Bien Que Les Êtres Humains Ne Partagent Pas Les Mêmes Sentiments De Joie Et De Tristesse, Les Modèles D’analyse Des Sentiments Peuvent Les Comprendre.

Les médias sociaux font désormais progressivement partie de la vie des gens et constituent également une source importante de données permettant aux psychologues de mener des recherches. Parallèlement, les chercheurs tentent également d’utiliser des techniques de traitement du langage naturel et d’apprentissage automatique pour prédire les fluctuations émotionnelles des utilisateurs des médias sociaux.

L’apparition soudaine du nouveau coronavirus l’année dernière a profondément affecté la vie des gens. Durant cette période historique particulière, la psychologie du grand public est devenue sensible et fragile.

Pendant l’épidémie, les gens ont passé plus de temps sur les réseaux sociaux en raison de la réduction des sorties et des contacts. Certaines personnes expriment inévitablement leur mécontentement à l’égard de leur travail et de leur vie sur les autres via Internet. Les émotions négatives telles que la panique, l’anxiété, la tristesse et l’impuissance ont également augmenté.

Selon une enquête, le temps moyen que les internautes du monde entier passent sur les réseaux sociaux est de 2 heures et 22 minutes par jour.Les médias sociaux ne se limitent plus aux fonctions sociales, ils sont également devenus un lieu où de nombreuses personnes peuvent enregistrer leurs sentiments et exprimer leurs pensées intérieures.

Qu'il s'agisse de WeChat Moments nationaux, de Weibo, de QQ Space, etc., ou de Twitter, Instagram, Facebook étrangers, ils portent tous le statut de milliers d'utilisateurs.

Pour les chercheurs en psychologie, ces publications sur les réseaux sociaux leur fournissent sans aucun doute une quantité considérable de données de recherche.

Dans leur dernière étude, les chercheurs Johannes Eichstaedt de l'Université de Stanford et Aaron Weidman de l'Université du Michigan ont utilisé des outils de traitement du langage naturel pour analyser les publications des utilisateurs de Facebook.

Les recherches montrent que les modèles d’apprentissage automatique peuvent fournir des informations sur les émotions et les fluctuations d’une personne via les médias sociaux avec une précision comparable aux mesures psychologiques traditionnelles.

Lisez vos joies, vos peines, votre colère et votre bonheur à partir des lignes

Ces dernières années, la grande quantité d’informations sur Internet est devenue une source importante de données en sciences de la personnalité.De nombreuses recherches ont montré que l’utilisation des profils de médias sociaux pour catégoriser les dimensions liées à la personnalité est efficace.

Les dernières recherches d’Eichstaedt et Weidman fournissent un cas de pointe en faveur de l’utilisation de l’analyse des données massives des médias sociaux pour suivre l’état psychologique des individus.

Calibrage de l'échantillonnage 

Les auteurs ont utilisé deux dimensions émotionnelles de base, la valence et l’excitation, pour évaluer les émotions des publications sur Facebook.

Remarque : « Valence » et « éveil » sont deux dimensions de l’évaluation des émotions en psychologie. Le premier indique le degré de positivité/négativité ressenti, en distinguant les émotions positives et négatives ; ce dernier indique le degré de calme/excitation.

Ils ont d’abord demandé à des assistants de recherche humains ayant une formation en psychologie d’annoter 2 895 publications publiques sur Facebook issues d’une étude antérieure.

La recherche a permis d’évaluer la « valence » et l’« excitation » de chaque publication. Une échelle de 9 points a été utilisée (pour la « valence », 1 = « négatif », 9 = « positif », et de même pour « l’excitation », 1 = « faible », 9 = « élevé »).

Une fois ces évaluations terminées, les publications ont été utilisées pour former un modèle d’apprentissage automatique capable de prédire quelle langue transmettait quel sentiment.

Les auteurs ont ensuite adapté une série de modèles à ces données d’évaluation, chacun d’entre eux montrant un lien clair possible entre la valence et l’excitation.

Pour les chercheurs nationaux en PNL, l’ensemble de données d’analyse des sentiments chinois est plus applicable.Par conséquent, Super Neuro recommande un ensemble de données d'analyse des sentiments Weibo chinois du NLPCC 2014.

Les données d'évaluation proviennent de Sina Weibo. Pour l'ensemble de l'entrée Weibo, la tâche consiste à déterminer si le Weibo contient des émotions. Pour les microblogs contenant des émotions, nous devons identifier leurs résultats de classification émotionnelle comme la colère, le dégoût, la peur, le bonheur, le goût, la tristesse et la surprise.

Les détails de l'ensemble de données sont les suivants :

Ensemble de données d'analyse des sentiments sur Weibo en chinois

Données fournies：NLPCC2014

Heure de sortie: 2014

Quantité incluse :Des centaines de milliers de textes de microblog 

Format des données :.xml

Taille des données :18 Mo

Adresse de téléchargement :https://orion.hyper.ai/datasets/14390

Création de modèles 

L’équipe a utilisé le Differential Language Analysis ToolKit (DLATK) pour extraire les caractéristiques linguistiques des publications Facebook sélectionnées. En fonction de la fréquence relative des mots et des phrases, ils ont retenu des mots qui étaient plus de trois fois plus fréquents que des phrases apparues par hasard. Enfin, 1 439 composants de phrases ont été filtrés pour prédire la « valence » et 675 composants de phrases ont été filtrés pour prédire « l’excitation ».

alors,Entraînez un modèle de régression de crête basé sur l'ensemble des caractéristiques du langage pour prédire la « valence » et l'« excitation »,Une validation croisée en 10 étapes a été utilisée (c'est-à-dire que le modèle a été construit sur 90% de données, puis évalué sur les 10% restants).

La précision de prédiction hors échantillon de la validation croisée du modèle est la suivante : la précision de prédiction de la « valence » est de 0,63 ; la précision de « l'éveil » est de 0,82. Comparé à d’autres mesures standard précédentes de l’émotion, le modèle s’est avéré plus précis que ces mesures alternatives.

Échantillon de vérification 

Pour tester le modèle, l’équipe de recherche a échantillonné 640 utilisateurs américains à partir de plus de 65 000 publications Facebook, avec un nombre égal d’hommes et de femmes. Les utilisateurs devaient également remplir les conditions suivantes : ils devaient publier plus de 10 mises à jour de statut pendant au moins 14 semaines consécutives.

En fin de compte, l’équipe de recherche a recueilli 303 575 messages publiés par ces utilisateurs comme échantillon de validation.

Résultats expérimentaux 

L'auteur a visualisé l'évaluation émotionnelle de l'utilisateur, comme le montre la figure ci-dessous, qui décrit les fluctuations hebdomadaires de l'humeur et de l'excitation d'une femme (à gauche) et d'un homme (à droite), ainsi que les prédictions des cinq principaux traits de personnalité.

Remarque : Les cinq principaux traits de personnalité constituent un modèle structurel utilisé pour décrire les traits de personnalité en psychologie moderne. Comprend : l’extraversion, le névrosisme, l’agréabilité, la conscience et l’ouverture à l’expérience.

Comme on peut le voir sur la figure, l'utilisatrice de gauche présente des fluctuations émotionnelles plus importantes et une fréquence plus élevée de plaisir élevé (valence) et d'excitation élevée (éveil).

En revanche, l’utilisateur masculin de droite présente moins de fluctuations émotionnelles et éprouve rarement des niveaux élevés de plaisir ou d’excitation.

Il s’agit également d’une nouvelle découverte dans l’expérience de l’équipe : les femmes ont tendance à être plus optimistes et à avoir une gamme d’émotions plus large que les hommes. Ceci est similaire à

En outre, l’analyse de l’équipe a également révélé des corrélations entre les valeurs de « valence » et d’« excitation » et les cinq principaux traits de personnalité.

Évaluation du modèle 

Les utilisateurs de Facebook qui ont fourni les échantillons de validation avaient auparavant participé volontairement à un questionnaire « Ma personnalité », qui évaluait leurs cinq principaux traits de personnalité.

Les résultats ont montré que les prédictions du modèle d’apprentissage automatique sur leur personnalité étaient cohérentes avec celles faites à l’aide de méthodes d’enquête psychologique.

Analyse des défauts 

Bien entendu, l’auteur souligne également les problèmes actuels de ce modèle.

Tout d’abord, ils ont utilisé des utilisateurs de Facebook relativement actifs comme échantillon, mais ils ont été choisis parce qu’ils fournissaient des mises à jour de statut suffisamment fréquentes, mais il est peu probable qu’ils soient représentatifs de tous les Américains.

Deuxièmement, les différentes plateformes sociales ont des attributs et des styles différents. On ne sait pas encore si les résultats obtenus à l’aide des publications Facebook peuvent être reproduits sur différents médias sociaux tels que Twitter.

Ces limites et ces questions universelles constituent donc également des directions que les chercheurs doivent explorer davantage à l’avenir.

Les plateformes sociales ont un potentiel illimité pour la psychologie

Pour beaucoup de gens, les plateformes sociales ne sont peut-être rien de plus qu’un endroit pour partager la vie, de belles photos et lire des potins, mais en fait, elles ont un grand potentiel dans la recherche psychologique.

Grâce à l’exploration de données et à l’apprentissage automatique, nous pouvons extraire des signaux à partir de quantités massives de données, identifier les personnes souffrant de troubles émotionnels tels que la dépression et l’anxiété, puis prendre des mesures de traitement en temps opportun. À cet égard, il existe déjà des cas avérés en Chine.

Huang Zhisheng, chercheur en intelligence artificielle à la Vrije Universiteit Amsterdam, aux Pays-Bas,En 2018, un programme d'IA appelé « Tree Hole Rescue Team » a été créé pour rechercher des publications suicidaires sur Weibo.Ensuite, grâce à des « indices », la localisation des utilisateurs ayant des pensées suicidaires est verrouillée et des bénévoles de secours sont dépêchés à temps pour les retrouver et les guider.

Aujourd’hui, cette équipe de bénévoles est toujours active en première ligne du conseil psychologique.

De plus, la technologie d’analyse des sentiments basée sur les médias sociaux,Il peut également suivre l'impact psychologique des événements traumatisants (tels que les tremblements de terre majeurs, les guerres, l'épidémie de COVID-19, etc.) sur les personnes, aidant ainsi les services gouvernementaux à mener efficacement des actions d'orientation de l'opinion publique, de sauvetage scientifique et d'apaisement des émotions du public.

Quant aux individus, peut-être qu'à l'avenir nous pourrons utiliser ces outils pour analyser les petites émotions de nos petits amis/petites amies, afin que nous n'ayons plus à deviner~

Source de l'information :

https://hai.stanford.edu/blog/can-artificial-intelligence-map-our-moods