على الرغم من أن البشر لا يتشاركون نفس مشاعر الفرح والحزن، إلا أن نماذج تحليل المشاعر قادرة على فهمها.
أصبحت وسائل التواصل الاجتماعي جزءًا من حياة الناس تدريجيًا اليوم، كما أصبحت أيضًا مصدرًا مهمًا للبيانات لعلماء النفس لإجراء الأبحاث. وفي الوقت نفسه، يحاول الباحثون أيضًا استخدام معالجة اللغة الطبيعية وتقنيات التعلم الآلي للتنبؤ بالتقلبات العاطفية لمستخدمي وسائل التواصل الاجتماعي.
لقد أثر تفشي فيروس كورونا الجديد المفاجئ في العام الماضي بشكل عميق على حياة الناس. خلال هذه الفترة التاريخية الخاصة، أصبحت نفسية عامة الناس حساسة وهشة.
خلال فترة الوباء، قضى الناس وقتًا أطول على شبكات التواصل الاجتماعي بسبب انخفاض الخروج والاتصال. لا مفر من أن يقوم بعض الأشخاص بالتعبير عن استيائهم من العمل والحياة للآخرين من خلال الإنترنت. كما زادت أيضًا المشاعر السلبية مثل الذعر والقلق والحزن والعجز.
وبحسب دراسة فإن متوسط الوقت الذي يقضيه مستخدمو الإنترنت حول العالم على وسائل التواصل الاجتماعي هو ساعتين و22 دقيقة يومياً.لم تعد وسائل التواصل الاجتماعي مقتصرة على الوظائف الاجتماعية فحسب، بل أصبحت أيضًا مكانًا للعديد من الأشخاص لتسجيل مشاعرهم والتعبير عن أفكارهم الداخلية.
سواء كان ذلك WeChat Moments أو Weibo أو QQ Space محليًا أو Twitter أو Instagram أو Facebook أجنبيًا، فإنهم جميعًا يحملون مكانة الآلاف من المستخدمين.
بالنسبة للباحثين في علم النفس، فإن هذه المنشورات على وسائل التواصل الاجتماعي توفر لهم بلا شك قدرًا كبيرًا من بيانات البحث.
وفي دراستهم الأخيرة، استخدم الباحثان يوهانس إيشتيدت من جامعة ستانفورد وأرون ويدمان من جامعة ميشيغان أدوات معالجة اللغة الطبيعية لتحليل منشورات مستخدمي فيسبوك.
تشير الأبحاث إلى أن نماذج التعلم الآلي يمكن أن توفر رؤى حول مشاعر الشخص وتقلباته من خلال وسائل التواصل الاجتماعي بدقة تضاهي قياسات علم النفس التقليدي.
اقرأ أفراحك وأحزانك وغضبك وسعادتك من السطور
في السنوات الأخيرة، أصبحت كمية المعلومات الكبيرة الموجودة على الإنترنت مصدرًا مهمًا للبيانات في علم الشخصية.لقد أظهرت مجموعة كبيرة من الأبحاث أن استخدام ملفات التعريف على وسائل التواصل الاجتماعي لتصنيف الأبعاد المتعلقة بالشخصية أمر فعال.
توفر أحدث أبحاث آيخستادت وويدمان حالة متطورة لاستخدام تحليل البيانات الضخمة على وسائل التواصل الاجتماعي لتتبع الحالة النفسية للأشخاص.
معايرة أخذ العينات
استخدم المؤلفون بعدين عاطفيين أساسيين، القيمة والإثارة، لتقييم مشاعر المنشورات على الفيسبوك.
ملاحظة: "القيمة" و "الإثارة" هما بعدان لتقييم المشاعر في علم النفس. يشير الأول إلى درجة الإيجابية/السلبية التي يشعر بها الشخص، مع التمييز بين المشاعر الإيجابية والسلبية؛ ويشير الأخير إلى درجة الهدوء/الإثارة.
في البداية، طلب الباحثون من مساعدي أبحاث بشريين لديهم خلفية في علم النفس التعليق على 2895 منشورًا عامًا على فيسبوك من دراسة سابقة.
ساعد البحث في تقييم "القيمة" و"الإثارة" لكل منشور. تم استخدام مقياس من 9 نقاط (بالنسبة لـ "التكافؤ"، 1 = "سلبي"، 9 = "إيجابي"، وعلى نحو مماثل بالنسبة لـ "الإثارة"، 1 = "منخفض"، 9 = "عالي").
وبمجرد الانتهاء من هذه المراجعات، تم استخدام المنشورات لتدريب نموذج التعلم الآلي الذي سيكون قادرًا على التنبؤ باللغة التي تنقل أي مشاعر.
قام المؤلفون بعد ذلك بملاءمة سلسلة من النماذج مع بيانات التصنيف هذه، حيث أظهر كل منها ارتباطًا واضحًا محتملًا بين القيمة والإثارة.
بالنسبة للباحثين المحليين في مجال معالجة اللغة الطبيعية، فإن مجموعة بيانات تحليل المشاعر الصينية أكثر قابلية للتطبيق.لذلك، توصي شركة Super Neuro باستخدام مجموعة بيانات تحليل المشاعر الصينية على موقع Weibo من NLPCC لعام 2014.
بيانات التقييم تأتي من موقع Sina Weibo. بالنسبة لمدخلات Weibo بأكملها، تتطلب المهمة تحديد ما إذا كان Weibo يحتوي على مشاعر. بالنسبة للمدونات الصغيرة التي تحتوي على مشاعر، يتعين علينا تحديد مخرجات تصنيف المشاعر الخاصة بها على النحو التالي: الغضب، والاشمئزاز، والخوف، والسعادة، والإعجاب، والحزن، والمفاجأة.
تفاصيل مجموعة البيانات هي كما يلي:
مجموعة بيانات تحليل المشاعر على موقع ويبو الصيني
البيانات المقدمة:NLPCC2014
وقت الإصدار:2014
الكمية المتضمنة:مئات الآلاف من نصوص المدونات الصغيرة
تنسيق البيانات:.xml
حجم البيانات:18 ميجابايت
عنوان التنزيل:https://orion.hyper.ai/datasets/14390
إنشاء النموذج
استخدم الفريق مجموعة أدوات تحليل اللغة التفاضلية (DLATK) لاستخراج سمات اللغة من منشورات فيسبوك المحددة. وبناءً على التردد النسبي للكلمات والعبارات، فقد احتفظوا بالكلمات التي كانت أكثر تكرارًا بثلاث مرات من العبارات التي ظهرت بالصدفة. وأخيرا، تمت تصفية 1,439 مكونًا من مكونات الجملة للتنبؤ بـ "التكافؤ" وتم تصفية 675 مكونًا من مكونات الجملة للتنبؤ بـ "الإثارة".
ثم،قم بتدريب نموذج الانحدار التلالي استنادًا إلى مجموعة ميزات اللغة بأكملها للتنبؤ بـ "التكافؤ" و"الإثارة"،وتم استخدام التحقق المتبادل 10 مرات (أي تم بناء النموذج على 90% من البيانات ثم تم تقييمه على 10% المتبقية).
دقة التنبؤ خارج العينة للتحقق المتبادل للنموذج هي: دقة التنبؤ بـ "التكافؤ" هي 0.63؛ دقة "الإثارة" هي 0.82. وبالمقارنة مع مقاييس قياسية أخرى سابقة للعاطفة، وجد أن النموذج يقدر بشكل أكثر دقة من هذه المقاييس البديلة.
عينة التحقق
لاختبار النموذج، قام فريق البحث بأخذ عينة من 640 مستخدمًا أمريكيًا من أكثر من 65 ألف منشور على فيسبوك، مع عدد متساوٍ من الرجال والنساء. وكان مطلوبًا من المستخدمين أيضًا استيفاء الشروط التالية: كان عليهم نشر أكثر من 10 تحديثات للحالة لمدة 14 أسبوعًا متتاليًا على الأقل.
وفي النهاية، جمع فريق البحث 303,575 منشورًا نشرها هؤلاء المستخدمون كعينة للتحقق.
النتائج التجريبية
قام المؤلف بتصور التقييم العاطفي للمستخدم، كما هو موضح في الشكل أدناه، والذي يصف التقلبات المزاجية والإثارة الأسبوعية لامرأة (يسار) ورجل (يمين)، بالإضافة إلى تنبؤات السمات الشخصية الخمس الرئيسية.
ملاحظة: السمات الخمس الرئيسية للشخصية هي نموذج هيكلي يستخدم لوصف سمات الشخصية في علم النفس الحديث. تشمل: الانفتاح، والعصابية، واللطف، والضمير، والانفتاح على التجربة.
كما يمكن أن نرى من الشكل، فإن المستخدم الأنثى على اليسار لديها تقلبات عاطفية أكبر، ولديها تردد أعلى من المتعة العالية (القيمة) والإثارة العالية (الإثارة).
في المقابل، فإن المستخدم الذكر الموجود على اليمين لديه تقلبات عاطفية أقل ونادراً ما يشعر بمستويات عالية من المتعة أو الإثارة.
وهذا أيضًا اكتشاف جديد في تجربة الفريق: تميل النساء إلى أن يكن أكثر تفاؤلاً ويمتلكن نطاقًا أوسع من المشاعر مقارنة بالرجال. هذا مشابه ل
وبالإضافة إلى ذلك، وجد تحليل الفريق أيضًا ارتباطات بين قيم "القيمة" و"الإثارة" والسمات الخمس الرئيسية للشخصية.
تقييم النموذج
وكان مستخدمو فيسبوك الذين قدموا عينات التحقق قد شاركوا طواعية في استبيان "شخصيتي"، الذي قام بتقييم السمات الخمس الرئيسية لشخصيتهم.
وأظهرت النتائج أن تنبؤات نموذج التعلم الآلي حول شخصياتهم كانت متوافقة مع تلك التي تم إجراؤها باستخدام أساليب المسح النفسي.
تحليل العيوب
وبطبيعة الحال، يشير المؤلف أيضًا إلى المشاكل الحالية التي يعاني منها هذا النموذج.
أولا، استخدموا مستخدمي فيسبوك النشطين نسبيا كعينة، ولكن تم اختيارهم لأنهم قدموا تحديثات حالة متكررة بما فيه الكفاية، ولكن من غير المرجح أن يكونوا ممثلين لجميع الأميركيين.
ثانياً، تتمتع منصات التواصل الاجتماعي المختلفة بخصائص وأساليب مختلفة. ولا يزال من غير المعروف ما إذا كان من الممكن تكرار النتائج التي تم الحصول عليها باستخدام منشورات الفيسبوك على وسائل التواصل الاجتماعي المختلفة مثل تويتر.
ولذلك، فإن هذه القيود والقضايا العالمية تشكل أيضًا اتجاهات يحتاج الباحثون إلى استكشافها بشكل أكبر في المستقبل.
تتمتع المنصات الاجتماعية بإمكانيات غير محدودة في مجال علم النفس
ربما بالنسبة للعديد من الناس، لا تعدو المنصات الاجتماعية كونها مكانًا لمشاركة الحياة والصور الجميلة وقراءة القيل والقال، ولكنها في الواقع تتمتع بإمكانات كبيرة في مجال البحث النفسي.
ومن خلال استخراج البيانات والتعلم الآلي، يمكننا استخراج الإشارات من كميات هائلة من البيانات، وتحديد الأشخاص الذين يعانون من اضطرابات عاطفية مثل الاكتئاب والقلق، ومن ثم اتخاذ تدابير العلاج في الوقت المناسب. وفي هذا الصدد، هناك بالفعل حالات ناضجة في الصين.
هوانغ زيشينغ، عالم الذكاء الاصطناعي في جامعة فريجي بأمستردام، هولندا،في عام 2018، تم إنشاء برنامج الذكاء الاصطناعي المسمى "فريق إنقاذ حفرة الشجرة" للبحث عن المنشورات الانتحارية على Weibo.بعد ذلك، من خلال "القرائن"، يتم تحديد موقع المستخدمين الذين لديهم أفكار انتحارية، ويتم إرسال متطوعي الإنقاذ في الوقت المناسب للعثور عليهم وإرشادهم.
والآن لا يزال هذا الفريق من المتطوعين نشطًا في الخطوط الأمامية للإرشاد النفسي.
بالإضافة إلى ذلك، تعتمد تقنية تحليل المشاعر على وسائل التواصل الاجتماعي،ويمكنه أيضًا تتبع التأثير النفسي للأحداث المؤلمة (مثل الزلازل الكبرى والحروب ووباء كوفيد-19 وما إلى ذلك) على الناس، وبالتالي مساعدة الدوائر الحكومية على تنفيذ توجيه الرأي العام والإنقاذ العلمي وتهدئة المشاعر العامة بشكل فعال.
أما بالنسبة للأفراد، فربما في المستقبل يمكننا استخدام هذه الأدوات لتحليل المشاعر الصغيرة لأصدقائنا/صديقاتنا، حتى لا نضطر إلى التخمين بعد الآن~
مصدر الخبر:
https://hai.stanford.edu/blog/can-artificial-intelligence-map-our-moods