Tutkijat havaitsevat yksinäisyyden tekoälyn ja NLP:n avulla

Kalifornian yliopiston San Diegon lääketieteellisen korkeakoulun tutkijat ovat käyttäneet tekoälyalgoritmeja kvantifioidakseen iäkkäiden aikuisten yksinäisyyttä ja määrittääkseen, kuinka vanhemmat aikuiset voivat ilmaista yksinäisyyttä puheessaan.

Viimeisten kahdenkymmenen vuoden aikana yhteiskuntatieteilijät ovat kuvanneet lisääntyvä yksinäisyyden trendi väestössä. Erityisesti viimeisen vuosikymmenen aikana tehdyt tutkimukset ovat dokumentoineet yksinäisyyden lisääntymisen suuressa osassa yhteiskuntaa, mikä vaikuttaa masennukseen, itsemurhiin, huumeiden käyttöön ja yleiseen terveyteen. Nämä ongelmat ovat vain Covid-19 pahensi pandemia, koska ihmiset eivät voi turvallisesti tavata ja seurustella henkilökohtaisesti. Tietyt ryhmät, kuten syrjäytyneet ryhmät ja vanhemmat aikuiset, ovat alttiimpia äärimmäiselle yksinäisyydelle. Kuten MedicalXpress kertoiEräässä UC San Diegon tekemässä tutkimuksessa havaittiin, että vanhusten asuntoyhteisöjen yksinäisyysaste oli lähes 85 prosenttia, kun lasketaan ne, jotka ilmoittivat kokeneensa kohtalaista tai vaikeaa yksinäisyyttä.

Ratkaisujen löytämiseksi tähän ongelmaan yhteiskuntatieteilijöiden on saatava tarkka näkemys tilanteesta ja määritettävä sekä ongelman syvyys että laajuus. Valitettavasti useimmat menetelmät yksinäisyyttä koskevien tietojen keräämiseksi ovat rajoitettuja. Esimerkiksi itseraportointi voi olla suuntautunut yksinäisyyden äärimmäisiin tapauksiin. Lisäksi kysymykset, jotka suoraan pyytävät tutkimukseen osallistujia arvioimaan, kuinka "yksinäisiksi" he tuntevat olonsa, voivat joskus olla epätarkkoja yksinäisyyttä ympäröivien sosiaalisten stigmien vuoksi.

Yrittäessään suunnitella parempaa mittaria yksinäisyyden kvantifiointiin tutkimuksen tekijät kääntyivät luonnollisen kielen käsittelyyn ja koneoppimiseen. Tutkijoiden käyttämiä NLP-menetelmiä käytetään perinteisten yksinäisyyden mittaustyökalujen rinnalla, ja sen toivotaan, että ihmisten luontaisten kielenkäyttötapojen analysointi johtaa vähemmän puolueelliseen ja rehelliseen esitykseen ihmisten yksinäisyydestä.

Uuden tutkimuksen vanhempi kirjoittaja oli Ellen Lee, psykiatrian apulaisprofessori University of Medicine, UC San Diegossa. Lee ja muut tutkijat keskittyivät tutkimuksessaan 80 osallistujaan, jotka olivat iältään 66–94-vuotiaita. Tutkijat rohkaisivat tutkimukseen osallistuneita vastaamaan kysymyksiin tavalla, joka oli luonnollisempaa ja jäsentymättömämpää kuin useimmat muut tutkimukset. Tutkijat eivät vain esittäneet kysymyksiä ja luokittelevat vastauksia. Ensimmäisenä kirjoittajana Ph.D. Varsha Badal selitti, että koneoppimisen ja NLP:n avulla tutkimusryhmä pystyi ottamaan nämä pitkän muodon haastatteluvastaukset ja selvittämään, kuinka hienovaraiset sanavalinnat ja puhemallit voivat viitata yksinäisyyteen, kun niitä tarkastellaan yhdessä:

"NLP ja koneoppiminen antavat meille mahdollisuuden tarkastella järjestelmällisesti pitkiä haastatteluja monilta henkilöiltä ja tutkia, kuinka hienovaraiset puheominaisuudet, kuten tunteet, voivat viitata yksinäisyyteen. Samanlaiset ihmisten tekemät tunneanalyysit olisivat avoimia puolueellisille, vailla johdonmukaisuutta ja vaativat laajaa koulutusta standardoimiseksi."

Tutkimusryhmän mukaan yksinäisillä henkilöillä oli huomattavia eroja tavassa vastata kysymyksiin verrattuna ei-yksinäisiin vastaajiin. Yksinäiset vastaajat ilmaisivat enemmän surua, kun heiltä kysyttiin yksinäisyyttä koskevia kysymyksiä, ja heillä oli yleensä pidempiä vastauksia. Miehet myönsivät vähemmän todennäköisesti tuntevansa yksinäisyyttä kuin naiset. Lisäksi miehet käyttivät todennäköisemmin sanoja, jotka ilmaisevat iloa tai pelkoa kuin naiset.

Tutkijat selittivät, että tulokset auttoivat selventämään eroja tyypillisten yksinäisyyden tutkimusmittareiden ja yksilöiden subjektiivisen yksinäisyyden kokemisen ja kuvauksen välillä. Tutkimuksen tulokset viittaavat siihen, että yksinäisyys voidaan havaita puhemallien analysoinnin avulla, ja jos nämä kuviot osoittautuvat luotettaviksi, ne voivat auttaa diagnosoimaan ja hoitamaan iäkkäiden aikuisten yksinäisyyttä. Tutkijoiden suunnittelemat koneoppimismallit pystyivät ennustamaan laadullisen yksinäisyyden noin 94 prosentin tarkkuudella. Lisää tutkimusta on suoritettava sen selvittämiseksi, onko malli vankka ja voidaanko sen menestystä toistaa. Sillä välin tutkimusryhmän jäsenet toivovat selvittävänsä, kuinka NLP:n ominaisuudet voivat korreloida viisauden ja yksinäisyyden kanssa, joilla on käänteinen korrelaatio vanhemmilla aikuisilla.