論文の概要: What makes for an enjoyable protagonist? An analysis of character warmth and competence
- arxiv url: http://arxiv.org/abs/2601.06658v1
- Date: Sat, 10 Jan 2026 19:21:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:00.92418
- Title: What makes for an enjoyable protagonist? An analysis of character warmth and competence
- Title（参考訳）: 楽しい主人公に何をもたらすか? : 性格の温かさと能力の分析
- Authors: Hannes Rosenbusch,
- Abstract要約: The Movie Scripts Corpusの2,858本の映画とシリーズを用いて、AIを利用したアノテーションを用いて主人公を特定し、彼らの温かさと能力の定量化を行った。
事前登録されたベイズ回帰分析では、温かさと能力と観客評価との間には理論に一貫性はあるが小さな関連性があることが判明した。
男性主人公は女性主人公よりわずかに暖かく、男性主人公の映画は平均して高い評価を受けた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drawing on psychological and literary theory, we investigated whether the warmth and competence of movie protagonists predict IMDb ratings, and whether these effects vary across genres. Using 2,858 films and series from the Movie Scripts Corpus, we identified protagonists via AI-assisted annotation and quantified their warmth and competence with the LLM_annotate package ([1]; human-LLM agreement: r = .83). Preregistered Bayesian regression analyses revealed theory-consistent but small associations between both warmth and competence and audience ratings, while genre-specific interactions did not meaningfully improve predictions. Male protagonists were slightly less warm than female protagonists, and movies with male leads received higher ratings on average (an association that was multiple times stronger than the relationships between movie ratings and warmth/competence). These findings suggest that, although audiences tend to favor warm, competent characters, the effects on movie evaluations are modest, indicating that character personality is only one of many factors shaping movie ratings. AI-assisted annotation with LLM_annotate and gpt-4.1-mini proved effective for large-scale analyses but occasionally fell short of manually generated annotations.
- Abstract（参考訳）: 心理学的・文学的理論に基づいて,映画主人公の暖かさと能力がIMDb評価を予測し,その効果がジャンルによって異なるかを検討した。
The Movie Scripts Corpusの2,858本の映画とシリーズを用いて、AIを利用したアノテーションを用いて主人公を特定し、LLM_annotateパッケージ([1]; human-LLM agreement: r = .83)でその温かみと能力の定量化を行った。
事前登録されたベイズレグレッション分析では、温かさと能力とオーディエンス評価の間には理論に一貫性はあるが小さな関係がみられたが、ジャンル固有の相互作用は予測を有意に改善しなかった。
男性主人公は女性主人公よりもわずかに暖かさが低く、男性主人公の映画は平均して高い評価を受けた(映画格付けと温かさ/コンピテンスの関係より何倍も強い)。
これらの結果は、観客は温かくて有能なキャラクターを好む傾向にあるが、映画評価への影響は控えめであり、キャラクターの性格が映画評価を形成する要因の1つに過ぎないことを示唆している。
LLM_annotateとgpt-4.1-miniによるAI支援アノテーションは大規模な分析には有効であったが、時には手動で生成されたアノテーションに欠けていた。
関連論文リスト
- Capturing Differences in Character Representations Between Communities: An Initial Study with Fandom [0.0]
本研究は,物語物語界の不可欠な部分であるキャラクタの再解釈に焦点を当てる。
オンラインファンダムをデータとして利用し、2つのコミュニティ間のキャラクター表現の変化を探索するために計算手法を適用した。
論文 参考訳（メタデータ） (2024-09-17T13:24:29Z) - Multi-channel Emotion Analysis for Consensus Reaching in Group Movie Recommendation Systems [0.0]
本稿では,3つの異なるチャンネルからの感情を調査し,グループ映画提案に対する新たなアプローチを提案する。
我々は,Jaccard類似度指数を用いて,各被験者の感情的嗜好と映画選択とを一致させる。
グループのコンセンサスレベルはファジィ推論システムを用いて計算される。
論文 参考訳（メタデータ） (2024-04-21T21:19:31Z) - Using Natural Language Explanations to Rescale Human Judgments [81.66697572357477]
大規模言語モデル(LLM)を用いて順序付けアノテーションと説明を再スケールする手法を提案する。
我々は、アノテータのLikert評価とそれに対応する説明をLLMに入力し、スコア付けルーリックに固定された数値スコアを生成する。
提案手法は,合意に影響を及ぼさずに生の判断を再スケールし,そのスコアを同一のスコア付けルーリックに接する人間の判断に近づける。
論文 参考訳（メタデータ） (2023-05-24T06:19:14Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳（メタデータ） (2022-06-01T00:45:32Z) - Finding the Right Moment: Human-Assisted Trailer Creation via Task Composition [63.842627949509414]
我々は、トレーラーに含まれる可能性がある映画、すなわちショットのトレーラーの瞬間を見つけることに重点を置いている。
私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。
教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争監督のアプローチで選択した映画からトレーラーの瞬間を選択する。
このツールを使うと、30分以内のトレーラーショットを選択でき、完全に自動的な方法よりも優れており、専門家による(排他的な)手動選択に匹敵する。
論文 参考訳（メタデータ） (2021-11-16T20:50:52Z) - Affect2MM: Affective Analysis of Multimedia Content Using Emotion
Causality [84.69595956853908]
本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。
私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
論文 参考訳（メタデータ） (2021-03-11T09:07:25Z) - Analyzing Gender Bias within Narrative Tropes [25.33293687534074]
本研究は,男女の偏見を多岐にわたるトロープの集合の中で調査する。
本研究は,映画,テレビ,文学で発生した1.9万件の事例に関連する30万件のトロープを含むオンラインユーザ作成リポジトリであるtvtropes.orgをクロールする。
本研究は,TVTROPESデータセットにおける各トロープの「ジェンダーネス」を自動的にスコアし,(1)高ジェンダーのトピックの分析,(2)ジェンダーバイアスと人気レセプションの関係,(3)作品作成者のジェンダーが使用するトロープの種類とどのように関連しているかを解析する。
論文 参考訳（メタデータ） (2020-10-30T20:26:41Z) - Computational appraisal of gender representativeness in popular movies [0.0]
本稿では、このような経験的観測をスケールアップするために、自動計算法がどのように用いられるかを説明する。
具体的には、30年以上にわたる人気映画の幅広いセットに顔と性別検出アルゴリズムを適用し、スクリーン上での男女のプレゼンスを大規模に評価する。
論文 参考訳（メタデータ） (2020-09-16T13:15:11Z) - Victim or Perpetrator? Analysis of Violent Characters Portrayals from
Movie Scripts [37.32711420774085]
メディアにおける暴力的なコンテンツは、視聴者の社会に対する認識に影響を与える可能性がある。
本稿では,映画における暴力の大規模分析を支援する計算手法を提案する。
論文 参考訳（メタデータ） (2020-08-19T02:18:53Z) - Measuring Female Representation and Impact in Films over Time [78.5821575986965]
女性は常に映画で過小評価され、最近になって映画における女性の表現が改善されるまではそうではなかった。
そこで我々は,新しい尺度,女性キャスト比を提案し,一般的に使用されているベクデル試験結果と比較した。
論文 参考訳（メタデータ） (2020-01-10T15:29:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。