社交媒體如何“出賣”了你的情緒？

社交媒體若何“出賣”您的情感

一小我的臉書時候線或Instagram相冊。就是他或她的心理健康數字晴雨表。它并不是經由過程臉色符號、標簽以及激勵人心的名言警語表示出來的。而是躲藏在一些您自己不知道的較為微妙的旌旗燈號里，就像大夫的血壓計和心律顯示器一樣，可以對一小我的心理健康供給精確的診斷。

那些喜好在社交煤體上分享最新貓咪視頻或觀光照片的人，可能會對這個結論十分驚奇。這同時也意味著，社交媒體儲藏著主要的潛能——好比拯救生命。僅在美國，每13分鐘就有一人自殺，曩昔50年里專家一向在研究自殺者的念頭和行為模式，但都沒有取得本色性的進展。展望精力病爆發和抑郁癥發生也面對著同樣的難題。

大數據方式展望心理健康

此刻。科技人員經由過程機械進修和數據挖掘手藝，從社交媒體上的海量碎片數據中提守信息，以上環境正在發生改變——人們已經經由過程這些方式跟蹤并展望了流感的爆發，此刻起頭轉標的目的應對心理健康問題。

研究發現，若是一小我患有抑郁癥，他的Instagram就可能推送色彩更藍、更灰、更暗，人臉更少的照片。這些照片收到的費往往很少，但評論良多。他還可能喜好用“墨井”濾鏡，把彩色照片做當作口角照片，而不是用“瓦倫西亞”濾鏡提高亮度。

即便如斯，單憑這些也不足以診斷或展望一小我得了抑郁癥。不外這對構建預判抑郁癥的模子至關主要。該是“機械進修”方式派上用場的時辰了。

哈佛大學和佛蒙特大學的研究人員比來操縱這些手藝闡發了Instagram上近44000條帖文，由此得出的楔型可以準確識別70%的抑郁癥患者，而通俗大夫只能診斷出42%的患者。同時，模子呈現假陽性的比例也較低（不外這個統計數字來自另一批人群，所以這樣的比力可能不公允）。甚至，在心理大夫作出正式滲斷之前，用戶的訂閱內容就已經呈現了抑郁旌旗燈號，這就讓Instagram當作為了某種預警系統。

持久以來，心理大夫認為說話和心理健康之間存在聯系，好比精力割裂癥患者措辭經常前后脫節和離題，而抑郁癥患者措辭會較多利用第一人稱單數。最新的方式是，把或人的推特名字輸入“文字闡發”軟件（AnnlyzeWords）——這是一個免費的文天職析東西，它會存眷虛詞（代詞、冠詞和介詞）以闡發用戶的情感和思維體例。好比，某個用戶比來在推特上頒發了1017個詞語，這些詞都表白他感應生氣和擔憂，在積極情感方面低于平均值，就可得知現實上他比來對于宿世界的狀況確實感應灰心。若是把“@realdonaldtrump”（編者注：美國總統特朗普的推特名）輸入AnalyzeWords。您會發現美國總統特朗普在積極情感方面得分很高，而擔憂、憤慨和沮喪情感的得分則可能低于平均值。

除了這種對情感和社交氣概的快速、有時甚至搞笑的考試，研究人員還在深切探討心理健康方面的問題。

可以反映出抑郁癥的信息包羅負面詞匯（“不”、“從不”、“牢獄”，“謀殺”）的利用增添和積極詞匯（“歡愉”、“沙岸”和“照片”）的利用削減，但這些信息都不具有確定性。美國哈佛大學、斯坦福大學和佛蒙特大學的研究人員更進一步，從約28萬條推文中提掏出了很多特征（情感、說話和語境等），這一次得出的計較橫型在判定抑郁癥用戶方面得分很高，還準確地預判了九當作的創傷后應激障礙。

佛蒙特大學的數學、天然科學和手藝科學傳授克里斷·丹佛斯說，積極詞匯和負面詞匯的比例是模子內的一個關頭展望變量。其他的主要展望變量還包羅更長的推文字數。丹佛斯強調，研究只評估了一小部門特定的人，所以這項研究今朝還只是概念性驗證。但他很樂不雅，“這些研究成果和其他近似研究成果表白，人們在網上的行為可以用來為診斷和篩查東西供給信息。”丹佛斯說道。若是插手心理信息（好比來自FitBits和睡眠應用的（信息），這些數據闡發東西可以發生更壯大的力量。機械進修法對精力割裂生癥的精確預判率平均可達88%，不外這種水平的當作功率只有經由過程人機協作才能達到。

若何庇護隱私？

那么，應該若何處置所有這些信息？起首需委本人的授權許可。微軟研究院的一個研究團隊當作功展望了哪些懷孕媽媽有可能脾氣大變。這一切都是基于她們產前和產后早期的推特利用環境。不外研究人員也強調，他們的方針并不是代替傳統的診療和預判方式。但想象一下，若是準媽媽們可以在手機上運行此類預判模子，又會若何？她們可以經由過程這個應用程序獲得“產后郁悶風險值”以及相關資本信息，還可以在有需要的時辰獲得急救幫忙。

不外，今朝這個范疇仍然比力保守，尤其是在隱私方面。若是您的心理健康數據陳跡對所有人可見，該怎么辦？您可能被制藥公司盯上，或者遭到雇本家兒和保險公司的歧視。此外，此類項目有一些并不受制于臨床試驗的嚴酷倫理監視，用戶經常在不知情的環境下，數據已被挖掘。正如研究互聯網倫理與隱私的學者邁克爾·齊默曾經詮釋過的那樣：“社交媒體上的一些小我信息會以某種體例呈現，但這并不料味著人們可以等閑獲取并公開這些信息。”

是以對于這個斑斕新宿世界，還需要加上一些限制。2013年，谷歌流感趨向東西大幅高估了流感岑嶺值，哈佛大學的研究人員求全譴責了大數據的“傲慢”：“它經常含有隱含的假設——大數據可以代替傳統數據收集和闡發，而不是當作為后者的彌補。”

數據挖掘和機械進修法為提早發現心理健康問題供給了可能。今朝，從抑郁癥爆發到與治療供給者接觸要花6—8年時候。而焦炙癥則需要9—23年時候。接下來，我們有望看到環境獲得改善。今朝全球有20億用戶經常利用社交媒體——這是這些方式可以推廣的根本。正如馬克·扎克伯格近期在規劃臉書的人工智能時所寫：“這個宿世界發生過良多悲劇——好比自殺，此中一些還進行了直播——這些原本是可以避免的。前提是有人意識到這些人發生了什么事，并及早陳述。”

心理健康存在于看大夫之前和之后的實際糊口中，而且癥狀隨時都在轉變中，網站上的帖子、照片和推文都可能泄露利用者的心理健康狀況。同樣的，我們也可以經由過程收集促進心理健康的預判、診斷和康復。

社交媒體上。用戶情感轉變的數據可能在不知不覺中按一些貿易機構挖掘。

作者：石醬
? ? ? 來歷：《看宿世界》
?