Mood es una forma única para que los investigadores traten de medir el impacto de los desastres naturales o no naturales en las personas. Sin embargo, simplemente no es práctico preguntar a todas las personas del mundo cómo se sienten después de un evento devastador.
Pero los científicos del Instituto de Tecnología de Massachusetts, la Academia de Ciencias de China y el Instituto Max Planck para el Desarrollo Humano encontraron una solución. Usaron técnicas de aprendizaje automático para escanear las redes sociales en busca de cambios de opinión después de la primera ola de COVID-19 en 100 países diferentes, y las usaron para obtener lecturas en tiempo real sobre qué tan felices o tristes los eventos relacionados con la pandemia hicieron que las personas en todo el mundo. . Piense en el proceso como un anillo de estado de ánimo alimentado por IA, pero para millones de personas. Sus hallazgos fueron publicados la semana pasada en la revista Naturaleza Comportamiento Humano
Como era de esperar, los investigadores descubrieron que el inicio de la pandemia precipitó una caída dramática en la felicidad. Para poner esa zambullida en perspectiva, considere que en una semana normal, las personas tienden a sentirse más felices el fin de semana y menos felices los lunes. La caída de la felicidad al comienzo de la pandemia alrededor de marzo de 2020 fue de cuatro a cinco veces mayor que la caída promedio de la felicidad desde un fin de semana normal hasta el lunes. El cambio de humor general debido a la pandemia es mayor que el cambio de humor observado anteriormente en respuesta a un desastre natural como un huracán o un fuerte aumento de las temperaturas. Los países que experimentaron las mayores caídas en el estado de ánimo fueron Australia, España, el Reino Unido y Colombia, mientras que Baréin, Botswana, Grecia, Omán y Túnez parecieron ser los menos afectados por la pandemia, según las observaciones de los investigadores en las redes sociales. .
[Related: Can I offer you a nice meme in these trying times?]
¿Cómo aprendieron las máquinas a clasificar las publicaciones según su estado de ánimo?
Para este estudio, el equipo utilizó datos de las redes sociales de Twitter y Weibo recopilados por el Archivo de geotweets del Centro de análisis geográfico de Harvard y el Laboratorio de Urbanización Sostenible del MIT. En total, su conjunto de datos contenía 654 millones de publicaciones geoetiquetadas de 10,56 millones de personas durante los primeros cinco meses de 2020.
para enseñar un máquina para medir el estado de ánimo, los investigadores comenzaron creando un índice de sentimiento, muy parecido a una escala de dolor facial en el consultorio del médico. Este índice de sentimiento va de 0 (muy infeliz) a 100 (muy feliz). Cada publicación que el equipo recopiló de Twitter y Weibo se evaluó en este índice. Luego, los investigadores pueden agregar las emociones específicas de la publicación en un perfil de sentimiento para un individuo, un vecindario, una ciudad o un país.
A diferencia de la escala de dolor facial, las personas no califican sus propias publicaciones ni responden encuestas sobre cuán felices se sienten. En cambio, los investigadores utilizaron un método de aprendizaje automático para asignar a cada publicación un tema y una calificación de opinión.
Luego, utilizaron una técnica de procesamiento de lenguaje natural basada en aprendizaje automático llamada BERT, o Representaciones de codificador bidireccional de Transformers, para clasificar las publicaciones por tema y opinión. (BERT fue desarrollado por ingenieros de Google).
[Related: Artificial intelligence is everywhere now. This report shows how we got here.]
“Queríamos hacer este estudio global para comparar diferentes países porque fueron golpeados por la pandemia en diferentes momentos y tienen diferentes culturas, diferentes sistemas políticos y diferentes sistemas de atención médica”, dice Siqi Zheng, profesor del MIT. Todos estos factores podrían influir en cómo la pandemia influyó en el estado de ánimo de las personas.
Como querían hacer un análisis en varios idiomas, no podían usar su anterior basado en diccionario enfoque, que utilizaron en un estudio 2019 para cuantificar el costo emocional de la contaminación del aire en China. El enfoque del diccionario asume que las palabras tienen connotaciones asociadas con una emoción particular. Se basa en herramientas como LIWC (el software Linguistic Inquiry and Word Count) y diccionarios emoji. La desventaja de este enfoque es que los investigadores necesitan compilar extensas listas de palabras, y deben hacer una lista diferente para cada idioma que quieran ver.
La ventaja de usar el aprendizaje automático es que no es específico del idioma. Antes de aplicar esta técnica a toda la muestra, los investigadores la entrenaron en una pequeña muestra de publicaciones e hicieron que investigadores humanos verificaran su trabajo haciéndoles predecir sentimientos en publicaciones aleatorias y comparando sus tasas de precisión con el modelo del diccionario.
Este documento sobre las respuestas de las redes sociales relacionadas con COVID-19 es solo uno de los resultados de un proyecto a largo plazo en el que el laboratorio de Zheng ha estado trabajando llamado “Sentimiento mundial”, cuyo objetivo es utilizar técnicas de procesamiento de lenguaje natural para extraer información sobre el bienestar subjetivo de las publicaciones en las redes sociales. Su laboratorio está utilizando este análisis del estado de ánimo de las redes sociales para examinar las respuestas a una variedad de eventos, incluidos incendios forestales, peligros ambientales, desastres naturales y nuevas políticas.
“Es una forma de proporcionar un ángulo único, una dimensión diferente para cuantificar el impacto de las crisis”, dice. Zheng y sus colegas han puesto más descripciones detalladas de los códigos y métodos utilizados en sus estudios sobre el Sentimiento Global sitio web.