科学家通过人工智能和自然语言处理检测孤独感

加州大学圣地亚哥分校医学院的研究人员利用人工智能算法来量化老年人的孤独感，并确定老年人如何在言语中表达孤独感。

在过去二十年左右的时间里，社会科学家描述了 孤独感上升的趋势 在人口中。 特别是过去十年进行的研究记录了社会大部分地区的孤独率不断上升，这对抑郁率、自杀率、吸毒率和总体健康产生了影响。 这些问题只是 Covid-19 加剧了这种情况 大流行，因为人们无法安全地见面和亲自社交。 某些群体更容易受到极端孤独的影响，例如边缘群体和老年人。 据 MedicalXpress 报道加州大学圣地亚哥分校进行的一项研究发现，在统计那些报告经历中度或重度孤独的人时，老年住房社区的孤独率接近 85%。

为了确定这个问题的解决方案，社会科学家需要准确地了解情况，确定问题的深度和广度。 不幸的是，大多数收集孤独数据的方法在一些值得注意的方面都受到限制。 例如，自我报告可能会偏向于更极端的孤独情况。 此外，由于围绕孤独的社会耻辱，直接要求研究参与者量化他们的“孤独”程度的问题有时可能不准确。

为了设计更好的量化孤独感的指标，该研究的作者转向自然语言处理和机器学习。研究人员使用的 NLP 方法与传统的孤独测量工具一起使用，希望通过分析人们使用语言的自然方式，能够减少偏见、更诚实地表达人们的孤独感。

这项新研究的资深作者是加州大学圣地亚哥分校医学院精神病学助理教授艾伦·李(Ellen Lee)。 Lee 和其他研究人员将研究重点放在 80 名年龄在 66 岁至 94 岁之间的参与者身上。研究人员鼓励研究参与者以比大多数其他研究更自然、更非结构化的方式回答问题。 研究人员不仅仅是提出问题并对答案进行分类。 作为第一作者博士。 Varsha Badal 解释说，使用机器学习和 NLP 使研究团队能够获取这些长篇采访答案，并发现将微妙的词语选择和言语模式放在一起可以表明孤独感：

“自然语言处理和机器学习使我们能够系统地检查许多人的长时间访谈，并探索情绪等微妙的言语特征如何表明孤独。 人类进行的类似情绪分析可能会存在偏见，缺乏一致性，并且需要大量培训才能标准化。”

研究小组表示，与非孤独的受访者相比，孤独的人在回答问题的方式上有明显的差异。 当被问及有关孤独的问题时，孤独的受访者会表达更多的悲伤，并且一般会做出更长的回答。 与女性相比，男性不太可能承认感到孤独。 此外，男性比女性更可能使用表达喜悦或恐惧的词语。

该研究的研究人员解释说，结果有助于阐明典型的孤独研究指标与个人主观体验和描述孤独的方式之间的差异。 研究结果表明，可以通过分析言语模式来检测孤独感，如果这些模式被证明是可靠的，它们可以帮助诊断和治疗老年人的孤独感。 研究人员设计的机器学习模型能够预测定性孤独感，准确率约为 94%。 需要进行更多的研究来看看该模型是否稳健以及其成功是否可以复制。 与此同时，研究团队的成员希望探索 NLP 特征如何与智慧和孤独感相关，而智慧和孤独感在老年人中呈负相关。