과학자들, AI와 NLP를 이용하여 고립감을 감지하다

캘리포니아 샌디에고 대학교 의과대학의 연구자들은 고령자의 고립감을 정량화하고 고령자가 어떻게 말로 고립감을 표현하는지 알아보기 위해 인공지능 알고리즘을 사용했다.

과거 20년 동안 사회과학자들은 고립감의 증가하는 추세를 설명해왔다. 지난 10년 동안 수행된 연구는 사회의 많은 부분에서 고립감이 증가하고 있음을 보여주었고, 이는 우울증, 자살, 마약 사용, 일반적인 건강에 영향을 미친다. 이러한 문제들은 코로나19 팬데믹으로 인해 더욱 심화되고 있다. 사람들은 안전하게 만나고 소셜하게 활동할 수 없기 때문이다. 일부 그룹은 극단적인 고립감에 더 취약하다. 예를 들어, 소수자와 고령자이다. MedicalXpress에 따르면, UC 샌디에고의 한 연구에서는 고령자 주택 커뮤니티에서 중증 또는 중등도 고립감을 경험한 사람들이 85%에 달하는 것으로 나타났다.

이 문제를 해결하기 위해 사회과학자들은 상황에 대한 정확한 시각을 얻어야 한다. 즉, 문제의 깊이와 폭을 결정해야 한다. 그러나 대부분의 고립감 데이터 수집 방법은 몇 가지 제한이 있다. 예를 들어, 자기 보고는 더 극단적인 고립감 사례로 편향될 수 있다. 또한 고립감을 직접 물어보는 질문은 때때로 사회적 스태마로 인해 부정확할 수 있다.

고립감을 측정하기 위한 더 좋은 지표를 설계하기 위해 연구의 저자들은 자연어 처리와 기계 학습을 사용했다. 연구자들이 사용한 NLP 방법은 전통적인 고립감 측정 도구와 함께 사용되며, 언어를 사용하는 자연스러운 방식을 분석하면 더 비편향적이고 진실된 사람들의 고립감을 나타낼 수 있을 것으로 기대된다.

연구의 선임 저자는 엘렌 리(Ellen Lee)로, 샌디에고 대학교 의과대학 정신과 조교수이다. 리와 다른 연구자들은 66세에서 94세 사이의 80명의 참가자를 대상으로 연구를 수행했다. 연구자들은 참가자들에게 질문에 더 자연스럽고 비구조적인 방식으로 답변하도록鼓励했다. 연구자들은 단순히 질문을 하고 답변을 분류하는 것이 아니라, 참가자의 장기적인 인터뷰 답변을 분석하여 고립감과 관련된 미묘한 단어 선택과 언어 패턴을 찾을 수 있었다.

첫 번째 저자인 바샤 바달(Varsha Badal)은 “NLP와 기계 학습을 사용하면 많은 사람들의 장기적인 인터뷰를 체계적으로 분석하고, 감정과 같은 미묘한 언어 특징이 고립감을 나타낼 수 있는지探索할 수 있다”고 설명했다. “사람들이 이러한 분석을 수행하는 경우, 편향, 일관성 결여, 표준화하기 위한 광범위한 훈련이 필요할 것이다.”

연구 팀에 따르면, 고립감을 경험한 사람들은 비고립감 경험자와 비교하여 질문에 대한 답변 방식에 뚜렷한 차이가 있었다. 고립감을 경험한 사람들은 고립감에 대한 질문에 더 많은 슬픔을 표현했고, 일반적으로 더 긴 답변을 했다. 남성은 여성보다 고립감을 인정할 가능성이 낮았다. 또한, 남성은 여성보다 기쁨이나 두려움을 표현하는 단어를 더 많이 사용했다.

연구자들은 연구 결과가 고립감에 대한 전형적인 연구 지표와 개인이 주관적으로 경험하고 설명하는 고립감之间의 차이를 설명하는 데 도움이 되었다고 말했다. 연구 결과는 언어 패턴을 분석하여 고령자의 고립감을 감지할 수 있을 것으로示唆한다. 이러한 패턴이 신뢰할 수 있는 경우, 고령자의 고립감을 진단하고 치료하는 데 도움이 될 수 있다. 연구자들이 설계한 기계 학습 모델은 약 94%의 정확도로 정성적인 고립감을 예측할 수 있었다. 모델이 강건하고 성공이 반복될 수 있는지 확인하기 위해 더 많은 연구가 필요하다. 한편, 연구 팀은 고령자의 지혜와 고립감之间의 상관관계를 탐구하기를 희망하고 있다.