在社会隔离期间，Twitter如何有助于告知有关精神和情感健康的公共政策

虽然2019冠状病毒病大流行的长期情绪影响尚未完全了解，但社交媒体正在为了解那些处于社会孤立中的人的感受以及这可能会如何影响情绪健康提供有用的见解。“洞察”有潜力帮助公共卫生政策制定和早期干预，以支持精神和情感健康。

达尔豪斯的一项新研究正在使用人工智能(AI)分析全球数百万条推文中表达的公众情绪，并确定可能对该领域产生重大影响的趋势。

这个跨学科团队汇集了来自计算机科学和社区健康和流行病学的研究人员，希望他们的新发现和方法可以用于公益，特别是在决策者发现自己处于未知领域的时候。

# stayathome

疫情前所未有的性质促使该团队通过社交媒体而不是更传统的调查方法来关注实时的公众意见，分析了超过100万条推文，并使用#stay home标签来了解那些处于14天隔离期的人是如何应对情绪的。

“对于大多数人来说,社会隔离奇怪的是，在这段时间里发生的是人们试图与外界联系，与他人联系，使用社交媒体。许多人通过这些平台在封闭和社交隔离期间表达他们的情感和反应，”说服技术加拿大研究主席、计算机科学学院副教授Rita Orji(图左)说。“没有人真正了解这段时间新政策的影响。这是一个重要的项目，因为它实际上阐明了这些政策的影响，以及它们如何改善或损害人们的健康。这是主要的动力。”

社区卫生和流行病学学系副教授斯瓦纳·韦拉辛赫(Swarna Weerasinghe)也认同这类研究可能产生的独特影响。

“这种方法的特别之处在于，我们捕捉了twitter上自然流动的情感，捕捉这一点对公共卫生决策非常重要，”Weerasinghe博士解释说。“在我的研究领域，我们必须与计算机科学家合作，扩大我们的知识，造福人类。”

深度学习

深入学习模型由哈米德Jelodar,博士生与Orji博士和斯坦Matwin(见右),加拿大研究主席和研究所主任大数据分析,使团队微博分类包括# stayathome成各种情感类别和从那里确定趋势。

“从本质上说，我们收集推文，然后使用的基本工具是加拿大国家研究委员会的资源，基本上是一个字典，将单词的组合和单词序列，与特定类型的情感匹配，”Matwin博士说。“我们使用深度学习去了解一种特定的情感是如何产生的。”

“该量表将情绪分为不同的类别，比如期待、愤怒和快乐，”奥尔吉补充说。“系统会对这些推文进行评级和分类。因此，结合特定时间的推文等等，你开始看到一些趋势。例如，在隔离期这一点上，大多数人都很焦虑。在此基础上，你开始看到人们在某个特定时间的平均感受，我们可以将其与目前世界上正在发生的事情联系起来。”

确定全球趋势

该团队希望利用这些趋势为公共政策和干预提供信息，在COVID-19大流行等重大全球事件期间支持情绪健康。

韦拉辛哈博士(左图)说:“当我们看这些数据时，消极情绪和积极情绪有明确的分类。”“我们发现，在隔离期，愤怒情绪的增长趋势最高，随着时间的推移，人们的愤怒情绪会越来越大。”我们看到这反映在媒体的纠察等。这是公共卫生决策者应该认真关注的问题。这种愤怒从何而来?为什么人们要出去暴动?这是因为负面情绪的增加。”

Matwin博士补充说:“通过机器学习，我们可以预测人们今天的情绪如何，以及他们未来一周可能的情绪如何。这对公共卫生专家在制定政策和确定在这样的时期帮助人们的策略是非常有用的信息。”

将研究应用于其他领域

奥尔吉博士强调，这只是研究的开端，研究还可以进一步发展，并应用到许多其他领域。

“我们关注的是全球的反应，而不是某个特定群体。也许在我们的下一轮研究中，我们可以缩小范围。世界各地的政策在不同的时间点出台，规则不同，人们的反应也不同。我们最好把它分解开来，看看不同国家处理方法不同的情况。

我们在这里使用的方法实际上可以应用到其他领域。如果我们把它改编一下，就会发现世界上发生了许多其他事件，人们对这些事件做出了公开的反应，比如政治事件。这一方法还适用于其他领域健康和COVID-19之外。”

---

---