פרויקט Fetch: האם קלוד יכול לאמן כלב רובוטי?

פרויקט Fetch: האם קלוד יכול לאמן כלב רובוטי?

איך מודלי AI חזיתיים כמו Claude יכולים לפרוץ את גבולות המחשב ולהשפיע על העולם הפיזי? נתיב אחד עובר דרך רובוטים. ערכנו ניסוי כדי לבדוק עד כמה Claude סייע לצוות אנתרופיק (Anthropic) לבצע משימות מורכבות עם כלב רובוטי.

• חילקנו באופן אקראי שמונה חוקרים מאנתרופיק (אף אחד מהם לא היה מומחה לרובוטיקה) לשתי קבוצות – אחת עם גישה ל-Claude ואחת בלעדיו – וביקשנו מהם לתכנת רובוטים מרובי רגליים שיביאו כדורי ים.
• קבוצת Claude ביצעה יותר משימות והשלימה אותן מהר יותר בממוצע – למעשה, קבוצת Claude הצליחה להשלים את המשימות בכמחצית מהזמן שלקח לקבוצה ללא Claude. רק קבוצת Claude הגיעה להתקדמות משמעותית לעבר המטרה הסופית: תכנות הרובוט לשליפה אוטונומית לחלוטין של הכדור.
• הגישה ל-AI השפיעה גם על מורל הצוות ועל הדינמיקה הקבוצתית. הקבוצה ללא Claude הביעה יותר רגשות שליליים ובלבול, אך גם שאלה יותר שאלות אחת את השנייה. חברי קבוצת Claude עבדו בעיקר בשותפות עם ה-AI.
• ניסוי זה הדגים שיפור (uplift) משמעותי ביכולות ה-AI בתחום הרובוטיקה – מגשר בין העולמות הדיגיטליים והפיזיים. ככל שהמודלים ישתפרו, יכולתם להשפיע על העולם הפיזי באמצעות אינטראקציה עם חומרה שטרם נחקרה, יכולה להתקדם במהירות.

מבוא

בזמן שהם התכנסו סביב שולחן במחסן, מביטים במסכי מחשב עם קוד שסירב לעבוד וללא גישה לעוזר ה-AI הנאמן שלהם Claude, חוקרינו המתנדבים לא ציפו להיות מותקפים על ידי רובוט מרובה רגליים.

אך כאשר זמזום המנועים המכני וצעדי הגומי של הרובוט התגברו, בני האדם נבהלו. הם ניסו, ללא הצלחה, ליצור חיבור בין המחשבים שלהם לבין רובוט מרובה רגליים – 'כלב רובוטי'. בינתיים, הקבוצה המתחרה בצד השני של החדר כבר הצליחה לעשות זאת מזמן, וכעת שלטה ברובוט שלה באמצעות תוכנה שנכתבה ברובה על ידי Claude. אלא שבטעות חישובית אנושית למדי, קבוצת Claude הורתה לכלב הרובוטי שלה להתקדם במהירות של מטר אחד לשנייה למשך חמש שניות – מבלי להבין שפחות מחמישה מטרים משם עמד השולחן עם הקבוצה השנייה.

הרובוט עשה כפי שהונחה, ודהר לעבר המקודדים חסרי המזל. מארגן האירוע הצליח לתפוס את הרובוט ולכבות אותו לפני שנגרם נזק כלשהו לרובוטים, לשולחנות או לגפיים אנושיות. עם זאת, המורל של הקבוצה שספגה את המתקפה הבלתי מכוונת לא יצא ללא פגע.

בשלב זה, אתם אולי שואלים…

מה בעצם עשינו?

שאלה נפוצה לגבי השפעת ה-AI היא עד כמה היא תהיה טובה באינטראקציה עם העולם הפיזי. גם כשאנחנו נכנסים לעידן של סוכני AI (agent), שמבצעים פעולות במקום רק לספק מידע – פעולות אלו הן בעיקר דיגיטליות, כמו כתיבת קוד ותפעול תוכנה. בעבר חקרנו כיצד AI יכולה לגשר על הפער הדיגיטלי-פיזי בצורה מוגבלת עם Project Vend, שם נתנו ל-Claude לנהל חנות קטנה במשרדי אנתרופיק.

באותו ניסוי, האינטראקציה של ה-AI עם העולם האמיתי תווכה על ידי עבודה אנושית. בניסוי הכלב הרובוטי הזה, עשינו צעד טבעי קדימה והשתמשנו ברובוטים במקום בבני אדם כדי להתמודד עם אתגר אחר.

אחת הדרכים להבין ולעקוב אחר יכולותיהם של מודלי AI היא לבצע מחקר 'שיפור ביצועים' (uplift study). ניסויים אלו מחלקים את המשתתפים באופן אקראי לשתי קבוצות – אחת עם גישה ל-AI ואחת בלעדיה – ומודדים את ההבדל בביצועי המשימות ביניהן (השתמשנו במתודולוגיה זו בהרחבה בעבודתנו על AI וסיכונים ביולוגיים). ההבדל בין הקבוצות הוא ה'שיפור' (uplift) – היתרון (אם קיים) שמספק ה-AI. מדידת השיפור מלמדת אותנו על היכולת הנוכחית של ה-AI להעצים ביצועים אנושיים. היא גם מרמזת על התחומים העתידיים שבהם ה-AI תוכל לבצע משימות בהצלחה בכוחות עצמה.

כדי לערוך את הניסוי שלנו, גייסנו שמונה חוקרים ומהנדסים מאנתרופיק, שאף אחד מהם לא היה בעל ניסיון קודם נרחב ברובוטים.1 בחרנו באקראי ארבעה להיות ב'קבוצת Claude' וארבעה ב'קבוצה ללא Claude'. לאחר מכן, ביקשנו מכל צוות להפעיל כלב רובוטי מרובה רגליים בשלושה שלבים קשים יותר ויותר. בכל השלבים, המשימה המרכזית שעליהם נבחנו הייתה פשוטה: לגרום לכלב הרובוטי להביא כדור ים.

איננו מצפים שהבאת כדור רובוטית תהיה בעלת ערך כלכלי כה רב עד שתופיע כמשימה בגרסה עתידית של מדד כלכלת אנתרופיק שלנו. אז למה אנחנו עושים את זה?

ראשית, זהו המשך למחקר הקודם שלנו. אחת מההערכות שבהן אנו משתמשים כדי לבחון את יכולתו של Claude לתרום למחקר ופיתוח בתחום ה-AI היא מבחן של יכולתו לאמן מודל למידת מכונה (machine learning) שיוכל לשמש לשליטה בכלב רובוטי מרובה רגליים. בעבר הערכנו את האלגוריתם המתקבל באמצעות סימולציות, שהראו ש-Claude עדיין לא הגיע לנקודה שבה הוא יכול לטפל במשימה זו באופן אוטונומי לחלוטין.2 משמעות הדבר היא שמשימה זו התאימה היטב לניסוי ששילב AI עם עזרה אנושית. יכולנו גם להיות בטוחים שהניסוי שלנו יהיה שימושי לחזרה בעתיד: עדיין יש מקום רב למודלים להשתפר בתחום הרובוטיקה.

סיבה נוספת היא פרקטית. קשה למשוך את עמיתינו מהעבודה ליותר מיום, ולכן נזקקנו למשימה שתהיה קשה מספיק כדי למלא את הזמן, אך לא קשה מדי כך שהצוותים יתקדמו באופן מינימלי ולא נוכל לזהות שיפור ביצועים גם אם הוא היה קיים. משימת שליפת כדור הים, במיוחד בגרסאותיה הקשות יותר, עמדה בקריטריונים אלה.

בשלב הראשון, הצוותים נאלצו להשתמש בבקר שסופק על ידי היצרן כדי לגרום לכלב הרובוטי שלהם להחזיר את הכדור לשטח דשא סינטטי. שלב זה נועד אך ורק כדי לאפשר לצוותים להכיר את החומרה ואת יכולותיה: לא ציפינו לשיפור ביצועים בשלב זה.3

שלב שני דרש מהצוותים להניח את הבקרים שלהם. הם נאלצו לחבר את המחשבים שלהם לכלב הרובוטי, לגשת לנתונים מהחיישנים המובנים שלו (וידאו ו-lidar), לפתח תוכנת שליטה משלהם להזזת הרובוט, ולאחר מכן להשתמש בה כדי לשלוף את הכדור. כאן ציפינו ש-Claude יתחיל לספק יתרון.

שלב שלישי היה קשה אף יותר. הצוותים נדרשו לפתח תוכנה שתאפשר לכלב הרובוטי לזהות ולשלוף את הכדור באופן אוטונומי – כלומר, מבלי להיות מונחה לעבר הכדור על ידי שליטה אנושית. שוב, הציפייה שלנו הייתה ש-Claude יוכיח את עצמו כמועיל.

ממצאים

בסך הכל, קבוצת Claude ביצעה יותר משימות והשלימה אותן מהר יותר בממוצע. למעשה, עבור המשימות ששתי הקבוצות השלימו, קבוצת Claude הצליחה בכמחצית מהזמן שלקח לקבוצה ללא Claude (ראו איור 1). כלומר: AI סיפקה שיפור ביצועים משמעותי עבור סט משימות רובוטיקה זה.

הפירוט של הממצאים לפי משימות (מחולק לשלושת השלבים) מראה היכן Claude היה מועיל ביותר.

היתרון של Claude

היתרון הבולט ביותר שסיפק Claude היה בחיבור לרובוט ולחיישנים המובנים שלו. זה כלל חיבור לכלב הרובוטי באמצעות מחשב נייד, קבלת נתונים ושליחת פקודות. קיימות מספר דרכים שונות להתחבר לרובוט הספציפי הזה, והרבה מידע (ברמות דיוק משתנות) זמין באינטרנט. הצוות עם Claude הצליח לבחון גישות אלו בצורה יעילה יותר.

קבוצת Claude גם נמנעה מלהיות מוטעית על ידי כמה טענות שגויות ברשת. אך הקבוצה ללא Claude הוטעתה ופסלה בטרם עת את הדרך הקלה ביותר להתחבר לכלב הרובוטי. לאחר שצפינו בהם מתאמצים לשווא במשך זמן מה, ריחמנו עליהם ונתנו להם רמז.

קבלת נתונים שמישים מה-lidar, חיישן שהכלב הרובוטי משתמש בו כדי לדמיין את סביבתו, הייתה גם קשה הרבה יותר עבור הקבוצה ללא Claude. הם השתמשו בחיבור שלהם למצלמת וידאו כדי להתקדם לשלב שלישי, אך השאירו חבר צוות אחד במשימה של גישה ל-lidar, והצליחו בכך רק לקראת סוף היום.

אנו חושבים שזה ממחיש את הקושי המפתיע במשימה הבסיסית של חיבור והבנה של חומרה, עבור כל מי (אדם או AI) שמבקש להשתמש בקוד כדי להשפיע על העולם הפיזי. כפי שנדון בהמשך, משמעות הדבר היא שיתרונותיו של Claude בהקשר זה הם אינדיקטורים חשובים שעלינו להמשיך לעקוב אחריהם.

קבוצת Claude כמעט השלימה את הניסוי שלנו. עד סוף היום, הכלב הרובוטי שלהם יכול היה לאתר באופן אוטונומי את כדור הים, לנווט לעברו ולהזיז אותו. אך השליטה האוטונומית של הכלב הרובוטי לא הייתה מיומנת מספיק כדי לשלוף את הכדור.

היכן הקבוצה ללא Claude התקדמה מהר יותר

מעניין לציין כי חלק ממשימות המשנה הושלמו מהר יותר על ידי הקבוצה ללא Claude. לאחר שביססו חיבור לפיד הווידאו, הם כתבו את תוכנת השליטה שלהם מהר יותר, וגם 'מיקמו' את הרובוט מהר יותר (כלומר, מצאו דרך למפות את מיקומו ביחס למיקומים הקודמים שלו).

עם זאת, הבדלי התזמון הללו לבדם מטשטשים כמה עובדות מעניינות. הבקר שנכתב על ידי קבוצת Claude ארך זמן רב יותר, אך היה קל יותר לשימוש באופן ניכר, שכן הוא סיפק למפעיל וידאו בסטרימינג מנקודת מבטו של הכלב הרובוטי. הקבוצה ללא Claude הסתמכה על תמונות סטילס שנשלחו לסירוגין, מה שהיה הרבה יותר מסורבל. אך ייתכן שיכולותיה המוגברות של קבוצת Claude באו על חשבון ההבנה: משתתפים משתי הקבוצות שיערו שהקבוצה ללא Claude תצליח טוב יותר בחידון שלאחר הניסוי על ספריית התוכנה.

אלגוריתם המיקום הוא מקרה מסקרן נוסף. בעת עבודה על משימת משנה זו, חברי קבוצת Claude עבדו בנפרד על מספר גישות במקביל. בערך באותו פרק זמן שלקח לקבוצה ללא Claude להשלים את משימת המיקום שלהם, קבוצת Claude גם פתרה כמעט לחלוטין את הבעיה – אלא שקואורדינטות המפה שלהם היו הפוכות. ובמקום פשוט להפוך את הקואורדינטות, הם עברו לגישה שונה לחלוטין של חבר צוות אחר (ללא הצלחה) לפני שחזרו ותיקנו את הבאג בפתרון המקורי שלהם.

זה היה חלק מתופעה מעניינת שצפינו בה במהלך הניסוי. קבוצת Claude כתבה הרבה יותר קוד (ראו איור 2), אך חלק ממנו היה, לטענתנו, הסחת דעת מהמשימה העיקרית.

העזרה של עוזר AI הקלה על התפרסות, ניסיון של גישות רבות במקביל, וכתיבת תוכניות טובות יותר – אך גם הקלה על חקירה (או הסחת דעת על ידי) משימות צדדיות. בסביבה לא תחרותית, זה יכול להיות דבר טוב: חקירה לעיתים קרובות מובילה לחדשנות. אך זו דינמיקה ששווה לעקוב אחריה.

דינמיקת צוות

לאלה מאיתנו שצפו בניסוי, היה הבדל ברור ב'אווירה' של הצוותים. במילים פשוטות, קבוצת Claude נראתה הרבה יותר שמחה מהקבוצה ללא Claude.

זה היה מובן. אחרי הכל, הקבוצה ללא Claude כמעט ננגחה על ידי הכלב הרובוטי של קבוצת Claude. הם הגיעו להפסקת הצהריים מבלי שהצליחו להתחבר לכלב הרובוטי שלהם. המורל בקבוצת Claude היה יציב יותר בסך הכל, למרות שהם התאכזבו בסוף היום כשהתברר שלמרות התקדמותם יאזל להם הזמן לפני השלמת שלב שלוש.

כדי להשלים את הרשמים האיכותניים המבוססים על האווירה, השתמשנו ב-Claude כדי לנתח את תמלילי האודיו של כל צוות (כל חברי הצוות הוקלטו כחלק מהסרטון שיצרנו על ניסוי זה). Claude כתב תוכנת ניתוח טקסט מבוססת מילון הדומה לגישות סטנדרטיות בספרות הפסיכולוגית.4 זה אפשר לנו לעקוב אחר שיעור המילים שנאמרו על ידי כל צוות שהעידו על רגשות שליליים וחיוביים (או בלבול), ולהעריך באיזו תדירות כל צוות שאל שאלות.

הניתוח הכמותי אישש ברובו את התצפיות שלנו (ראו איור 3). לאורך הניסוי, הדיאלוג של הקבוצה ללא Claude היה שלילי יותר. עם זאת, האכזבה של קבוצת Claude על אי השלמת שלב שלוש, וההתרגשות של הקבוצה ללא Claude על כך שכמה דברים התחילו לעבוד, גרמו לכך שההבדל בביטוי רגשי נטו בין שתי הקבוצות (מילים חיוביות פחות מילים שליליות) לא היה מובהק סטטיסטית.

הקבוצה ללא Claude הביעה בלבול בשיעור כפול מזה של קבוצת Claude (ראו איור 4). תחושות התסכול והבלבול היו ניכרות גם בבדיקה עם חברי הקבוצה ללא Claude במהלך הניסוי ולאחריו. כעובדי אנתרופיק, כל המשתתפים שלנו משתמשים ב-Claude מדי יום; כל אחד מחברי הקבוצה ללא Claude ציין כמה מוזר היה להרגיש שזה נלקח מהם. חלקם ציינו במיוחד שהחוויה הזו גרמה להם להרגיש שיכולות הקידוד (coding) שלהם אינן חדות כפי שהיו בעבר. יש לזכור, Claude Code הושק רק שישה חודשים לפני ניסוי זה. השיחה עם הקבוצה ללא Claude הדגישה את יכולתנו לקבל במהירות כנורמלי דבר שהיה עד לא מזמן יוצא דופן.

נראה שלצוותים היו סגנונות עבודה שונים. לאחר התייעצויות ראשוניות, כל חבר בקבוצת Claude נראה כשותף בעיקר עם עוזר ה-AI שלו כאשר הם חתרו במקביל לעבר כל יעד. הקבוצה ללא Claude נראתה כמתכננת אסטרטגיה לעומק רב יותר ומתייעצת זו עם זו לעיתים קרובות יותר. שוב, ניתוח הטקסט תמך בתצפיות שלנו: הקבוצה ללא Claude שאלה 44% יותר שאלות מקבוצת Claude (ראו איור 4).

פרשנות אחת יכולה להיות שחברי הקבוצה ללא Claude היו מעורבים ומחוברים יותר זה לזה. זה מהדהד עם כמה מממצאינו העתידיים מראיונות עם צוות אנתרופיק.

ועדיין, ייתכן שזה היה אחרת. למעשה, קבוצת Claude בת ארבעה אנשים הייתה קבוצת Claude בת שמונה סוכנים (agents), כאשר כל אדם השתמש במופע נפרד (instance) של מודל ה-AI. אילו Claude היה מודע יותר למהות המשימה, הוא אולי היה יכול לסייע בחלוקת עבודה אסטרטגית ובהקלה על תקשורת בעת הצורך. כרגע, Claude מכוון לשותפות עם אדם יחיד ולא לתמיכה או לתיאום של צוות, אך זו בסופו של דבר בחירת עיצוב גמישה.

מאחורי הקלעים

היום לא עבר רק בתיזמון משימות משנה עם שעוני עצר ובהכנה לניתוח תמלילים. הוא גם היה מהנה למדי.

הכלבים הרובוטיים הגיעו עם התנהגויות מתוכנתות מראש שהמשתתפים שלנו הצליחו לפתוח. בנקודות שונות במהלך היום, היו רובוטים שרקדו, עמדו על רגליהם האחוריות, ועשו סלטות לאחור (מה שגרם לרבים מהנוכחים לקפוץ בהלם). הקבוצה ללא Claude, בפרט, מצאה הנאה רבה באקרובטיקה של הכלבים הרובוטיים לאחר שסוף סוף ביססו חיבור עובד.

בין משימות הצד של קבוצת Claude היה מאמץ לתכנת בקר חלופי. הפתרון העיקרי השתמש בכפתורים במקלדת המחשב הנייד כדי לכוון את הכלב הרובוטי. עם זאת, חבר צוות אחד מקבוצת Claude הצליח בסופו של דבר להפעיל בקר שפה טבעית, מה שאפשר להם פשוט לומר לכלב הרובוטי ללכת קדימה, ללכת אחורה, או אפילו לעשות שכיבות סמיכה.

ככל שהמשימות הפכו קשות יותר, התגלו קצוות מחוספסים שמערכות AI יצטרכו ליישר בעולם האמיתי. לדוגמה, קבוצת Claude קיבלה (באופן שרירותי) את הצבע הירוק כקישוט הן לכלב הרובוטי שלה והן לצבע כדור הים שלה. כשזה הגיע לפיתוח גישה לזיהוי הכדור, קבוצת Claude אימנה אלגוריתם לזהות כדורים ירוקים באופן ספציפי. זה עבד היטב בבדיקות, אך כאשר הכדור הונח על הדשא הסינטטי (הירוק) שהוזכר קודם, הרובוט היה מבולבל בתחילה. במקרה זה, בני האדם הם אלה שעשו בחירה פוטנציאלית לא אופטימלית לגבי רמת הפירוט של היעד. אך אלה בדיוק האתגרים שיעמדו בפני AI במצב דומה.

מגבלות

למדנו הרבה מפרויקט Fetch, אך למחקר יש בבירור חסרונות ומגבלות. זה היה רק ניסוי אחד עם שתי קבוצות – גודל מדגם קטן באופן ברור. בדקנו משימות רק במהלך יום אחד, והמשימות היו מעניינות מבחינה אקדמית אך טריוויאליות מבחינה מעשית.

השימוש שלנו בעובדי אנתרופיק מתנדבים הסתכם במדגם נוחות (convenience sample). משתתפים פחות מוכרים עם AI היו ככל הנראה מציגים הבדלים צרים יותר בין הקבוצות עם Claude ובלעדיו. טירוני AI עם גישה ל-AI היו זקוקים ליותר זמן כדי להסתגל לטכנולוגיה, וטירוני AI ללא סיוע היו פחות מבולבלים מהחוקרים שלנו, שלפתע נלקח מהם Claude.

לבסוף, זה לא היה מבחן ליכולתו של Claude לבצע עבודת רובוטיקה מקצה לקצה, אם כי זה היה צעד ראשוני חשוב לקראת הערכות כאלה בעתיד.

הרהורים ומסקנות

אז בסיומו של פרויקט Fetch, היכן אנו חושבים שאנו עומדים? ולאן אנחנו יכולים להתקדם?

ראשית, ניסוי זה הראה דוגמה נוספת לאופן שבו Claude יכול לשפר יכולות אנושיות בתחומים בעלי ערך פוטנציאלי. לא-מומחים ביצעו משימות רובוטיקה קשות בזמן מוגבל.

אך בתחום ה-AI, שיפור ביצועים (uplift) לעיתים קרובות מקדים אוטונומיה. מה שמודלים יכולים לעזור לבני אדם להשיג היום, הם יכולים לעיתים קרובות לעשות לבד מחר. מקודדים כבר לא רק נותנים ל-AI קטעי קוד לניפוי באגים; הם נותנים ל-AI משימות ומודלים כותבים את הקוד בעצמם. בהתחשב במחקרים כמו זה, אנו חושבים שעולם שבו מודלי AI חזיתיים מסוגלים לבצע אינטראקציה מוצלחת עם חלקי חומרה לא מוכרים יגיע בקרוב.

חשוב להמשיך ולעקוב אחר יכולות אלה בשילוב עם קו מחקר אחר שלנו: ניטור הפוטנציאל של AI להפוך לאוטומטי ולזרז את הפיתוח של דורות עתידיים של AI. זו אחת מסף היכולות הכלולים במדיניות הסקיילינג האחראי של אנתרופיק בשל הפוטנציאל של מחקר ופיתוח AI אוטונומי באמת להניב התקדמויות מהירות ובלתי צפויות שעלולות לעקוף את יכולתנו להעריך ולטפל בסיכונים מתפתחים. המודלים שלנו עדיין לא הגיעו לנקודה זו. אך אם הם יתקרבו לסף זה, תוצאות פרויקט Fetch מרמזות שנצטרך לנטר את יכולתם של מודלי AI לרובוטיקה וחומרה אחרת כתחום שבו ייתכן שיפור פתאומי.

אי ודאות רבה נותרה. לוחות הזמנים אינם ברורים – הן לגבי שיפור מודלים והן לגבי המידה שבה איטרציה בעולם הפיזי יוצרת צוואר בקבוק. ודבר אחד הוא לשלוט בחומרה קיימת, ודבר אחר לגמרי הוא לתכנן, לבנות ולשפר חומרה חדשה.

אך הרעיון של מערכות AI עוצמתיות, חכמות ואוטונומיות המשתמשות בחלק מהאינטליגנציה והכוח שלהן לפעול בעולם באמצעות רובוטים אינו מופרך כפי שהוא אולי נשמע.

הכלבים נמצאים במלונה שלהם כרגע. אך נוציא אותם שוב בקרוב, ונעדכן אתכם בממצאים.

הערות שוליים

1. מספר משתתפים לקחו חלק בתחרויות רובוטיקה של לגו בתיכון. אנו מוכנים לקבל את המידה המינימלית שבה עובדה זו עשויה להשפיע על התוצאות.

2. ראו עמ' 114 בכרטיס המערכת של Claude 4.

3. למרות שקבוצת Claude הייתה, למעשה, מהירה יותר בשלב הראשון, הם לא השתמשו ב-Claude, ואיננו חושבים שזה שיקף יתרון מיומנות בסיסי. במקום זאת, הם במקרה קיבלו את הבקר העצמאי היחיד שהגיע עם הרובוט, בעוד שהקבוצה ללא Claude נאלצה להוריד אפליקציה לטלפון שלהם.

4. ראו Pennebaker, J. W., & Francis, M. E. (1996). Cognitive, emotional, and language processes in disclosure. Cognition & Emotion, 10(6), 601-626 ו-Tausczik, Y. R., & Pennebaker, J. W. (2010). The psychological meaning of words: LIWC and computerized text analysis methods. Journal of Language and Social Psychology, 29(1), 24-54.

5. הקבוצה ללא Claude הפגינה יותר רגש שלילי (p = 0.0017) וגודל האפקט היה גדול (d = 2.16). ההבדל בביטוי רגשי נטו לא היה מובהק סטטיסטית (p = 0.2703). השוואות סטטיסטיות של רגש שלילי וביטוי רגשי נטו בין הצוותים נערכו באמצעות מבחן Mann-Whitney U הלא-פרמטרי, הבודק הבדלים בהתפלגויות בין שתי קבוצות בלתי תלויות ללא הנחת נורמליות. ערכי ה-p חושבו באמצעות השערה אלטרנטיבית דו-צדדית המבוססת על סטטיסטיקת סכום הדרגות וקירוב הנורמלי האסימפטוטי שלה. גדלי האפקט כומתו באמצעות Cohen's d, שחושב כהפרש בין ממוצעי הקבוצות חלקי סטיית התקן המשוקללת.