O estudioso de Stanford, Johannes Eichstaedt, construiu um algoritmo que pode fornecer, em princapio, uma indicaça£o em tempo real do bem-estar da comunidade, analisando as postagens nas madias sociais.
Domanio paºblico
As madias sociais podem revelar mais do que apenas o humor ou o estado de esparito de uma única pessoa. Ele pode capturar os estados psicola³gicos de uma população inteira, de acordo com uma nova pesquisa do estudioso de Stanford, Johannes Eichstaedt .
Os resultados de Eichstaedt, publicados em 27 de abril na Proceedings da Academia Nacional de Ciências , descobriram que, atravanãs do aprendizado de ma¡quina - ensinando um computador a identificar e analisar padraµes em grandes conjuntos de dados - os pesquisadores podem ver, em princapio, como uma sociedade estãose saindo. Tempo.
"Esses manãtodos realmente mostram como fazer medições psicológicas no século XXI em nosso mundo digital", disse Eichstaedt, professor assistente de psicologia na Escola de Ciências Humanas e Ciências e membro jaºnior do Instituto Stanford de Produtos Artificiais Centrados no Homem. Inteligaªncia .
Na última década, Eichstaedt testou como usar as madias sociais, incluindo o Twitter, como uma maneira de medir o bem-estar de uma comunidade. Ele afirma que a madia social fornece o maior conjunto de dados sobre comportamento, emoções e pensamentos da história humana.
Embora os pesquisadores reconhea§am no artigo que o Twitter não érepresentativo da população dos EUA, ele ainda pode fornecer informações sobre como as pessoas experimentam sua vida cotidiana.
"O que realmente nos preocupa écom o desempenho da população em termos de saúde física e psicológica, e não apenas com o crescimento do PIB", disse Eichstaedt. “Vocaª pode não se importar em medir o bem-estar subjetivo por si são, mas o bem-estar subjetivo afeta a mortalidade, incluindo doenças cardaacas. Tambanãm afeta os resultados econa´micos. Portanto, éuma varia¡vel muito importante para capturar para uma população. â€
Da pesquisa de pesquisa a s madias sociais
Para avaliar as diferentes maneiras de analisar o bem-estar de uma regia£o, Eichstaedt e uma equipe de pesquisadores compararam mais de um bilha£o de Tweets com etiquetas geogra¡ficas de 2009 a 2015 a 1,7 milha£o de respostas do Gallup-Sharecare Well-Being Index, uma pesquisa aprofundada que mede como as pessoas experimentam a vida cotidiana.
Pesquisadores hámuito confiam em pesquisas como a Gallup para medir o bem-estar de uma população. Embora precisos, podem ser empreendimentos dispendiosos e demorados. a€s vezes, leva anos para reunir dados suficientes para estimativas aproximadas da comunidade, disse Eichstaedt.
"O COVID-19 éum desastre natural que interrompe nossas normas e rotinas sociais em uma escala sem precedentes", disse Eichstaedt. “Com essa tecnologia em tempo real baseada no Twitter, os psica³logos podem monitorar se a solida£o e a ansiedade estãose instalando nas comunidades e como nosso bem-estar éimpactado pelo distanciamento social. Nãoháoutra fonte de dados que possa fornecer essa medida em escala populacional e fornecer estimativas tão rapidamente. Agora, mais do que nunca, o uso de manãtodos robustos de aprendizado de ma¡quina émuito importante. â€
Poranãm, quando aprimorada com técnicas orientadas a dados, parte dessa carga pode ser aliviada. Eichstaedt descobriu que, quando um algoritmo étreinado com as respostas dos usuários a uma pesquisa escrita sobre bem-estar e uma amostra de postagens de madias sociais dos mesmos entrevistados, ele pode ser implantado em uma escala muito maior para prever como as pessoas de um todo regia£o teria respondido a uma pesquisa tradicional baseada apenas em seus Tweets.
Compreendendo palavras fora de contexto
Antes de os manãtodos de aprendizado de ma¡quina serem usados, os pesquisadores selecionavam palavras ou pediam aos avaliadores que anotassem as palavras sobre o quanto "positivas" são. Mas pode ser muito complicado escolher palavras que medem o bem-estar, disse Eichstaedt.
Por exemplo, os pesquisadores descobriram que as garias da Internet como “LOL†- o acra´nimo popular para “rir alto†- e as palavras “bom†e “amor†eram frequentemente usadas em áreas com menor renda e educação (e, em geral, , menor bem-estar). Portanto, mesmo que parea§am palavras positivas, podem não ser, disse Eichstaedt.
Da mesma forma, Eichstaedt descobriu que palavras como "lição de casa" e "impostos" podem parecer negativas fora de contexto, mas os pesquisadores descobriram que essas palavras foram usadas mais por pessoas com ensino superior e renda - um grupo que outros estudos descobriram normalmente bem-estar.
"Ao escolher palavras para medir o bem-estar, érealmente importante prestar atenção a s diferenças culturais no uso da langua nos EUA", disse Eichstaedt.
Mas os manãtodos de aprendizado de ma¡quina podem ajudar a determinar quais palavras são mais importantes que outras. Quando o algoritmo comparou as postagens de madia social de uma pessoa com suas respostas a pesquisa, aprendeu que palavras como "LOL" não são indicadores confia¡veis ​​de bem-estar e, em vez disso, usou palavras como "divertida" e "animada".
"Fazer o computador aprender as palavras pode ser a melhor maneira de encontrar palavras que medem o bem-estar", disse Eichstaedt. "As diferenças no uso da linguagem podem ser bastante complexas."
Usos futuros
Os pesquisadores observam que o bem-estar também estãoassociado a outros fatores importantes, incluindo a saúde geral. Por exemplo, como as pessoas estressadas podem induzir comportamentos não sauda¡veis ​​- como beber ou fumar em excesso - que, por sua vez, afetam negativamente sua saúde, disse ele.
"Quando as pessoas sofrem de depressão e ansiedade, precisamos saber para garantir que eles tenham os recursos de que precisam", disse Eichstaedt, que atualmente estãoaplicando esse manãtodo para estudar o impacto da nova pandemia de coronavarus na população das cidades. nos EUA
"O COVID-19 éum desastre natural que interrompe nossas normas e rotinas sociais em uma escala sem precedentes", disse Eichstaedt. “Com essa tecnologia em tempo real baseada no Twitter, os psica³logos podem monitorar se a solida£o e a ansiedade estãose instalando nas comunidades e como nosso bem-estar éimpactado pelo distanciamento social. Nãoháoutra fonte de dados que possa fornecer essa medida em escala populacional e fornecer estimativas tão rapidamente. Agora, mais do que nunca, o uso de manãtodos robustos de aprendizado de ma¡quina émuito importante. â€