Bilim Adamları AI ve NLP Kullanarak Yalnızlığı Belirlediler

California San Diego Üniversitesi Tıp Fakültesi’nden araştırmacılar, yaşlı yetişkinlerde yalnızlığı nicelendirmek ve yaşlı yetişkinlerin konuşmalarında yalnızlığı nasıl ifade edebileceklerini belirlemek için yapay zeka algoritmalarını kullandılar.

Son yirmi yıl içinde sosyal bilimciler, artan bir yalnızlık trendini tanımladılar. Geçtiğimiz on yılda yapılan çalışmalar, toplumun geniş kesimlerinde artan yalnızlık oranlarını belgeledi, bu da depresyon oranlarına, intihar oranlarına, uyuşturucu kullanımına ve genel sağlığa影響 etti. Bu sorunlar, insanların güvenli bir şekilde persönliche olarak buluşup sosyalleşmesini engelleyen Covid-19 salgını tarafından daha da kötüleşti. Bazı gruplar, marjinal gruplar ve yaşlı yetişkinler gibi, aşırı yalnızlığa daha savunmasızdır. MedicalXpress’in bildirdiği üzere, UC San Diego tarafından yapılan bir çalışmada, yaşlı konut topluluklarında yalnızlık oranlarının %85’e yaklaşabileceği tespit edildi.

Bu soruna çözümler bulmak için sosyal bilimcilere, durumun hem derinliğini hem de genişliğini belirlemek için doğru bir görüşe ihtiyaç vardır. Ne yazık ki, yalnızlığı veri toplamak için kullanılan çoğu yöntem önemli açılardan sınırlıdır. Öz-bildirim, örneğin, yalnızlığın daha aşırı vakalarına doğru önyargılı olabilir. Ayrıca, katılımcılara nasıl “yalnız” hissettiklerini量ify etmelerini isteyen sorular bazen yalnızlık surrounding sosyal damgalar nedeniyle yanlış olabilir.

Yalnızlığı nicelendirmek için daha iyi bir ölçüt tasarlamak amacıyla çalışmanın yazarları, doğal dil işleme ve makine öğrenimi yöntemlerine başvurdu. Araştırmacılar tarafından kullanılan NLP yöntemleri, geleneksel yalnızlık ölçüm araçları ile birlikte kullanıldı ve insanların doğal dil kullanımının daha az önyargılı, daha dürüst bir yalnızlık temsilini sağlayacağı umuluyor.

Çalışmanın kıdemli yazarı, UC San Diego Tıp Fakültesi’nden Ellen Lee idi. Lee ve diğer araştırmacılar, 66 ila 94 yaş arasındaki 80 katılımcı üzerinde odaklandılar. Çalışmadaki katılımcılara, araştırmacılar tarafından daha doğal ve yapılandırılmamış bir şekilde cevap vermeleri istendi. Araştırmacılar sadece sorular sormuyor ve cevapları sınıflandırıyorlardı. İlk yazar Ph.D. Varsha Badal, makine öğrenimi ve NLP’nin, bu uzun-form görüşme cevaplarını alıp, nasıl incelikli kelime seçimi ve konuşma kalıplarının yalnızlığı gösterebileceğini incelemelerine izin verdiğini açıkladı:

“NLP ve makine öğrenimi, bize birçok bireyden uzun görüşmeleri sistematik olarak incelemek ve nasıl duyguların yalnızlığı gösterebileceğini keşfetmek için izin veriyor. Benzer emotion analizleri insanların yapması, önyargılı olabilecekti, tutarlılık eksikliği olabilecekti ve standartlaştırmak için kapsamlı eğitim gerektirecekti.”

Araştırmaya göre, yalnız olan bireyler, yalnız olmayanlara kıyasla sorulara verdikleri cevaplarında belirgin farklılıklar gösterdi. Yalnız respondents, yalnızlık ile ilgili sorulara daha fazla hüzün ifade ederek cevap verdiler ve genel olarak daha uzun cevaplar verdiler. Erkekler, kadınlara kıyasla yalnız hissettiğini itiraf etmeye daha az eğilimliydiler. Ayrıca, erkekler, kadınların yaptığı kadar, sevinç veya korku ifade eden kelimeleri kullanmaya daha eğilimliydiler.

Araştırmacılar, sonuçların, yalnızlığın geleneksel araştırma ölçütleri ile bireylerin subjektif olarak deneyimlediği ve tanımladığı yalnızlık arasındaki farklılıkları aydınlatmaya yardımcı olduğunu açıkladılar. Çalışmanın sonuçları, yalnızlığın konuşma kalıplarının analizi ile tespit edilebileceğini ima etti ve bu kalıpların güvenilir olduğu kanıtlanırsa, yaşlı yetişkinlerde yalnızlığı teşhis etmek ve tedavi etmek için yardımcı olabileceğini belirtti. Araştırmacılar tarafından tasarlanan makine öğrenimi modelleri, nitel yalnızlığı yaklaşık %94 doğrulukla tahmin edebildi. Modelin robust olup olmadığını ve başarısının tekrarlanıp tekrarlanamayacağını görmek için daha fazla araştırmaya ihtiyaç duyulacak. Araştırmacıların bir kısmı, NLP özelliklerinin yaşlı yetişkinlerde yalnızlık ile nasıl ilişkili olabileceğini keşfetmeyi umuyor ve bu iki kavram arasındaki ters korelasyonu incelemeyi planlıyor.