emoji(表情符号)想必大家都不陌生,它是社交网络的常客,这种有趣、快捷和友好的交流方式,正在推动全球网民跨越年龄、种族、文化等方面的交流。
按照惯例,每年都会有新鲜的emoji被推出。最近,“Unicode Consortium”(统一码联盟)就新发了Unicode 15.0版本,增加了31个新的emoji,包括 鹅、长笛、折扇、姜、豌豆、粉色爱心、驴、水母等等。
几乎在同一时期,Adobe发布了一份非常厚实的《Adobe的未来创意:2022年美国表情符号使用趋势报告》(文末有报告完整版下载方式),报告覆盖全美5000位表情符号用户,希望了解美国民众「何时用」、「为什么用」以及「如何用」emoji表情符号,又用这些符号表达了怎样的自我意识、身份定位、多样性、公平性、包容性、约会活动、人际关系和工作往来信息。借此机会,我们剖析看看,这一年来大家到底怎样用这些符号传情达意。
为了准确剖析这份报告,我们还邀请到Adobe公司字体设计师与字体开发者Paul D. Hunt、Adobe计算机科学家兼Unicode表情符号小组委员会代表Kamile Demir,希望了解他们如何看待这份年度报告中隐藏的深意。
调查发现,91%的受访者会用表情符号让对话更轻松;73%的受访者认为,在消息中添加表情符号会让对话更酷、更友好也更有趣。有时候,一个符号就能精确反映我们内心深处的声音。
在美国,最受欢迎的前五大表情符号如下图。60%的受访者认为,这些有趣的形象甚至有助于改善民众的整体心理健康。
在约会和交友领域,表情符号同样大放异彩。调查发现,最受异性聊天对象喜爱的三个符号(如下图1)。而最让人反感的表情符号(如下图2)。
报告还发现,32%的Z世代已经在使用表情符号结束一段感情关系。
Hunt对此解释道,“人们当然不想跟无法理解自己情感的人建立恋爱关系,网上聊天的道理也是一样。这种以表情符号为载体、以数字平台为渠道的情感交流,已经成为一段感情的必要阶段。如果双方无法在这里达成默契,那另一半就会怀疑你在现实生活中是不是也缺少良好的沟通技能。”
既然表情符号降低了个人生活中的交流门槛,那我们自然有必要把这些积极的情绪引入工作场所。如今,仍有不少人在居家办公,甚至完全没见过自己的新同事。调查同样发现,68%的受访者希望大家能在工作中使用表情符号,并感觉这些符号对建立亲切感(69%)和信任感(59%)都有积极影响。
Demir总结称,“混合办公的一大挑战,就是由于缺乏面对面的互动,同事之间很难准确理解书面内容的含义。表情符号有助于减少潜在误解,比如在信息末尾加个笑脸,往往就能给整个对话定下轻松愉快的基调。”
虽然表情符号有助于建立沟通,但任何表达都有可能引发误解。调查发现,50%的美国用户在使用表情符号时,发现实际效果与预期含义有所不同。再加上社交媒体本身的公开属性,不同年龄段(尤其是千禧一代和Z世代之间)对于同一表情符号的理解,也往往表现得大相径庭。
首先,全美被误解率排名第一的表情符号就是(如下图)——上一代用户看到它,可能会想到牛仔和欢呼;但下一代用户想到的却往往是Kacey Musgraves和Lil Nas X等乐手形象。时代与文化的变迁,也让包括表情符号在内的语言,表达出现了不可避免的理解割裂。
Hunt坦言,“关于表情符号,我个人最喜欢的就是它们的含义一直不断变化。它的实际含义,必须结合当前的交流和文化背景才能确定,这就让一个个符号有了多样的表意可能性。”
当下,我们比以往任何时候都更渴望包容、公平且多样的顺畅对话。所以在表情符号全面融入大家日常生活的大背景之下,必须保证它们能够反映尽可能多的情绪和生活体验。根据调查,年龄、种族/民族、文化和身体伤残情况,成为美国用户最希望获得的四种表情符号延伸方向。
71%的美国用户认为,更具包容性的表情符号将有助于发起关于文化和社会问题的积极对话;75%的受访者认为,包容性表情符号能帮助人们对其他不同群体的理解。而且尽管过去几年中已经大为改善,但83%的人还是希望,表情符号能把代表性范围进一步放大。
人类天生渴望联系、寻求归属感、并融入社群——我们想要理解他人,也希望他人能理解自己。
新冠疫情的突然爆发让我们被迫长时间坐在电脑屏幕之后,而这些愿望,会在缺少证据、面部表情和肢体语言的沟通背景下变得愈发强烈。表情符号有助于弥合这一差距,透露出纯文字不足以表现的深层情感。88%的美国用户表示,在使用表情符号时,他们往往更容易对他人产生同理心,甚至足以突破语言本身的限制。也许表情符号的流行,将帮助我们走向一个更加温情和谐的新时代。
【注】《Adobe的未来创意:2022年美国表情符号使用趋势报告》获取方式,在公众号「科技行者」(ID:itechwalker)后台回复关键词“表情”,即可获得。
[编者按] 海外来电是科技行者旗下编译团队,聚焦海外新技术、新观点、新风向。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。