p A mídia social pode revelar mais do que apenas o humor ou estado de espírito de uma única pessoa. Ele pode capturar os estados psicológicos de uma população inteira, de acordo com uma nova pesquisa do estudioso de Stanford, Johannes Eichstaedt. p Os resultados de Eichstaedt, publicado em 27 de abril no Proceedings of the National Academy of Sciences , descobriram que por meio do aprendizado de máquina - ensinando um computador a identificar e analisar padrões em grandes conjuntos de dados - os pesquisadores podem ver, em princípio, como uma sociedade está se saindo em tempo real.

p "Esses métodos realmente mostram como fazer medições psicológicas no século 21 em nosso mundo digital, "disse Eichstaedt, que é professor assistente de psicologia na Escola de Humanidades e Ciências e bolsista júnior no Instituto de Stanford para Inteligência Artificial Centrada no Homem.

p Na última década, Eichstaedt testou como usar a mídia social, incluindo o Twitter, como forma de medir o bem-estar de uma comunidade. Ele afirma que a mídia social fornece o maior conjunto de dados sobre comportamento, emoções e pensamentos na história humana.

p Embora os pesquisadores reconheçam no artigo que o Twitter não é representativo da população dos EUA, ainda pode fornecer informações sobre como as pessoas vivenciam sua vida cotidiana.

p "O que realmente importa é o desempenho da população em termos de saúde psicológica e física, em vez de apenas que o PIB está crescendo, "disse Eichstaedt." Você pode não se importar em medir o bem-estar subjetivo em si, mas o bem-estar subjetivo impacta a mortalidade, incluindo doenças cardíacas. Também impacta os resultados econômicos. Então, é uma variável bastante importante para capturar para uma população. "

p Da pesquisa de pesquisas às mídias sociais

p Para avaliar as diferentes formas de analisar o bem-estar de uma região, Eichstaedt e uma equipe de pesquisadores compararam mais de um bilhão de tweets com geo-tag de 2009 a 2015 a 1,7 milhão de respostas do Índice de Bem-Estar Gallup-Sharecare, uma pesquisa aprofundada que mede como as pessoas vivenciam a vida cotidiana.

p Os pesquisadores há muito confiam em pesquisas como a Gallup para medir o bem-estar da população. Embora preciso, podem ser empreendimentos caros e demorados. Às vezes, leva anos para reunir dados suficientes para estimativas aproximadas da comunidade, disse Eichstaedt.

p Mas, quando ampliado com técnicas baseadas em dados, parte dessa carga pode ser aliviada. Eichstaedt descobriu que quando um algoritmo é treinado com as respostas dos usuários a uma pesquisa de bem-estar escrita e uma amostra de postagens de mídia social dos mesmos entrevistados, ele pode então ser implantado em uma escala muito maior para prever como as pessoas de uma região inteira teriam respondido a uma pesquisa tradicional baseada apenas em seus Tweets.

p Compreender palavras fora do contexto

p Antes de os métodos de aprendizado de máquina serem usados, os pesquisadores escolheram palavras ou pediram aos avaliadores que anotassem palavras sobre o quão "positivas" elas eram. Mas pode ser muito complicado escolher palavras que medem o bem-estar, disse Eichstaedt.

p Por exemplo, os pesquisadores descobriram que gírias da internet como "LOL" - a sigla popular para "laugh out loud" - e as palavras "good" e "love" eram frequentemente usadas em áreas de baixa renda e educação (e, em geral, menor bem-estar). Portanto, embora possam parecer palavras positivas, eles podem não ser, Eichstaedt disse.

p De forma similar, Eichstaedt descobriu que palavras como "lição de casa" e "impostos" podem parecer negativas fora do contexto, mas os pesquisadores descobriram que essas palavras eram mais usadas por pessoas com educação superior e renda - um grupo que outros estudos descobriram ter normalmente um bem-estar mais alto.

p "Ao escolher palavras para medir o bem-estar, é muito importante prestar atenção às diferenças culturais no uso da linguagem nos EUA, "disse Eichstaedt.

p Mas os métodos de aprendizado de máquina podem ajudar a determinar quais palavras são mais importantes do que outras. Quando o algoritmo comparou as postagens de uma pessoa nas redes sociais com as respostas da pesquisa, aprendeu que palavras como "LOL" não são indicadores confiáveis ​​de bem-estar e, em vez disso, usaram palavras como "divertido" e "animado".

p "Fazer com que o computador aprenda as palavras pode ser a melhor maneira de encontrar palavras que medem o bem-estar, "Eichstaedt disse." As diferenças no uso da linguagem podem ser bastante complexas. "

p Usos futuros

p Os pesquisadores observam que o bem-estar também está associado a outros fatores importantes, incluindo saúde geral. Por exemplo, o quanto as pessoas estão estressadas pode induzir comportamentos prejudiciais, como beber ou fumar em excesso, que por sua vez impactam negativamente sua saúde, ele disse.

p "Quando as pessoas sofrem de depressão e ansiedade, precisamos saber para que possamos garantir que eles tenham os recursos de que precisam, "disse Eichstaedt, que está aplicando este método para estudar o impacto da nova pandemia de coronavírus na população de cidades nos EUA.

p "COVID-19 é um desastre natural que interrompe nossas normas e rotinas sociais em uma escala sem precedentes, "Eichstaedt disse." Com essa tecnologia em tempo real baseada no Twitter, psicólogos podem monitorar se a solidão e a ansiedade estão tomando conta das comunidades, e como nosso bem-estar é afetado pelo distanciamento social. Não há outra fonte de dados que possa fornecer tal medição em escala populacional e dar estimativas tão rapidamente. Agora mais do que nunca, usar métodos robustos de aprendizado de máquina é muito importante. "