AI가 당신의 문자 메시지 감정적 톤에서 보는 것

AI가 정말 문자에서 감정적 어조를 읽을 수 있을까?

소프트웨어는 제공된 스레드에서 따뜻함, 거리, 변동성, 애정 밀도, 감정 drift와 같은 관찰 가능한 감정-톤 패턴을 식별할 수 있습니다. Grey Mirror는 마음을 읽거나 의도를 증명하지 않습니다. 보고서 결과에 대한 지원 창과 신뢰 컨텍스트를 보여줍니다.

• 대화 타임라인 전체에 걸친 따뜻함-거리 비율
• 감정 변동성 창 — 톤이 급격히 변화할 때
• 주와 월 단위로 추적되는 애정 단어 밀도 트렌드
• 증거 창과 함께 신뢰 점수 매겨진 지원 결과
• 보유 및 삭제 제어가 공개된 서버 측 처리

텍스트 메시지에서 감정 톤 분석이란 무엇인가요?

감정 톤 분석은 전체 메시지 기록 전반에 걸친 커뮤니케이션의 애정적 품질을 측정합니다. 개별 메시지가 긍정적인지 또는 부정적인지가 아니라, 시간에 따른 감정 표현의 비율, 리듬, 궤적이 중요합니다. 단일 따뜻한 메시지는 아무것도 증명하지 못합니다. 8,000개의 메시지 전반에 걸친 따뜻함의 감소 패턴은 이야기를 들려줍니다.

가상의 예시 보고서는 이전 창과 이후 창을 비교하여 따뜻한 언어, 중립적 응답, 거리 표시자가 시간에 따라 어떻게 변화했는지를 보여줄 수 있습니다. 참여자 분할을 통해서도 한 사람이 더 많은 애정 언어를 제공했는지를 확인할 수 있으며, 그 차이가 왜 발생했는지를 암시하지는 않습니다.

Grey Mirror는 감정 톤을 여러 차원에서 계산합니다: 감정 극성(긍정적, 중립적, 부정적), 애정 단어 밀도(100개 메시지당 감정적으로 강도가 높은 단어 수), warmth-targeting(누가 더 많은 애정 언어를 받는가), 감정 변동성(짧은 창 내에서 톤이 극단 간에 얼마나 자주 오르내리는가), 그리고 모멘텀(시간이 지남에 따라 감정 톤이 따뜻해지거나 차가워지는 추세 여부). 각 지표에는 신뢰 점수와 해당 지표가 계산된 증거 창이 포함됩니다.

감정 톤 분석과 단순 감정 분석의 차이는 문맥에 있습니다. 감정 분석은 한 메시지에 라벨을 붙입니다. 감정-톤 분석은 시간 창 전반에 걸친 반복 신호를 비교하고, 검토를 위해 기본 예시를 유지합니다.

Grey Mirror는 또한 감정 톤의 주고받음 — 즉, 애정이 교환되는지 아니면 추출되는지 — 를 추적합니다. 한 사람이 감정 따뜻함의 70%를 제공하는 관계는 따뜻함이 상호적인 관계와 구조적으로 다릅니다. 전반적인 따뜻함 비율이 동일하더라도 말입니다. 주고받음 차원은 감정 노동이 균형 잡혔는지 아니면 비대칭인지, 그리고 그 비대칭이 안정적인지 아니면 시간이 지남에 따라 증가하는지를 보여줍니다.

따뜻함-거리 비율: 핵심 감정 톤 지표

따뜻함-거리 비율은 전체 대화 기록 전반에 걸쳐 따뜻하고 애정 어린, 참여적인 언어의 빈도와 거리감 있는, 회피적인, 또는 disengaged한 언어의 빈도를 비교합니다. 개별 메시지의 감정 분석이 아니라, 시간 창 전반에 걸친 따뜻한 메시지와 distante한 메시지의 비율입니다.

예시 보고서는 전체 비율을 보여주고, 이전 창과 이후 창을 비교하며, 참여자별로 결과를 나눌 수 있습니다. 이러한 값은 제공된 스레드만을 설명하며, 진단이거나 다른 관계와의 비교가 아닙니다.

따뜻함 비율은 한 선택된 메시지가 아니라 제공된 스레드 전반에 걸친 비교가 필요합니다. Grey Mirror는 스레드 내 비율을 계산하고, 관련 창을 보여주며, 이를 인구 통계적 의미 검정으로 제시하지 않습니다.

따뜻함-거리 비율은 일방적인 감정 노동을 이해하는 데 특히 유용합니다. 한 사람이 애정 어린 메시지를 지속적으로 시작하고, 충돌 후 수복하며, 다른 사람이 중립적인 태도를 보일 때도 따뜻한 톤을 유지하는 경우 — 즉, 감정 따뜻함의 비대적인 부분을 짊어지는 경우 — 이 metric은 이를 노력의 비대칭으로 표시합니다. 이는 추측이 아닌 측정 가능한 신호입니다.

Grey Mirror는 따뜻함-거리 비율을 세 가지 시간 해상도로 계산합니다: 주간(단기 변동과 변동성 감지), 월간(트렌드 분석과 모멘텀 계산), 그리고 전체 기록(전체 그림). 주간 해상도는 충돌 이후 따뜻함 증가와 철수 주기를 포착합니다. 월간 해상도는 지속적인 추세를 보여줍니다. 전체 기록 해상도는 비교를 위한 기준선을 제공합니다. 함께하면 단일 숫자로 포착할 수 없는 감정 관여의 3차원 시각을 만듭니다.

따뜻함 분류 자체는 미세합니다. Grey Mirror는 단순히 “I love you”를 따뜻하다고 세지 않습니다. 다음을 분석합니다: 명시적인 애정 언어(love, miss, care, appreciate), 감정적 가용성 표시자(어떻게 지내니, 생각나서, 확인해볼게), 회복 언어(미안해, 그런 뜻이 아니었어, 얘기할 수 있을까), 긍정적 강화(정말 대단해, 내가 자랑스러워, 넌 놀라워), 그리고 참여 지표(질문, 후속 조치, 이전 대화의 세부 사항 기억). 거리는 다음을 통해 분류됩니다: 회피 언어(fine, whatever, ok, sure), 주제 전환(갑작스러운 주제 변경), 최소한의 응답(k, yeah, lol 뒤에 따라올 것이 없음), 그리고 감정적 철수(내용에는 반응하지만 감정에는 반응하지 않음).

• 따뜻함: 애정 언어, 감정적 참여, 회복 시도, 긍정적 강화, 후속 질문
• 거리: 중립적 또는 회피적 언어, 감정적 철수, 주제 전환, 최소한의 응답
• 주간, 월간, 전체 기록 해상도로 계산된 비율
• 참여자 분할은 누가 더 많은 감정 따뜻함을 지니고 있는지, 그리고 그 격차가 확대되고 있는지 보여줍니다.
• 시간적 추세는 제공된 증거 내에서 따뜻함이 안정적인지, 감소하는지, 아니면 회복되는지 보여줍니다.

감정 변동성: 톤이 극단 사이로 오르내릴 때

감정 변동성은 짧은 시간 창 내에서 감정 톤이 얼마나 빠르게, 그리고 얼마나 극적으로 변하는지를 측정합니다. 안정적이고 예측 가능한 감정 톤을 가진 관계는 따뜻함과 거리가 급격히 오르락내리락하는 관계와 다르게 작동합니다.

Grey Mirror는 제공된 스레드 내에서 창 간 감정 언어와 타이밍 변화를 비교합니다. 샘플 보고서는 충돌 이후 따뜻함이 seguida by 철수를 보여줄 수 있지만, 보편적 임계값, 인구 기준선, 또는 재발률을 확립하지는 않습니다.

변동성은 본래 나쁘지 않습니다 — 일부 관계는 자연스럽게 오르락내리락하는 표현적 소통을 가집니다. 우려되는 패턴은 변동성이 갈등 escalation, 수복 실패, 또는 감정적 철수와 상관관계가 있을 때입니다. Grey Mirror는 변동성을 다른 지표(수복 성공률, 갈등 빈도, 따뜻함 비율)와 교차 참조하여 건강한 표현 범위와 destabilizing 진동을 구별합니다.

높은 변동성과 낮은 따뜻함은 스레드 내에서도 정보가 될 수 있는 패턴일 수 있습니다. 이는 감정적 참여가 존재하지만 연결보다는 갈등 속에 집중되어 있음을 보여줄 수 있으며, 보고서는 대체 설명도_visible하게 유지해야 합니다.

변동성-따뜻함 비교는 교대로 따뜻함과 거리가 나타나서 생긴 비율이 아니라 안정적인 스레드 내 비율을 구별할 수 있습니다. 보고서는 평균, 분산, 극단 창, 그리고 근처 사건들을 비교하며, 어느 쪽도 보편적인 관계 건강 임계값으로 제시하지 않습니다.

Grey Mirror는 또한 변동성 급등 이후의 회복 시간을 추적합니다. 즉, 급격한 부정적 변동 후 관찰된 어조가 스레드 내 이전 범위로 돌아가는 데 걸리는 시간입니다. 보고서는 보편적인 회복력 기준선을 주장하지 않으면서 회복 기간을 회복 또는 철회 표지와 비교할 수 있습니다.

• 24시간 및 7일 창 내에서 톤의 안정성 vs. 진동 측정
• 스레드 내 변동의 크기와 방향 표시
• 갈등 escalation 및 수복 성공과 교차 참조하여 context 제공
• 패턴: 높은 변동성 + 낮은 따뜻함 = 갈등 중심 참여와 감정적 비용
• 패턴: 높은 변동성 + 높은 따뜻함 = 표현력 있고 열정적인 소통이며 회복력이 있음
• 변동성 급등 이후의 회복 시간을 별도의 회복력 지표로 추적

감정 모멘텀: 톤이 따뜻해지거나 차가워지는 추세인가?

감정 모멘텀은 시간 경과에 따른 감정 톤의 방향적 추세입니다. 단일 메시지 분석으로는 답할 수 없는 질문에 답합니다: 이 관계는 점점 따뜻해지고 있나요, 차가워지고 있나요, 아니면 그대로인가요?

Grey Mirror는 비교 가능한 시간 창 전반에 걸쳐 방향을 추정하고, 관측된 비율이 얼마나 일관되게 움직이는지를 보여줄 수 있습니다. 보고서는 창 범위와 불확실성을 제시해야 하며, 적합한 추세를 원인으로 증명하는 증거로 취급해서는 안 됩니다.

모멘텀은 운명이 아닙니다. Grey Mirror는 관측된 방향이 바뀌는 반전 지점을 식별할 수 있습니다. 한 추세 값을 최종 평결로 취급하기보다 주변 메시지 창을 검토하는 것이 더 유용합니다.

몇 개의 잘 커버된 창 전반에 걸친 지속적인 방향은 하나의 사건 직후의 최근 딥과 다릅니다. Grey Mirror는 사용 가능한 추세와 증거를 보여주며, 사용자는 오프라인 문맥을 제공합니다.

모멘텀 보기는 관찰된 신호를 참여자별로 나눌 수도 있습니다. 괴리는 검토할 가치가 있을 수 있지만, 참여자들이 그 관계를 특정한 방식으로 경험했음을 증명하지는 않습니다.

비교 가능한 창이 너무 적거나 타임스탬프가 없거나 커버리지가 고르지 않은 경우, 보고서는 정확한 추세를 생성하는 대신 증거 부족 알림을 반환해야 합니다.

• 월간 창에서 따뜻함-거리 비율에 대한 선형 회귀
• 신뢰와 함께 보고된 방향(기울기)과 일관성(R-제곱)
• 컨텍스트 창과 트리거 분석을 통해 모멘텀 반전 지점 식별
• 참가자-분할 모멘텀이 발산하는 감정적 궤적을 드러냄
• 커버리지가 너무 약할 때는 정확한 추세 대신 증거 부족 알림을 사용합니다

감정어 밀도: 시간에 따른 감정 어휘 측정

감정어 밀도는 100개 메시지당 감정적으로 충만한 단어가 몇 개 나타나는지를 측정합니다. 따뜻함-거리 비율의 세분화된 보완물로서, 단순히 메시지가 따뜻한지 여부가 아니라 언어 자체가 얼마나 감정적으로 풍부한지를 추적합니다.

그레이 미러는 감정어를 애정, 우려, 흥분, 좌절, 슬픔, 분노와 같은 카테고리로 분류합니다. 보고서는 모호한 표현과 풍자의 한계를 유지하면서 제공된 스레드 내에서 카테고리 빈도와 강도를 비교할 수 있습니다.

예시로 허구적인 보고서는 감정어 밀도가 감소하면서 우려 또는 좌절 표현이 증가하는 것을 보일 수 있습니다. 이는 제공된 어휘의 변화를 설명하지만, 감정 톤이 왜 변화했는지를 증명하는 것은 아닙니다.

밀도 보기에서는 또한 어휘적 미러링을 보여줄 수 있습니다. 즉, 참가자들이 유사한 시기에 유사한 감정 언어 카테고리를 사용하는지 여부를 나타냅니다. 격차가 넓어지는 것은 검토의 증거가 될 수 있으나, 일방적 의도의 증거는 아닙니다.

감정어 밀도는 감정 표현의 풍부함을 측정하기 때문에 감정적 wycof에 특히 민감합니다. 사람은 '좋은 아침', '좋은 하루 보내세요'와 같은 따뜻한 메시지를 보낼 수 있어 따뜻함 점수는 높지만, 언어가 공식적이기 때문에 감정어 밀도는 낮을 수 있습니다. 감정어 밀도는 감정적인 행동을 따라가는 것과 진정으로 감정 언어에 참여하는 것의 차이를 포착합니다.

• 100개 메시지당 감정적으로 충전한 단어 수를 6개 감정 카테고리별로 측정
• 강도 가중: 더 강한 감정 단어가 점수에 더 큰 가중치를 차지함
• 카테고리 세부 분석은 감정 어휘가 양에서 음으로 이동하고 있는지 여부를 보여줍니다
• 어휘적 미러링은 참가자들이 서로의 감정 언어를 일치시키는지를 추적합니다
• 따뜻함 비율만으로는 놓칠 수 있는 공식적인 따뜻함과 진정성 있는 감정적 참여를 구분합니다

자주 묻는 질문

참고 및 방법론

• 대인 커뮤니케이션 (개요)
• 문자 메시징 (개요)

관련 회색 미러 가이드

• 관계 텍스트 분석기
• 방법론
• 인스타그램 DM 분석기
• iMessage 텍스트 메시지 분석
• 텍스트 메시지에서의 감정적 철수
• 분석 후 의사소통 개선하기
• 나의 감정적 제안이 놓치고 있는가