[논문 리뷰] Capturing social media expressions during the COVID-19 pandemic in Argentina and forecasting mental health and emotions

Antonela Tommasel, J. Andrés Díaz‐Pace외 2명|arXiv (Cornell University)|2021. 01. 12.

Mental Health via Writing참고 문헌 22인용 수 10

한 줄 요약

이 연구는 코로나19 팬데믹 기간 동안 아르헨티나의 인구 수준 정신건강 및 정서 상태를 추적하고 예측하기 위해 아르헨티나의 소셜미디어 언어를 활용하는 예측 프레임워크를 제안한다. 소셜미디어 콘텐츠를 어휘집과 연계하고, 이를 시간 시리즈로 모델링함으로써 신경망을 사용해 고통의 높은 유병률 기간을 예측하는 데 성공했다. 초기 데이터가 7일 뿐이어도 가능하며, 공중보건 감시 분야에서 유망한 가능성을 보여준다.

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.

연구 동기 및 목표

• 대규모 위기 동안 소셜미디어를 활용해 집단 정신건강 및 정서 상태를 지속 가능하게 모니터링할 수 있는 방법을 개발하기 위해.
• 언어 분석을 통해 실시간으로 정신건강 장애 및 정서의 지표를 식별하고 추적하기 위해.
• 제한된 초기 데이터를 바탕으로 향후 정신건강 및 정서적 고통의 높은 유병률 기간을 예측하기 위해.
• 인구 수준의 심리적 반응에 대한 시의적이고 데이터 기반의 통찰을 제공함으로써 공중보건 의사결정을 지원하기 위해.
• 개인 수준 분석에서 인구 규모의 예측으로 초점을 전환함으로써 집단 정신건강 감시를 발전시키기 위해.

제안 방법

• 사용자 표현을 사전 정의된 어휘집과 대응시켜 소셜미디어 콘텐츠에서 정신건강 및 정서의 지표를 추출한다.
• 기록된 시계열을 구성하여 이러한 지표의 변화를 시각화하고 주요 위기 사건과 연관지킨다.
• 시간 시리즈 데이터로 모델링하여 다양한 통계 및 기계학습 기법을 사용해 예측을 가능하게 한다.
• 신경망 기반의 예측 전략을 적용하여 정서 및 정신건강 지표의 향후 정점 예측을 수행한다.
• 모델은 초기 데이터가 최소한(예: 7일)일 때도 고유병률 기간을 예측할 수 있는 능력을 평가한다.
• 자연어 처리와 시간 시리즈 예측을 통합하여 인구 수준의 심리적 추세 조기 감지가 가능하도록 한다.

실험 결과

연구 질문

• RQ1 소셜미디어 언어는 팬데믹 기간 동안 집단 정신건강 및 정서 상태를 효과적으로 캡처하고 모니터링하는 데 유용한가?
• RQ2 시간 시리즈 예측 모델은 정신건강 및 정서적 고통 지표의 향후 정점 예측을 얼마나 정확하게 수행할 수 있는가?
• RQ3 제한된 초기 단계 데이터로 훈련된 예측 모델은 어느 정도 신뢰성 있게 작동할 수 있는가?
• RQ4 주요 위기 사건은 대중의 소셜미디어 논의에서 정서 및 정신건강 지표의 변화와 어떻게 연관되는가?
• RQ5 이 접근법은 사전적 공중보건 정책 및 커뮤니케이션 전략을 지원할 수 있는가?

주요 결과

• 신경망 기반의 예측 전략이 정신건강 및 정서적 고통의 높은 유병률 기간 예측에서 다른 방법들을 능가했다.
• 모델은 초기 데이터가 7일 뿐이어도 새로운 고통 추세를 성공적으로 예측하여 조기 감지 능력을 입증했다.
• 봉쇄 발표와 같은 주요 팬데믹 관련 사건과 부정적 정서 지표의 급증 사이에 상관관계를 관찰했다.
• 이 접근법은 의사결정자들이 시간에 따라 심리적 스트레스 패턴을 시각화하고 예측함으로써 사전 대응 계획 수립을 지원했다.
• 이 연구는 데이터가 부족한 위기 상황에서도 소셜미디어를 통한 인구 수준 정신건강 예측이 가능하고 확장 가능하다는 것을 입증했다.
• 이 프레임워크는 대규모 사회적 충격에 대한 집단 심리적 반응을 모니터링하고 예측하기 위한 실용적인 도구를 제공한다.