Forskere Opdager Ensomhed Gennem Brug Af AI Og NLP

Forskere fra University of California San Diego School of Medicine har brugt kunstig intelligens-algoritmer til at kvantificere ensomhed hos ældre voksne og bestemme, hvordan ældre voksne måske udtrykker ensomhed i deres tale.

Over de sidste tyve år eller så har sociale forskere beskrevet en tendens til stigende ensomhed i befolkningen. Studier gjort over de sidste ti år har dokumenteret stigende ensomhedsrater over store dele af samfundet, hvilket har indvirkning på depressionstilfælde, selvmordsrater, stofmisbrug og generel sundhed. Disse problemer er kun forværret af Covid-19-pandemien, da mennesker ikke kan mødes og socialisere sikkert ansigt til ansigt. Visse grupper er mere sårbare over for ekstrem ensomhed, såsom marginaliserede grupper og ældre voksne. Som MedicalXpress rapporterede, fandt en studie udført af UC San Diego, at seniorboligsamfund havde ensomhedsrater på næsten 85%, når man tæller dem, der rapporterede at opleve moderat eller svær ensomhed.

For at finde løsninger på dette problem har sociale forskere brug for at få en præcis oversigt over situationen, både dybden og bredde af problemet. Desværre er de fleste metoder til at indsamle data om ensomhed begrænsede på væsentlige punkter. Selvrapportering kan fx være forvrænget mod de mere ekstreme tilfælde af ensomhed. Derudover kan spørgsmål, der direkte beder studie-deltagere om at kvantificere, hvor “ensomme” de føler sig, være upræcise på grund af sociale stigmaer omkring ensomhed.

I et forsøg på at designe en bedre metode til at kvantificere ensomhed vendte studiens forfattere sig til naturlig sprogbehandling og maskinlæring. De NLP-metoder, som forskerne brugte, bruges sammen med traditionelle ensomheds-målingsværktøjer, og det håbes, at analyse af den naturlige måde, mennesker bruger sprog, vil føre til en mindre forvrænget og mere ærlig repræsentation af folks ensomhed.

Studiens seniorforfatter var Ellen Lee, adjunkt i psykiatri ved School of Medicine, UC San Diego. Lee og de andre forskere fokuserede deres studie på 80 deltagere i alderen 66 til 94. Deltagerne i studiet blev opmuntret af forskerne til at besvare spørgsmål på en mere naturlig og ustruktureret måde end i de fleste andre studier. Forskerne spurgte ikke bare spørgsmål og klassificerede svar. Som den første forfatter, Ph.D. Varsha Badal, forklarede, at brugen af maskinlæring og NLP tillod forskningsteamet at tage disse lange interview-svar og finde, hvordan subtile ordvalg og tale-mønstre kunne være indikative for ensomhed, når de blev taget sammen:

“NLP og maskinlæring tillader os at systematisk undersøge lange interviews fra mange individer og udforske, hvordan subtile tale-funktioner som emotioner kan indikere ensomhed. Lignende emotion-analyser af mennesker ville være åbne for forvrængning, mangle konsistens og kræve omfattende træning for at standardisere.”

Ifølge forskningsteamet havde individer, der var ensomme, bemærkelsesværdige forskelle i, hvordan de svarede på spørgsmålene i forhold til ikke-ensomme respondenter. Ensomme respondenter udtrykte mere sorg, når de blev spurgt om spørgsmål vedrørende ensomhed, og havde længere svar generelt. Mænd var mindre tilbøjelige til at indrømme at føle sig ensomme end kvinder. Derudover var mænd mere tilbøjelige til at bruge ord, der udtrykte glæde eller frygt end kvinder.

Forskerne på studiet forklarede, at resultaterne hjalp med at belyse forskellene mellem typiske forsknings-metrikker for ensomhed og den måde, individer subjektivt oplever og beskriver ensomhed på. Studiens resultater antyder, at ensomhed kunne detekteres gennem analyse af tale-mønstre, og hvis disse mønstre viser sig at være pålidelige, kunne de hjælpe med at diagnostisere og behandle ensomhed hos ældre voksne. De maskinlærings-modeller, som forskerne designede, kunne forudsige kvalitativ ensomhed med cirka 94% nøjagtighed. Der vil kræves yderligere forskning for at se, om modellen er robust og om dens succes kan gentages. I mellemtiden håber medlemmer af forskningsteamet at udforske, hvordan NLP-funktioner måske kan korreleres med visdom og ensomhed, som har en invers korrelation hos ældre voksne.