Wissenschaftler entdecken Einsamkeit durch den Einsatz von KI und NLP

Forscher der University of California San Diego School of Medicine haben künstliche Intelligenz-Algorithmen verwendet, um Einsamkeit bei älteren Erwachsenen zu quantifizieren und zu bestimmen, wie ältere Erwachsene Einsamkeit in ihrer Sprache ausdrücken.

In den letzten zwanzig Jahren oder so haben Sozialwissenschaftler eine Zunahme von Einsamkeit in der Bevölkerung beschrieben. Studien, die in den letzten zehn Jahren durchgeführt wurden, haben eine Zunahme von Einsamkeitsraten in großen Teilen der Gesellschaft dokumentiert, was Auswirkungen auf Depressionen, Selbstmordraten, Drogenkonsum und allgemeine Gesundheit hat. Diese Probleme werden nur durch die Covid-19-Pandemie verschlimmert, da Menschen nicht sicher persönlich treffen und sich unterhalten können. Bestimmte Gruppen sind anfälliger für extreme Einsamkeit, wie marginalisierte Gruppen und ältere Erwachsene. Wie MedicalXpress berichtet, fand eine Studie der UC San Diego heraus, dass Senior-Wohnheimgemeinschaften Einsamkeitsraten von fast 85% hatten, wenn man diejenigen zählte, die moderate oder schwere Einsamkeit erfuhren.

Um Lösungen für dieses Problem zu finden, müssen Sozialwissenschaftler eine genaue Vorstellung von der Situation erhalten, sowohl in Bezug auf die Tiefe als auch die Breite des Problems. Leider sind die meisten Methoden, um Daten über Einsamkeit zu sammeln, in bemerkenswerter Weise eingeschränkt. Selbstberichterstattung kann beispielsweise zu extremen Fällen von Einsamkeit tendieren. Darüber hinaus können Fragen, die Studienteilnehmer direkt auffordern, ihre Einsamkeit zu quantifizieren, aufgrund von sozialen Stigmata um Einsamkeit manchmal ungenau sein.

Um ein besseres Maß für die Quantifizierung von Einsamkeit zu entwickeln, wandten sich die Autoren der Studie der natürlichen Sprachverarbeitung und dem maschinellen Lernen zu. Die NLP-Methoden, die von den Forschern verwendet werden, werden neben herkömmlichen Werkzeugen zur Messung von Einsamkeit eingesetzt, und es wird gehofft, dass die Analyse der natürlichen Weise, wie Menschen Sprache verwenden, zu einer weniger voreingenommenen, ehrlicheren Darstellung von Einsamkeit führen wird.

Der leitende Autor der Studie war Ellen Lee, Assistenzprofessorin für Psychiatrie an der School of Medicine der UC San Diego. Lee und die anderen Forscher konzentrierten sich auf 80 Teilnehmer im Alter von 66 bis 94 Jahren. Die Teilnehmer der Studie wurden von den Forschern ermutigt, Fragen auf eine Weise zu beantworten, die natürlicher und unstrukturierter war als in den meisten anderen Studien. Die Forscher stellten nicht nur Fragen und klassifizierten Antworten. Wie die erste Autorin Ph.D. Varsha Badal erklärte, ermöglichte die Verwendung von maschinellem Lernen und NLP es dem Forschungsteam, diese langen Interviewantworten zu analysieren und zu untersuchen, wie subtile Wortwahl und Sprechmuster auf Einsamkeit hinweisen könnten, wenn sie zusammen genommen werden:

“NLP und maschinelles Lernen ermöglichen es uns, systematisch lange Interviews von vielen Einzelpersonen zu untersuchen und zu erforschen, wie subtile Sprechmerkmale wie Emotionen auf Einsamkeit hinweisen können. Ähnliche Emotionsanalysen durch Menschen wären anfällig für Voreingenommenheit, fehlten an Konsistenz und erforderten umfangreiche Schulungen, um sie zu standardisieren.”

Laut dem Forschungsteam wiesen diejenigen, die einsam waren, bemerkbare Unterschiede in ihren Antworten auf Fragen im Vergleich zu nicht einsamen Teilnehmern auf. Einsame Teilnehmer äußerten mehr Traurigkeit, wenn sie nach Einsamkeit gefragt wurden, und hatten im Allgemeinen längere Antworten. Männer waren weniger bereit, sich einsam zu fühlen, als Frauen. Darüber hinaus waren Männer eher bereit, Wörter auszudrücken, die Freude oder Angst ausdrückten, als Frauen.

Die Forscher der Studie erklärten, dass die Ergebnisse halfen, die Unterschiede zwischen herkömmlichen Forschungsmethoden für Einsamkeit und der Art und Weise, wie Einzelpersonen Einsamkeit subjektiv erleben und beschreiben, zu verdeutlichen. Die Ergebnisse der Studie deuten darauf hin, dass Einsamkeit durch die Analyse von Sprechmustern erkannt werden könnte, und wenn diese Muster sich als zuverlässig erweisen, könnten sie helfen, Einsamkeit bei älteren Erwachsenen zu diagnostizieren und zu behandeln. Die von den Forschern entwickelten maschinellen Lernmodelle konnten qualitative Einsamkeit mit etwa 94% Genauigkeit vorhersagen. Weitere Forschung wird erforderlich sein, um zu sehen, ob das Modell robust ist und ob sein Erfolg repliziert werden kann. In der Zwischenzeit hoffen die Mitglieder des Forschungsteams, zu erforschen, wie NLP-Merkmale mit Weisheit und Einsamkeit korreliert sein könnten, die in älteren Erwachsenen eine inverse Korrelation aufweisen.