شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا)-|| دانشمندان الگوریتم نوینی را توسعه داده‌اند که به گفته آن‌ها افسردگی میان کاربران توییتر را با دقت ۹۰ درصد تشخیص می‌دهد؛ پیشرفتی که شاید به روش‌های تشخیص زودهنگام در آینده منجر شود.

این الگوریتم که در نشریه تراکنش‌ها (IEEE Transactions) در محاسبه عاطفی آی‌ترایپل‌ئی (Affective Computing)، توضیح داده شده است، وضعیت ذهنی‌ یک کاربر توییتررا با استخراج و تجزیه و تحلیل ۳۳ نقطه داده از نمایه (پروفایل) عمومی او، از جمله محتوای پست‌هایش، زمان ارسال آن‌ها، و سایر کاربران محفل اجتماعی او، تعیین می‌کند.

عبدل سدکا، از نویسندگان این مطالعه و مدیر موسسه آینده دیجیتال (دانشگاه) برونل، در بیانیه‌ای گفت:«ما الگوریتم را روی دو پایگاه داده بزرگ آزمایش کردیم و نتایج خود را با سایر روش‌های تشخیص افسردگی مقایسه کردیم. در تمامی موارد، موفق شده‌ایم از نظر دقت طبقه‌بندی از روش‌های موجود بهتر عمل کنیم.»

دانشمندان گفتند تعداد زیادی از مبتلایان به افسردگی احتمالی در سراسر جهان، به دلیل عوامل متعددی، از جمله انگ اجتماعی یا ناآگاهی از وضعیت روانی‌شان، به دنبال کمک حرفه‌ای نیستند، و همین امر منجر به «تاخیر شدید در تشخیص و درمان» می‌شود.

پژوهش‌ پیشین نشان داده است که داده‌های رسانه‌های اجتماعی سرنخ‌های ارزشمندی درمورد وضعیت سلامت جسمی و روحی افراد ارائه می‌دهد.

در مطالعه اخیر، پژوهشگران این الگوریتم را با استفاده از دو پایگاه داده که حاوی تاریخچه هزاران کاربر توییتر، همراه با اطلاعات دیگری درباره سلامت روانی آن کاربران است، توسعه دادند.

دانشمندان گفتند:«در این مقاله، می‌گوییم که شناسایی افسردگی در مراحل اولیه با استخراج رفتارهای اجتماعی آنلاین، امکان‌پذیر است.»

آن‌ها از حدود ۸۰ درصد اطلاعات موجود در هر پایگاه داده برای آموزش ربات استفاده کردند و از باقی داده‌ها برای سنجش صحت آزمایش‌ها بهره گرفتند.

ربات بعد از بررسی پایگاه داده و حذف کاربرانی با کمتر از پنج توییت و کسانی که غلط املایی دارند، ۳۸ عامل متمایز را، از جمله استفاده کاربر از واژگان مثبت و منفی، تعداد دوستان و دنبال‌کنندگان آنان، و استفاده‌ از ایموجی‌ها، برای تخمین وضعیت روحی و روانی کاربر درنظر می‌گیرد.

این گروه گفت که دقت کارکرد این الگوریتم ۸۹ درصد بوده است.

پژوهشگران گفتند با استفاده از پایگاه داده «سی‌ال سایک» ۲۰۱۵ (CLPsych) دانشگاه جان هاپکینز، به دقت حدود ۷۱ درصد دست یافتند.

دکتر سدکا گفت:«این ۱۰۰ درصد دقیق نیست، اما فکر نمی‌کنم در این سطح، هیچ راه حل یادگیری ماشینی به اطمینان ۱۰۰ درصد برسد. اما، هرقدر به رقم ۹۰ درصد نزدیک شویم، بهتر است.»

دانشمندان می‌گویند این سیستم احتمال افسردگی کاربران را یک روز قبل از انتشار چیزی در دامنه عمومی نشان می‌دهد، و راه را برای پلتفرم‌های رسانه‌های اجتماعی مثل توییتر و فیس‌بوک هموار می‌کند تا نگرانی‌های سلامت روان را فعالانه به کاربران نشان دهند.

آن‌ها گفتند این ربات می‌تواند بیشتر توسعه یابد و برای تعدادی از برنامه‌ها، مثل تجزیه و تحلیل احساسات و پژوهش‌های جنایی، مورد استفاده قرار گیرد.

اما این یافته‌ها پرسش‌های بیشتری درمورد حریم خصوصی داده‌ها، و ضرورت رضایت آگاهانه کاربران قبل از استفاده از داده‌های عمومی آنان برای تجزیه و تحلیل، ایجاد می‌کند.

هوی‌یو جو، از دیگر نویسندگان این مطالعه در دانشگاه لستر بریتانیا، گفت: «مرحله بعدی این تحقیق، سنجش اعتبار آن در محیط‌ها یا زمینه‌های مختلف خواهد بود و مهم‌تر از آن، فناوری به دست آمده از این پژوهش ممکن است برای کاربردهای دیگری، از قبیل تجارت الکترونیک، آزمون استخدام، یا غربالگری نامزدی (انتخابات) توسعه یابد.»

دکتر جو افزود: «الگوریتم پیشنهادی مستقل از پلتفرم است، بنابراین به راحتی به سایر سیستم‌های رسانه‌های اجتماعی مثل فیس‌بوک و واتس‌اپ نیز گسترش می‌یابد.»

منبع: independentpersian