El bot puede detectar usuarios de Twitter deprimidos en 9 de cada 10 casos

Un algoritmo recientemente desarrollado puede detectar la depresión en los usuarios de Twitter con un 88,39 % de precisión. Desarrollado por investigadores de la Universidad Brunel de Londres y la Universidad de Leicester, el algoritmo determina el estado mental de alguien extrayendo y analizando 38 puntos de datos de su perfil público de Twitter, incluido el contenido de sus publicaciones, los tiempos de publicación y los otros usuarios en sus redes sociales. circulo.

El equipo de investigación dice que sistemas similares podrían tener una variedad de usos diferentes en el futuro a través de múltiples plataformas, como el diagnóstico temprano de depresión, la selección de empleo o las investigaciones policiales.

«Probamos el algoritmo en dos grandes bases de datos y comparamos nuestros resultados con otras técnicas de detección de depresión», dijo el profesor Abdul Sadka, director del Instituto de Futuros Digitales de Brunel. «En todos los casos, hemos logrado superar las técnicas existentes en términos de precisión de clasificación».

El algoritmo se entrenó utilizando dos bases de datos que contienen el historial de Twitter de miles de usuarios, junto con información adicional sobre la salud mental de esos usuarios. El ochenta por ciento de la información en cada base de datos se usó para enseñar al bot, y el otro 20 % se usó luego para probar su precisión.

El bot funciona excluyendo primero a todos los usuarios con menos de cinco tweets y ejecutando los perfiles restantes a través de un software de lenguaje natural para corregir errores ortográficos y abreviaturas.

Luego considera 38 factores distintos, como el uso de palabras positivas y negativas por parte del usuario, la cantidad de amigos y seguidores que tiene y el uso de emojis, y determina el estado mental y emocional de ese usuario.

Utilizando el conjunto de datos de depresión de Twitter de Tsinghua, el equipo logró una precisión del 88,39 %, mientras que se logró una precisión del 70,69 % utilizando el conjunto de datos CLPsych 2015 de la Universidad John Hopkins.

«Cualquier cosa que esté por encima del 90 % se considera excelente en el aprendizaje automático. Entonces, el 88 % para una de las dos bases de datos es fantástico», dijo el profesor Sadka.

«No es 100 % preciso, pero no creo que a este nivel ninguna solución de aprendizaje automático pueda alcanzar el 100 % de confiabilidad. Sin embargo, cuanto más se acerque a la cifra del 90 %, mejor».

El equipo dice que dicho sistema podría potencialmente señalar la depresión de un usuario antes de que publique algo en el dominio público, allanando el camino para que plataformas como Twitter y Facebook señalen de manera proactiva los problemas de salud mental de los usuarios.

Sin embargo, el bot también se puede usar después de que una publicación sea de dominio público, lo que podría permitir a los empleadores y otras empresas evaluar el estado mental de un usuario en función de sus publicaciones en las redes sociales. Podría usarse por varias razones, dicen los investigadores, incluido el uso en análisis de sentimientos, investigaciones criminales o selección de empleo.

«El algoritmo propuesto es independiente de la plataforma, por lo que también se puede extender fácilmente a otros sistemas de redes sociales como Facebook o WhatsApp», dijo el profesor Huiyu Zhou, profesor de aprendizaje automático en la Universidad de Leicester.

«La próxima etapa de esta investigación será examinar su validez en diferentes entornos o contextos y, lo que es más importante, la tecnología que surja de esta investigación puede desarrollarse aún más para otras aplicaciones, como el comercio electrónico, el examen de contratación o la selección de candidatos».

La investigación, «Árboles de poda sensibles a los costos para la detección de depresión en Twitter», se publicó en Transacciones IEEE sobre computación afectiva.