Diseñado un algoritmo que detecta la infelicidad en las redes sociales para mejorar la salud mental

Invertimos una parte importante de nuestro tiempo compartiendo imágenes, vídeos o pensamientos en las redes sociales como Instagram, Facebook y Twitter. Ahora, un grupo de investigadores de la Universitat Oberta de Catalunya (UOC) ha entrenado un algoritmo que busca ayudar a los psicólogos a diagnosticar posibles problemas mentales a través de lo que publicamos en estas plataformas.

Según la teoría de la elección de William Glasser, hay cinco necesidades básicas que se encuentran en los cimientos de todo comportamiento humano: la supervivencia, el poder, la libertad, la pertenencia y la diversión. Estas necesidades influyen incluso en qué imagen elegimos para subir a nuestro perfil de Instagram. "Cómo nos mostramos en las redes sociales puede proporcionar información útil sobre los comportamientos, las personalidades, las perspectivas, los motivos y las necesidades", apunta Mohammad Mahdi Dehshibi, quien ha liderado esta investigación en el grupo AI for Human Well-being (AIWELL), de los Estudios de Informática, Multimedia y Telecomunicación y del eHealth Center de la UOC.

El equipo investigador ha trabajado durante dos años en un modelo de aprendizaje profundo que identifica las cinco necesidades descritas por Glasser, utilizando datos multimodales como imágenes, texto, biografía o geolocalización. Para el estudio, publicado en la revista IEEE Transactions on Affective Computing, analizaron 86 perfiles de Instagram, publicados en español y en persa.

Apoyándose en redes neuronales y bases de datos, los expertos entrenaron un algoritmo para que identificara el contenido de las imágenes y clasificara el contenido textual, asignándoles distintas etiquetas propuestas por psicólogos, quienes compararon los resultados con una base de datos de más de 30.000 imágenes, leyendas y comentarios.

El problema de homogeneizar las etiquetas obtenidas de texto e imagen lo resolvieron con un libro de códigos, bag of content, que definen como un "mapa semántico del terreno visual al textual". Según explican, "los experimentos muestran una precisión prometedora e información complementaria entre señales visuales y textuales".

Los hispanohablantes mencionan más sus problemas

¿Cada elección que hacemos responde solo a una necesidad básica? La teoría de Glasser dice que no, y para despejar esta duda es útil el enfoque multietiqueta de esta investigación. Dehshibi, investigador del imBody Research Laboratory de la Universidad Carlos III de Madrid y del Unconventional Computing Laboratory de la Universidad del Oeste de Inglaterra, Bristol, lo explica con un ejemplo: "Imaginemos que un ciclista sube una montaña y, en la cima, puede elegir entre compartir un selfie o una imagen de grupo. Si elige el selfie, percibimos la necesidad de poder, pero, si elige la otra, podemos concluir que, además de la diversión, la persona busca la manera de satisfacer su necesidad de pertenencia".

Además, que los perfiles analizados pertenezcan a personas que se comunican en dos idiomas distintos permite evitar sesgos culturales. Investigaciones anteriores habían concluido, por ejemplo, que los usuarios hispanohablantes son más propensos que los angloparlantes a mencionar los problemas sobre sus relaciones cuando se sienten deprimidos. "El estudio de los datos de las redes sociales pertenecientes a usuarios que no hablan inglés podría ayudar a construir herramientas y modelos inclusivos y diversos para abordar los problemas de salud mental en personas con diversos antecedentes culturales o lingüísticos", escriben.

Los autores creen que su investigación puede ayudar a mejorar las medidas preventivas, desde la identificación del problema hasta la mejora de los tratamientos cuando se ha diagnosticado a una persona con un trastorno mental.

Esta investigación de la UOC favorece el objetivo de desarrollo sostenible de la ONU (ODS) 3, sobre salud y bienestar.

Artículo relacionado

DEHSHIBI, M. M.; BAIANI, B.; PONS, G.; MASIP, D. A deep multimodal learning approach to perceive basic needs of humans from Instagram profile. En: IEEE Transactions on Affective Computing [en línea]. Disponible en: 10.1109/TAFFC.2021.3090809.

UOC R&I

La investigación e innovación (RI) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital. Los más de 500 investigadores e investigadoras y los 51 grupos de investigación se articulan en torno a los siete estudios de la UOC y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC