[論文レビュー] Capturing social media expressions during the COVID-19 pandemic in Argentina and forecasting mental health and emotions

Antonela Tommasel, J. Andrés Díaz‐Pace+2 more|arXiv (Cornell University)|Jan 12, 2021

Mental Health via Writing参考文献 22被引用数 10

ひとこと要約

本研究では、アルゼンチンにおけるCOVID-19パンデミック期の集団的メンタルヘルス状態と感情状態を追跡・予測するため、ソーシャルメディアの言語を活用する予測フレームワークを提案する。ソーシャルメディアのコンテンツを語彙集と照合し、そのタイムラインを時系列データとしてモデル化することで、神経ネットワークを用いて、たとえ初期データが7日間しか入手できない場合でも、苦痛の高発生期を効果的に予測できた。これは、公衆衛生監視における有望な手法であることを示している。

ABSTRACT

Purpose. We present an approach for forecasting mental health conditions and emotions of a given population during the COVID-19 pandemic in Argentina based on language expressions used in social media. This approach permits anticipating high prevalence periods in short- to medium-term time horizons. Design. Mental health conditions and emotions are captured via markers, which link social media contents with lexicons. First, we build descriptive timelines for decision makers to monitor the evolution of markers, and their correlation with crisis events. Second, we model the timelines as time series, and support their forecasting, which in turn serve to identify high prevalence points for the estimated markers. Findings. Results showed that different time series forecasting strategies offer different capabilities. In the best scenario, the emergence of high prevalence periods of emotions and mental health disorders can be satisfactorily predicted with a neural network strategy, even when limited data is available in early stages of a crisis (e.g., 7 days). Originality. Although there have been efforts in the literature to predict mental states of individuals, the analysis of mental health at the collective level has received scarce attention. We take a step forward by proposing a forecasting approach for analyzing the mental health of a given population (or group of individuals) at a larger scale. Practical implications. We believe that this work contributes to a better understanding of how psychological processes related to crisis manifest in social media, being a valuable asset for the design, implementation and monitoring of health prevention and communication policies.

研究の動機と目的

• 大規模な危機発生時における集団的メンタルヘルス状態と感情状態を、ソーシャルメディアを用いてスケーラブルに監視するための手法を開発すること。
• 言語分析を用いて、リアルタイムでメンタルヘルス障害および感情の兆候を同定・追跡すること。
• 限定的な初期データを用いて、将来の心理的苦痛の高発生期を予測すること。
• タイムリーな、データドリブンなインサイトを提供することで、公衆衛生意思決定を支援すること。
• 個別レベルの分析から集団スケールの予測へと焦点をシフトさせることで、集団的メンタルヘルス監視を前進させること。

提案手法

• ユーザーの発言を事前に定義された語彙集と照合することで、ソーシャルメディアのコンテンツからメンタルヘルスおよび感情の兆候を抽出する。
• 記述的タイムラインを作成し、これらの兆候の変化を可視化するとともに、危機的出来事と相関させる。
• タイムラインを時系列データとしてモデル化し、さまざまな統計的および機械学習手法を用いて予測を可能にする。
• 神経ネットワークに基づく予測戦略を適用し、感情的およびメンタルヘルスの兆候におけるピークを予測する。
• 初期データが最小限（例：7日間）でも、高発生期を予測できる能力をモデルが示すか評価する。
• 自然言語処理と時系列予測を統合することで、集団的メンタルヘルストレンドの早期検出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ソーシャルメディアの言語は、パンデミック期における集団的メンタルヘルス状態と感情状態を的確に捉え、監視するために効果的に利用できるか？
• RQ2 時系列予測モデルは、メンタルヘルスおよび感情的苦痛の兆候のピークをどれほど正確に予測できるか？
• RQ3 限定的な初期段階のデータで、予測モデルがどれほど信頼性を持って動作するか？
• RQ4 主要な危機的出来事は、一般のソーシャルメディア発言における感情的およびメンタルヘルスの兆候の変化とどのように関連しているか？
• RQ5 このアプローチは、予防的公衆衛生政策およびコミュニケーション戦略を支援できるか？

主な発見

• 神経ネットワークに基づく予測戦略が、他の手法よりもメンタルヘルスおよび感情的苦痛の高発生期の予測において優れていた。
• モデルは初期データがたった7日間でも、新たな苦痛トレンドを効果的に予測できた。これは、早期検出能力を示している。
• ロックダウンの発表などのパンデミック関連の出来事と、否定的感情の兆候の急増との間に相関が観察された。
• 意思決定者は、時間経過に伴う心理的ストレスパターンを可視化し、予測可能にすることで、予防的対応計画を支援できた。
• 本研究は、データが乏しい危機的状況下でも、ソーシャルメディアを用いた集団的メンタルヘルス予測が実現可能でスケーラブルであることを示している。
• このフレームワークは、大規模な社会的混乱への集団的心理的反応を監視・予測する実用的なツールを提供する。