El investigador utiliza el aprendizaje automático para identificar los cambios de humor a través de las redes sociales

Los investigadores demostraron hace mucho tiempo que los modelos de inteligencia artificial pueden identificar los rasgos psicológicos básicos de una persona a partir de sus huellas digitales en las redes sociales.

Eso puede ser solo el comienzo. Un nuevo estudio, en coautoría de Johannes Eichstaedt y Aaron Weidman (Universidad de Michigan) de Stanford, proporciona una fuerte evidencia de que los modelos de aprendizaje automático también pueden mapear los cambios de humor y la volatilidad de una persona de una semana a otra.

Utilizando herramientas de procesamiento de lenguaje natural para analizar las publicaciones de Facebook, el nuevo modelo de aprendizaje automático infiere tanto lo feliz o triste que se siente una persona en un momento dado como lo excitada o desganada. Con el tiempo, este algoritmo puede incluso producir un video de los altibajos emocionales de una persona.

Los hallazgos podrían generar nuevas preocupaciones sobre la privacidad o el uso de las redes sociales para comercializar a las personas. En teoría, los especialistas en marketing o los defensores de la política podrían algún día adaptar sus mensajes en función de qué mensaje provoque la reacción emocional más fuerte.

Pero Eichstaedt, profesor asistente de psicología en Humanidades y Ciencias de Stanford y miembro de la facultad del Instituto de Stanford para la Inteligencia Artificial Centrada en los Humanos, dice que el enfoque podría ayudar a diagnosticar a las personas con trastornos del estado de ánimo y ver qué tan bien responden a un medicamento, terapia o un cambio de estilo de vida.

“Si este tipo de enfoque se utiliza de manera ética y legal, con una estricta protección de la privacidad, algún día podríamos tener formas de comprender computacionalmente la mente”, dice Eichstaedt. “Podría ayudar con el diagnóstico y la evaluación farmacéutica. También podría ayudarnos a rastrear el impacto psicológico de eventos sociales traumáticos, como la pandemia de COVID”.

Por el momento, tanto las buenas como las malas posibilidades todavía están bien en el futuro. Por un lado, los resultados son preliminares, basados ​​en un pequeño número de superusuarios de Facebook, en su mayoría estadounidenses, que publicaron con mucha más frecuencia que la mayoría de las personas. Como resultado, advierten los investigadores, es posible que los resultados no sean representativos de todos los estadounidenses. Pueden ser incluso menos representativos de personas de otras culturas.

Dicho esto, señaló el investigador, el programa de aprendizaje automático ofrecía pruebas tentadoras de que estaba en el camino correcto. De hecho, muchos de los patrones de estado de ánimo que encontró eran consistentes con estudios previos de otros investigadores que se basaban en que las personas informaban sobre sus propios sentimientos.

Máquinas de entrenamiento para rastrear sentimientos

Eichstaedt y Weidman comenzaron haciendo que los asistentes de investigación humana anotaran las publicaciones públicas en Facebook de casi 3.000 voluntarios de un estudio anterior. Los asistentes de investigación calificaron cada publicación según su “valencia”, cuánto expresaba emociones positivas o negativas, y sobre la “excitación” o la intensidad de esos sentimientos.

Una vez que se completaron esas calificaciones, las publicaciones se utilizaron para entrenar un modelo de aprendizaje automático que predeciría qué tipo de lenguaje transmitía qué tipo de sentimientos. Eichstaedt y Weidman luego probaron su modelo en un conjunto completamente diferente de publicaciones de 640 usuarios de Facebook. Las personas de este segundo grupo publicaron un promedio de 17 veces por semana durante 28 semanas. Esto produjo un conjunto de datos (ahora público) que rastrea la dinámica emocional a lo largo de 18.000 personas-semanas, el conjunto de datos más grande sobre dinámicas emocionales semanales jamás compilado, que está disponible para minar por la comunidad de investigación.

Evaluación del modelo

Para tener una idea de si el modelo de aprendizaje automático estaba leyendo a las personas correctamente, Eichstaedt y Weidman observaron qué tan bien los patrones que reveló coincidían con las predicciones basadas en estudios psicológicos clásicos en persona.

Los resultados se alinearon con predicciones basadas en una lista de lo que los investigadores de psicología llaman los “Cinco Grandes” rasgos de personalidad: penitencia, amabilidad, extroversión, escrupulosidad y neuroticismo. Todos los usuarios de Facebook en el estudio se habían ofrecido como voluntarios para participar en un estudio “Mi personalidad”, que midió los cinco rasgos principales a través de un cuestionario. De acuerdo con las predicciones anteriores, las personas a las que el modelo de aprendizaje automático calificó más alto en extroversión, amabilidad y conciencia tendían a sentirse más optimistas y más excitadas.

Como sucedió, los resultados del aprendizaje automático también encajaron perfectamente con estudios anteriores sobre la relación entre lo bien que se sienten las personas y lo excitadas que están en un momento dado. Tal como habían teorizado los estudios anteriores, los resultados del aprendizaje automático mostraron una relación asimétrica en “forma de V”: la excitación aumenta a medida que las personas se sienten más arriba y más deprimidas, pero la relación era más fuerte para las emociones optimistas; es difícil sentir algo muy positivo sin sentirse también optimista.

Discrepancias de género

Los investigadores también encontraron que hombres y mujeres mostraban patrones emocionales algo diferentes.

Las mujeres tendían a ser algo más optimistas que los hombres y a tener un “punto de descanso” emocional más amplio, o un nivel típico de sentimientos agradables y / o excitados. Dicho de otra manera, dice Eichstaedt, los hombres tienden a ser más gruñones y menos receptivos emocionalmente a su entorno que las mujeres. Eso es consistente, dice Eichstaedt, con la idea de que las mujeres tienen una mayor “flexibilidad emocional”.

Eichstaedt advierte que es demasiado pronto para saber si el aprendizaje automático podría eventualmente proporcionar el equivalente a una imagen de resonancia magnética precisa para el estado de ánimo. Pero dados todos los datos disponibles en las redes sociales, dice, bien podría abrir nuevas oportunidades para comprender la dinámica emocional humana a una escala mucho mayor.

---