Un algoritmo recientemente desarrollado puede detectar la depresi\u00f3n en los usuarios de Twitter con un 88,39% de precisi\u00f3n. Desarrollado por investigadores de la Universidad Brunel de Londres y la Universidad de Leicester, el algoritmo determina el estado mental de alguien extrayendo y analizando 38 puntos de datos de su perfil p\u00fablico de Twitter, incluido el contenido de sus publicaciones, los tiempos de publicaci\u00f3n y los otros usuarios en su c\u00edrculo de redes sociales. El equipo de investigaci\u00f3n dice que sistemas similares podr\u00edan tener una variedad de usos diferentes en el futuro a trav\u00e9s de m\u00faltiples plataformas, como el diagn\u00f3stico temprano de depresi\u00f3n, la selecci\u00f3n de empleo o las investigaciones policiales.<\/p>\n\n\n\n
“Probamos el algoritmo en dos grandes bases de datos y comparamos nuestros resultados con otras t\u00e9cnicas de detecci\u00f3n de depresi\u00f3n”, dijo el profesor Abdul Sadka, director del Instituto de Futuros Digitales de Brunel. “En todos los casos, hemos logrado superar las t\u00e9cnicas existentes en t\u00e9rminos de precisi\u00f3n de clasificaci\u00f3n”.<\/p>\n\n\n\n
El algoritmo se entren\u00f3 utilizando dos bases de datos que contienen el historial de Twitter de miles de usuarios, junto con informaci\u00f3n adicional sobre la salud mental de esos usuarios. El 80% de la informaci\u00f3n de cada base de datos se us\u00f3 para ense\u00f1ar al bot, y el otro 20% se us\u00f3 para probar su precisi\u00f3n.<\/p>\n\n\n\n
El bot funciona excluyendo primero a todos los usuarios con menos de cinco tweets y ejecutando los perfiles restantes a trav\u00e9s de un software de lenguaje natural para corregir errores ortogr\u00e1ficos y abreviaturas. Luego considera 38 factores distintos, como el uso de palabras positivas y negativas por parte del usuario, la cantidad de amigos y seguidores que tiene y el uso de emojis, y determina el estado mental y emocional de ese usuario.<\/p>\n\n\n\n
Utilizando el conjunto de datos de depresi\u00f3n de Twitter de Tsinghua, el equipo logr\u00f3 una precisi\u00f3n del 88,39 %, mientras que se logr\u00f3 una precisi\u00f3n del 70,69 % utilizando el conjunto de datos CLPsych 2015 de la Universidad John Hopkins.<\/p>\n\n\n\n
“Cualquier cosa que est\u00e9 por encima del 90% se considera excelente en el aprendizaje autom\u00e1tico. Entonces, el 88% para una de las dos bases de datos es fant\u00e1stico”, dijo el profesor Sadka.<\/p>\n\n\n\n
“No es 100 % preciso, pero no creo que a este nivel ninguna soluci\u00f3n de aprendizaje autom\u00e1tico pueda alcanzar el 100% de confiabilidad. Sin embargo, cuanto m\u00e1s se acerque a la cifra del 90%, mejor”.<\/p>\n\n\n\n
El equipo dice que dicho sistema podr\u00eda potencialmente se\u00f1alar la depresi\u00f3n de un usuario antes de que publique algo en el dominio p\u00fablico, allanando el camino para que plataformas como Twitter y Facebook se\u00f1alen de manera proactiva los problemas de salud mental de los usuarios. Sin embargo, el bot tambi\u00e9n se puede usar despu\u00e9s de que una publicaci\u00f3n haya pasado al dominio p\u00fablico, lo que podr\u00eda permitir a los empleadores y otras empresas evaluar el estado mental de un usuario en funci\u00f3n de sus publicaciones en las redes sociales. Podr\u00eda usarse por varias razones, dicen los investigadores, incluido el uso en an\u00e1lisis de sentimientos, investigaciones criminales o selecci\u00f3n de empleo.<\/p>\n\n\n\n
“El algoritmo propuesto es independiente de la plataforma, por lo que tambi\u00e9n se puede extender f\u00e1cilmente a otros sistemas de redes sociales como Facebook o WhatsApp”, dijo el profesor Huiyu Zhou, profesor de aprendizaje autom\u00e1tico en la Universidad de Leicester.<\/p>\n\n\n\n
“La pr\u00f3xima etapa de esta investigaci\u00f3n ser\u00e1 examinar su validez en diferentes entornos o contextos y, lo que es m\u00e1s importante, la tecnolog\u00eda que surja de esta investigaci\u00f3n puede desarrollarse a\u00fan m\u00e1s para otras aplicaciones, como el comercio electr\u00f3nico, el examen de contrataci\u00f3n o la selecci\u00f3n de candidatos”.<\/p>\n\n\n\n
La investigaci\u00f3n, “\u00c1rboles de poda de impulso sensibles a los costos para la detecci\u00f3n de depresi\u00f3n en Twitter”, se public\u00f3 en IEEE Transactions on Affective Computing.<\/p>\n\n\n\n