En algunas sociedades se realiza con gestos: mandar callar al otro poniendo la mano delante de él no está mal visto o hacer un pequeño gesto visual que indique silencio. En las modernas sociedades occidentales, la cortesía o el pudor conducen a que cada vez más, ademanes como los mencionados (y algunos otros, como elevar el tono de la voz)  sean interpretados como agresivos, en mayor o menor grado.

Como informa la página web de la revista muyinteresante.com estas pautas de comportamiento se van sustituyendo por señales orales que dan a entender que estamos pensando y pronto emitiremos algún sonido. Tanto ‘umm’ como ‘emm’ son sonidos que emite una boca cerrada a punto de abrirse para hablar: de ahí que se interpreten como señales de petición de palabra.

En cuanto a los motivos de que sean palabras que empiecen por vocales (‘u’ o ‘e’) no son nada caprichosos. Lingüistas y científicos coinciden en señalar que la ‘e’ es la vocal más habitual en numerosos idiomas, o que la ‘u’ y la ‘e’ aparecen en no pocos principios de palabra.