Tu chiamale se vuoi emozioni: metodi e strumenti per l’analisi emotiva dei testi

Il seminario verte sulla spiegazione del significato di emozione, definendone e analizzandone le componenti principali. Introdurrà poi metodi e strumenti per l’analisi emotiva dei testi, come: Lessici Emotivi e la Emotion Detection, strumenti le cui metodologie vengono applicate allo studio e all’interpretazione dei testi letterari.

Che cosa si intende per emozioni?

Ognuno di noi sa cos’è un’emozione, darne però la definizione non è così semplice.

“Everyone knows what an emotion is, until one is asked to give a definition”. Fehr & Russell (1984)

In letteratura esistono due principali modalità per trattare le emozioni:

• individuare e trattare il continuum emotivo a partire da poche emozioni di base
• descrivere le emozioni utilizzando un insieme di dimensioni

Individuare le emozioni di base

Le emozioni di base sono tutte quelle emozioni che non possono essere generate da altre, ma da cui è possibile derivare tutte le altre emozioni combinandole e variandone l’intensità. Oltre a ciò, si definiscono sempre emozioni di base tutte quelle emozioni che vengono riscontrate nell’uomo a prescindere dalla cultura, dalle condizioni sociali e/o fisiche e che sono tali, dunque, per cause evolutive (Ekman, 1982).

I sistemi di emozioni di base più usati sono:

- Le emozioni di base di Ekman

Sostiene che il principio di inclusione è l’universalità dell’espressione fisiologica dell’emozione. A prescindere dal tempo, dallo spazio e da influenze culturali l’uomo esprime sei emozioni di base allo stesso modo. Queste sei emozioni sono: gioia, tristezza, paura, rabbia, sorpresa e disgusto.

Per Ekman queste emozioni sono sì primitive, ma non combinabili. Non è così per Plutchik che sostiene il contrario.

{% include figure.html image=“images/seminar-images/emozioni/emozionidibase.jpg” caption=“Le emozioni di base di Ekman, sito it.manuelcappello.com” %}

- Le emozioni di base di Plutchik

Riconosce le sei emozioni di base più altre due: gioia, fiducia, paura, sorpresa, tristezza, disgusto, rabbia e aspettativa. Le distribuisce su una ruota, e le riconosce come prodotti di processi evolutivi, cioè di tutte quelle emozioni che ci hanno portato ad oggi. Queste otto emozioni sono per Plutchick collegate sia per opposizione: gioia-paura, fiducia-disgusto, sia su base della loro intensità: una gioia meno intensa può essere definita serenità, mentre una gioia più intensa è definita estasi.

Al contrario di Ekman, per Plutchik queste emozioni sono combinabili. La presenza di più emozioni è definita Diade. Esistono più diadi, più o meno probabili, che danno vita alle altre emozioni che noi conosciamo. Esistono quattro livelli di diadi: diade primaria, diade secondaria, diade terziaria e diade opposta.

Amore è la combinazione di gioia e fiducia, primary dyad.

{% include figure.html image=“images/seminar-images/emozioni/ruotaemozioni.jpg” caption=“Le emozioni di Plutchik, sito stefanopigolotti.it ” %}

{% include figure.html image=“images/seminar-images/emozioni/diadi.webp” caption=“Diadi emozioni, sito Reddit.” %}

Individuare le emozioni secondo le dimensioni emotive

Le emozioni possono essere individuate anche secondo delle dimensioni.

Russell (1980) propone due dimensioni: arousal e valence.

Con arousal, ovvero attivazione, si intende l’intensità dell’attivazione psicofisiologica di un organismo (cioè dal sonno all’eccitazione diffusa).

Con valence, ovvero valenza, si va ad indicare la connaturata attrativa (valenza positiva) o l’avversione (valenza negativa) di un evento, oggetto o situazione.

{% include figure.html image=“images/seminar-images/emozioni/emotionalgraphic.png” caption=“Le dimensioni di Russell, sito google.com” %}

Secondo lo schema: emozioni come l’euforia vanno a ritrovarsi in una posizione di high arousal e positive valence, HA/PV.

Capita a volte che emozioni diverse (paura e rabbia) si ritrovino nella stessa posizione. Per far fronte a ciò, si aggiunge quindi una terza dimensione: dominance, ovvero la dominanza. In questo caso, aggiungendo il grado di controllo che si ha verso una situazione o evento, si possono distinguere paura e rabbia: nella seconda si ha più controllo che nella prima.

{% include figure.html image=“images/seminar-images/emozioni/valence.png” caption=“Valence, arousal and dominance, sito researchgate.net” %}

Tali dimensioni, vengono definite anche dimensioni primarie del significato (Osgood et al., 1957):

• la valenza che corrisponde alla valutazione di qualcosa che può essere percepito come buono/cattivo.
• la dominanza, ovvero la potenza, percezione forte/debole.
• la attivazione che corrisponde alla attività, percezione tra passivo e attivo.

SAM (Self Assesment Manikin)

Durante la fase di annotazione per richiedere il giudizio sulle tre dimensioni, si fa uso di SAM, il Self Assesment Manikin, di Bradley and Lang (1994).

SAM vede la rappresentazione delle tre dimensioni come tre ‘omini’ che secondo una scala, cambiano di dimensione, per esempio: la dominanza è prima rappresentata come un omino molto piccolo, che va via via crescendo perchè si sente in maggior controllo.

{% include figure.html image=“images/seminar-images/emozioni/sam.png” caption=“Esempio di Self Assessment Manikin, sito researchgate.net” %}

Il rapporto tra parole ed emozioni

Esistono diverse categorie di rapporti tra parole ed emozioni:

1. Emotion Label (Johnson & Oatley, 1989), con questo termine si fa riferimento a tutte quelle parole che denotano le emozioni distinguendo tra sette categorie, le quali sono:

   1. Emozioni generiche, di cui fanno parte parole come emotions e sentiments.
   2. Emozioni di base, ovvero quelle di Plutchik.
   3. Relazioni emotive, parole che rappresentano la relazione tra chi subisce l’emozione e su cosa si proietta tale emozione.
   4. Emozioni causate, di cui il soggetto conosce o ne conosce parzialmente la causa.
   5. Causativi, ovvero quando non solo il soggetto subisce una emozione ma la può ricreare in altri soggetti.
   6. Obiettivi emotivi, ovvero tutte quelle parole legate ad emozioni come il desiderio, quindi qualcosa che il soggetto desidera o ricerca molto.
   7. Emozioni complesse, ovvero quelle che Plutchik definisce come diadi.

2. Associazioni embodied, termine con il quale si fa riferimento sia a quelle espressioni fisiologiche o somatiche dell’emozione come “lacrime” o “risata”, sia parole emotion laden cioè che non nominano un’emozione ma possono provocarla, evocando le emozioni in base all’attivazione di frame cognitivi, come “mamma” che viene associata gioia e rassicurazione o “guerra” che viene associata a disgusto, rabbia e tristezza.

3. Associazioni linguistiche, termine con il quale si va a descrivere quelle situazioni in cui la parole si lega all’emozione durante l’uso di questa. Si parla di rapporti co-occorenti dell’emotion label come nelle locuzioni “ospite a sopresa”: di per sè la parola ospite non richiama la sorpresa ma esistendo in questa locuzione la si lega ad emozoni come appunto la sorpresa. Si parla anche di rapporti co-occorenti con altre parole emotion laden come “futuro” in contesti positivi o negativi, parole che vanno a richiamare emozioni positive o negative in base al contesto in cui questa parola viene utilizzata.

   Esistono asoociazioni linguistiche date da metafore: quando concettualiziamo qualcosa di astratto ancoriamo l’astratto a qualcosa di più concreto, questo trammite metafore concettuali che vengono realizzate trammite metafore linguistiche e lessicali. Dal punto di vista metaforiche le emozioni sono un territorio molto fertile, le metafore lessicalizzate per esempio, molte sono quelle legate alla gioia che la vedono come una ‘luce’ quindi il “sentirsi radioso”.

Metodi e strumenti dell’analisi emotiva dei testi

I metodi e strumenti dell’analisi emotiva dei testi sono:

• Lessici e corpora annotati in base alle emozioni
• Emotion Detection ed Emotion Analysis, cioè metodologie computazionali per il rilevamento delle emozioni

I lessici emotivi

I lessici emotivi sono risorse linguistiche sviluppate annotando liste di parole in base alle emozioni ad esse associate. Le modalità di annotazione, di selezione del lessico e anche le emozioni prese in considerazione possono divergere a seconda dello studio e dell’obbiettivo della risorsa.

Generalmente esistono delle tendenze comuni nella creazione di tali risorse:

• Annotazione manuale o automatica: l’annotazione manuale può essere in un primo caso fatta da esperti, in un secondo caso tramite crowdsourcing, questo avviene quando chi annota è una persona anonima, in questo caso però avviene un controllo parziale e non totale degli annotatori. L’annotazione automatica invece, avviene tramite strumenti come siti e piattaforme, spesso però a pagamento.

• Emozioni categoriali o dimensioni emotive: i lessici emotivi possono essere annotati secondo: la categoria delle emozioni di base di Ekman, la categoria che si rifà alla ruota di plutchik o secondo dimensioni emotive, come VAD o Sentiment (in quest ultimo caso si usa solo la dimensione della polarità delle emozioni).

La maggioranza delle risorse è creata ed utilizzata per la lingua Inglese o traduzioni dalla lingua Inglese.

Una volta raccolti i dati, i lessici vengono aggregati per maggioranza, in tal modo da tanti annotazioni ne deriva solo una.

Esempi di lessici emotivi (per la lingua Inglese):

• il WordNet Affect Lexicon (Strapparava & Valitutti, 2004) che si basa su una annotazione parzialmente manuale poi estesa automaticamente, ovvero: alcuni esperti hanno annotato un certo numero di parole, ed in seguito il lessico è stato esteso basandosi sul presupposto che se parola X e parola Y sono sinonimi, allora significa che queste due corrispondono alla stessa emozione.

• il Fuzzy Affect Lexicon (Subasic & Huettner, 2001), il quale contiene circa 4000 lemmi con corrispondente PoStag, annotato manualmente utilizzando ben 83 categorie affettive “basic”, cioè tantissime assegnazioni tra emzione e lessici.

Il lessico emotivo utilizzato più in assoluto, sempre per l’Inglese, è: EmoLex (Mohammad & Turney, 2013):

• Contiene più di 24.200 parole
• L’annotazione è manuale tramite crowdsourcing, (in questo caso gli annotatori sono stati pagati)
• Categorizzato secondo le emozioni di base di Plutchik
• Gli annotatori hanno selezionato parole tra diverse intensità di assocazione, le quali sono: non associato, debolmente associato, moderatamente associato e fortemente associato. Prima di tale associazione però, gli annotatori dovevano rispondere alla domanda ‘se conoscessero o meno il significato esatto della parola’ che stavano annotando.
• I risultati sono stati aggregati per maggioranza
• La traduzione di EmoLex tramite Google Translate è disponibile per più di 100 lingue

Esempi di Lessici emotivi per la lingua Italiana

• ANEW (Montefinese et al., 2014) adattamento italiano delle Affective Norms for English Words, contiene circa 2000 parole ed ha una annotazione manuale semi-controllata perchè fatta da studenti, in base alle dimensioni emotive VAD (valence, arousal, dominance).

  Questa risorsa è stata adattata anche ad altre lingue come il Portoghese, sussiste però un problema: la selezione del lessico era secondo la lingua Inglese però nel momento in cui è stata adattata ad altre lingue, sono state perse tutte quelle parole che in una lingua sono legate ad una emozione mentre in un’altra lingua no.

  I partecipanti hanno in oltre fornito valutazioni di tre indici psicolinguistici soggettivi, che sono familiarità, immaginabilità e concretezza. A tali indici sono stati aggiunti successivamente altri cinque indici oggettivi, tra cui la frequenza della parola e la lunghezza.

• Depeche Mood+++ (Araque et al., 2022) ad annotazione automatica, creato prima per l’Inglese poi adattato all’Italiano, in questo caso sono state utilizzate come fonte le reazioni dei lettori del Corriere della Sera: alla fine di ogni articolo il lettore poteva selezionare tra categorie diverse fornite dal questionario: ‘questo articolo come ti ha reso? indignato/preoccupato/triste/divertito/soddisfatto’. Il metodo di annotazione è stato dato dalla moltiplicazione di matrici, a partire dall’emozione generale del testo sono state estratte tutte quell’emozioni collegate a parole, e sono state quindi annotate diverse parole.

• ItEM (Passaro et al., 2015; Pollacci, Passaro & Lenci, 2016) è la prima risorsa creata effetivamente per la lingua Italiana. Costruita su annotazione parzialmente manuale, è stata costruita attraverso tre processi consecutivi:

  1. collezione ed annotazione di un piccolo set di cinque lemmi-semi legati alle emozioni di base di Plutchik attraverso un paradigma di elicitazione di feature proposto online. In questa prima fase, per quanto riguarda rabbia, gioia, tristezza non ci sono stati problemi, mentre aspettativa è stata tradotta come attese che ha prodotto una serie di assocazioni come attesa-treno. Successivamente tutte quelle parole simili a treno sono state legate alla parola anticipation, facendo così è stata persa di vista quella che era la vera emozione di base.
  2. Espansione della lista di parole tramite metodi di semantica distribuzionali.
  3. Estrazione automatica delle annotazioni emotive e validazioniìe di queste tramite crowdsourcing.

Come conseguenza a ciò, è nata:

• ELIta (progetto di dottorato della Dott.ssa Eliana di Palma).

  Risorsa lessicale italiana annotata da parlanti di madrelingua italiana, conta circa 6000 parole particolarmenti aderenti all’uso della lingua Italiana. Ha una annotazione sia categoriale che dimensionale, annotata tramite crowdsourcing con un sito personalizzato per lo scopo: per esempio la possibilità di scegliere il numero di parole, o di annotare solo ciò che si conosce. A questa fase si aggiunge una fase a pagamento, con libertà di annotazione. La risorsa dispone della presenza di emoji per l’analisi di testi anche da Social Network, e a differenza di altre risorse, ELIta non prevede una aggregazione dei dati, esiste una versione anche aggregata ma tendenzialente tende a non essere aggregata.

  Nella versione non aggregata, ci sono per ogni parola cinque assocazioni minime, di cui si tiene conto del genere e fascia di età. In un’altra versione vengono mantenute le cinque annotazioni a cui si aggiunge un’altra annotazione “golden standard” basata sul voto di maggioranza. Nelle versioni aggregate sussiste la ambivalenza tra sia le annotazione originali sia le annotazioni per maggioranza.

La stessa parola attiva le medesime associazioni emotive?

Un ulteriore passo può essere quello di analizzare come una parola viene percepita tra i singoli parlanti.

Non in tutti i parlanti la stessa parola attiva la madesima associazione emotiva, questo avviene quando ci sono differenze sia interlinguistiche sia intralinguistiche (l’uso di differenti risorse linguistiche permette di confrotare tali differenze), ed anche quando ci sono differenze che dipendono da fattori socioculturali e demografici.

Con l’annotazione delle stesse parole sia tramite ANEW che ELIta è possibile individuare già certe differenze: vedi la parola “lesbica” che dieci anni fa era percepita come negativa, mentre ad oggi positiva.

inserire schema se possibile tratto dalle slide di eliana

In oltre, è possibile analizzare certe parole in relazione ad emozioni demografiche, ovvero si parla della fiducia media che uomini e donne hanno in un relazione: in questo caso la fiducia media degli uomini verso parole come nozze, partner o sposo è reltivamente più alta rispetto a quella media delle donne.

inserire schema slide eliana

Opportuno è ricordare che questo criterio è utilizzato anche nelle studio delle dimensioni emotive, ovvero ci sono differenze nell’annotazione di parole tra uomini e donne: le donne tendono a dare giudizi più alti e negativi rispetto alla loro controparte maschile. Tutto ciò è perfettamente coerente con i rapporti tra le dimensioni, una maggiore attivazione è spesso legata ad emozioni negative, vedi la rabbia che ha una attivazione molto più alta di altre emozioni.

Emozioni in letteratura: Utilizzo dei metodi e strumenti dell’Emotion Detection

Con Emotion Detection si fa riferimento alla metodologia che, utilizzando i metodi computazionali per l’elaborazione del linguaggio naturale, ha come scopo la determinazione ed individuazione dell’emozione.

I sistemi di rilevamento delle emozioni vengono addestrati osservando le associazioni tra parti di testo ed emozioni, per cui il lessico emotivo risulta uno degli strumenti. Il tipo di testo e la fonte possono variare (twitts su Twitter o commenti su Youtube), così come lo schema di emozioni utilizzato e il modo in cui le emozioni vengono assegnate ai testi.

Esistono diverse metodologie per l’utilizzo dell’Emotion Detection: le emozioni possono lasciare forti impronte linguistiche che definiscono il tono di un test (Johnson-Laird & Oatley, 1989), ciò richiede l’uso di diverse metodologie basate su features linguistiche, cioè lessici emotivi e dimensioni, così da poter individuare le emozioni.

Alcuni esempi sono:

• Neviarouskaya et al. (2009): Propongono regole per formulare come nomi, verbi o aggettivi dominano l’emozione nella frase corrispondente e li combinano con modificatori.
• Gao et al. (2014): Utilizzano caratteristiche basate sulla dipendenza per la classificazione, incluse le negazioni.
• Agrawal e An (2012): Propongono un framework non supervisionato per l’estrazione di emozioni dalle frasi basato sulla relazione semantica tra parole e vari concetti emotivi.

Gli archi emotivi

L’Emotion Detection è anche uno strumento per lo studio di archi emotivi.

Un arco emotivo è simile ad un arco narrativo, cioè la costruzione cronologica di una trama: molto spesso, quasi tutte le storie iniziano con un momento di calma, seguito da un evento che scatena l’azione , quindi un climax, per poi concludersi con il risolvimento del problema della trama. Stessa cosa succede dal punto di vista emotivo: c’è un primo momento iniziale con un basso livello di paura, un secondo momento in cui la paura aumenta per poi diminuire di nuovo sul finaale.

L’arco narrativo più famoso è stato introdotto da Freytag (1863).

{% include figure.html image=“images/seminar-images/emozioni/freytags.jpg” caption=“Piramide di Freytag, sito Writers.com” %}

Un arco emotivo presenta picchi e valli cronologici che corrispondono al grado in cui una certa emozione viene espressa nel testo.

Lo studio di come queste emozioni si dispongono lungo il tempo porta alla distinzione tra diversi generi letterari. Ogni genere letterario tende ad avere un proprio arco emotivo con distinzioni più o meno elevate: studiando la presenza di gioia in diverse storyline, possiamo distinguere tra generi di romance e generi di adventure.

Alcuni studi hanno analizzando quelle che sono le tendenze dal punto di vista emotivo legate ai testi letterari:

• Analisi delle emozioni nelle storie, Reagan et al., 2016. L’obbiettivo di questo studio è stato quello di comprendere automaticamente la struttura narrativa di una storia nel suo complesso, ispirandosi al concetto di “archivi emotivi” di Kurt Vonnegut.

  Tramite la ricerca di archi emotivi, in particolare felici e tristi, quindi la ricerca di gioia e tristezza, hanno analizzato 1.327 libri popolari e hanno individuato la presenza di caratteristiche comuni tra le trame: ovvero i 6 archetipi emotivi.

  1. Ascesa detta anche “Dalla miseria alla richezza”: storie che hanno una partenza triste quindi bassa, per poi avere un incremento positivo costante fino alla fine.

  2. Caduta o “Tragedia”: storie con una partenza alta e positiva, ma con una diminuzione costante verso la fine (va sempre peggio).

  3. Caduta-ascesa o “Man in a hole”: storie con un inizio positivo, interrotto da qualcosa di negativo e successivo recupero verso la fine.

  4. Ascesa-Caduta o “Icaro”: in questo caso, storie con un picco a metà di felicità e poi discesa verso la fine.

  5. Ascesa-Caduta-Ascesa o “Cenerentola”: in questo caso si parla di fluttuazioni, come per l’appunto la storia di Cenerentola che ha un primo momento negativo (morte del padre), seguito da un momento positivo (ballo con il principe), seguito da un altro momento negativo (ricerca della proprietaria della scarpetta di cristallo) ed infine un finale positivo.

  6. Caduta-Ascesa-Caduta o “Edipo”: fluttuazioni ma con una conclusione negativa.

Gli archetipi più letti sono Icaro, Edipo e Man in a hole.

Il vocabolario emotivo

Queste classificazioni sono date dallo studio delle sole emozioni gioia e tristezza, ci sono però altre classificazioni dei generi letterari date dal vocabolario emotivo: l’indivduazione delle emozioni nei testi letterari può fornire informazioni circa il genere del testo. Le emozioni sono espresse con parole che suscitano tali emozioni (Johnson-laird & Oatley, 1989).

Analizzando le altre emozioni di base è possibile notare come i generi letterari trasmettono emozioni diverse basandosi su conoscenze comuni, quindi il genere horror instilla paura, il mistery evoca aspettativa e rabbia. i romanzi rosa trasmettono gioia e amore.

{% include figure.html image=“images/seminar-images/emozioni/curve2.jpg” caption=“Tendenze dei generi letterari, Investigating the Relationship between Literary Genres and Emotional Plot Development sito researchgate.net” %}

Osservando l’immagine si piò notare come in primis, esistono delle tendenze comuni, ed in oltre come i testi più famosi rispetto ad un genere sono quelli che si distinguono di più dalla tendenza generale.

Il lieto fine

L’Emotion Detection può essere utilizzata anche come strumento di riconoscimento automatico dei “lieto fine” nei romanzi, studio di Zehe et al., 2016.

In questo si va a distinguere le storie che finisco bene da quelle che finisco male. Questo avviene grazie l’uso di lessici emotivi: quindi calcolando i valori di sentiment per ogni n segmento (di lunghezza uguale) della storia tramite il conteggio delle parole trovate. Tramite la segmentazione dei testi è possibile studiare dove c’è un picco finale di positività o negatività.

Questo studio è stato applicato anche alle fiabe dei fratelli Grimm. Ogni fiaba (22 in totale) è stata divisa in cinque parti, e per ogni parte è stata calcolata la frequenza aggregata delle emozioni. Dai risultati si nota come le prime parti hanno meno emozioni, sono poi seguite da un pattern fluttuante dove trova una situazione in cui le emozioni aumentano e dimuniscono per poi concludersi con un finale a lieto fine. Nella parte finale di queste fiabe c’è anche però un aumento di negatività in quanto queste fiabe sono spesso caraterrizate da momenti di vendetta.

{% include figure.html image=“images/seminar-images/emozioni/grimm.png” caption=“Densità di parole negative nelle fiabe dei fratelli Grimm, sito researchgate.net” %}

Le differenze nelle emozioni tra fiabe e romanzi

Mohammad, (2011-2012).

L’Emotion detection può essere utilizzata anche come strumento di confronto tra fiabe e romanzi su densità e traiettorie emotive.

Tramite la valutazione di frequenza delle parole emotive ogni x parole, è possibile notare come si dispongono le emozioni nei testi ed è possibile vedere come le fiabe presentano un più alto numero di parole, rispetto ai romanzi, associate a anticipazione, disgusto, gioia e sorpresa, e un numero basso di parole legate alla fiducia rispetto ai romanzi.

EMoFiel: Uno strumento per analizzare le emozioni nelle storie

(Jhavar e Mirza, 2018).

L’Emotion detection può essere utilizzata anche come strumento di rilevazione di interazioni tra personaggi di un riassunto narrativo, ne analizza il flusso emotivo e organizza queste emozioni lungo la linea temporale della storia.

EMoFiel è uno strumento capace, attraverso due approcci di modellazione delle emozioni: modelli cstegoriali e modelli dimensionali, di analizzare il rapporto emotivo tra due personaggi della stessa storia, dall’inizio alla fine di essa. Grazie a tale strumento è possbile catturare la direzionalità di una emozione, determinando quale personaggio sia dominante in ogni interazione.

Adattamento dei lessici emozionali ai testi storici

Un’altro uso dell’Emotion Detection è quello di valutazione della modifica nel tempo di un aspetto emotivo, ovvero come le emozioni vengono definite nel tempo.

Il Lavoro di buechel et al. (2017), è stato quello di creare dei lessici effettivi adattabili a testi storici. Tramite l’analisi del testo in tedesco Deutsches Textarchiv diviso in 7 periodi temporali di 30 anni ciascuno e con l’utilizzo del modello di Valenza-Arousal-Dominance, il rusltato è stata la creazione di 7 lessici emotivi distinti per ogni periodo.

Questo ha permesso di tracciare i cambiamenti nelle associazioni emotive delle parole nel tempo.

Con l’Emotion Detection è possibile anche studiare come è cambiata la percezione di un certo luogo storico nel tempo analizzando testi di vari autori.

Analisi delle narrazioni personali delle “comfort women”

(Chen et al., 2012).

L’Emotion Detection è stata utilizzata in questio studio il cui obbiettivo era quello di comprendere le narrazioni personali delle “comfort women” coreane, costrette alla schiavitù sessuale dall’esercito giapponese durante la Seconda Guerra Mondiale.

Attraverso una analisi delle emozioni grazie al lessico WorldNet-Affect, sono state identificate delle parole chiave emotive nei racconti e sono state mappate delle frasi appartenenti a specifiche categorie emotive.

Sono state introdotte variabili di tempo e spazio per fornire un quadro unificato della memoria colletiva di questo evento storico, come testimoniato dalle vittime.

Cosa ci permette di fare l’analisi emotiva

Per riasssumere, L’Emotion Analysis ci permette di:

• Svelare le emozioni nascoste nei testi antichi.
• Confrontare le emozioni nei diversi generi letterari, valutando gli archi emotivi.
• Mappare l’evoluzione emotiva di un testo, valutare come le parole cambiano nel tempo.
• Analizzare le relazione tra personaggi.
• Rivivere gli eventi da una nuova prospettiva.

FINE