درک احساسات در زمان بحران به کمک هوش مصنوعی

از توییتر گرفته تا فیس بوک تا ردیت، میلیاردها نفر در سراسر جهان روزانه از شبکه‌های اجتماعی برای برقراری ارتباط با دوستان و خانواده و همچنین به اشتراک گذاشتن داستان‌ها، احساسات و نظرات خود در مورد وضعیت جهان پیرامون خود استفاده می‌کنند. به همین دلیل، رسانه‌های اجتماعی به عرصه اصلی سنجش اجتماعی تبدیل شده اند و یکی از روش‌هایی است که از انسان برای “حس و درک” در جمع آوری اطلاعات استفاده می‌کنند.

درک احساسات چه مزایایی به همراه دارد؟

انبوه اطلاعات مربوط به احساسات عمومی موجود در شبکه‌های اجتماعی برای دولت‌ها بسیار ارزشمند است. یین پینگ یانگ، محقق اصلی در A * STAR، خاطرنشان کرد: “توانایی درک دقیق زمینه و نظارت به موقع بر تغییر احساسات می‌تواند به سیاست‌گذاران و متخصصان ارتباطات در دستیابی به موقع به ارتباط و حساسیت بیشتر نسبت به تفاوت‌های ظریف نیازهای عمومی کمک کند”.

به گفته موسسه محاسبات با کارایی بالا (IHPC) مخصوصاً در مواقع بحرانی درست است و به کار می‌آید. هنگامی که COVID-19 برای اولین بار در اواخر سال 2019 ظهور کرد و در اوایل سال 2020 در سراسر جهان شروع به گسترش کرد، رسانه‌های اجتماعی از فعالیت در مورد مسائل زمان واقعی مانند احتکار مواد غذایی و استفاده از ماسک سرگرم بودند. یانگ و یک تیم بین المللی از محققان با مراجعه به رسانه‌های اجتماعی، به نیاز فوری درک احساسات عمومی در طول بحران سلامتی پاسخ دادند. آنچه مطالعه آن‌ها را بی نظیر کرد این بود که ماهیت چند بعدی احساسات نهفته در پیام‌های کاربران را بررسی کردند.

توانایی ردیابی احساسات

چندین مطالعه انجام شده در دهه گذشته از رسانه‌های اجتماعی برای پیگیری احساسات عمومی و روند ارتباطات در طی بحران‌های بهداشتی مانند زیکا و آنفلوانزای مرغی H7N9 استفاده کرده است. با این حال، این مطالعات به سادگی حجم و احساسات مثبت و منفی پیرامون موضوعات مشترک بحث را ردیابی می‌کردند. از طرف دیگر، احساسات فرایندهای روانشناختی هستند و ارتباط بیشتری با رفتارها دارند.

 

احساسات فراتر از حس هستند

یانگ گفت: “یك چیز كه ما از روانشناسی می‌دانیم این است كه احساسات انسان در اثر حوادثی كه برای نگرانی‌ها و نیازهای ما مهم هستند به وجود می‌آید. خواه این احساسات عصبانیت هنگام رفتار ناعادلانه یا احساس ترس از آلوده شدن به یك ویروس كشنده باشد”.

به این ترتیب، احساسات فراتر از حس هستند. بلکه بینش قدرتمندی را در مورد نگرانی‌های اساسی فرد و مردم ایجاد می‌کنند که برای آن‌ها مهم است. به همین ترتیب، سیاست‌های دولت زمانی دقیق‌تر است که وضعیت عاطفی مردم را در نظر بگیرند. برنامه تحقیقاتی یانگ در زمینه هوش عاطفی و اجتماعی بر چهار احساس متمایز انسانی متمرکز شده است: ترس، عصبانیت، غم و شادی.

این انتخاب با همگرایی در ادبیات روانشناسی پشتیبانی می‌شود، جایی که ترس، عصبانیت، غم و شادی احساسات متمایزی هستند که احساس “اولیه” قلمداد می‌شوند. به این معنی که در فرهنگ‌ها و گروه‌های سنی مختلف مشترک هستند. به عنوان مثال، اگرچه ترس و خشم هر دو احساسات ناخوشایندی هستند که از عدم اطمینان ناشی می‌شوند، ترس ناشی از شرایط است در حالی که خشم توسط دیگران ایجاد می‌شود.

در همین حال، غم و اندوه یک احساس منفی است که از حوادث ناخوشایند و غیرقابل کنترل ناشی می‌شود، در حالی که شادی یک احساس مثبت است که از وقایع خاص و قابل کنترل ناشی می‌شود. یانگ و تیم او امیدوار بودند که درک انحراف در این چهار احساس اساسی، بینش کلی قابل استفاده در مورد انواع مختلف تجربیات عاطفی و حوزه‌های کاربردی را فراهم کند.

الگوریتم‌هایی که احساسات را در شبکه‌های اجتماعی کاملا بررسی می‌کنند

محققان علاقه‌ای به صرف استخراج اطلاعات و دسته‌بندی احساسات نداشتند. وی توضیح داد: “تجزیه و تحلیل احساسات سنتی به عنوان یک ساختار گسسته و طبقه‌ای رفتار می‌کند یعنی به صورت مثبت، خنثی یا منفی، یا خوشحال یا ناخوش، غمگین یا غمگین. چنین رویکردهایی به سادگی قادر به ارائه بینشی درباره ماهیت پیچیده، مداوم و چند بعدی تجربیات عاطفی انسان نیستند”.

محققان برای دستیابی به درک کاملتری از احساسات انسانی، CrystalFeel، مجموعه ای از پنج الگوریتم را که همزمان عصبانیت، ترس، غم، شادی و قدرت کلی هیجانی را در مقیاس شدت تجزیه و تحلیل می‌کند، ایجاد کردند. در تحقیقات خود، یانگ و محقق اصلی وی و راج كومار گوپتا، مخترع، ویویژگی‌های استخراج شده از انواع واژه نامه‌ها یا فرهنگ لغت‌های مربوط به احساسات، از جمله فرهنگ لغت داخلی “شدت احساس” را برای پیش‌بینی سطوح مختلف آزمایش كردند.

آن‌ها شدت مربوط به چهار احساس اساسی در هر جمله یا پیام را بررسی کردند. یانگ گفت: “ما دریافتیم كه درج ویژگی‌های مبتنی بر واژه نامه عاطفی به سیستم اجازه می‌دهد تا عملکرد قابل پیش‌بینی و قوی داشته باشد. در حالی كه هیجانات جالب ارتباطات سطح كلمه و سطح پیام را نشان می‌دهد”. علاوه بر CrystalFeel، یانگ و تیم او همچنین Heartbeat را ایجاد کردند، برنامه ای که برای جمع آوری، تجزیه و تحلیل و ارائه داده‌های شبکه‌های اجتماعی است. یانگ توضیح می‌دهد: “یک الگوریتم قوی و غنی کافی نیست. کاربران به سیستم‌های کاربر پسندی نیاز دارند که بتواند به آن‌ها کمک کند تا حجم زیادی از داده‌های خام و رابط کاربری کاملاً یکپارچه را به هم متصل کنند”.

کاهش واکنش عاطفی به COVID-19 در سراسر جهان

با استفاده از الگوریتم‌های  Heartbeat و CrystalFeel، یانگ و تیم او توانستند از قدرت رسانه‌های اجتماعی برای روشن کردن تغییر و پویایی احساسات عمومی در مقیاس جهانی از اواخر ژانویه 2020 استفاده کنند. یانگ و تیمش به عنوان منبع داده خود به توییتر روی آوردند. با بیش از 152 میلیون کاربر فعال در سراسر جهان تا پایان سال 2019، پست هایی از توییتر بینش‌های مختلف جغرافیایی را از وقایع محلی و جهانی در کشورهای مختلف ارائه دادند. محققان از 28 ژانویه تا 9 آوریل 2020 بیش از 20 میلیون توییت قابل دسترسی برای تجزیه و تحلیل از 170 کشور جهان جمع آوری کردند.

محققان در برنامه تحقیق تحلیلی COVID-19 خود، با همکاری یک تیم بین المللی به رهبری می‌اوو لوین، رئیس دانشکده ارتباطات و اطلاعات وی کیم وی در دانشگاه فنی نانیانگ، سنگاپور، احساسات پیرامون مسیر شیوع COVID-19 را ردیابی کردند. یکی از یافته‌های اولیه آن‌ها این بود که احساسات عمومی به طور موازی با وقایع قابل توجه، از ظهور COVID-19 در اواخر ژانویه تا اعلامیه همه گیر سازمان بهداشت جهانی در اوایل ماه مارس و ماندن در خانه برانگیخته شد.

در حالی که محققان همچنین علائم غم و اندوه مرتبط با از دست دادن عزیزان و شادی در پاسخ به سلامتی را مشاهده کردند، احساسات منفی در ماه‌های ابتدایی همه گیری احساس غالب بود، و عصبانیت و ترس را نیز در برداشت.

 

شکل‌گیری یک تلاش مشترک و مستمر

یانگ و تیم او در حال جمع آوری و تجزیه و تحلیل داده‌هایی در مورد احساسات مردم در پاسخ به  کوید_19 هستند. در حال حاضر بیش از 100 میلیون توییت جمع آوری کرده اند. آن‌ها در حال انجام تحلیل‌های عمیق‌تری برای درک تفاوت در پاسخ‌های عاطفی در میان کشورها و چگونگی تفاوت فرهنگی در این امر هستند. محققان همچنین در تلاش هستند تا پایگاه داده‌ها و الگوریتم‌های خود را برای جامعه علمی گسترده‌تر در دسترس قرار دهند تا محققان از سراسر جهان بتوانند تجزیه و تحلیل خاص منطقه را انجام دهند. یانگ گفت: “ما اعتقاد داریم كه مبارزه با همه گیری نیاز به تلاش در سطح جهانی دارد”.

در بلند مدت، یانگ و تیم او قصد دارند قابلیت‌های الگوریتم‌های احساسات خود را برای استخراج اطلاعات جزئی در مورد تغییرات طولانی مدت در اولویت‌ها، خواسته‌ها و ارزش‌های عمومی گسترش دهند. یانگ نتیجه گیری خود را این‌طور کرد: “ما امیدواریم که ابزارهای سنجش اجتماعی که توسعه داده ایم بتواند توسط آژانس‌های دولتی بیشتری برای کمک و توانمندسازی تحلیلگران سیاست و متخصصان ارتباطات مورد استفاده قرار گیرد تا از اهرم‌های بیشتری برای تصمیم گیری و ارتباطات مبتنی بر شواهد، به شکلی جامع و به موقع استفاده کند”.

لینک کوتاه شده : https://amerandish.com/mIeyg

به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

_ مطالب مرتبط _

آموزش شخصی سازی شده به کمک هوش مصنوعی

آموزش آنلاین با کمک هوش مصنوعی می‌تواند آموزش شخصی‌سازی شده را بهبود بخشد و از آموزش حمایت و پشتیبانی نماید با بسته شدن دانشگاه‌ها در

درخواست شما با موفقیت ارسال شد.

ضمن تشکر بابت ارسال پیام، در سریع‌ترین زمان ممکن کارشناسان شرکت عامراندیش درخواست شما را بررسی خواهند نمود.