Cientistas Detectam Solidão Através do Uso de IA e PNL

Pesquisadores da Faculdade de Medicina da Universidade da Califórnia, San Diego, fizeram uso de algoritmos de inteligência artificial para quantificar a solidão em adultos mais velhos e determinar como esses adultos podem expressar solidão em seu discurso.

Nos últimos vinte anos, cientistas sociais descreveram uma tendência de aumento da solidão na população. Estudos realizados nos últimos dez anos documentaram taxas de solidão em aumento em grandes segmentos da sociedade, o que tem impactos nos índices de depressão, taxas de suicídio, uso de drogas e saúde em geral. Esses problemas são apenas exacerbados pela pandemia de Covid-19, pois as pessoas não podem se encontrar e socializar em pessoa de forma segura. Certos grupos são mais vulneráveis à solidão extrema, como grupos marginalizados e adultos mais velhos. Como o MedicalXpress relatou, um estudo realizado pela UC San Diego encontrou que comunidades de moradias para idosos tinham taxas de solidão próximas a 85% quando contabilizavam aqueles que relataram experimentar solidão moderada ou severa.

Para determinar soluções para esse problema, cientistas sociais precisam ter uma visão precisa da situação, determinando tanto a profundidade quanto a amplitude do problema. Infelizmente, a maioria dos métodos de coleta de dados sobre solidão é limitada em aspectos notáveis. A auto-relatórios, por exemplo, podem ser tendenciosos em relação aos casos mais extremos de solidão. Além disso, perguntas que pedem diretamente aos participantes do estudo que quantifiquem o quanto se sentem “sós” podem ser às vezes imprecisas devido a estigmas sociais que rodeiam a solidão.

Em um esforço para projetar uma métrica melhor para quantificar a solidão, os autores do estudo recorreram ao processamento de linguagem natural e aprendizado de máquina. Os métodos de PNL usados pelos pesquisadores são usados ao lado de ferramentas tradicionais de medição de solidão, e é esperado que a análise das formas naturais pelas quais as pessoas usam a linguagem leve a uma representação menos tendenciosa e mais honesta da solidão das pessoas.

O autor sênior do estudo foi Ellen Lee, professora assistente de psiquiatria na Faculdade de Medicina, UC San Diego. Lee e os outros pesquisadores focaram seu estudo em 80 participantes entre as idades de 66 e 94 anos. Os participantes do estudo foram incentivados pelos pesquisadores a responder às perguntas de forma mais natural e não estruturada do que a maioria dos outros estudos. Os pesquisadores não estavam apenas fazendo perguntas e classificando respostas. Como a primeira autora Ph.D. Varsha Badal explicou, o uso de aprendizado de máquina e PNL permitiu que a equipe de pesquisa tomasse essas respostas de entrevista em longo prazo e encontrasse como a escolha de palavras sutis e padrões de discurso pudessem ser indicativos de solidão quando tomados juntos:

“PNL e aprendizado de máquina nos permitem examinar sistematicamente longas entrevistas de muitos indivíduos e explorar como recursos de discurso sutis, como emoções, podem indicar solidão. Análises de emoções semelhantes feitas por humanos estariam abertas a viés, falta de consistência e requereriam treinamento extensivo para padronizar.”

De acordo com a equipe de pesquisa, os indivíduos que estavam sós tinham diferenças notáveis nas formas pelas quais respondiam às perguntas em comparação com os respondentes não sós. Os respondentes sós expressavam mais tristeza quando questionados sobre solidão e tinham respostas mais longas em geral. Os homens eram menos propensos a admitir se sentindo sós do que as mulheres. Além disso, os homens eram mais propensos a usar palavras que expressavam alegria ou medo do que as mulheres.

Os pesquisadores do estudo explicaram que os resultados ajudaram a elucidar as diferenças entre as métricas de pesquisa típicas para solidão e a forma como os indivíduos experimentam e descrevem a solidão de forma subjetiva. Os resultados do estudo implicam que a solidão poderia ser detectada por meio da análise de padrões de discurso, e se esses padrões se provarem confiáveis, poderiam ajudar a diagnosticar e tratar a solidão em adultos mais velhos. Os modelos de aprendizado de máquina projetados pelos pesquisadores foram capazes de prever a solidão qualitativa com aproximadamente 94% de precisão. Mais pesquisas precisarão ser realizadas para ver se o modelo é robusto e se seu sucesso pode ser replicado. Enquanto isso, membros da equipe de pesquisa estão esperando explorar como os recursos de PNL podem estar correlacionados com sabedoria e solidão, que têm uma correlação inversa em adultos mais velhos.