Ciencia y Tecnología

Desarrollan algoritmo capaz de distinguir usuarios infelices en las redes sociales

La investigación de la universidad catalana también ha revelado que los usuarios hispanohablantes son más propensos que los angloparlantes a mencionar los problemas sobre sus relaciones cuando se sienten deprimidos.
Por: DW
miércoles, 18 mayo 2022
Cortesía | Los autores creen que su investigación puede ayudar a mejorar las medidas preventivas

Investigadores de la Universidad Oberta de Catalunya (UOC), han desarrollado un algoritmo capaz de distinguir a usuarios de las redes sociales que son infelices analizando los textos e imágenes que comparten, una herramienta que esperan que sea útil para ayudar a diagnosticar posibles problemas de salud mental.

La investigación de la universidad catalana también ha revelado que los usuarios hispanohablantes son más propensos que los angloparlantes a mencionar los problemas sobre sus relaciones cuando se sienten deprimidos.

Cinco necesidades básicas humanas

El algoritmo, entrenado en búsquedas en Instagram, Facebook y Twitter, se ha basado en la teoría de la elección de William Glasser, según la cual hay cinco necesidades básicas que están en los cimientos de todo comportamiento humano: supervivencia, poder, libertad, pertenencia y diversión. Según los expertos, estas necesidades influyen en qué imagen elegimos para subir a nuestro perfil de Instagram.

“Cómo nos mostramos en las redes sociales puede proporcionar información útil sobre comportamientos, personalidades, perspectivas, motivos y necesidades”, ha dicho Mohammad Mahdi Dehshibi, que ha coordinado la investigación en el grupo AI for Human Well-being (Aiwell) de los Estudios de Informática, Multimedia y Telecomunicación de la UOC.

Modelo de aprendizaje profundo

Los investigadores han 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 hacer el estudio, que publica 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.

¿Compartir un selfie o una imagen de grupo?

Mahdi Dehshibi, que también es investigador del imBody Research Laboratory de la Universidad Carlos III de Madrid y del Unconventional Computing Laboratory de la Universidad del Oeste de Inglaterra en Bristol, 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”, aclara.

Los investigadores también han visto 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 identificar el problema hasta mejorar los tratamientos cuando se ha diagnosticado a una persona con un trastorno mental.

Ten la información al instante en tu celular. Únete al grupo de Diario Primicia en WhatsApp a través del siguiente link: https://chat.whatsapp.com/Jv2hzmldg1SH1EaFbjb6h2

También estamos en Telegram como @DiarioPrimicia, únete aquí: https://t.me/diarioprimicia

Lea También:
error: