نحوه فعالیت در شبکه های اجتماعی، وضعیت روحی کاربر را نشان می دهد

نتیجه ی یک تحقیق جدید نشان داده است که نحوه ی فعالیت افراد در شبکه ی اجتماعی اینستاگرام، می تواند نشانگر بسیار خوبی برای تحلیل وضعیت سلامت روانی آن ها باشد.

به گزارش زومیت،خودتان متوجه باشید یا نه، پست های شما در شبکه های اجتماعی می توانند نشانگر وضعیت سلامت روانی شما باشند. نتایج یک تحقیق جدید با تأیید این مسئله، اعلام می کند که حتی کاراکترها و اموجی ها نیز می توانند اطلاعاتی در مورد وضعیت روانی و احوال افراد ارائه  دهند.

البته این موضوع در مورد پست هایی که مستقیما احساسات افراد را بازتاب می دهند، واضح و آشکار است؛ اما اطلاعات در مورد سلامت روانی می تواند از لابه لای معمولی ترین پیام های افراد در شبکه های اجتماعی نیز فاش شود و یک تحقیق جدید سعی دارد نحوه ی درک و تفسیر این علائم را تشخیص دهد.

در یک مطالعه ی جدید که در مجله «EPJ Date Science» منتشر شده است، دو محقق با دسترسی به حساب کاربری ۱۶۶ داوطلب و سپس اعمال یادگیری ماشینی بر مجموعه ای انبوه از تصاویر آن ها به تشخیص و پیش بینی افسردگی پرداختند.

با مقایسه ی این پیش بینی ها با تشخیص بالینی هر کدام از افراد، مشخص شد که الگوی محققان، از میانگین نرخ تشخیص پزشکی افسردگی بیماران بهتر ظاهر شده است.

به عبارت دیگر، حساب کاربری اینستاگرام می تواند این ظرفیت را داشته باشد که احتمال بروز افسردگی در افراد را آشکار کند و الگوریتم مناسب می تواند این بیماری را از یک پزشک کارآزموده بهتر پیش بینی کند.

کریس دانفورث، نویسنده ی همکار این مطالعه و استاد علوم طبیعی و ریاضی دانشگاه ورمونت، می گوید:

پزشکان به اندازه ی گوشی  موبایلمان از زندگی  ما شناخت ندارند. شناخت گوشی ها حتی از شناخت ما نسبت به خودمان نیز بسیار بیشتر است.

با این وجود، برخی تردیدها در مورد کشف جالب این مطالعه وجود دارد.

محققان این پژوهش، داوطلبان خود را از میان فروشگاه آنلاینی به نام «ترک مکانیکی آمازون» انتخاب کردند که کارگران را با کسب وکارها و توسعه دهندگان تطبیق می دهد. زمانی که داوطلبان دریافتند این مطالعه نیازمند دسترسی محققان به حساب های اینستاگرام آن ها است، بیش از نیمی از آن ها از تحقیق انصراف دادند. اندازه ی کوچک نمونه و فقدان اطلاعات جمعیت شناسی، بدین معنی است که احتمال تعمیم این یافته ها به گروه جمعیتی بزرگ تر بسیار پایین است.

این مطالعه به منظور انجام پیش بینی های خود، رنگ ها، فیلترها، تشخیص چهره و کامنت های کاربر و میزان مشغولیت وی را در اینستاگرام تحلیل کرد.

تصاویری که توسط کاربران افسرده به اشتراک گذاشته می شدند، غالبا آبی تر، تاریک تر و خاکستری تر بودند؛ رنگ هایی که تحقیق پیشین آن ها را با احوال منفی ارتباط داده بود. آن ها همچنین تمایل کمتری به استفاده از فیلترهای اینستاگرام داشتند؛ اما زمانی که قصد به کارگیری آن را داشتند، به طرز نامناسبی فیلتر سیاه و سفید «اینک ول» را انتخاب می کردند. در مقابل، فیلتر روشن کننده ی «والنسیا» محبوب شرکت کنندگان سالم بود. همچنین، هرچقدر تعداد کامنت هایی که یک پست دریافت می کرد بیشتر بود، احتمال اینکه صاحب پست فرد افسرده ای باشد بیشتر می شد.

علاوه بر این، محققان گروه دومی از داوطلبان انتخاب کردند تا تصاویر را بر اساس میزان خوشحالی، ناراحتی، خوشایندی و جذابیت رتبه بندی کنند. ارزیابی انسانی از ناراحتی و خوشحالی نشان داد که کدام شرکت کنندگان دچار افسردگی هستند؛ اما آن ها موفق به ایجاد هم بستگی با علائم سلامت روانی که توسط یادگیری ماشینی انتخاب شده بود، نشدند.

این یافته ی امیدبخشی است؛ زیرا بدین معنی است که الگوریتم ها می توانند در تشخیص وضعیت از انسان برتر باشند.

گلن کاپراسمیت، بنیان گذار و مدیرعامل کمپانی Qntfy که یک استارتاپ تحلیل های سلامت روانی است، در این باره می گوید:

شواهد نقلی و اولیه ای وجود داشتند مبنی بر اینکه این گونه علائم وجود دارند و با سلامت روانی ما مرتبط هستند؛ اما این مطالعه، شواهد قانع کننده ای از کاربرد آن ها نمایان کرد.

دانفورث می گوید که می تواند آینده ای را تجسم کند که در آن مردم ترجیح می دهند اپلیکیشنی را دانلود کنند که فعالیت آن ها در شبکه های اجتماعی را تحلیل می کند و علائم مشکلات روانی و روان شناختی را تشخیص می دهد و زمانی که نیاز به بررسی آن ها توسط یک متخصص سلامت روانی باشد، نتایج را برای یک پزشک مشخص ارسال می کند.

البته، به واقعیت پیوستن این خیال، نیازمند تحقیق بیشتر و اعتماد کاربران شبکه های اجتماعی است. اجازه دادن به یک اپلیکیشن برای جمع آوری و تحلیل داده های شبکه های اجتماعی برای تشخیص سلامت روانی، پرسش های بسیاری را در مورد مقوله ی امنیت مطرح می کند. به طور مشخص، این اطلاعات هرگز نباید در اختیار بیمه گران و کارفرمایان احتمالی قرار گیرد؛ زیرا احتمال دارد تصمیم گیری های مربوط به استخدام و هزینه ی بیمه ی درمانی افراد را تحت تأثیر قرار دهد.

با این وجود، دانفورث بر این باور است که چنین فناوری هایی کمک قابل توجهی به مردم خواهند کرد.

وی در ادامه افزود:

اینکه کامپیوترها قادر به انجام چنین کاری هستند موضوع بسیار مهمی است. خیلی خوب است که ما می توانیم کسی را که [احتمال می رود] تا سال ۲۰۱۸ به دلیل خودکشی از دنیا برود، زودتر در مقابل یک روانشناس قرار دهیم. زیرا قطعا چیزی در مورد زندگی مجازی آن ها وجود دارد که برای افراد پیرامون آن ها قابل مشاهده نیست؛ اما یادگیری ماشینی قادر به شناخت آن است.

تشخیص علائم افسردگی به سادگی و با آپلود یک تصویر در اینستاگرام انجام نمی گیرد؛ اما اگر الگوریتمی مشابه آنچه در این تحقیق مورد استفاده قرار گرفت به موفقیت دست یابد، می تواند نحوه ی تشخیص و درمان بیماری های روانی را در قرن بیست و یکم دچار تحول کند.