Sociale medier: Algoritmen identificerer Facebook-indlæg, som den alvorlige depression

$config[ads_kvadrat] not found

OUH TALKS - Participatory Design: Forskning der ændrer praksis gennem brugerinvolvering

OUH TALKS - Participatory Design: Forskning der ændrer praksis gennem brugerinvolvering
Anonim

Hver dag sender folk deres mest personlige tanker om deres Facebook-feeds og giver internettet information, som de aldrig kan betro til en faktisk person. Mens disse stillinger kan virke som meningsløse støj til andre brugere, er forfatterne af en ny Forsøg af det nationale akademi for videnskabsmænd undersøgelsen opdagede, at de var digitale råb om hjælp. Skjult på sproget i disse stillinger, fandt de en måde at identificere brugere, der kæmper for depression, selvom brugerne selv ikke kender det endnu.

Nu, når folk kaster deres tanker ind i Facebook's tomrum, kan en algoritme lytte til mening i deres musings. Papiret, skrevet af Stony Brook University computerforsker H. Andrew Schwartz, Ph.D., og University of Pennsylvania postdoc Johannes Eichstaedt, Ph.D., beskriver hvordan en ny algoritme kan forudsige fremtidige depression diagnoser ved at identificere visse nøgleord og sætninger, som folk bruger i deres Facebook status opdateringer.

"Depression påvirker mange aspekter af ens liv. Jeg er ikke så sikker på, at det er folk, der når ud så meget som det er bare, at online sprog, ligesom offline sprog, afspejler ofte, hvem der er eller den stat de er i, "siger Schwartz Inverse. "Ordene, der tyder på depression, antyder både, at folk når ud med, hvordan de føler sig, men der er også forskelle i stil, der synes mindre om at nå ud, som større brug af selvbetegnelse ('jeg', 'mig')."

De afprøvede deres algoritme ved at analysere Facebook-indlæg fra 683 brugere i et urbane storbyområde, hvoraf 114 blev til sidst diagnosticeret med lægernes depression, som lægejournaler bekræftede. De analyserede især indholdet af de stillede stillinger forudgående til hver brugers diagnose for at vurdere, om en persons sociale medier kunne forudsige, hvem der allerede kæmpede for depression og for at teste om depressionsforudsigende algoritmen virkelig fungerede.

I disse optegnelser fandt de ændringer i, hvordan deprimerede personer brugte sociale medier. De plejede at bruge flere førstepersoners pronomen (jeg, mig selv) mere end dem, der ikke blev diagnosticeret med depression. Disse mennesker har også ofte klaget over fysiske symptomer via Facebook-indlæg, som ofte bruger ord som "ondt", "træt", "hoved" og "dårligt". Desuden brugte de flere ord, der angav rygning, som "bange" tanker "og" bekymre sig. "Ruminering er en markør for depression defineret af besættelse af detaljer, som i sidste ende fører til vedvarende og knusende angst.

Men måske mest fortællende er det faktum, at stillinger fra deprimerede brugere tendens til at være langt længere end dem fra ikke-deprimerede brugere. Årligt skrev nedtrykte brugere et gennemsnit på 1.424 flere ord på tværs af alle indlæg.

Værktøjer som dette er magtfulde, fordi de kan forhindre folk i lyden at kæmpe for at holde deres hoveder over vand fra at gå tabt i socialmedias anonymitet. Den nye algoritme adresserer ikke folk, der hellere vil betro sig på en anden platform, som Twitter eller Instagram. men Schwartz siger, at denne algoritme også kan tilpasses til andre sociale medier.

"Facebook bruges meget hyppigere af den gennemsnitlige person i vores befolkning, så det gav flere data," siger han. "På den anden side er der metoder til at" tilpasse "en model bygget på Facebook til andre sociale medier domæner, og vi kunne træne en model fra bunden til dette domæne, og fra det tidligere arbejde ville jeg forvente, at det skulle fungere næsten lige så godt. ”

Lige nu holder de sig til Facebook og søger at øge nøjagtigheden. Men denne prøvekørsel viser en ting: folket har talt. Det tog bare en algoritme for virkelig at forstå, hvad de sagde.

Betydning:

Depression er invaliderende og behandles, men underdiagnosticeret. I dette studie viser vi, at indholdet, der deles af samtykke brugere på Facebook, kan forudsige en fremtidig forekomst af depression i deres lægejournaler. Sprogforudsigelse af tryk indeholder henvisninger til typiske symptomer, herunder tristhed, ensomhed, fjendtlighed, ruminering og øget selvbetænkning. Denne undersøgelse antyder, at en analyse af sociale medier data kan bruges til at screene samtykke individer til depression. Desuden kan socialmedieindhold pege klinikere på specifikke symptomer på depression.

Du kan også lide: Din hjerne på sociale medier

$config[ads_kvadrat] not found