W 10 językach na pięciu kontynentach średnia odpowiedź na pytanie zaczyna się zaledwie 208 milisekund po jego zakończeniu (Stivers i in., PNAS 2009). To znacznie krócej niż około 600 ms, których człowiek potrzebuje, by zacząć nazywać pojedynczy obrazek (Levinson i Torreira, Frontiers in Psychology 2015), więc rozmówcy muszą planować odpowiedź, gdy druga osoba jeszcze mówi. Wideorozmowy zaburzają ten rytm: pary, które zmieniały mówcę po 135 ms twarzą w twarz, potrzebowały 487 ms przez Zoom (Boland i in., Journal of Experimental Psychology: General 2022). To zestawienie dotyczy rozmowy między ludźmi; o tym, jak oprogramowanie ustala, że mówca skończył, piszemy w naszych statystykach wykrywania końca tury i przerywania wypowiedzi (barge-in). Zebraliśmy dane z PNAS, Instytutu Psycholingwistyki im. Maxa Plancka (Max Planck Institute for Psycholinguistics), Journal of Pragmatics, Interspeech, Child Development, ITU oraz ponad tuzina innych recenzowanych źródeł.
TL;DR
- Średnia odpowiedź na pytanie zaczyna się +208 ms po jego zakończeniu, od +7 ms w japońskim do +469 ms w duńskim (Stivers i in., PNAS 2009).
- Około 40% wszystkich odstępów między mówcami w trzech korpusach rozmów to nakładania się wypowiedzi (Heldner i Edlund, Journal of Phonetics 2010).
- 10.950 amerykańskich rozmów telefonicznych po angielsku wykazuje średnią przerwę 0,300 s między turami (Cavalcanti i Skantze, Interspeech 2025).
- Rozpoczęcie nazywania pojedynczego obrazka trwa około 600 ms (Levinson i Torreira, Frontiers in Psychology 2015, za Indefrey i Levelt 2004).
- Słuchacze zaczynają planować w ciągu pół sekundy od momentu, gdy odpowiedź da się przywołać, czasem około 2,4 s przed końcem pytania (Bögels, Magyari i Levinson, Scientific Reports 2015).
- Odpowiedzi niepreferowane wyraźnie przeważają nad preferowanymi dopiero po przerwach 700 ms lub dłuższych (Kendrick i Torreira, Discourse Processes 2015).
- Szybszy średni czas reakcji przewiduje silniejsze poczucie więzi, b = −0,28, P < 0,001 (Templeton i in., PNAS 2022).
- Niemowlęta nakładają nieco ponad jedną trzecią swoich wokalizacji na wokalizacje matek w wieku 3 do 5 miesięcy, w wieku 18 miesięcy około 20% (Hilbrink, Gattis i Levinson, Frontiers in Psychology 2015).
- W 26 badaniach niemowlęta reagują średnio po około 1 s (Nguyen i in., Child Development 2022).
- Przejścia między turami wydłużyły się z 135 ms twarzą w twarz do 487 ms przez Zoom u tych samych par (Boland i in., Journal of Experimental Psychology: General 2022).
- Opóźnienie jednokierunkowe poniżej 150 ms zapewnia zasadniczo przezroczystą interaktywność; 400 ms to pułap planistyczny (zalecenie ITU-T G.114, 2003).
1. Średnia przerwa między turami w różnych językach
Najważniejszy wniosek z największego porównania międzyjęzykowego nie dotyczy tego, że kultury się różnią, ale jak niewiele się różnią. W badaniu 10 języków autorstwa Stivers i współpracowników najczęstsze przesunięcie odpowiedzi wynosiło dokładnie 0 ms, a średnia każdego języka mieściła się w granicach około 250 ms po obu stronach średniej łącznej. Duński, najwolniejszy język w próbie, odpowiadał średnio w czasie krótszym niż pół sekundy (+469 ms). Autorzy sugerują, że etnograficzne opisy wyjątkowo «wolnych» lub «szybkich» kultur rozmowy odzwierciedlają wrażliwość na różnice tempa rzędu zaledwie kilkuset milisekund.
Użyta tu miara to przesunięcie przy zmianie mówcy (floor transfer offset, FTO): czas od końca tury jednego mówcy do początku tury następnego, przy czym wartość ujemna oznacza, że kolejny mówca zaczął wcześniej, w nakładaniu się. Średnie dla poszczególnych języków, zestawione w pracy Levinson i Torreira (tabela 1), wyniosły: Tzeltal 67 ms, Yélî Dnye 71 ms, niderlandzki 108 ms, koreański 182 ms, angielski 236 ms, włoski 309 ms, laotański 419 ms i ‡Ākhoe Hai‖om 423 ms. Duże angielskie korpusy rozmów telefonicznych mieszczą się w tym samym przedziale: średnia 187 ms w Switchboard i 0,300 s w Fisher.
| Metryka | Wartość | Źródło |
|---|---|---|
| Wielkość porównania 10 języków | 350 kolejnych pytań na język, łącznie 101 rozmów | Stivers i in., PNAS 2009 |
| Średni czas od końca pytania do początku odpowiedzi, wszystkie 10 języków łącznie | +208 ms | Stivers i in., PNAS 2009 |
| Najczęstsze (dominanta) i mediana przesunięcia odpowiedzi, wszystkie 10 języków łącznie | Dominanta 0 ms, mediana +100 ms | Stivers i in., PNAS 2009 |
| Najszybszy i najwolniejszy język, według średniego przesunięcia odpowiedzi | japoński +7 ms wobec duńskiego +469 ms | Stivers i in., PNAS 2009 |
| Średnia i mediana przesunięcia przy zmianie mówcy, angielski korpus telefoniczny Switchboard (19.754 przejścia między turami, 348 rozmów) | Średnia 187 ms, mediana 168 ms | Roberts, Torreira i Levinson, Frontiers in Psychology 2015 |
| Średnie przesunięcie przy zmianie mówcy, korpus telefoniczny Fisher w amerykańskim angielskim (10.950 rozmów, 11.684 mówców) | 0,300 s (SD = 0,228) | Cavalcanti i Skantze, Interspeech 2025 |
| Średnia przerwa w rozmowach dwuosobowych użytych do zdefiniowania długich przerw | 248 ms (SD = 598 ms) | Templeton i in., Philosophical Transactions B 2023 |
Uwaga kontekstowa: dane z 10 języków dotyczą wyłącznie odpowiedzi na pytania, a nie każdej zmiany tury, a najnowsze dostępne dane dla tego porównania pochodzą z 2009 roku. Badanie Fisher z 2025 roku dodaje zwrot akcji: demografia ma niewielkie znaczenie (płeć wyjaśniała około 3,2% zmienności, a wiek 1,3%), natomiast największe znaczenie miała konkretna para rozmówców, co autorzy nazywają «dyadosynkrazją» (dyadosyncrasy) (Cavalcanti i Skantze, Interspeech 2025).
2. Częstość nakładania się wypowiedzi i kształt rozkładu przerw
Średnia około 200 ms ukrywa duży rozrzut. Mierzone przy każdej zmianie mówcy, nakładanie się nie jest rzadką awarią, lecz rutynową częścią rozmowy: w korpusach analizowanych przez Heldner i Edlund około 40% wszystkich odstępów między mówcami stanowiły nakładania się. Odstęp między mówcami to cisza lub nakładanie się w chwili, gdy jeden mówca przestaje mówić, a drugi zaczyna.
Mimo to nakładanie się wypełnia bardzo niewielką część faktycznego nagrania. W korpusie telefonicznym Switchboard tylko 3,8% dźwięku zawiera mówienie obu osób naraz, ponieważ większość nakładań jest krótka. Heldner i Edlund stwierdzili też, że tylko 14 do 19% przerw było krótszych niż 200 ms, więc przejścia «bez przerwy i bez nakładania» są znacznie rzadsze, niż sugerują opisy podręcznikowe.
| Metryka | Wartość | Źródło |
|---|---|---|
| Udział odstępów między mówcami, które są nakładaniem się (Spoken Dutch Corpus / HCRC Map Task Corpus / Swedish Map Task Corpus) | 40,0% / 41,7% / 40,0% | Heldner i Edlund, Journal of Phonetics 2010 |
| Udział odstępów między mówcami (przerw i nakładań) krótszych niż 500 ms | 70-82% | Heldner i Edlund, Journal of Phonetics 2010 |
| Udział odstępów między mówcami, które są albo nakładaniem się, albo przerwą zbyt krótką, by ją zauważyć | 55-59% | Heldner i Edlund, Journal of Phonetics 2010 |
| Udział dźwięku telefonicznego w Switchboard, w którym obaj rozmówcy mówią naraz | 3,8% (77% tylko jeden mówca, 19,2% cisza) | Levinson i Torreira, Frontiers in Psychology 2015 |
| Udział zmian mówcy w Switchboard, które zaczynają się nakładaniem | 30,1% | Levinson i Torreira, Frontiers in Psychology 2015 |
| Sygnały zwrotne nakładane przez następną turę wobec innych nakładanych tur (Switchboard) | 35% wobec 28% | Roberts, Torreira i Levinson, Frontiers in Psychology 2015 |
| Mowa nakładająca się jako udział całej mowy, 6 języków, około godziny na język | 10,5% (hiszpański) do 20,8% (koreański); angielski 12,6% | Liesenfeld, Lopez i Dingemanse 2023 |
| Średni czas trwania tury w tej samej próbie 6 języków | 2.538 ms (mandaryński) do 4.620 ms (hiszpański) | Liesenfeld, Lopez i Dingemanse 2023 |
Definicje się różnią, co wyjaśnia, dlaczego udziały nakładania się nie zgadzają się między wierszami: Heldner i Edlund liczą nakładania się wśród wszystkich odstępów między mówcami, 30,1% w Switchboard dotyczy zmian mówcy, a próba 6 języków w pracy Liesenfeld, Lopez i Dingemanse mierzy nakładanie się jako udział czasu mowy. Sygnał zwrotny (backchannel) to krótka reakcja słuchacza, taka jak «mhm» czy «tak», która nie przejmuje głosu. Najnowsze dostępne dane dla korpusów niderlandzkiego, angielskiego i szwedzkiego pochodzą z 2010 roku.
3. Ile czasu zajmuje zaplanowanie odpowiedzi
To centralna zagadka badań nad przejmowaniem tury. Wytworzenie nawet jednego słowa zajmuje około 600 ms od zobaczenia obrazka do rozpoczęcia mówienia, a proste zdanie około 1.500 ms, a jednak średnia przerwa 208 ms z sekcji 1 to około jedna trzecia wartości dla pojedynczego słowa (208 / 600 = 0,35). Jedyny sposób, by liczby się zgadzały, to założenie, że słuchacze zaczynają planować odpowiedź, gdy jeszcze słuchają.
Potwierdzają to dane EEG. W eksperymencie zespołu Bögels, Magyari i Levinson mózgowe sygnatury planowania odpowiedzi pojawiały się w ciągu pół sekundy od momentu, gdy odpowiedź na pytanie stała się możliwa do przywołania, w niektórych pytaniach około 2,4 sekundy przed końcem pytania. Odpowiedzi, które można było zaplanować wcześnie, padały szybciej: 950 ms minus 640 ms daje różnicę około 310 ms między dwoma warunkami (nasze obliczenie na podstawie podanych średnich). Ten sam problem budżetu czasowego napędza dziś projektowanie oprogramowania głosowego, co pokazują nasze benchmarki czasu do pierwszego dźwięku dla agentów głosowych.
| Metryka | Wartość | Źródło |
|---|---|---|
| Czas od zobaczenia obrazka do rozpoczęcia jego nazywania (szacunek) | około 600 ms | Levinson i Torreira, Frontiers in Psychology 2015, za Indefrey i Levelt 2004 |
| Czas przed rozpoczęciem mowy przy opisie prostej sceny (np. chłopiec kopiący piłkę) w zdaniu | około 1.500 ms | Levinson i Torreira, Frontiers in Psychology 2015 |
| Moment wczesnej sygnatury EEG przygotowywania odpowiedzi, względem końca przychodzącej tury | ok. 1.200 ms przed końcem, mniej więcej w połowie tury | Levinson i Torreira, Frontiers in Psychology 2015, za Magyari i in. 2014 |
| Uczestnicy i bodźce w eksperymencie EEG z pytaniami i odpowiedziami | 24 uczestników (eksperyment główny), 94 niderlandzkie pary pytań | Bögels, Magyari i Levinson, Scientific Reports 2015 |
| Średni czas reakcji, gdy odpowiedź była dostępna wcześnie w pytaniu, wobec dostępnej dopiero na końcu | M = 640 ms (dominanta około 400 ms) wobec M = 950 ms (dominanta około 750 ms) | Bögels, Magyari i Levinson, Scientific Reports 2015 |
| Jak wcześnie można było przywołać odpowiedź w pytaniach z wczesną odpowiedzią | średnio około 2,4 sekundy przed końcem pytania | Bögels, Magyari i Levinson, Scientific Reports 2015 |
| Słuchacze w szwedzkim eksperymencie nad sygnałami końca tury oraz zmiana ostatnich 500 ms tury, która zaburzała najbardziej | N = 32; zwiększenie tempa mowy (p < 0,005) | Feindt i in., Interspeech 2023 |
Uwaga kontekstowa: w szwedzkim badaniu z Interspeech 2023 przyspieszenie końcówki tury wydłużało czasy reakcji, gdy mówca zachowywał turę, ale skracało je, gdy mówca ją oddawał, co wskazuje, że słuchacze odczytują tempo mowy jako sygnał końca tury. Najnowsze dostępne dane dotyczące latencji nazywania pochodzą z 2004 roku i wcześniejszych.
4. O czym świadczy przerwa: preferencja, zgoda i więź
Ponieważ domyślna przerwa jest tak krótka, nieco dłuższa niesie znaczenie. Potwierdzenie przychodzi szybciej niż jego przeciwieństwo: odpowiedzi potwierdzające były średnio o 100 do 500 ms szybsze niż niepotwierdzające we wszystkich 10 językach porównania z sekcji 1. W korpusach telefonicznych Kendrick i Torreira stwierdzili, że odmowy i inne odpowiedzi niepreferowane wyraźnie przeważały nad preferowanymi dopiero wtedy, gdy przerwa osiągnęła 700 ms lub więcej.
Szybkość odczytywana jest też jako porozumienie. W badaniu Templeton i współpracowników z PNAS z 2022 roku krótsze czasy reakcji przewidywały silniejsze poczucie więzi, a zewnętrzni słuchacze oceniali zmontowane szybkie wersje rozmów jako przyjemniejsze niż wolne. Jednak wśród przyjaciół reguła się odwraca: w badaniu uzupełniającym z 2023 roku przyjaciele mieli więcej długich cisz niż nieznajomi, a te cisze nie były dla nich niezręczne.
| Metryka | Wartość | Źródło |
|---|---|---|
| Szybkość odpowiedzi potwierdzających wobec niepotwierdzających na pytania | średnio o 100 do 500 ms szybciej, we wszystkich 10 językach | Stivers i in., PNAS 2009 |
| Długość przerwy, przy której odpowiedzi niepreferowane wyraźnie przeważają nad preferowanymi (195 odpowiedzi w korpusach telefonicznych) | 700 ms lub więcej | Kendrick i Torreira, Discourse Processes 2015 |
| Średnia przerwa po turze zawierającej działanie odpowiadające wobec innych tur (Switchboard) | 150 ms wobec 202 ms | Roberts, Torreira i Levinson, Frontiers in Psychology 2015 |
| Wpływ średniego czasu reakcji danej osoby na poczucie więzi (66 uczestników, każdy w 10 dziesięciominutowych rozmowach) | b = −0,28, SE = 0,05, P < 0,001 | Templeton i in., PNAS 2022 |
| Średnia przerwa w szybkich, oryginalnych i wolnych zmontowanych wersjach tych samych rozmów, ocenianych przez 450 słuchaczy online | 55,68 ms / 278,55 ms / 557,14 ms; czas reakcji odwrotnie przewidywał postrzeganą przyjemność, F(2; 2.351,9) = 49,44, P < 0,001 | Templeton i in., PNAS 2022 |
| Próg użyty do zdefiniowania długiej przerwy w rozmowie | więcej niż 2 s, mniej więcej 3 odchylenia standardowe od średniej | Templeton i in., Philosophical Transactions B 2023 |
| Analizowane rozmowy i grupa z większą liczbą długich przerw | 261 par nieznajomych i 65 rozmów przyjaciół; przyjaciele mieli więcej długich przerw niż nieznajomi | Templeton i in., Philosophical Transactions B 2023 |
Uwaga kontekstowa: wyniki Templeton pochodzą z prób jednego zespołu badawczego (66 uczestników w badaniu z 2022 roku, 261 par nieznajomych w badaniu z 2023 roku), więc należy traktować je jako dowód dotyczący tych uczestników, a nie wszystkich mówców. Odpowiedź «niepreferowana» to taka, do której pytanie nie zachęcało, na przykład odrzucenie zaproszenia lub niezgoda.
5. Jak dzieci rozwijają wyczucie czasu tur
Przejmowanie tury zaczyna się przed słowami, a droga nie jest linią prostą. Niemowlęta w wieku 3 do 5 miesięcy są szybkie, ale nieporządne: w longitudinalnym badaniu Hilbrink, Gattis i Levinson obejmującym 12 par matka-niemowlę (8.555 przejść między turami) niemowlęta wytwarzały nieco ponad jedną trzecią swoich wokalizacji w nakładaniu się na wokalizacje matek. Około 9. i 12. miesiąca ich przerwy znacznie się wydłużyły, podczas gdy czas reakcji matek pozostawał stabilny.
Wcześniejszy raport z częściowo tymi samymi autorami opisał to samo spowolnienie: dzieci zaczynały na równi z matkami, ale w próbie z 12. miesiąca wykazywały istotnie dłuższe przerwy (Casillas i in., SemDial 2013). W 26 badaniach łączne dowody wskazują, że latencja odpowiedzi niemowląt wynosi około jednej sekundy, czyli kilkakrotnie więcej niż średnie dla dorosłych z sekcji 1.
| Metryka | Wartość | Źródło |
|---|---|---|
| Średnie przejście między turami w protokonwersacji matki z niemowlęciem w wieku około 3 miesięcy | około 1,5 s | Levinson i Torreira, Frontiers in Psychology 2015, za Bateson 1975 |
| Wokalizacje niemowlęcia wytwarzane w nakładaniu się z matką w wieku 3, 4 i 5 miesięcy | nieco ponad jedna trzecia | Hilbrink, Gattis i Levinson, Frontiers in Psychology 2015 |
| Tury matki wytwarzane w nakładaniu się z niemowlęciem w wieku 3, 4 i 5 miesięcy | między 14 a 21% | Hilbrink, Gattis i Levinson, Frontiers in Psychology 2015 |
| Tury niemowlęcia wytwarzane w nakładaniu się w wieku 18 miesięcy | około 20%, podobnie jak u matek | Hilbrink, Gattis i Levinson, Frontiers in Psychology 2015 |
| Dzieci nakładające się na koniec tury matki przed 5. miesiącem wobec wieku 1 roku i 8 miesięcy | prawie 40% czasu wobec około 4% | Casillas i in., SemDial 2013 |
| Latencja odpowiedzi niemowląt łącznie w 26 badaniach (78 oszacowań, 429 niemowląt) | średnio ok. 1 s | Nguyen i in., Child Development 2022 |
| Zmiana latencji odpowiedzi niemowlęcia, gdy latencja dorosłego rośnie o 1 s (np. z 400 do 1.400 ms) | wzrost o ponad 1 s | Nguyen i in., Child Development 2022 |
Ostatni wiersz jest najbardziej praktyczny: metaanaliza z 2022 roku wykazała, że niemowlęta naśladują tempo partnera, więc wolniejszym dorosłym odpowiadają wolniejsze niemowlęta. Najnowsze dostępne dane dla longitudinalnych prób niemowląt pochodzą z lat 2013-2015.
6. Opóźnienie w wideorozmowach a przejmowanie tury
Wideorozmowy dodają tylko dziesiątki milisekund opóźnienia dźwięku, ale wpływ na przejmowanie tury jest nieproporcjonalnie duży. W eksperymentach zespołu Boland te same pary, które zmieniały mówcę po 135 ms twarzą w twarz, potrzebowały 487 ms przez Zoom, czyli o 352 ms więcej (487 minus 135) przy szacowanym opóźnieniu transmisji wynoszącym zaledwie 30-70 ms. W zadaniu z odpowiedziami tak/nie różnica między odpowiedziami lokalnymi a zdalnymi wyniosła 679 ms (976 minus 297). Autorzy twierdzą, że opóźnienie zaburza mechanizmy czasowe, których ludzie używają do rozpoczęcia tury, a nie tylko sygnał.
Dane terenowe z klinicznych wideorozmów opowiadają tę samą historię. Seuren i współpracownicy stwierdzili, że opóźnienie około 100 ms ledwie wpływało na przejmowanie tury, podczas gdy przy 700 ms uczestnicy rutynowo mieli trudności, z niezamierzonymi ciszami i mówieniem jeden przez drugiego. Inżynierowie sieci od dawna planują wokół podobnych granic, co omawiamy w naszych statystykach bufora jittera VoIP i jakości mowy.
| Metryka | Wartość | Źródło |
|---|---|---|
| Odpowiedzi tak/nie na nagrane wcześniej pytania: średnia latencja odpowiedzi lokalnych wobec zdalnych (Zoom) | 297 ms wobec 976 ms | Boland i in., Journal of Experimental Psychology: General 2022 |
| Czas przejścia między turami dla tych samych par, twarzą w twarz wobec przez Zoom | 135 ms wobec 487 ms | Boland i in., Journal of Experimental Psychology: General 2022 |
| Szacowane opóźnienie transmisji dźwięku w eksperymentach Zoom | 30-70 ms | Boland i in., Journal of Experimental Psychology: General 2022 |
| Przeanalizowane konsultacje wideo i znalezione problemy z przejmowaniem tury | 25 konsultacji (7 godz. 57 min); 130 zauważalnych cisz i 172 nakładania się | Seuren i in., Journal of Pragmatics 2021 |
| Latencja, przy której przejmowanie tury jest ledwie zaburzone wobec rutynowo zakłócane | około 100 ms wobec 700 ms | Seuren i in., Journal of Pragmatics 2021 |
| Opóźnienie jednokierunkowe, poniżej którego większość zastosowań ma zasadniczo przezroczystą interaktywność | poniżej 150 ms | zalecenie ITU-T G.114, 2003 |
| Opóźnienie jednokierunkowe, którego nie należy przekraczać w ogólnym planowaniu sieci | 400 ms | zalecenie ITU-T G.114, 2003 |
| Opóźnienie jednokierunkowe bez istotnego wpływu na postrzeganą ogólną jakość mowy w wysoce interaktywnej rozmowie (testowane opóźnienia do 1.600 ms) | do 400 ms | Egger, Schatz i Scherer, Interspeech 2010 |
Uwaga o wartościach odstających: sama ITU-T G.114 ostrzega, że wysoce interaktywne zadania, w tym niektóre konferencje głosowe i wideo, mogą być zaburzane przez opóźnienia poniżej 100 ms, a test z Interspeech 2010 wykazał, że wrażliwość na opóźnienie rośnie wraz z interaktywnością rozmowy. Oceny jakości i czas tur to różne miary, dlatego opóźnienie 400 ms może być ocenione jako akceptowalne i mimo to powodować mówienie jeden przez drugiego. Wielowarstwowe potoki, takie jak tłumaczenie na żywo, dodają własne opóźnienie, co pokazują nasze statystyki opóźnień tłumaczenia mowy na mowę. Najnowsze dostępne dane dla G.114 pochodzą z wydania z 2003 roku, które nadal obowiązuje.
Podsumowanie: długość przerw w przejmowaniu tury w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Średnie przesunięcie odpowiedzi po pytaniach, 10 języków łącznie | +208 ms | Stivers i in., PNAS 2009 |
| Udział odstępów między mówcami, które są nakładaniem się | około 40% | Heldner i Edlund, Journal of Phonetics 2010 |
| Udział odstępów między mówcami krótszych niż 500 ms | 70-82% | Heldner i Edlund, Journal of Phonetics 2010 |
| Średnia i mediana przesunięcia przy zmianie mówcy, Switchboard | 187 ms i 168 ms | Roberts, Torreira i Levinson, Frontiers in Psychology 2015 |
| Średnia przerwa, korpus Fisher (10.950 amerykańskich rozmów telefonicznych po angielsku) | 0,300 s | Cavalcanti i Skantze, Interspeech 2025 |
| Czas od zobaczenia obrazka do rozpoczęcia jego nazywania | około 600 ms | Levinson i Torreira, Frontiers in Psychology 2015 |
| Mowa nakładająca się jako udział całej mowy, 6 języków | od 10,5% do 20,8% | Liesenfeld, Lopez i Dingemanse 2023 |
| Czas reakcji, odpowiedź dostępna wcześnie wobec późno w pytaniu | 640 ms wobec 950 ms | Bögels, Magyari i Levinson, Scientific Reports 2015 |
| Jak wcześnie można było przywołać odpowiedź w pytaniach z wczesną odpowiedzią | około 2,4 s przed końcem pytania | Bögels, Magyari i Levinson, Scientific Reports 2015 |
| Długość przerwy, przy której odpowiedzi niepreferowane wyraźnie dominują | 700 ms lub więcej | Kendrick i Torreira, Discourse Processes 2015 |
| Wpływ średniego czasu reakcji na poczucie więzi | b = −0,28, P < 0,001 | Templeton i in., PNAS 2022 |
| Grupa z większą liczbą długich przerw (ponad 2 s) | przyjaciele, nie nieznajomi | Templeton i in., Philosophical Transactions B 2023 |
| Wokalizacje niemowląt w nakładaniu się, 3 do 5 miesięcy wobec 18 miesięcy | nieco ponad jedna trzecia wobec około 20% | Hilbrink, Gattis i Levinson, Frontiers in Psychology 2015 |
| Dzieci nakładające się na koniec tury matki, przed 5. miesiącem wobec 1 roku i 8 miesięcy | prawie 40% wobec około 4% | Casillas i in., SemDial 2013 |
| Latencja odpowiedzi niemowląt w 26 badaniach | ok. 1 s | Nguyen i in., Child Development 2022 |
| Czas przejścia między turami, twarzą w twarz wobec Zoom | 135 ms wobec 487 ms | Boland i in., Journal of Experimental Psychology: General 2022 |
| Latencja odpowiedzi tak/nie, lokalnych wobec zdalnych przez Zoom | 297 ms wobec 976 ms | Boland i in., Journal of Experimental Psychology: General 2022 |
| Opóźnienie w wideorozmowach: ledwie zaburzone wobec rutynowo zakłócane | około 100 ms wobec 700 ms | Seuren i in., Journal of Pragmatics 2021 |
| Opóźnienie jednokierunkowe: przezroczysta interaktywność wobec pułapu planistycznego | poniżej 150 ms wobec 400 ms | zalecenie ITU-T G.114, 2003 |
Metodologia i źródła
- Stivers i in., Universals and cultural variation in turn-taking in conversation, PNAS 2009
- Levinson i Torreira, Timing in turn-taking and its implications for processing models of language, Frontiers in Psychology 2015
- Roberts, Torreira i Levinson, The effects of processing and sequence organization on the timing of turn taking: a corpus study, Frontiers in Psychology 2015
- Heldner i Edlund, Pauses, gaps and overlaps in conversations, Journal of Phonetics 2010
- Cavalcanti i Skantze, Dyadosyncrasy, Idiosyncrasy and Demographic Factors in Turn-Taking, Interspeech 2025
- Liesenfeld, Lopez i Dingemanse, The timing bottleneck, arXiv 2307.15493, 2023
- Bögels, Magyari i Levinson, Neural signatures of response planning occur midway through an incoming question in conversation, Scientific Reports 2015
- Feindt i in., Cues to next-speaker projection in conversational Swedish, Interspeech 2023
- Kendrick i Torreira, The timing and construction of preference: a quantitative study, Discourse Processes 2015
- Templeton i in., Fast response times signal social connection in conversation, PNAS 2022
- Templeton i in., Long gaps between turns are awkward for strangers but not for friends, Philosophical Transactions of the Royal Society B 2023
- Hilbrink, Gattis i Levinson, Early developmental changes in the timing of turn-taking, Frontiers in Psychology 2015
- Casillas i in., Turn-timing in naturalistic mother-child interactions: a longitudinal perspective, SemDial 2013
- Nguyen, Versyp, Cox i Fusaroli, A systematic review and Bayesian meta-analysis of the development of turn taking in adult-child vocal interactions, Child Development 2022
- Boland, Fonseca, Mermelstein i Williamson, Zoom disrupts the rhythm of conversation, Journal of Experimental Psychology: General 2022
- Seuren, Wherton, Greenhalgh i Shaw, Whose turn is it anyway? Latency and the organization of turn-taking in video-mediated interaction, Journal of Pragmatics 2021
- zalecenie ITU-T G.114, One-way transmission time, 2003
- Egger, Schatz i Scherer, It takes two to tango: assessing the impact of delay on conversational interactivity on perceived speech quality, Interspeech 2010
- Uwaga o danych: oryginalna praca o 10 językach podaje w tekście duński na poziomie +469 ms, a włoski na poziomie +310 ms, podczas gdy tabela przeglądu z 2015 roku, która ją odtwarza, podaje 468 ms i 309 ms; tam, gdzie cytujemy ją bezpośrednio, używamy liczb z oryginalnej pracy. Porównanie 10 języków mierzy wyłącznie odpowiedzi na pytania, więc jego średnie nie są bezpośrednio porównywalne ze średnimi z całych korpusów Switchboard (187 ms) czy Fisher (0,300 s). Udziały nakładania się różnią się definicją (40% odstępów między mówcami, 30,1% zmian mówcy w Switchboard, 10,5-20,8% czasu mowy) i nie należy ich porównywać tak, jakby mierzyły to samo. Próba nakładania się w 6 językach obejmuje tylko około godziny rozmowy na język. Większość danych międzyjęzykowych, rozwojowych i dotyczących planowania jest starsza niż trzy lata; najnowsze uzupełnienia to analiza korpusu Fisher z Interspeech 2025 oraz badania z lat 2022-2023 o Zoomie, szybkości odpowiedzi i długich przerwach. Wyniki dotyczące Zoomu pochodzą z kontrolowanych eksperymentów z szacowanym, a nie mierzonym dla każdej rozmowy, opóźnieniem transmisji.
Ostatnia aktualizacja: 8 listopada 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnego odświeżenia można się spodziewać, gdy materiały konferencji Interspeech 2026 zostaną zaindeksowane w ISCA Archive.