Tension Analysis in Survivor Interviews: A Computational Approach

This study aims to develop computational techniques to analyze and identify points of tensions in interviews with survivors of the 1994 Rwandan genocide. Oral history interviews are a dialogical source composed of questions and answers, producing a conversational narrative. Yet survivor testimony is often approached as though the questions did not exist. This article examines a digital tool that helps us visualize and better understand the underlying interview dynamic that is the heart of oral history and qualitative research more generally. Our tension detection tool identifies those moments in the interview when the interviewer and interviewee are trying to pull the conversation in different directions. This is part of the natural give-and-take of the interview. Hedging, deflection, hesitation, and boosting are all critical components of this interviewer-interviewee tension. By making the interview dynamic central to our analysis, we aim to better understand how the interview dynamic shapes what is being said and what is left unsaid. In this study, we address key components of interview tension and propose a natural language processing model that can efficiently incorporate these components in text-based oral history interviews to identify tension points. With experiments on an annotated transcript, we verify the efficacy of our model. This model provides a framework that can be utilized in future research on the dialogic of the interview.Cette étude vise à développer des techniques computationnelles pour analyser et identifier des points de tensions dans des interviews avec des survivants du génocide rwandais en 1994. Les interviews d’histoire orale sont une source dialogique composée de questions et de réponses, ce qui produit une narration conversationnelle. Cependant, le témoignage de survivant est souvent traité comme si les questions n’existaient pas. Cet article examine un outil numérique qui nous aide à visualiser et à mieux comprendre la dynamique d’interview sous-jacente qui est au cœur de l’histoire orale et, plus généralement, au cœur de la recherche qualitative. Notre outil détecteur de tensions identifie ces moments dans l’interview lorsque l’intervieweur et l’interviewé sont en train d’essayer de guider la conversation dans des directions différentes. Cela fait partie de l’interaction bidirectionnelle naturelle d’une interview. Le non-engagement, le détournement, l’hésitation et l’exagération sont tous des composants essentiels dans la tension intervieweur-interviewé. En mettant la dynamique d’interview au centre de notre analyse, nous aspirons à mieux comprendre comment la dynamique d’interview structure ce qui est dit et ce qui n’est pas dit. Dans cette étude, nous abordons des composants clés de la tension d’interview et proposons un modèle de traitement de langue naturelle qui peut incorporer de façon efficace ces composants dans des interviews d’histoire orale numérisées afin d’identifier des points de tensions. Avec des expériences sur un transcrit annoté, nous vérifions l’efficacité de notre modèle. Ce modèle fournit un cadre à utiliser dans de futures recherches sur la dialogique de l’interview.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.