coautora Naomi Yamashita, una distinguida investigadora de Nippon Telegraph and Telephone Corporation (NTT), construyó el agente.

Los esfuerzos anteriores para superar las barreras del idioma, como proporcionar transcripciones de reuniones, traducción automática de idiomas y gráficos que muestran el nivel de participación de todos, han fracasado. Por el contrario, el agente resultó notablemente exitoso, aumentando la participación de hablantes no nativos en un 40%.

En entrevistas posteriores a los ejercicios de supervivencia, los hablantes no nativos dijeron que el agente no siempre interrumpía en un buen momento, pero que ser puesto en el lugar los obligó a estar menos preocupados por su gramática, para poder concentrarse en transmitir sus ideas.

Los hablantes nativos, sin embargo, tenían una visión menos positiva del agente. «Los hablantes no nativos hablaban mucho menos, pero los hablantes nativos no lo sabían», dijo Li. «Así que culparon al agente por interrumpir cuando pensaban que la conversación era igual».

El grupo de Fussell ha desarrollado recientemente su propio agente y tiene varias mejoras propuestas para probar.

«Sería bueno si el agente solo interviniera cuando el hablante no nativo tuviera algo que decir, en lugar de simplemente ponerlo en un aprieto», dijo Fussell.

Pueden emplear señales más sutiles de que es hora de ceder la palabra, como mensajes privados a los hablantes nativos, o podrían usar inteligencia artificial o biosensores para determinar cuándo un hablante no nativo está listo para un hueco.