Des étudiants et chercheurs de l'université Johns Hopkins ont
récemment publié une étude qui consistait à détecter la dépression chez les
individus en utilisant leurs tweets.
En effet, en examinant automatiquement les tweets des utilisateurs qui ont mentionné publiquement leur diagnostic et par la recherche d'indices de langage liés à certains troubles, ces chercheurs ont mis au point un algorithme pour reconnaître automatiquement les troubles de stress post-traumatique, la dépression, les troubles bipolaires ainsi que les troubles saisonniers. Ce qui toucherait, selon l’organisation mondiale de santé, près de 350 millions de personnes à travers le monde, donc les plus grands taux calculés dans l’Afghanistan, la Suisse, les USA et la Chine.
« Nous ne cherchons pas à remplacer les méthodes de suivi de la maladie mentale », annonce un chercheur du département de mathématiques appliquées et de statistiques qui avait participé à la recherche. « Nous pensons que nos nouvelles techniques pourraient compléter ce processus. Nous essayons de montrer que l'analyse des tweets pourrait permettre de découvrir des résultats similaires, mais pourrait le faire beaucoup plus rapidement et à un coût beaucoup plus réduit ». Cet algorithme recherche des mots et des structures linguistiques associées à ces affections, y compris des mots indices liés à l'anxiété et l'insomnie, et des phrases telles que : «Je ne veux pas sortir du lit ». Bien que ce procédé paraisse simple aux premiers abords, les résultats ont montré que c’était assez efficace pour recueillir des données sur la santé mentale des utilisateurs.
En effet, en examinant automatiquement les tweets des utilisateurs qui ont mentionné publiquement leur diagnostic et par la recherche d'indices de langage liés à certains troubles, ces chercheurs ont mis au point un algorithme pour reconnaître automatiquement les troubles de stress post-traumatique, la dépression, les troubles bipolaires ainsi que les troubles saisonniers. Ce qui toucherait, selon l’organisation mondiale de santé, près de 350 millions de personnes à travers le monde, donc les plus grands taux calculés dans l’Afghanistan, la Suisse, les USA et la Chine.
« Nous ne cherchons pas à remplacer les méthodes de suivi de la maladie mentale », annonce un chercheur du département de mathématiques appliquées et de statistiques qui avait participé à la recherche. « Nous pensons que nos nouvelles techniques pourraient compléter ce processus. Nous essayons de montrer que l'analyse des tweets pourrait permettre de découvrir des résultats similaires, mais pourrait le faire beaucoup plus rapidement et à un coût beaucoup plus réduit ». Cet algorithme recherche des mots et des structures linguistiques associées à ces affections, y compris des mots indices liés à l'anxiété et l'insomnie, et des phrases telles que : «Je ne veux pas sortir du lit ». Bien que ce procédé paraisse simple aux premiers abords, les résultats ont montré que c’était assez efficace pour recueillir des données sur la santé mentale des utilisateurs.
Aucun commentaire:
Enregistrer un commentaire