Amazon Gym
 

El algoritmo que detecta la infelicidad

El algoritmo que detecta la infelicidad
Miércoles, 11 de mayo 2022

Investigadores de la UOC han desarrollado un algoritmo capaz de distinguir las necesidades básicas de los usuarios a partir del texto y las imágenes que comparten en las redes sociales. La idea es que esta herramienta ayude a los psicólogos a diagnosticar posibles problemas de salud mental.

Un grupo de investigadores de la Universitat Oberta de Catalunya (UOC) ha entrenado un algoritmo que busca ayudar a los psicólogos a diagnosticar posibles problemas mentales a través de lo que publicamos en Instagram, Facebook y Twitter.

Según la teoría de la elección de William Glasser, hay cinco necesidades básicas que se encuentran en los cimientos de todo comportamiento humano: la supervivencia, el poder, la libertad, la pertenencia y la diversión. Estas necesidades influyen incluso en qué imagen elegimos para subir a nuestro perfil de Instagram. "Cómo nos mostramos en las redes sociales puede proporcionar información útil sobre los comportamientos, las personalidades, las perspectivas, los motivos y las necesidades", apunta Mohammad Mahdi Dehshibi, quien ha liderado esta investigación en el grupo AI for Human Well-being (AIWELL), de los Estudios de Informática, Multimedia y Telecomunicación de la UOC.

El equipo investigador ha trabajado durante dos años en un modelo de aprendizaje profundo que identifica las cinco necesidades descritas por Glasser, utilizando datos multimodales como imágenes, texto, biografía o geolocalización. Para el estudio, publicado en la revista IEEE Transactions on Affective Computing, analizaron 86 perfiles de Instagram, publicados en español y en persa. Apoyándose en redes neuronales y bases de datos, los expertos entrenaron un algoritmo para que identificara el contenido de las imágenes y clasificara el contenido textual, asignándoles distintas etiquetas propuestas por psicólogos, quienes compararon los resultados con una base de datos de más de 30.000 imágenes, leyendas y comentarios.

El problema de homogeneizar las etiquetas obtenidas de texto e imagen lo resolvieron con un libro de códigos, bag of content, que definen como un "mapa semántico del terreno visual al textual". Según explican, "los experimentos muestran una precisión prometedora e información complementaria entre señales visuales y textuales".

Los hispanohablantes mencionan más sus problemas

¿Cada elección que hacemos responde solo a una necesidad básica? La teoría de Glasser dice que no, y para despejar esta duda es útil el enfoque multietiqueta de esta investigación. Dehshibi lo explica con un ejemplo: "Imaginemos que un ciclista sube una montaña y, en la cima, puede elegir entre compartir un selfie o una imagen de grupo. Si elige el selfie, percibimos la necesidad de poder, pero, si elige la otra, podemos concluir que, además de la diversión, la persona busca la manera de satisfacer su necesidad de pertenencia".

Además, que los perfiles analizados pertenezcan a personas que se comunican en dos idiomas distintos permite evitar sesgos culturales. Investigaciones anteriores habían concluido, por ejemplo, que los usuarios hispanohablantes son más propensos que los angloparlantes a mencionar los problemas sobre sus relaciones cuando se sienten deprimidos. "El estudio de los datos de las redes sociales pertenecientes a usuarios que no hablan inglés podría ayudar a construir herramientas y modelos inclusivos y diversos para abordar los problemas de salud mental en personas con diversos antecedentes culturales o lingüísticos", escriben.

Los autores creen que su investigación puede ayudar a mejorar las medidas preventivas, desde la identificación del problema hasta la mejora de los tratamientos cuando se ha diagnosticado a una persona con un trastorno mental.


Grupo Control