Amigos del Club del Lenguaje No Verbal, esta semana presentamos el artículo “Comparing Manual and Automated Coding Methods of Nonverbal Synchrony” de Fujiwara, K.; Bernhold, Q. S.; Dunbar, N. E.; Otmar, C. D. y Hansia, M. (2020), en el que se analiza, mediante comparación, métodos de codificación automáticos y manuales en un experimento de conversación cara a cara.
La sincronía interpersonal se ha definido como dos partes en una interacción que se involucran de manera similar debido a la coordinación rítmica de sus patrones de comportamiento.
Bernieri et al. definieron tres tipos de sincronía: ritmos de interacción, comportamientos simultáneos y mallado de comportamientos.
- Los ritmos de interacción se definen como las secuencias de comportamiento idéntico entre compañeros de interacción ocurridas a lo largo del tiempo.
- Los comportamientos simultáneos se definen como conductas idénticas entre los compañeros de interacción en el mismo momento.
- Finalmente, el mallado conductual se define como los compañeros de interacción que se comportan de una manera complementaria y forman un todo significativo.
Durante los últimos 60 años, los científicos sociales han estudiado la coordinación de los individuos en las interacciones sociales. Este cuerpo de estudios ha revelado que el movimiento armonizado entre los interactuantes se relaciona con la orientación compartida hacia sus intenciones y motivos. Sin embargo, uno de los debates académicos centrales de la sincronía no verbal es la temporalidad de esta. Las complicaciones para capturar el dinamismo de la sincronía dieron como resultado que gran parte de la investigación se centrara en cuestiones metodológicas, en contraposición a los procesos y funciones subyacentes a la sincronía.
La sincronía interpersonal pueda estudiarse desde una variedad de perspectivas teóricas. Por ende, el esquema de codificación utilizado para la investigación de sincronías debe alinearse con el marco teórico del investigador.
Un tipo de software que se desarrolló para ayudar a los investigadores a codificar datos conductuales es el sistema de anotación de comportamiento C# (C-BAS en inglés). Estudios recientes que analizan la comunicación engañosa lo han utilizado para respaldar el proceso de codificación. Un método automatizado para el análisis de sincronía se compone de dos partes: obtener datos de series de tiempo continuas y realizar un análisis de dichas series. Para obtenerlas hay varias opciones, que deben elegirse según la investigación. Por ejemplo, el software OpenFace proporciona puntos de referencia faciales y datos sobre la postura de la cabeza, lo que se centraría en el análisis facial del sujeto.
El ritmo y la sincronización son las dos principales propiedades de la sincronía. Mediante un análisis de espectro se pueden examinar ambas propiedades. La transformada de Fourier es uno de los tipos más conocidos de análisis de espectro. Esta técnica calcula una potencia espectral que indica la magnitud en la frecuencia de cada componente. Como limitación encontramos que este método asume que se produce una frecuencia estable o un patrón repetitivo en toda la interacción. En general, las interacciones diarias no suelen estar estructuradas y carecen de una frecuencia.
Así, la medición de la sincronía es una tarea compleja; no existe una correspondencia perfecta entre los diferentes métodos de medición. Sin embargo, la investigación ha comenzado a descubrir la convergencia entre las puntuaciones de sincronía derivadas de diferentes métodos. En consecuencia, es necesario saber si los métodos automatizados para analizar señales no verbales son mejores y más rápidos para recopilar la misma información que la codificación manual. Para profundizar en esta cuestión, los autores realizaron su propio estudio.
Los participantes de este estudio fueron 110 estudiantes de una universidad estadounidense. La muestra contaba con un 68% de mujeres y un 32% de hombres. Los participantes, de manera aislada, tuvieron tiempo para preparar de qué iban a hablar durante la interacción (tres cosas que les encantan de su universidad). Después, se dividió a los participantes en dos grupos, pidiéndoles que manipularan su nivel de participación en la interacción.
Al primer grupo se le asignó la condición de alta participación; se les dijo que parecieran lo más interesados y atentos posible. Al segundo grupo se les asignó una baja participación; debían parecer desatentos, distraídos o no involucrados en la interacción. Después, los participantes se reunieron en una sala en la que se sentaron uno frente al otro y mantuvieron una conversación sobre el tema escogido. La interacción duró aproximadamente de 6 a 11 min.
La sincronización compuesta por 11 categorías fue codificada manualmente a través del C-BAS por codificadores entrenados. Asimismo, los datos de movimientos corporales en series de tiempo se analizaron usando un software de análisis de energía de movimiento (MEA en inglés). Se cubrió todo el cuerpo de cada participante como una región de interés, no solo el rostro o la cabeza.
Los resultados revelaron lo siguiente. Las puntuaciones de sincronía obtenidas a través de la codificación manual y automática se correlacionaron significativamente. Asimismo, ambas produjeron una diferencia significativa entre las condiciones de participación, y hubo una asociación significativa con las medidas autoinformadas (proporcionadas por los participantes de acuerdo con su experiencia) para ambos métodos de codificación. Sin embargo, también revelaron algunos hallazgos inesperados.
Por un lado, la correlación de ambos métodos de codificación no fue tan fuerte como se esperaba. Esto se debe a que la codificación manual se centró en el propio comportamiento que la sincronía (por ejemplo, identificar un mismo gesto simultáneo entre dos participantes) mientras que la codificación automática analizó comportamientos diferentes si su tiempo coincidía.
En cuanto a los patrones de movimiento, la sincronía en esta banda de frecuencia podía consistir en una variedad de comportamientos, pero la sincronía de los movimientos de las manos sería representativa. Para los participantes, la sincronía podría percibirse como un todo organizado, no como una suma de comportamientos individuales emparejados.
Por otro lado, los resultados sugieren que la codificación manual o automatizada puede fortalecerse o debilitarse según las señales que se retengan. Así, aunque este estudio se centró en la sincronía no verbal de los movimientos corporales, OpenFace sería una mejor opción si los investigadores estuvieran interesados en la sincronía de las expresiones faciales. Para el estudio de la sincronización en los patrones vocales también se puede investigar con el software OpenSMILE.
La fiabilidad de los datos generados mediante codificación automatizada es bastante alta, siempre que los investigadores utilicen el mismo software. Aunque la velocidad de codificación depende de la potencia de la máquina, incluso en un estudio con una muestra grande la codificación podría completarse en un par de semanas. Sin embargo, actualmente la codificación manual puede ser más precisa y flexible en lo que se mide. Esto se debe a que los datos generados a través de la codificación automatizada son movimientos, no una conducta propiamente dicha.
Si el interés de los investigadores está en un comportamiento en particular, la codificación manual puede ser una opción razonable. Además de las empleadas por los autores, existen muchas otras técnicas para la codificación manual y automatizada de los que obtener información útil.
Si quieres saber más sobre el comportamiento no verbal y su relación con la sincronía no verbal y las interacciones sociales, visita nuestro Máster en Comportamiento No Verbal y Detección de la Mentira o nuestro Experto Universitario en Comunicación No Verbal y Personalidad, con becas especiales para los lectores del Club del Lenguaje no Verbal.
