L’algoritmo sviluppato dai ricercatori della Brunel University di Londra e dell’Università di Leicester, determina lo stato mentale di qualcuno estraendo e analizzando 38 punti dati dal suo profilo Twitter pubblico, inclusi il contenuto dei suoi post, i suoi orari di pubblicazione e gli altri utenti nella sua cerchia di interazioni social. La ricerca è stata pubblicata nella rivista Institute of Electrical and Electronics Engineers (IEEE).
Il team di ricerca ha affermato che sistemi simili potrebbero avere una gamma di usi diversi in futuro su più piattaforme, come la diagnosi precoce della depressione, lo screening del lavoro o le indagini di polizia.
Abdul Sadka, direttore dell’Institute of Digital Futures di Brunel, ha detto:
«Abbiamo testato l’algoritmo su due grandi database e confrontato i nostri risultati con altre tecniche di rilevamento della depressione, in tutti i casi, siamo riusciti a superare le tecniche esistenti in termini di accuratezza della classificazione».
L’algoritmo è stato addestrato utilizzando due database che contengono la cronologia di Twitter di migliaia di utenti, insieme a informazioni aggiuntive sulla salute mentale di quegli utenti. L’80% delle informazioni in ciascun database è stato utilizzato per insegnare il bot, mentre l’altro 20% è stato utilizzato per testarne l’accuratezza.
L’algoritmo funziona escludendo prima tutti gli utenti con meno di cinque tweet ed eseguendo i profili rimanenti tramite un software di linguaggio naturale per correggere errori di ortografia e abbreviazioni, quindi prende in considerazione 38 fattori distinti, come l’uso da parte di un utente di parole positive e negative, il numero di amici e follower che hanno e il loro uso di emoji, e determina lo stato mentale ed emotivo di quell’utente.
Il team di ricercatori utilizzando lo Tsinghua Twitter Depression Dataset, ha gestito un’accuratezza dell’88,39%, mentre un’accuratezza del 70,69% è stata ottenuta utilizzando il set di dati CLPsych 2015 dello John Hopkins University.
Abdul Sadka ha affermato:
«Nell’apprendimento automatico tutto ciò che è superiore al 90% è considerato eccellente, quindi, l’88% per uno dei due database è fantastico; non è accurato al 100%, ma non credo che a questo livello nessuna soluzione di machine learning possa raggiungere il 100% di affidabilità. Tuttavia, più ci si avvicina alla cifra del 90%, meglio è».
Il team di ricercatori ha evidenziato che un tale sistema potrebbe potenzialmente segnalare la depressione di un utente prima che pubblichi qualcosa di pubblico dominio, aprendo la strada a piattaforme come Twitter e Facebook per segnalare in modo proattivo problemi di salute mentale con gli utenti.
L’algoritmo può essere utilizzato anche dopo che un post è diventato di dominio pubblico, consentendo potenzialmente ai datori di lavoro e ad altre aziende di valutare lo stato mentale di un utente in base ai loro post sul social media. Potrebbe essere utilizzato per una serie di motivi, anche per l’uso nell’analisi del sentimento, nelle indagini penali o nello screening dell’occupazione.
Huiyu Zhou, professore di Machine Learning all’Università di Leicester, ha detto:
«L’algoritmo proposto è indipendente dalla piattaforma, quindi può essere facilmente esteso anche ad altri sistemi di social media come Facebook o WhatsApp. La fase successiva di questa ricerca sarà quella di esaminarne la validità in diversi ambienti o background e, cosa più importante, la tecnologia generata da questa indagine potrebbe essere ulteriormente sviluppata per altre applicazioni, come l’e-commerce, l’esame di reclutamento o lo screening delle candidature».