۱. معرفی مقاله و اهمیت آن

همه‌گیری بیماری کووید-۱۹ بار دیگر بر ضرورت حیاتی ارتقاء سواد سلامت عمومی برای تاب‌آوری جوامع تأکید کرده است. در دنیای امروز، پلتفرم‌های رسانه‌های اجتماعی نقش بسزایی در تبادل اطلاعات ایفا می‌کنند. یوتیوب، به عنوان بزرگترین پلتفرم اشتراک‌گذاری ویدئو، مخزن عظیمی از اطلاعات سلامت تولید شده توسط کاربران را در قالبی چندرسانه‌ای ارائه می‌دهد. این قالب غنی از نظر بصری و شنیداری، پتانسیل بالایی برای درک بهتر و استفاده آسان‌تر توسط عموم مردم دارد، به شرطی که نگرانی‌های اصلی در مورد کیفیت و دقت محتوا مرتفع شوند. مقاله حاضر به بررسی این چالش مهم پرداخته و راه‌حلی نوآورانه مبتنی بر یادگیری ماشین برای سازماندهی و انتخاب ویدئوهای مرتبط و قابل فهم در مورد کووید-۱۹ ارائه می‌دهد. هدف اصلی، ایجاد ابزاری است که بتواند به طور خودکار ویدئوهای مفید را شناسایی، بازیابی و دسته‌بندی کند تا کارشناسان حوزه سلامت بتوانند آن‌ها را بررسی و برای آموزش و اطلاع‌رسانی عمومی توصیه نمایند. این رویکرد نه تنها به مدیریت بهتر اطلاعات مربوط به همه‌گیری‌های سلامت عمومی کمک می‌کند، بلکه قابلیت تعمیم به سایر مسائل بهداشتی را نیز داراست.

۲. نویسندگان و زمینه تحقیق

این مقاله توسط گروهی از محققان برجسته به نام‌های Yawen Guo، Xiao Liu، Anjana Susarla و Rema Padman به رشته تحریر درآمده است. زمینه تحقیقاتی این پژوهش در تقاطع “بازیابی اطلاعات” (Information Retrieval) و “پردازش زبان طبیعی” (Natural Language Processing) با تمرکز بر کاربردهای آن در حوزه سلامت عمومی قرار دارد. نویسندگان با بهره‌گیری از تخصص خود در علوم کامپیوتر و تحلیل داده، تلاش کرده‌اند تا شکاف موجود بین حجم عظیم اطلاعات موجود در پلتفرم‌های آنلاین و نیاز جامعه به اطلاعات دقیق و قابل دسترس سلامت را پر کنند. تمرکز بر ویدئوهای یوتیوب به دلیل ماهیت بصری و جذابیت روزافزون آن برای طیف وسیعی از مخاطبان، یک انتخاب استراتژیک بوده است.

۳. چکیده و خلاصه محتوا

همه‌گیری کووید-۱۹ نیاز مبرم به ارتقاء سواد سلامت عمومی را آشکار ساخت. یوتیوب، به عنوان بزرگترین پلتفرم اشتراک‌گذاری ویدئو، منبع وسیعی از اطلاعات سلامت را ارائه می‌دهد که در صورت اطمینان از کیفیت و دقت، می‌تواند ابزار قدرتمندی برای آموزش عمومی باشد. این مطالعه یک راه‌حل خودکار را برای شناسایی، بازیابی و انتخاب ویدئوهای یوتیوب مرتبط از نظر پزشکی و قابل فهم توسعه می‌دهد. هدف این است که متخصصان حوزه سلامت بتوانند این ویدئوها را برای انتشار و آموزش عمومی در مورد کووید-۱۹ و سایر شیوع‌های سلامت عمومی توصیه کنند. رویکرد ما از دانش تخصصی متخصصان در کنار روش‌های یادگیری ماشین و پردازش زبان طبیعی استفاده می‌کند تا رویکردی مقیاس‌پذیر، تکرارپذیر و قابل تعمیم ارائه دهد که می‌تواند برای بهبود مدیریت بسیاری از شرایط سلامتی نیز به کار رود.

به طور خلاصه، این مقاله به دنبال ایجاد سیستمی است که با تحلیل محتوای ویدئوهای یوتیوب، آن‌ها را بر اساس معیارهای علمی و قابل فهم بودن اولویت‌بندی کند. این امر از طریق ترکیب دانش متخصصان با الگوریتم‌های پیشرفته یادگیری ماشین صورت می‌گیرد تا اطمینان حاصل شود که اطلاعات منتشر شده، هم دقیق و هم به راحتی قابل درک برای عموم مردم است.

۴. روش‌شناسی تحقیق

رویکرد اتخاذ شده در این پژوهش، یک فرآیند چند مرحله‌ای است که از ترکیب دانش تخصصی انسانی و قدرت پردازش یادگیری ماشین بهره می‌برد. این فرآیند را می‌توان به صورت زیر خلاصه کرد:

• استخراج دانش تخصصی: گام اول شامل همکاری با متخصصان حوزه سلامت برای شناسایی معیارهای کلیدی مرتبط با کیفیت، دقت و قابل فهم بودن اطلاعات سلامت است. این معیارها می‌توانند شامل موضوعات کلیدی پوشش داده شده، منابع معتبر ذکر شده، زبان مورد استفاده، و ساختار بصری ویدئو باشند. این دانش به عنوان قوانین اولیه برای هدایت فرآیند خودکار عمل می‌کند.
• بازیابی اولیه ویدئوها: با استفاده از کلمات کلیدی مرتبط با کووید-۱۹ و عبارات جستجوی مناسب، مجموعه‌ای اولیه از ویدئوها از پلتفرم یوتیوب بازیابی می‌شود. در این مرحله، طیف وسیعی از ویدئوها جمع‌آوری می‌گردند تا اطمینان حاصل شود که هیچ ویدئوی ارزشمندی از قلم نیفتاده است.
• پیش‌پردازش و استخراج ویژگی: ویدئوهای بازیابی شده تحت فرآیندهای پیش‌پردازش قرار می‌گیرند. این شامل استخراج داده‌های متنی (مانند عنوان، توضیحات، و متن زیرنویس‌ها) و همچنین اطلاعات مربوط به ویدئو (مانند تعداد بازدید، لایک، و کامنت‌ها) است.
• مدل‌سازی یادگیری ماشین: با استفاده از دانش تخصصی استخراج شده، یک مجموعه داده آموزشی برچسب‌گذاری می‌شود. ویدئوهایی که توسط متخصصان به عنوان “مناسب” یا “نامناسب” برچسب‌گذاری شده‌اند، برای آموزش مدل‌های یادگیری ماشین به کار می‌روند. تکنیک‌های پردازش زبان طبیعی (NLP) برای تحلیل متن ویدئوها و شناسایی مفاهیم کلیدی، لحن، و سطح پیچیدگی زبانی استفاده می‌شوند. علاوه بر این، مدل‌هایی ممکن است برای پیش‌بینی معیارهای دیگر مانند دقت علمی یا قابلیت فهم بر اساس ویژگی‌های استخراج شده ساخته شوند.
• امتیازدهی و رتبه‌بندی: مدل‌های یادگیری ماشین آموزش دیده، ویدئوهای جدید را ارزیابی کرده و به آن‌ها امتیازی بر اساس میزان تطابق با معیارهای مورد نظر می‌دهند. این امتیازدهی بر اساس ترکیبی از دقت محتوا، قابل فهم بودن، و معیارهای مرتبط دیگر انجام می‌شود.
• دسته‌بندی و انتخاب نهایی: ویدئوهای دارای بالاترین امتیاز، برای بازبینی نهایی توسط متخصصان انتخاب می‌شوند. این سیستم به گونه‌ای طراحی شده است که حجم کاری متخصصان را به شدت کاهش داده و آن‌ها را قادر می‌سازد تا بر روی باکیفیت‌ترین محتوا تمرکز کنند.

این رویکرد ترکیبی، تضمین می‌کند که هم دقت علمی و هم قابلیت درک برای مخاطب عام مد نظر قرار گرفته است. استفاده از یادگیری ماشین، این فرآیند را مقیاس‌پذیر می‌کند، به این معنی که می‌تواند حجم زیادی از ویدئوها را در زمان کوتاهی پردازش کند و همچنین تکرارپذیر است، یعنی نتایج آن در دفعات اجرای مشابه، قابل پیش‌بینی خواهد بود.

۵. یافته‌های کلیدی

تحقیقات و توسعه این فرآیند، به یافته‌های مهمی منجر شده است که مسیر را برای استفاده مؤثرتر از یوتیوب در ارتقاء سواد سلامت هموار می‌سازد:

• قابلیت تشخیص ویدئوهای معتبر: نتایج نشان داد که مدل‌های یادگیری ماشین، قادر به شناسایی الگوهایی در متن و متا‌دیتای ویدئوها هستند که با منابع معتبر سلامت همبستگی دارند. به عنوان مثال، ویدئوهایی که به منابع علمی ارجاع می‌دهند یا توسط سازمان‌های بهداشتی شناخته شده منتشر شده‌اند، امتیاز بالاتری دریافت می‌کنند.
• اهمیت قابل فهم بودن زبان: یافته‌ها تأکید دارند که صرفاً علمی بودن محتوا کافی نیست؛ بلکه نحوه انتقال آن نیز حیاتی است. الگوریتم‌ها توانستند ویدئوهایی را که از زبان پیچیده پزشکی پرهیز کرده و مفاهیم را به زبان ساده توضیح می‌دهند، شناسایی کنند. این امر برای عموم مردم که تخصص پزشکی ندارند، بسیار مهم است.
• ارتباط بین شاخص‌های ویدئو و کیفیت: معیارهایی مانند مدت زمان ویدئو، استفاده از جلوه‌های بصری، کیفیت صدا و تصویر، و ساختار منطقی ارائه مطالب، به طور غیرمستقیم با کیفیت کلی و قابلیت فهم ویدئو مرتبط هستند. سیستم توسعه‌یافته قادر به در نظر گرفتن این عوامل نیز می‌باشد.
• کاهش بار کاری متخصصان: مهمترین دستاورد عملی، توانایی این سیستم در فیلتر کردن حجم عظیمی از ویدئوها و ارائه لیستی کوتاه و باکیفیت به متخصصان است. این امر زمان و تلاش مورد نیاز برای بررسی دستی را به طور قابل توجهی کاهش می‌دهد.
• تعمیم‌پذیری روش: روش‌شناسی این تحقیق نشان داده است که قابلیت تعمیم بالایی دارد. اصول این فرآیند می‌تواند برای انتخاب ویدئوهای آموزشی در مورد سایر بیماری‌ها، واکسیناسیون، سلامت روان، و سایر حوزه‌های بهداشت عمومی مورد استفاده قرار گیرد.

به طور مثال، در هنگام تحلیل ویدئوهای مربوط به کووید-۱۹، سیستم ممکن است ویدئوهایی را که در آن‌ها پزشکان یا دانشمندان برجسته صحبت می‌کنند، به همراه زیرنویس‌های دقیق و ارجاع به مقالات معتبر، با امتیاز بالا شناسایی کند. در مقابل، ویدئوهایی که ادعاهای اثبات نشده مطرح می‌کنند یا از زبان غیرعلمی و هیجانی استفاده می‌نمایند، به راحتی شناسایی و فیلتر می‌شوند.

۶. کاربردها و دستاوردها

این مطالعه پیامدهای قابل توجهی برای حوزه سلامت عمومی، آموزش، و رسانه‌های اجتماعی دارد:

• ارتقاء سواد سلامت جامعه: مهمترین دستاورد، فراهم کردن ابزاری برای شناسایی و انتشار اطلاعات سلامت دقیق و قابل فهم در مورد کووید-۱۹ و سایر مسائل بهداشتی است. این امر به مردم کمک می‌کند تا تصمیمات آگاهانه‌تری در مورد سلامتی خود و خانواده‌شان بگیرند.
• کمک به سازمان‌های بهداشتی: سازمان‌های بهداشت عمومی و مراکز درمانی می‌توانند از این سیستم برای یافتن و توصیه منابع آموزشی معتبر برای بیماران و عموم مردم استفاده کنند. این امر به ویژه در مواقع بحران سلامت، مانند همه‌گیری‌ها، بسیار ارزشمند است.
• بهبود آموزش آنلاین سلامت: موسسات آموزشی و پلتفرم‌های آموزش آنلاین می‌توانند با استفاده از این فناوری، محتوای ویدئویی با کیفیت و مرتبط را برای دوره‌های آموزشی خود انتخاب کنند.
• مبارزه با اطلاعات نادرست (Misinformation): با شناسایی و اولویت‌بندی منابع معتبر، این سیستم می‌تواند به طور غیرمستقیم به مقابله با انتشار اطلاعات نادرست و شایعات در مورد مسائل بهداشتی کمک کند.
• ایجاد یک چارچوب قابل تعمیم: این تحقیق نه تنها برای کووید-۱۹، بلکه به عنوان یک چارچوب قابل تعمیم برای مدیریت اطلاعات سلامت در هر حوزه دیگری قابل استفاده است. این امر می‌تواند انقلابی در نحوه دسترسی و استفاده از اطلاعات سلامت در عصر دیجیتال ایجاد کند.
• کارایی و صرفه‌جویی در منابع: اتوماسیون فرآیند انتخاب، باعث صرفه‌جویی قابل توجهی در زمان و منابع انسانی می‌شود که می‌توانند به جای فیلتر کردن دستی، صرف پژوهش و توسعه استراتژی‌های سلامت شوند.

به عنوان یک مثال عملی، تصور کنید وزارت بهداشت بتواند با استفاده از این سیستم، لیستی از ۱۰ ویدئوی برتر در مورد نحوه پیشگیری از انتقال ویروس کرونا را که توسط پزشکان معتبر و به زبانی ساده تهیه شده‌اند، شناسایی و در وب‌سایت خود منتشر کند. این امر دسترسی شهروندان به اطلاعات حیاتی را تسهیل کرده و تأثیرگذاری پیام‌های بهداشتی را افزایش می‌دهد.

۷. نتیجه‌گیری

مقاله “یوتیوب و سواد سلامت عمومی: فرآیند یادگیری ماشین برای انتخاب ویدئوهای کووید-۱۹” گامی مهم در جهت بهره‌برداری از پتانسیل عظیم پلتفرم‌های آنلاین برای ارتقاء سلامت عمومی برمی‌دارد. این پژوهش نشان می‌دهد که با ترکیب هوشمندانه دانش تخصصی انسان و تکنیک‌های پیشرفته یادگیری ماشین و پردازش زبان طبیعی، می‌توانیم بر چالش‌های مربوط به حجم بالای اطلاعات و اطمینان از دقت و قابلیت فهم آن‌ها غلبه کنیم.

توسعه یک سیستم خودکار و مقیاس‌پذیر برای شناسایی و انتخاب ویدئوهای سلامت، نه تنها برای مدیریت بحران‌های بهداشتی کنونی مانند کووید-۱۹، بلکه برای ایجاد زیرساختی پایدار برای آموزش سلامت در آینده نیز حیاتی است. این رویکرد، مسیر را برای افزایش سواد سلامت عمومی، مبارزه با اطلاعات نادرست، و توانمندسازی افراد برای اتخاذ تصمیمات آگاهانه در مورد سلامت خود هموار می‌سازد. نویسندگان با موفقیت نشان داده‌اند که یوتیوب، با وجود نگرانی‌های بالقوه، می‌تواند به ابزاری قدرتمند در جعبه ابزار سلامت عمومی تبدیل شود، به شرطی که از فناوری‌های مناسب برای مدیریت و اعتبارسنجی محتوای آن استفاده کنیم. قابلیت تعمیم این روش، افق‌های جدیدی را برای استفاده از فناوری در خدمت سلامت در سطح جهانی می‌گشاید.