通过机器学习分析聊天中基于文本的沟通以识别软件开发团队的情绪

软件开发包含许多通常需要多人协作的任务。开发团队中不同成员之间的紧密协作与同步需要有效的沟通。会议是一种既有的沟通渠道，然而其往往不如预期有效。已有若干方法聚焦于分析会议以确定低效与不尽如人意的会议结果的原因。除会议外，基于文本的沟通渠道（如聊天与电子邮件）在开发团队中也被频繁使用。通过这些渠道的沟通需要与会议中类似得体的行为，以实现令人满意且高效的协作。然而，这些渠道尚未在研究中得到广泛考察。在本文中，我们提出一种分析基于文本的沟通中人际行为的方法，涉及对话语气、发送方与接收方的熟悉度、发送方的情绪性以及所用语言的恰当性。我们在一个工业案例研究中评估了我们的方法，该案例基于 Zulip 群聊中在 5.5 个月内发送的 1947 条消息。使用我们的方法，相较于人工评分，能够以平均 62.97% 的准确率自动将书面句子分类为正面、中性或负面。尽管是这种粗粒度分类，仍有可能获得关于文本沟通恰当性的整体图景以及群体情绪中的趋势。