Accueil Santé & Bien-être L’analyse des messages des médias sociaux révèle comment les gens ont appris...

L’analyse des messages des médias sociaux révèle comment les gens ont appris à faire face à la pandémie.

138
0

Des chercheurs qui ont analysé le langage lié à la dépression sur les médias sociaux pendant la pandémie affirment que les données suggèrent que les gens ont appris à faire face à la situation au fur et à mesure des vagues.

Alona Fyshe, chercheuse à l’Université de l’Alberta, et ses collaborateurs de l’Université de Western Ontario ont émis l’hypothèse que le langage lié à la dépression connaîtrait un pic lors de chaque vague du COVID-19. Mais leur étude montre que ce n’était pas le cas.

Il y a eu une grande réaction au début, puis les gens ont en quelque sorte trouvé leur nouvelle normalité. Il s’agit d’un message de résilience, des gens qui trouvent comment continuer à vivre dans une pandémie. »

Alona Fyshe, professeur adjoint d’informatique et de psychologie à l’université d’Alberta.

Pour l’étude, les chercheurs ont porté leur attention sur des plateformes en ligne telles que Reddit et Twitter. Les médias sociaux sont un outil utile pour évaluer la santé mentale au niveau de la population, explique Mme Fyshe, membre de l’Alberta Machine Intelligence Institute et titulaire de la chaire d’IA du Canada à l’ICAR.

Lire aussi :  Les CDC publient un avis concernant les épidémies de salmonelles dans plusieurs États liées au contact avec des volailles de basse-cour.

Les chercheurs ont d’abord identifié des mots-clés en analysant le type de langage utilisé par les posters dans les discussions sur Reddit. L’auto-identification trouvée dans ces subreddits et forums n’est pas reproduite dans de nombreuses autres plateformes de médias sociaux, explique M. Fyshe.

« Nous avons essentiellement formé un modèle d’apprentissage automatique capable de différencier le langage des personnes qui publient dans un fil de discussion sur le thème de la dépression de celui des personnes qui ne le font pas », explique M. Fyshe.

À partir de ces informations et des mots-clés identifiés, ils ont porté leur attention sur Twitter. Ils ont analysé les données de quatre villes – Sydney, Mumbai, Seattle et Toronto – avec différentes vagues de COVID-19 afin de pouvoir déterminer quels changements de langage étaient dus à des tendances mondiales et lesquels étaient locaux. Ils ont limité les données aux zones présentant un pourcentage élevé de tweets en anglais afin de pouvoir utiliser la même méthodologie pour analyser toutes les données.

Lire aussi :  L'excrétion virale du SRAS-CoV-2 varie considérablement chez les patients asymptomatiques et légèrement malades.

Les résultats ont été surprenants, dit Fyshe. En général, les pics de cas de COVID-19 et les différentes vagues de la pandémie ne sont pas reflétés dans les données. En fait, la seule ville où l’on a constaté une augmentation de la langue liée à la dépression après la première vague est Mumbai, qui a connu une deuxième vague importante.

Selon M. Fyshe, les méthodes d’apprentissage automatique utilisées pour identifier des mots clés dans les sous-forums de Reddit et analyser les données de Twitter pourraient être appliquées à un large éventail de sujets. Par exemple, en examinant les données de Seattle, ils ont constaté de fortes réactions au mouvement Black Lives Matter.

« Cela indiquait qu’il y avait un changement important dans l’humeur générale – ; ce dont les gens parlaient et comment ils se sentaient par rapport au monde dans lequel ils vivaient. »

Source :

Référence du journal :

Davis, B., et al. (2022) Quantification du langage relatif à la dépression sur les médias sociaux pendant la pandémie de COVID-19. International Journal of Population Data Science. doi.org/10.23889/ijpds.v5i4.1716.

Article précédentLes patients pédiatriques ayant déjà reçu du COVID-19 ou du MIS-C ne sont pas protégés contre Omicron.
Article suivantDes chercheurs développent des gels à base d’huile comme systèmes d’administration de médicaments pour les enfants des pays à ressources limitées.
Apasionado del running, vegano a los 25 años y comercial de la ropa, me incorporé al equipo de redacción de AltaVision.news en noviembre de 2021