مقدمه و اهمیت پژوهش

همه‌گیری ویروس کرونا (کووید-۱۹) چالشی بی‌سابقه را برای جوامع بشری به همراه داشت. فراتر از مسائل بهداشتی و درمانی مستقیم مانند اشغال تخت‌های بیمارستانی و فشار بر سیستم‌های بهداشتی، این همه‌گیری پیامدهای گسترده‌ای بر سلامت روان افراد و جوامع برجای گذاشت. قرنطینه‌ها، اضطراب ناشی از عدم قطعیت، ترس از بیماری، انزوا، و رکود اقتصادی، همگی به تشدید مشکلات روانی مانند اضطراب، افسردگی، و حتی افزایش ریسک خودکشی منجر شدند. در این میان، مناطق در حال توسعه با زیرساخت‌های بهداشتی و روانی محدودتر، آسیب‌پذیری بیشتری در برابر این پیامدها از خود نشان دادند. پرداختن به این ابعاد پنهان همه‌گیری، از جمله تأثیرات روانی آن، برای طراحی راهبردها و سیاست‌های مؤثر در مقابله با بحران‌های بهداشتی آینده، امری حیاتی است.

مقاله حاضر با عنوان “پایش هیجانات کووید-۱۹ به عنوان ابزاری برای ارتقای آمادگی در برابر شیوع بیماری‌ها در مناطق در حال توسعه”، به یکی از این چالش‌های مهم، یعنی رصد و مدیریت سلامت روان در شرایط بحران، می‌پردازد. این پژوهش با تکیه بر فناوری‌های نوین پردازش زبان طبیعی، ابزاری را برای پایش هیجانات افراد در شبکه‌های اجتماعی، به‌ویژه توییتر، معرفی می‌کند. هدف اصلی، استفاده از این اطلاعات برای کمک به سازمان‌های بهداشتی و سیاست‌گذاران در مناطق در حال توسعه است تا بتوانند آمادگی خود را برای مقابله با شیوع بیماری‌های آینده افزایش دهند.

نویسندگان و زمینه تحقیق

این پژوهش توسط تیمی از محققان به نام‌های سانتیاگو کورتس، خوان مونوز، دیوید بتانکور، و موریسیو تورو ارائه شده است. این مقاله در حوزه تلاقی “محاسبات و زبان” (Computation and Language) و “شبکه‌های اجتماعی و اطلاعات” (Social and Information Networks) قرار می‌گیرد، که نشان‌دهنده ماهیت میان‌رشته‌ای کار آن‌هاست. تمرکز بر مناطق در حال توسعه، این تحقیق را از سایر مطالعات مرتبط متمایز می‌کند، زیرا نیازهای خاص و محدودیت‌های این مناطق را در نظر می‌گیرد. استفاده از ابزارهای مبتنی بر هوش مصنوعی و پردازش زبان طبیعی برای حل مسائل اجتماعی و بهداشتی، از روندهای رو به رشد در تحقیقات علمی است و این مقاله نمونه‌ای برجسته از این رویکرد محسوب می‌شود.

چکیده و خلاصه محتوا

چکیده مقاله به طور خلاصه به این نکته اشاره دارد که همه‌گیری کووید-۱۹، علاوه بر چالش‌های مستقیم درمانی، مشکلات سلامت روان گسترده‌ای را نیز به دنبال داشت. نویسندگان راه‌حلی برای این مشکل ارائه می‌دهند: سیستمی مبتنی بر شبکه‌های اجتماعی (توییتر) که قادر به پایش هیجانات کاربران است. این سیستم شش هیجان مختلف را در حساب‌های کاربری شهرهای مختلف، و همچنین حساب‌های سیاست‌مداران و مقامات بهداشتی، رصد می‌کند. با استفاده ناشناس از این پایشگر هیجانات، مقامات بهداشتی و شرکت‌های بیمه سلامت خصوصی می‌توانند استراتژی‌هایی را برای مقابله با مسائلی مانند خودکشی و افسردگی بالینی تدوین کنند.

مدل زبانی مورد استفاده در این پژوهش، “Bidirectional-Encoder Representations from Transformers” (BERT) است که بر روی داده‌های اسپانیایی (با نام تجاری BETO) پیش‌آموزش دیده است. این مدل عملکرد خوبی را در مجموعه داده اعتبارسنجی نشان داده است. این سیستم به صورت آنلاین به عنوان بخشی از یک برنامه وب برای شبیه‌سازی و تحلیل داده‌های کووید-۱۹ در کلمبیا مستقر شده است.

روش‌شناسی تحقیق

قلب تپنده این پژوهش، توسعه یک سیستم پایش هیجانات است که بر پایه مدل‌های پیشرفته پردازش زبان طبیعی (NLP) بنا شده است. نویسندگان رویکردی چندمرحله‌ای را برای دستیابی به اهداف خود اتخاذ کرده‌اند:

• جمع‌آوری داده: داده‌های مورد نیاز از پلتفرم توییتر جمع‌آوری شده است. این انتخاب به دلیل ماهیت عمومی و حجم بالای اطلاعات تولید شده در این شبکه اجتماعی، منطقی به نظر می‌رسد. طیف وسیعی از توییت‌ها، از کاربران عادی در شهرهای مختلف تا مقامات رسمی، مورد تحلیل قرار گرفته‌اند.
• مدل‌سازی هیجانات: برای شناسایی و دسته‌بندی هیجانات موجود در متن توییت‌ها، از مدل زبانی BERT استفاده شده است. BERT یک مدل قدرتمند است که توانایی درک عمیق متن و روابط بین کلمات را دارد. استفاده از نسخه BETO که بر روی حجم وسیعی از متون اسپانیایی آموزش دیده است، امکان پردازش دقیق‌تر زبان اسپانیایی را فراهم می‌آورد. این مدل قادر است شش هیجان اصلی را تشخیص دهد (اگرچه جزئیات این هیجانات در چکیده ذکر نشده است، اما معمولاً شامل مواردی مانند شادی، غم، خشم، ترس، تعجب و انزجار می‌شود).
• استفاده از داده‌های شهری و مقامات: رویکرد نوآورانه این پژوهش، تفکیک داده‌ها بر اساس منبع آن‌هاست. پایش هیجانات کاربران عادی در سطح شهرها به درک احساسات عمومی جامعه کمک می‌کند، در حالی که رصد توییت‌های مقامات بهداشتی و سیاست‌مداران، نشان‌دهنده رویکرد و نگرانی‌های رسمی در قبال بحران است. این تفکیک امکان مقایسه و تحلیل جامع‌تری را فراهم می‌کند.
• توسعه سیستم و رابط کاربری: پس از آموزش و اعتبارسنجی مدل، سیستمی برای پایش هیجانات توسعه یافته است. این سیستم به صورت آنلاین و به عنوان بخشی از یک برنامه وب در دسترس قرار گرفته است. این برنامه امکان شبیه‌سازی و تحلیل داده‌های مرتبط با کووید-۱۹ را نیز فراهم می‌آورد، که نشان‌دهنده هدف کاربردی بودن پژوهش است.
• تأکید بر حریم خصوصی: نکته مهمی که در چکیده به آن اشاره شده، استفاده “ناشناس” از داده‌های پایش شده است. این امر برای حفظ حریم خصوصی کاربران ضروری است و امکان استفاده اخلاقی از داده‌ها را تضمین می‌کند.

این روش‌شناسی، با ترکیب تکنیک‌های پیشرفته NLP و تمرکز بر کاربردهای عملی در مناطق کمتر برخوردار، رویکردی نوین و ارزشمند را در حوزه سلامت عمومی و تکنولوژی ارائه می‌دهد.

یافته‌های کلیدی

اگرچه جزئیات دقیق یافته‌های پژوهش در چکیده ذکر نشده است، اما می‌توان بر اساس توضیحات ارائه شده، به نکات کلیدی زیر اشاره کرد:

• عملکرد موفقیت‌آمیز مدل BETO: اشاره به عملکرد خوب مدل BERT (BETO) بر روی مجموعه داده اعتبارسنجی، نشان‌دهنده دقت و کارایی نسبی سیستم در شناسایی هیجانات است. این موضوع، پایه و اساس اطمینان به نتایج پایش را فراهم می‌کند.
• قابلیت پایش در سطوح مختلف: سیستم قادر به رصد هیجانات در سطح جامعه (از طریق کاربران عادی) و همچنین در سطح تصمیم‌گیرندگان (مقامات بهداشتی و سیاسی) است. این دوگانگی در پایش، امکان درک پیچیده‌تری از وضعیت روانی جامعه را فراهم می‌آورد؛ مثلاً چگونه احساسات عمومی با پیام‌های رسمی همسو یا در تضاد است.
• شناسایی الگوهای هیجانی مرتبط با بحران: انتظار می‌رود این سیستم بتواند الگوهای افزایش اضطراب، ترس، یا غم را در جامعه در طول دوره همه‌گیری شناسایی کند. همچنین، ممکن است بتواند تأثیرات روانی سیاست‌های مختلف (مانند قرنطینه) را بر اساس بازخوردهای هیجانی مردم در توییتر ردیابی کند.
• پتانسیل شناسایی مناطق بحران‌زده از نظر سلامت روان: با تحلیل داده‌های شهری، می‌توان مناطقی را که در آن‌ها سطح اضطراب یا افسردگی به طور قابل توجهی بالاتر است، شناسایی کرد. این اطلاعات می‌تواند به تخصیص منابع بهداشتی و مداخلات روانی هدفمند کمک کند.

کاربردها و دستاوردها

مهم‌ترین دستاورد این پژوهش، ارائه ابزاری کاربردی و مبتنی بر فناوری است که می‌تواند به طور مؤثری به ارتقای آمادگی در برابر بحران‌های بهداشتی، به‌ویژه در مناطق در حال توسعه، کمک کند.

• مدیریت سلامت روان در بحران: این سیستم می‌تواند به سازمان‌های بهداشتی کمک کند تا وضعیت سلامت روان جامعه را در زمان واقعی رصد کنند. این امر امکان واکنش سریع به موج‌های احتمالی اضطراب، افسردگی، یا بحران‌های روانی حاد را فراهم می‌آورد.
• تدوین استراتژی‌های پیشگیرانه: با شناسایی زودهنگام الگوهای هیجانی نگران‌کننده، مقامات می‌توانند برنامه‌های پیشگیرانه خود را تنظیم کنند. به عنوان مثال، اگر سطح اضطراب در جامعه رو به افزایش باشد، می‌توان کمپین‌های اطلاع‌رسانی برای کاهش استرس و اضطراب راه‌اندازی کرد.
• مقابله با خودکشی و افسردگی: همانطور که در چکیده اشاره شده، اطلاعات حاصل از این پایش می‌تواند به شناسایی نقاط پرخطر و جمعیت‌های در معرض خطر بالای خودکشی و افسردگی کمک کند. این امر به شرکت‌های بیمه سلامت و سازمان‌های دولتی اجازه می‌دهد تا برنامه‌های حمایتی و درمانی هدفمندتری را طراحی و اجرا کنند.
• بهبود ارتباط بین مقامات و مردم: پایش توییت‌های مقامات و مقایسه آن با هیجانات عمومی، می‌تواند شکاف ارتباطی احتمالی را آشکار سازد و به سیاست‌گذاران کمک کند تا پیام‌های خود را به گونه‌ای تنظیم کنند که با نگرانی‌ها و احساسات مردم همخوانی بیشتری داشته باشد.
• آمادگی برای شیوع‌های آینده: این سیستم تنها مختص کووید-۱۹ نیست، بلکه می‌تواند به ابزاری پایدار برای آمادگی در برابر هرگونه شیوع بیماری یا بحران سلامت عمومی در آینده تبدیل شود.
• دسترسی به ابزار در مناطق در حال توسعه: ارائه این سیستم به صورت آنلاین و در قالب یک برنامه وب، دسترسی به آن را برای کشورهایی که ممکن است فاقد منابع گسترده برای توسعه چنین سیستم‌هایی باشند، آسان می‌کند.

به طور مثال، در بحبوحه نگرانی‌ها از افزایش خودکشی در اثر فشارهای اقتصادی ناشی از قرنطینه، این سیستم می‌تواند با شناسایی مناطقی که بیشترین میزان توییت‌های مرتبط با ناامیدی و افکار خودکشی را دارند، نهادهای حمایتی را به سمت این مناطق هدایت کند تا خدمات مشاوره و حمایتی را ارائه دهند.

نتیجه‌گیری

مقاله “پایش هیجانات کووید-۱۹ به عنوان ابزاری برای ارتقای آمادگی در برابر شیوع بیماری‌ها در مناطق در حال توسعه” گامی مهم در جهت بهره‌گیری از فناوری‌های نوین برای حل چالش‌های پیچیده سلامت عمومی برمی‌دارد. نویسندگان با موفقیت یک سیستم پایش هیجانات مبتنی بر مدل پیشرفته BERT (BETO) را توسعه داده‌اند که توانایی رصد احساسات عمومی و رسمی را از طریق توییتر فراهم می‌آورد.

این پژوهش نشان می‌دهد که شبکه‌های اجتماعی، فراتر از یک بستر ارتباطی، می‌توانند منبعی غنی از داده‌های مربوط به وضعیت روانی جامعه باشند. با تحلیل دقیق این داده‌ها، به‌ویژه با استفاده از مدل‌های زبانی قدرتمند، می‌توان بینش‌های ارزشمندی به دست آورد که مستقیماً در طراحی و اجرای سیاست‌های سلامت عمومی، به‌ویژه در زمینه سلامت روان، مورد استفاده قرار گیرند.

اهمیت این تحقیق در تمرکز بر نیازهای مناطق در حال توسعه، که اغلب با محدودیت منابع مواجه هستند، دوچندان می‌شود. ارائه ابزاری مقرون‌به‌صرفه و در دسترس، مانند این برنامه وب، می‌تواند به شکاف‌های موجود در زیرساخت‌های سلامت روان این مناطق کمک کند.

در نهایت، این پژوهش راه را برای تحقیقات آینده باز می‌کند تا بتوان از این سیستم‌ها برای پیش‌بینی و مدیریت بهتر بحران‌های سلامت عمومی، افزایش تاب‌آوری جوامع، و ارتقای کیفیت زندگی افراد در سراسر جهان، به‌خصوص در مناطق آسیب‌پذیر، بهره برد.