محققانی از دانشگاه هاروارد و Vermont با استفاده از روش جدیدی مبتنی بر یادگیری ماشینی، موفق شدهاند با بررسی عکسهایی که کاربران اینستاگرام به اشتراک میگذارند، نشانههای اولیه افسردگی را در آنها بیابند؛ به طوری که با دقت 70 درصد، توانستند کاربرانی را که افسردگی آنها از نظر کلینیکی تأیید شده است، از سایر کاربران بازشناسند.
آنها این الگوریتم را به 166 پروفایل اینستاگرام متشکل از 43950 عکس اعمال کردند و مواردی نظیر رنگ، فراداده (metadata) و شناسایی چهره تجزیهوتحلیل شد. با استفاده از جزئیاتی نظیر رنگ و میزان روشنایی، مدلی آماری به دست آمد که میتوانست افسردگی کاربر را پیشبینی کند. بر اساس تحقیقاتی که پیش از این صورت گرفته، مشخص شده است پزشکان عمومی تنها در 42 درصد موارد موفق شدهاند افسردگی بیماران را تشخیص دهند.
تحقیقات پیشین، بر پیشبینی بیماریهای روانی با کمک تجزیهوتحلیل متون و اطلاعات بهاشتراکگذاشتهشده در فضای مجازی متمرکز بوده است.
پیش از این، مشخص شده بود افرادی که مبتلا به افسردگی هستند، ترجیح میدهند از رنگهای تیرهتر و خاکستری استفاده کنند. بنابراین نرمافزار بهکاررفته در تحقیق جدید، به تجزیهوتحلیل رنگ به عنوان یکی از عوامل میپردازد و همچنین به فیلترهای اینستاگرام که در عکس اعمال میشوند نیز توجه میشود. عامل دیگری که در این تحقیق به آن دقت شده است، تعداد دفعات ارسال پست از سوی کاربران است؛ زیرا رابطه نزدیکی میان میزان افسردگی و کاهش فعالیت اجتماعی فرد وجود دارد. علاوه بر این، سامانه با استفاده از روشهای شناسایی چهره، تعداد افراد حاضر در یک عکس را شمارش میکند و به تعداد لایکها و نظراتی که هر عکس دریافت کرده است نیز دقت میشود. طی تحقیقات، مشخص شد عکسهایی که کاربران افسرده اینستاگرام به اشتراک میگذارند، هر چند ممکن است نظرات زیادی دریافت کنند، اما کمتر لایک میخورند. نکته دیگر این است که این کاربران در مقایسه با دیگران، چهرههای کمتری را در عکسها به اشتراک میگذارند. با همه اینها نباید یافتههای چنین الگوریتمی را به طور کامل قبول کرد؛ بلکه باید به نتایج این تحقیق تنها به عنوان گزینهای برای درک بهتر کاربران نگریست.
ثبت نظر