Die Weiterentwicklung von Konversationstechnologien regt neue Forschungsvorhaben zu den Mustern, Normen und sozialen Auswirkungen der Mensch-Maschine-Kommunikation als neuartigem Prozess an. Conversational Agents, ein weit verbreitetes Beispiel für Maschinen, die direkt mit Nutzern kommunizieren, werden in der Regel als weibliche Assistenten dargestellt. In dieser Studie soll empirisch untersucht werden, wie „geschlechtsspezifische“ Technologien die Interaktion beeinflussen und möglicherweise Geschlechterstereotypen in der Mensch-Mensch-Kommunikation verstärken können. Liu & Yao (2023) haben einen gemischten Methodenansatz angewandt, um die geschlechtsspezifischen Reaktionen und Bewertungen der Nutzer in der Interaktion mit Conversational Agents zu untersuchen. Zunächst beobachteten sie uneingeschränkte Interaktionen zwischen menschlichen Teilnehmern und Amazon Alexa in einem Labor und analysierten die Transkripte qualitativ, um geschlechtsspezifische Kommunikationshinweise zu erkennen. Anschließend führten sie mit einem 2 × 3 Design – Geschlecht des Teilnehmers: weiblich vs. männlich; Geschlecht der Conversational Agents: weiblich vs. männlich vs. neutral – ein Online-Experiment durch, bei dem Teilnehmer mit einem Chatbot interagierten. Die Ergebnisse zeigten, dass die Teilnehmer unterschiedliche Emotionen/Töne, Engagement, (Nicht-)Akkommodation sowie Glaubwürdigkeit, Anziehungskraft und Sympathie zwischen den Geschlechterpaaren Mensch-Conversational Agent beurteilten. Frauen bewerteten den Austausch mit einem Chatbot grundsätzlich skeptischer und weniger positiv als Männer, die schlechteste Bewertung gaben sie aber ab, wenn das Gerät mit einer weiblichen Stimme zu ihnen sprach. Ein Gerät, das klingt wie eine Frau, fanden sie im Durchschnitt am wenigstens sympathisch und wohlgesonnen, während Männer diese deutlich positiver bewerteten, egal ob die Stimme neutral, weiblich oder männlich klang. Die höchsten Sympathiewerte aber weckten bei ihnen Chatbots, die mit Männerstimme sprachen.
Literatur
Liu, Weizi & Yao, Mike (2023). Gender identity and influence in human-machine communication:A mixed-methods exploration. Computers in Human Behavior, 144, doi:10.1016/j.chb.2023.107750.
https://www.sueddeutsche.de/wissen/chatbot-1.5778834 (23-04-01)
Nachricht ::: Stangls Bemerkungen ::: Stangls Notizen ::: Impressum
Datenschutzerklärung ::: © Werner Stangl :::