Tutkijat havaitsevat yksinäisyyden tekoälyllä ja NLP:llä

Kalifornian yliopiston San Diegon lääketieteellisen koulun tutkijat ovat käyttäneet tekoälyalgoritmeja yksinäisyyden määritykseen vanhemmissa aikuisissa ja määrittämään, miten vanhemmat aikuiset voivat ilmaista yksinäisyyttä puheessaan.

Viimeisen kahdenkymmenen vuoden aikana sosiaalitutkijat ovat kuvanneet yksinäisyyden kasvavan trendin väestössä. Viime vuosien tutkimukset ovat osoittaneet yksinäisyyden lisääntymisen laajasti yhteiskunnassa, mikä vaikuttaa masennuslukuja, itsemurhalukuja, huumeiden käyttöä ja yleistä terveyttä. Nämä ongelmat ovat korostuneita Covid-19-pandemian aikana, kun ihmiset eivät voi turvallisesti tapaamisia ja sosiaalisia kanssa. Tietyt ryhmät ovat alttiimpia äärimmäiselle yksinäisyydelle, kuten syrjityt ryhmät ja vanhemmat aikuiset. MedicalXpressin mukaan yksi UC San Diegon tekemä tutkimus osoitti, että senioriasunnoissa yksinäisyyden tasot lähestyivät 85 prosenttia, kun laskettiin ne, jotka kokivat kohtuullista tai vakavaa yksinäisyyttä.

Jotta voidaan löytää ratkaisuja tähän ongelmaan, sosiaalitutkijoiden on saatava tarkka kuva tilanteesta, määritettävä sekä ongelman syvyys että leveys. Valitettavasti useimmat yksinäisyyden datan keräämismenetelmät ovat rajoittuneita merkittävissä suhteissa. Itseilmoittaminen voi esimerkiksi olla vinoutunutta äärimmäisten yksinäisyyden tapausten suuntaan. Lisäksi kysymykset, jotka pyytävät tutkimuksen osallistujia kuvaamaan, miten “yksinäisiä” he tuntevat, voivat joskus olla epätarkkoja yksinäisyyden ympärillä olevien sosiaalisten stigmojen vuoksi.

Yksinäisyyden mittaamisen parantamiseksi tutkimuksen tekijät kääntyivät luonnollisen kielen prosessoinnin ja koneoppimisen puoleen. Tutkijoiden käyttämät NLP-menettelyt käytetään perinteisten yksinäisyyden mittaamistyökalujen rinnalla, ja toivotaan, että luonnollisen kielen analyysi johtaa vähemmän vinoutuneeseen, rehellisempään kuvaan ihmisten yksinäisyydestä.

Tutkimuksen vanhempi tekijä oli Ellen Lee, apulaisprofessori psykiatriassa UC San Diegon lääketieteellisessä koulussa. Lee ja muut tutkijat keskittyivät 80 osallistujaan, jotka olivat 66-94 vuoden ikäisiä. Tutkimuksessa osallistujia kehotettiin vastaamaan kysymyksiin luonnollisemmin ja vähemmän rakenteisesti kuin useimmissa muissa tutkimuksissa. Tutkijat eivät vain esittäneet kysymyksiä ja luokittaneet vastauksia. Ensimmäinen tekijä Ph.D. Varsha Badal selitti, että koneoppimisen ja NLP:n avulla tutkimusryhmä pystyi ottamaan nämä pitkät haastatteluvastaukset ja löytämään, miten hienot sanavalinnat ja puheen mallit voivat olla osoittavia yksinäisyydestä, kun ne otetaan yhdessä:

“NLP ja koneoppiminen antavat meille mahdollisuuden tutkia systemaattisesti pitkiä haastatteluita useilta yksilöiltä ja tutkia, miten hienot tunteet, kuten emotionaalinen analyysi, voivat osoittaa yksinäisyyttä. Samanlaiset emotionaaliset analyysit ihmisillä olisivat alttiina vinoutumiselle, puutteelliselle johdonmukaisuudelle ja vaatisivat laajaa koulutusta standardisoinniksi.”

Tutkimusryhmän mukaan yksinäiset yksilöt erosivat merkittävästi siinä, miten he vastasivat kysymyksiin verrattuna ei-yksinäisiin vastaajiin. Yksinäiset vastaajat ilmaisivat enemmän surua, kun heille esitettiin kysymyksiä yksinäisyydestä, ja heidän vastauksensa olivat yleensä pidemmät. Miehet olivat vähemmän todennäköisiä tunnustamaan tuntevansa yksinäisyyttä kuin naiset. Lisäksi miehet olivat todennäköisempiä käyttämään sanoja, jotka ilmaisivat iloa tai pelkoa kuin naiset.

Tutkimuksen tekijät selittivät, että tulokset auttoivat valottamaan eroa tyypillisten yksinäisyyden tutkimusmittareiden ja yksilöiden subjektiivisen kokemuksen ja kuvaamisen välillä. Tutkimuksen tulokset viittaavat siihen, että yksinäisyyttä voisi havaita puheen mallien analyysin kautta, ja jos nämä mallit osoittautuvat luotettaviksi, ne voivat auttaa yksinäisyyden diagnosoinnissa ja hoidossa vanhemmissa aikuisissa. Tutkijoiden suunnittelemat koneoppimismallit pystyivät ennustamaan kvalitatiivista yksinäisyyttä noin 94 prosentin tarkkuudella. Lisätutkimuksia tarvitaan, jotta voidaan nähdä, onko malli robusti ja voidaanko sen menestystä toistaa. Sillä välin tutkimusryhmän jäsenet toivovat pystyvänsä tutkimaan, miten NLP-ominaisuudet voivat olla korreloivia viisauden ja yksinäisyyden kanssa, joilla on käänteinen korrelaatio vanhemmissa aikuisissa.