نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

7 اردیبهشت 1403 1:13 ب.ظ

الگوریتمی آموزش دیده برای تشخیص احساس در شبکه های اجتماعی

13 مه 2022 – توسط Universitat Oberta de Catalunya-اعتبار: دامنه عمومی Pixabay/CC0

محققان الگوریتمی را توسعه داده اند که می تواند نیازهای اساسی کاربران را از روی متن و تصاویری که در شبکه های اجتماعی به اشتراک می گذارند شناسایی کند. کارشناسان امیدوارند این ابزار به روانشناسان برای تشخیص مشکلات احتمالی سلامت روان کمک کند. این مطالعه نشان می‌دهد که کاربران اسپانیایی زبان در مقایسه با انگلیسی‌زبان‌ها به احتمال زیاد در هنگام احساس افسردگی به مشکلات رابطه اشاره می‌کنند.

ما مقدار قابل توجهی از زمان خود را صرف اشتراک گذاری تصاویر، ویدیوها یا افکار در شبکه های اجتماعی مانند اینستاگرام، فیس بوک و توییتر می کنیم. اکنون، گروهی از محققان دانشگاه اوبرتا د کاتالونیا (UOC) الگوریتمی را توسعه داده اند که هدف آن کمک به روانشناسان در تشخیص مشکلات احتمالی سلامت روان از طریق محتوایی است که افراد در این پلتفرم ها ارسال می کنند.

بر اساس نظریه انتخاب ویلیام گلاسر، پنج نیاز اساسی وجود دارد که در همه رفتارهای انسان نقش اساسی دارند: بقا، قدرت، آزادی، تعلق و سرگرمی. این نیازها حتی بر تصاویری که ما برای آپلود در صفحه اینستاگرام خود انتخاب می کنیم نیز تأثیر می گذارد. محمدمهدی دهشیبی، سرپرست این مطالعه در گروه هوش مصنوعی برای رفاه انسان (AIWELL) که متعلق به این گروه است، توضیح داد: «نحوه ارائه خودمان در رسانه‌های اجتماعی می‌تواند اطلاعات مفیدی در مورد رفتارها، شخصیت‌ها، دیدگاه‌ها، انگیزه‌ها و نیازها ارائه دهد.

تیم تحقیقاتی دو سال روی یک مدل یادگیری عمیق کار کرده است که پنج نیاز توصیف شده توسط گلاسر را با استفاده از داده‌های چندوجهی مانند تصاویر، متن، بیوگرافی و موقعیت جغرافیایی شناسایی می‌کند. برای این مطالعه که در مجله IEEE Transactions on Affective Computing منتشر شده است، 86 پروفایل اینستاگرام به دو زبان اسپانیایی و فارسی مورد تجزیه و تحلیل قرار گرفت.

کارشناسان با استفاده از شبکه‌های عصبی و پایگاه‌های اطلاعاتی، الگوریتمی را برای شناسایی محتوای تصاویر و دسته‌بندی محتوای متنی با اختصاص برچسب‌های مختلف پیشنهاد شده توسط روان‌شناسان آموزش دادند که نتایج را با پایگاه داده‌ای حاوی بیش از 30000 تصویر، عنوان و نظر مقایسه کردند.

مشکل استانداردسازی برچسب‌های به‌دست‌آمده از متون و تصاویر با کتاب کدی به نام Bag-of-Content حل شد که آن‌ها آن را «نقشه معنایی از بصری به حوزه متنی» توصیف کردند. به گفته محققان، این آزمایش ها “دقت امیدوارکننده و اطلاعات تکمیلی را بین نشانه های بصری و متنی نشان می دهد.”

آیا هر انتخابی که انجام می دهیم فقط به یک نیاز اساسی پاسخ می دهد؟ نظریه گلاسر چیز دیگری می گوید و رویکرد چند برچسبی این مطالعه در رفع این شک مفید است. دهشیبی، که در حال حاضر یک دانشمند محقق در آزمایشگاه تحقیقاتی بدن دانشگاه کارلوس سوم مادرید (UC3M) و در آزمایشگاه محاسبات غیر متعارف، UWE بریستول است، از مثالی برای توضیح این موضوع استفاده می‌کند: «تصور کنید یک دوچرخه‌سوار در حال رکاب زدن از کوه و در بالای آن است. ، آنها می توانند بین اشتراک گذاری سلفی و عکس گروهی یکی را انتخاب کنند. اگر سلفی را انتخاب کنند، ما نیاز به قدرت را درک می کنیم، اما اگر گزینه دیگر را انتخاب کنند، می توانیم نتیجه بگیریم که فرد نه تنها به دنبال سرگرمی نیست بلکه به دنبال راهی است. برای ارضای نیاز آنها به تعلق.”

علاوه بر این، این واقعیت که پروفایل های تجزیه و تحلیل شده متعلق به افرادی است که به دو زبان مختلف ارتباط برقرار می کنند، از تعصب فرهنگی جلوگیری می کند. برای مثال، مطالعات قبلی نشان داده است که کاربران اسپانیایی زبان در مقایسه با انگلیسی‌زبان‌ها به احتمال زیاد در هنگام احساس افسردگی به مشکلات رابطه اشاره می‌کنند. آنها خاطرنشان کردند: «مطالعه داده‌های شبکه‌های اجتماعی متعلق به کاربران غیر انگلیسی زبان می‌تواند به ایجاد ابزارها و مدل‌های فراگیر و متنوع برای رسیدگی به مشکلات سلامت روان در افراد با زمینه‌های فرهنگی یا زبانی متنوع کمک کند».

نویسندگان بر این باورند که تحقیقات آنها می تواند به بهبود اقدامات پیشگیرانه کمک کند، از شناسایی تا بهبود درمان زمانی که یک فرد مبتلا به اختلال سلامت روان تشخیص داده شده است.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *