PROBACA.COM – Pernah sadar bahwa percakapan sehari-hari lebih sering membahas sesuatu yang “aman”, “stabil”, atau “bisa dipercaya” daripada ancaman yang benar-benar mengerikan? Bisa jadi itu bukan kebetulan. Di balik miliaran kata yang kita ucapkan dan tulis, ilmuwan menemukan kecenderungan tersembunyi: bahasa manusia tampaknya lebih sering mengarah ke keselamatan daripada bahaya.
Temuan ini datang dari para peneliti University of Vermont dan diterbitkan di jurnal Science Advances. Mereka memperkenalkan pendekatan baru bernama ousiometrics—metode matematika untuk mengukur makna paling mendasar dari bahasa.
Menariknya, pendekatan ini ikut menantang kerangka yang sudah menjadi pegangan ilmu bahasa dan psikologi selama sekitar 70 tahun.
Sejak 1950-an, banyak penelitian tentang makna kata mengandalkan model VAD. Model yang dikembangkan melalui karya perintis psikolog Charles Osgood dan peneliti lain ini menggambarkan makna lewat tiga sisi emosional: valence, yaitu positif versus negatif; arousal, atau bergairah versus tenang; serta dominance, yakni mengendalikan versus tunduk.
Bayangkan model VAD seperti mencoba memahami suasana sebuah lagu hanya dengan menilai apakah lagunya ceria atau muram, cepat atau pelan, lalu terasa kuat atau lembut. Kerangka ini kemudian banyak dipakai dalam psikologi, linguistik, bahkan kecerdasan buatan untuk mengenali nada emosional dalam tulisan.
Namun, ketika tim University of Vermont menganalisis miliaran penggunaan lebih dari 20.000 kata dari beragam teks dunia nyata, mereka menemukan bahwa ketiga dimensi VAD ternyata tidak benar-benar berdiri sendiri seperti yang selama ini diasumsikan.
Para peneliti menemukan struktur lain yang lebih cocok untuk menggambarkan makna kata. Struktur itu terdiri atas power atau kekuatan—lemah versus berkuasa; danger atau bahaya—aman versus berbahaya; dan structure atau struktur—teratur versus kacau.
Hasilnya cukup mencolok. Kerangka baru ini mampu menjelaskan lebih dari 90 persen variasi dalam makna kata yang diukur. Sementara itu, pendekatan VAD menjelaskan sekitar 72 persen.
Kalau bahasa diibaratkan seperti peta, model lama mungkin sudah membantu kita membaca sebagian besar jalan utama. Tetapi kerangka baru ini tampaknya menambahkan gang-gang penting, rambu bahaya, dan petunjuk apakah suatu tempat terasa teratur atau kacau.
Dari sinilah muncul temuan yang paling mengejutkan: kata-kata yang berkaitan dengan keselamatan muncul jauh lebih sering daripada kata-kata yang berkaitan dengan bahaya.
Pola itu terlihat di berbagai sumber—buku, berita, media sosial, hingga bahasa lisan. Jadi, bukan hanya satu jenis komunikasi atau satu kelompok penutur yang menunjukkan kecenderungan tersebut.
Temuan ini menawarkan penjelasan baru untuk fenomena yang sudah lama dikenal sebagai Pollyanna principle. Prinsip ini menggambarkan kecenderungan bahasa manusia untuk lebih condong pada kata-kata positif daripada negatif.
Selama bertahun-tahun, kecenderungan itu umumnya ditafsirkan sebagai bukti bahwa manusia menyukai ungkapan positif. Tetapi analisis terbaru menyarankan bahwa ada sesuatu yang lebih mendasar: bahasa kita mungkin terutama condong pada rasa aman.
“Bias positif dalam prinsip Pollyanna,” tulis para peneliti, “sebenarnya adalah proyeksi satu dimensi dari bias keselamatan yang mendasarinya.”
Peter Dodds, direktur Complex Systems Institute di University of Vermont sekaligus penulis senior studi ini, menyebutnya sebagai pengamatan besar dari penelitian tersebut. Menurutnya, ungkapan tentang keselamatan sangat penting bagi seluruh bahasa.
Mengapa keselamatan begitu menonjol? Salah satu kemungkinan berkaitan dengan cara manusia bertahan hidup. Dalam kehidupan sehari-hari, kita terus-menerus bertukar informasi tentang apakah seseorang, tempat, situasi, atau perilaku tertentu aman atau mengancam.
Kita menilai apakah jalan tertentu bisa dilewati malam-malam, apakah seseorang dapat dipercaya, apakah sebuah rencana terlalu berisiko, atau apakah situasi di sekitar kita mulai kacau. Bahasa bukan cuma alat untuk menyampaikan perasaan. Ia juga seperti sistem peringatan dan koordinasi bersama.
Dari sudut pandang ini, kata-kata positif tidak selalu sekadar berarti bahagia atau menyenangkan. Banyak di antaranya mungkin membawa pesan tentang keamanan, kestabilan, atau sesuatu yang dapat diprediksi.
Julia Zimmerman, peneliti pascadoktoral di Computational Story Lab University of Vermont dan salah satu penulis studi, mengatakan bahwa tiga dimensi baru—kekuatan, bahaya, dan struktur—berhubungan dengan pengalaman yang mendasar bagi kehidupan manusia. Ketiganya, menurut Zimmerman, relevan bagi setiap orang yang pernah hidup.
Para peneliti juga mengaitkan temuan ini dengan kecenderungan lain yang sudah lama diamati: manusia cenderung menyukai bahasa yang berhubungan dengan kebaikan dan rendahnya agresi. Tim tersebut berpendapat bahwa kecenderungan-kecenderungan itu mungkin merupakan “bayangan” dari pola yang lebih dalam, yaitu bias keselamatan dalam bahasa.
Namun, ada catatan penting. Hasil penelitian ini memang konsisten dengan kemungkinan bahwa bahasa berkaitan dengan kebutuhan untuk bertahan hidup, tetapi belum membuktikan bahwa tekanan evolusi secara langsung menyebabkan bias keselamatan tersebut.
Dampaknya tidak berhenti pada linguistik. Banyak sistem kecerdasan buatan menggunakan analisis sentimen untuk menentukan apakah sebuah kalimat bernada positif, negatif, atau netral. Sebagian pendekatan juga memanfaatkan model VAD untuk mengukur makna emosional.
Jika VAD belum sepenuhnya menangkap struktur dasar bahasa, sistem yang dibangun di atasnya mungkin melewatkan perbedaan penting dalam pesan manusia. Sebaliknya, memasukkan dimensi kekuatan, bahaya, dan struktur berpotensi membantu AI menafsirkan bahasa dengan lebih akurat—sekaligus menjelaskan alasan di balik penilaiannya dengan lebih terang.
Penelitian ini didukung oleh National Science Foundation Amerika Serikat, Google, MassMutual, dan sejumlah penyandang dana lain.
Nah, mungkin bahasa manusia bukan sekadar cermin emosi positif dan negatif. Di lapisan yang lebih dalam, setiap kata juga bisa menjadi cara kita menandai: mana yang kuat, mana yang berbahaya, dan mana yang terasa aman untuk dipercaya.
***
DISCLAIMER: Sebagian proses pengolahan artikel ini dibantu oleh teknologi AI. Pembaca disarankan memverifikasi kembali data dan informasi melalui sumber resmi atau sumber primer
Disadur dari ScienceDaily
