Peneliti menggunakan pembelajaran mesin untuk mengidentifikasi perubahan suasana hati melalui media sosial
Machine

Peneliti menggunakan pembelajaran mesin untuk mengidentifikasi perubahan suasana hati melalui media sosial


Model pembelajaran mesin baru menyimpulkan seberapa bahagia atau sedih perasaan seseorang berdasarkan postingan Facebook mereka. Kredit: Pixabay

Para peneliti telah lama menunjukkan bahwa model kecerdasan buatan dapat mengidentifikasi ciri-ciri psikologis dasar seseorang dari jejak digital mereka di media sosial.

Itu mungkin baru permulaan. Sebuah studi baru, yang ditulis bersama oleh Johannes Eichstaedt dari Stanford dan Aaron Weidman (University of Michigan), memberikan bukti kuat bahwa model pembelajaran mesin juga dapat memetakan perubahan suasana hati dan volatilitas seseorang dari minggu ke minggu.

Menggunakan alat pemrosesan bahasa alami untuk menganalisis posting Facebook, model pembelajaran mesin baru menyimpulkan seberapa bahagia atau sedih perasaan seseorang pada waktu tertentu serta seberapa terangsang atau lesu. Seiring berjalannya waktu, algoritme ini bahkan dapat menghasilkan video dari naik turunnya emosi seseorang.

Temuan ini dapat memicu kekhawatiran baru tentang privasi atau penggunaan media sosial untuk memasarkan kepada orang-orang. Secara teori, pemasar atau pendukung politik suatu hari nanti dapat menyesuaikan pesan mereka berdasarkan pesan mana yang menimbulkan reaksi emosional terkuat.

Tetapi Eichstaedt, asisten profesor psikologi Stanford Humaniora & Sains dan seorang rekan fakultas di Stanford Institute for Human-Centered Artificial Intelligence, mengatakan bahwa pendekatan tersebut dapat membantu mendiagnosis orang dengan gangguan mood dan melihat seberapa baik mereka menanggapi pengobatan, terapi, atau perubahan gaya hidup.

“Jika pendekatan semacam ini digunakan secara etis dan legal, dengan perlindungan privasi yang ketat, suatu hari kita bisa memiliki cara untuk memahami pikiran secara komputasi,” kata Eichstaedt. “Ini dapat membantu diagnosis dan evaluasi farmasi. Ini juga dapat membantu kami melacak dampak psikologis dari peristiwa sosial yang traumatis, seperti pandemi COVID.”

Untuk saat ini, kemungkinan baik dan buruk masih baik di masa depan. Untuk satu hal, hasilnya adalah pendahuluan, berdasarkan sejumlah kecil pengguna super Facebook di Amerika yang memposting lebih sering daripada kebanyakan orang. Akibatnya, para peneliti mengingatkan, hasil tersebut mungkin tidak mewakili semua orang Amerika. Mereka bahkan mungkin kurang mewakili orang-orang dari budaya lain.

Yang mengatakan, peneliti mencatat, program pembelajaran mesin menawarkan bukti menggoda bahwa itu berada di jalur yang benar. Faktanya, banyak pola suasana hati yang ditemukan konsisten dengan penelitian sebelumnya oleh peneliti lain yang didasarkan pada orang yang melaporkan perasaan mereka sendiri.

Mesin Pelatihan Untuk Melacak Perasaan

Eichstaedt dan Weidman memulai dengan meminta asisten peneliti manusia membuat anotasi postingan Facebook publik dari hampir 3.000 sukarelawan dari studi sebelumnya. Para asisten peneliti menilai setiap posting berdasarkan “valensinya” —seberapa besar posisinya mengekspresikan emosi positif atau negatif — dan pada “gairah” – atau intensitas perasaan itu.

Setelah peringkat tersebut selesai, postingan tersebut digunakan untuk melatih model pembelajaran mesin yang akan memprediksi jenis bahasa yang menyampaikan jenis perasaan. Eichstaedt dan Weidman kemudian menguji model mereka pada kumpulan postingan yang sama sekali berbeda dari 640 pengguna Facebook berat. Orang-orang di grup kedua ini memposting rata-rata 17 kali seminggu selama 28 minggu. Ini menghasilkan kumpulan data (sekarang publik) yang melacak dinamika emosional di 18.000 orang-minggu — kumpulan data terbesar pada dinamika emosional mingguan yang pernah dikumpulkan, yang tersedia untuk ditambang oleh komunitas penelitian.

Mengevaluasi Model

Untuk mengetahui apakah model pembelajaran mesin membaca orang dengan benar, Eichstaedt dan Weidman melihat seberapa cocok pola yang diungkapkannya dengan prediksi berdasarkan studi psikologis klasik secara langsung.

Hasil ini sejalan dengan prediksi berdasarkan daftar dari apa yang oleh para peneliti psikologi disebut sebagai ciri kepribadian “Lima Besar” —berbuka, keramahan, ekstroversi, kesadaran, dan neurotisme. Semua pengguna Facebook dalam studi tersebut secara sukarela berpartisipasi dalam studi “My Personality”, yang mengukur Lima Ciri Besar melalui kuesioner. Konsisten dengan prediksi sebelumnya, orang-orang yang dinilai lebih tinggi oleh model pembelajaran mesin dalam hal ekstroversi, keramahan, dan kesadaran cenderung merasa lebih optimis dan lebih terangsang.

Kebetulan, hasil pembelajaran mesin juga selaras dengan studi sebelumnya tentang hubungan antara perasaan orang yang baik dan seberapa terangsang mereka pada saat tertentu. Sama seperti penelitian sebelumnya yang berteori, hasil pembelajaran mesin menunjukkan hubungan “berbentuk V” yang timpang: Semangat meningkat baik saat orang merasa semakin naik dan turun, tetapi hubungan itu lebih kuat untuk emosi yang optimis; sulit untuk merasakan sesuatu yang sangat positif tanpa juga merasa optimis.

Perbedaan Gender

Para peneliti juga menemukan bahwa pria dan wanita menunjukkan pola emosi yang agak berbeda.

Wanita cenderung lebih optimis daripada pria dan memiliki “titik istirahat” emosional yang lebih luas, atau tingkat perasaan menyenangkan dan / atau terangsang yang khas. Dengan kata lain, kata Eichstaedt, pria cenderung lebih pemarah dan kurang responsif secara emosional terhadap lingkungan mereka dibandingkan wanita. Itu konsisten, kata Eichstaedt, dengan gagasan bahwa wanita memiliki “fleksibilitas emosional” yang lebih tinggi.

Eichstaedt memperingatkan bahwa masih terlalu dini untuk mengetahui apakah pembelajaran mesin pada akhirnya dapat memberikan citra MRI yang akurat untuk suasana hati yang setara. Tetapi dengan semua data yang tersedia di media sosial, katanya, hal itu bisa membuka peluang baru untuk memahami dinamika emosional manusia dalam skala yang jauh lebih besar.


Media sosial dapat memberikan wawasan tentang kesejahteraan komunitas, menurut ilmuwan


Informasi lebih lanjut:
Johannes C. Eichstaedt dkk. Melacak Fluktuasi di Keadaan Psikologis menggunakan Bahasa Media Sosial: Studi Kasus Emosi Mingguan, Jurnal Kepribadian Eropa (2020). DOI: 10,1002 / per 2261

Disediakan oleh Universitas Stanford

Kutipan: Peneliti menggunakan pembelajaran mesin untuk mengidentifikasi perubahan suasana hati melalui media sosial (2021, 28 Januari), diakses 28 Januari 2021 dari https://techxplore.com/news/2021-01-machine-mood-social-media.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP