نحوه فعالیت در شبکه‌های اجتماعی، وضعیت روحی‌ کاربر را نشان می‌دهد

خودتان متوجه باشید یا نه، پست‌های شما در شبکه‌های اجتماعی می‌توانند نشانگر وضعیت سلامت روانی شما باشند. نتایج یک تحقیق جدید با تأیید این مسئله، اعلام می‌کند که حتی کاراکترها و اموجی‌ها نیز می‌توانند اطلاعاتی در مورد وضعیت روانی و احوال افراد ارائه‌ دهند.

البته این موضوع در مورد پست‌هایی که مستقیما احساسات افراد را بازتاب می‌دهند، واضح و آشکار است؛ اما اطلاعات در مورد سلامت روانی می‌تواند از لابه‌لای معمولی‌ترین پیام‌های افراد در شبکه‌های اجتماعی نیز فاش شود و یک تحقیق جدید سعی دارد نحوه‌ی درک و تفسیر این علائم را تشخیص دهد.

در یک مطالعه‌ی 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 مجموعه‌ای انبوه از تصاویر آن‌ها به تشخیص و پیش‌بینی افسردگی پرداختند. با مقایسه‌ی این پیش‌بینی‌ها با تشخیص بالینی هر کدام از افراد، مشخص شد که الگوی محققان، از میانگین نرخ تشخیص پزشکی افسردگی بیماران بهتر ظاهر شده است.

کریس دانفورث، نویسنده‌ی همکار این مطالعه و استاد علوم طبیعی و ریاضی دانشگاه ورمونت، می‌گوید:

پزشکان به اندازه‌ی گوشی‌ موبایلمان از زندگی‌ ما شناخت ندارند. شناخت گوشی‌ها 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 کسب‌وکارها و توسعه‌دهندگان تطبیق می‌دهد. زمانی که داوطلبان دریافتند این مطالعه نیازمند دسترسی محققان به حساب‌های اینستاگرام آن‌ها است، بیش از نیمی از آن‌ها از تحقیق انصراف دادند. اندازه‌ی کوچک نمونه و فقدان اطلاعات جمعیت‌شناسی، بدین معنی است که احتمال تعمیم این یافته‌ها به گروه جمعیتی بزرگ‌تر بسیار پایین است.

این مطالعه به‌منظور انجام پیش‌بینی‌های خود، رنگ‌ها، فیلترها، تشخیص چهره و کامنت‌های کاربر و میزان مشغولیت وی را در اینستاگرام تحلیل کرد.

تصاویری که توسط کاربران افسرده به اشتراک گذاشته می‌شدند، غالبا آبی‌تر، تاریک‌تر و خاکستری‌تر بودند؛ رنگ‌هایی که تحقیق پیشین آن‌ها را با احوال منفی ارتباط داده بود. آن‌ها همچنین تمایل کمتری به استفاده از فیلترهای اینستاگرام داشتند؛ اما زمانی که قصد به‌کارگیری آن را داشتند، به طرز نامناسبی فیلتر سیاه و سفید «اینک‌ول» را انتخاب می‌کردند. در مقابل، فیلتر روشن‌کننده‌ی «والنسیا» محبوب شرکت‌کنندگان سالم بود. همچنین، هرچقدر تعداد کامنت‌هایی که یک پست دریافت می‌کرد بیشتر بود، احتمال اینکه صاحب پست فرد افسرده‌ای باشد بیشتر می‌شد.

علاوه بر این، محققان گروه دومی از داوطلبان انتخاب کردند تا تصاویر را بر اساس میزان خوشحالی، ناراحتی، خوشایندی و جذابیت رتبه‌بندی کنند. ارزیابی انسانی از ناراحتی و خوشحالی نشان داد که کدام شرکت‌کنندگان دچار افسردگی هستند؛ اما آن‌ها موفق به ایجاد هم‌بستگی با علائم سلامت روانی که توسط یادگیری ماشینی انتخاب شده بود، نشدند.

این یافته‌ی امیدبخشی است؛ زیرا بدین معنی است که الگوریتم‌ها می‌توانند در تشخیص وضعیت از انسان برتر باشند.

گلن کاپراسمیت، بنیان‌گذار و مدیرعامل کمپانی Qntfy که یک استارتاپ تحلیل‌های سلامت روانی است، در این باره می‌گوید:

شواهد نقلی و اولیه‌ای وجود داشتند مبنی بر اینکه این گونه علائم وجود دارند و با سلامت روانی ما مرتبط هستند؛ اما این مطالعه، شواهد قانع‌کننده‌ای از کاربرد آن‌ها نمایان کرد.

دانفورث می‌گوید که می‌تواند آینده‌ای را تجسم کند که در آن مردم ترجیح می‌دهند اپلیکیشنی را دانلود کنند که فعالیت آن‌ها در شبکه‌های اجتماعی را تحلیل می‌کند و علائم مشکلات روانی و روان‌شناختی را تشخیص می‌دهد و زمانی که نیاز به بررسی آن‌ها توسط یک متخصص سلامت روانی باشد، نتایج را برای یک پزشک مشخص ارسال می‌کند.

با این وجود، دانفورث بر این باور است که چنین فناوری‌هایی 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 می‌توانیم کسی را که [احتمال می‌رود] تا سال ۲۰۱۸ به دلیل خودکشی از دنیا برود، زودتر در مقابل یک روانشناس قرار دهیم. زیرا قطعا چیزی در مورد زندگی مجازی آن‌ها وجود دارد که برای افراد پیرامون آن‌ها قابل مشاهده نیست؛ اما یادگیری ماشینی قادر به شناخت آن است.

تشخیص علائم افسردگی به‌سادگی و با آپلود یک تصویر در اینستاگرام انجام نمی‌گیرد؛ اما اگر الگوریتمی مشابه آنچه در این تحقیق مورد استفاده قرار گرفت به موفقیت دست یابد، می‌تواند نحوه‌ی تشخیص و درمان بیماری‌های روانی را در قرن بیست و یکم دچار تحول کند.