과학자들은 AI와 NLP를 사용하여 외로움을 감지합니다.

University of California San Diego School of Medicine의 연구원들은 인공 지능 알고리즘을 사용하여 노인의 외로움을 정량화하고 노인이 말에서 외로움을 어떻게 표현할 수 있는지 결정했습니다.

지난 XNUMX여년 동안 사회과학자들은 고독이 늘어나는 추세 인구에서. 특히 지난 XNUMX년 동안 수행된 연구에 따르면 우울증, 자살률, 약물 사용 및 일반 건강에 영향을 미치는 사회 전반에 걸쳐 증가하는 외로움 비율이 기록되었습니다. 이러한 문제는 단지 코로나19로 악화된 대유행, 사람들이 직접 안전하게 만나고 친목을 다질 수 없기 때문입니다. 소외 계층 및 노인과 같은 특정 그룹은 극심한 외로움에 더 취약합니다. MedicalXpress가 보고한 바와 같이, UC 샌디에고에서 실시한 한 연구에 따르면 중등도 또는 심각한 외로움을 경험했다고 보고한 사람들을 포함하면 노인 주택 공동체의 외로움 비율이 85%에 육박하는 것으로 나타났습니다.

이 문제에 대한 해결책을 결정하기 위해 사회과학자들은 문제의 깊이와 폭을 결정하면서 상황에 대한 정확한 관점을 얻을 필요가 있습니다. 불행히도 외로움에 대한 데이터를 수집하는 대부분의 방법은 눈에 띄는 측면에서 제한적입니다. 예를 들어 자기 보고는 더 극단적인 외로움의 경우에 편향될 수 있습니다. 또한, 연구 참여자에게 그들이 얼마나 "외로움"을 느끼는지 정량화하도록 직접 묻는 질문은 외로움을 둘러싼 사회적 낙인으로 인해 때때로 부정확할 수 있습니다.

외로움을 정량화하기 위한 더 나은 측정 기준을 설계하기 위해 연구 저자는 자연어 처리 및 기계 학습에 눈을 돌렸습니다. 연구자들이 사용하는 NLP 방법은 전통적인 외로움 측정 도구와 함께 사용되며, 사람들이 언어를 사용하는 자연스러운 방식을 분석하면 사람들의 외로움을 덜 편파적이고 보다 정직하게 표현할 수 있을 것으로 기대됩니다.

새로운 연구의 수석 저자는 UC 샌디에이고 의과대학 정신과 조교수인 Ellen Lee였습니다. Lee와 다른 연구원들은 80세에서 66세 사이의 94명의 참가자를 대상으로 연구에 집중했습니다. 연구원들은 참가자들이 대부분의 다른 연구보다 더 자연스럽고 구조화되지 않은 방식으로 질문에 답하도록 장려했습니다. 연구원들은 단지 질문을 하고 답변을 분류하는 것이 아니었습니다. 첫 번째 저자로 Ph.D. Varsha Badal은 연구팀이 기계 학습과 NLP를 사용하여 이러한 긴 형식의 인터뷰 답변을 얻을 수 있었고 미묘한 단어 선택과 말투 패턴이 어떻게 외로움을 나타낼 수 있는지 알아낼 수 있었다고 설명했습니다.

“NLP와 기계 학습을 통해 많은 개인의 긴 인터뷰를 체계적으로 조사하고 감정과 같은 미묘한 음성 기능이 외로움을 나타내는 방법을 탐색할 수 있습니다. 인간에 의한 유사한 감정 분석은 편견에 노출되고 일관성이 부족하며 표준화를 위해 광범위한 교육이 필요합니다.”

연구팀에 따르면 외로운 개인은 외롭지 않은 응답자와 비교하여 질문에 응답하는 방식에 눈에 띄는 차이가 있었습니다. 외로운 응답자는 외로움에 관한 질문을 받았을 때 더 많은 슬픔을 표현했으며 일반적으로 더 긴 응답을 보였습니다. 남성은 여성보다 외로움을 덜 인정했습니다. 또한 남성은 여성보다 기쁨이나 두려움을 표현하는 단어를 더 많이 사용했습니다.

이 연구의 연구원들은 그 결과가 외로움에 대한 일반적인 연구 지표와 개인이 주관적으로 외로움을 경험하고 설명하는 방식 사이의 차이점을 설명하는 데 도움이 되었다고 설명했습니다. 연구 결과는 언어 패턴 분석을 통해 외로움을 감지할 수 있으며 이러한 패턴이 신뢰할 수 있는 것으로 입증되면 노인의 외로움을 진단하고 치료하는 데 도움이 될 수 있음을 시사합니다. 연구원들이 설계한 기계 학습 모델은 약 94%의 정확도로 정성적 외로움을 예측할 수 있었습니다. 모델이 견고하고 성공을 재현할 수 있는지 확인하려면 더 많은 연구가 수행되어야 합니다. 그 동안 연구팀의 구성원은 NLP 기능이 노인의 경우 반비례 관계인 지혜 및 외로움과 어떤 상관 관계가 있는지 탐색하기를 희망하고 있습니다.