Prédire la solitude grâce aux empreintes numériques en ligne

Prédire la solitude grâce aux empreintes numériques en ligne

Accueil » Psychologie » Troubles mentaux » Adulte » Prédire la solitude grâce aux empreintes numériques en ligne

Les données des utilisateurs de Google, YouTube et d'autres plateformes en ligne peuvent être utilisées pour prédire, prévenir et même atténuer la solitude, réduisant ainsi potentiellement le risque de suicide pour les personnes à risque, selon une étude de Rutgers.

“L'anxiété et la solitude sont généralement diagnostiquées dans un cabinet médical”, a déclaré Vivek K. Singh, directeur du laboratoire d'informatique comportementale de la Rutgers School of Communication and Information et auteur correspondant de l'étude publiée dans la revue. Électronique.

“Nous voulions voir si les données collectées passivement, par les sites Web que les gens visitent ou par les termes de recherche qu'ils utilisent, pouvaient être analysées par apprentissage automatique pour être cliniquement utiles”, a déclaré Singh. “L'objectif était de voir s'il existe des liens clairs entre les traces numériques et les indicateurs de bien-être.”

Alors que la solitude atteint des niveaux « épidémiques » aux États-Unis, des efforts sont en cours pour développer des méthodes automatisées ou peu coûteuses pour soutenir les personnes en détresse psychosociale. Singh a déclaré qu'une meilleure utilisation de notre historique de navigation en ligne pourrait aider.

Pour déterminer si l'apprentissage automatique peut prédire avec précision la solitude, Singh et ses collègues de l'École de communication et d'information de Rutgers (Eiman Ahmed, Liyang Xue, Haein Kong et Arcadio Matos), du Département d'informatique (Aniket Sanap) et de l'École de santé publique (Vincent Silenzio) a recruté 92 volontaires dans le cadre de la Rutgers Wellness Study, une enquête de 10 semaines sur les comportements en ligne et la santé mentale des utilisateurs au début de 2021, une période d'isolement prolongé lié au COVID-19.

Chaque participant a accepté de partager les métadonnées collectées par Google et YouTube lors de recherches, de visites de sites Web et d'autres activités en ligne.

Avec des versions anonymisées de ces « données de trace numérique », les chercheurs ont créé des modèles informatiques conçus pour identifier les comportements en ligne associés à des niveaux cliniques de solitude. Ils ont également mené des enquêtes sur la santé mentale auprès des participants chaque semaine ainsi qu'au début, au milieu et à la fin de l'étude.

Les modèles d’apprentissage automatique ont ensuite été orientés pour prédire les niveaux de solitude en fonction de l’utilisation en ligne. Les activités ont été analysées par catégorie, comme « sports », « musique » et « éducation », ainsi que par agrégats (« nombre hebdomadaire de sessions YouTube », « nombre hebdomadaire de recherches Google »).

Les prédictions produites par les modèles ont ensuite été comparées aux informations fournies par les participants lors d'enquêtes sur la santé mentale.

Les résultats étaient très prometteurs, a déclaré Singh. Non seulement les modèles étaient efficaces pour mesurer la solitude, a-t-il déclaré, mais ils mettaient en lumière quelles plates-formes étaient de meilleurs prédicteurs. Par exemple, les participants « solitaires » ont davantage utilisé la recherche Google que les participants « pas seuls », et les participants « pas seuls » ont utilisé YouTube davantage que les participants « solitaires ».

Ces types d’algorithmes présentent des inconvénients potentiels et, entre de mauvaises mains, la technologie de collecte de données peut être utilisée à mauvais escient, a déclaré Singh. Mais il a ajouté que les outils créés pour cette étude, qu'il espère développer davantage, accordent la plus haute importance à la sécurité des données.

Les identifiants personnels de toutes les données, tels que le nom, l'adresse et les numéros de téléphone, ont été supprimés des données avant analyse. Le consentement éclairé et l'examen institutionnel faisaient partie de la conception de l'étude, et des outils conformes à la HIPAA (une loi sur la confidentialité en matière de santé) ont été utilisés pour le stockage et l'analyse des données.

“Avec des améliorations, nous pensons que l'approche proposée pourrait contribuer à la création de tableaux de bord numériques sur la santé des individus, dans lesquels leurs données, combinées à des modèles exécutés sur leurs ordinateurs (par exemple, en tant que plug-ins Web), pourraient être utilisées pour trier la santé et fournir un soutien et des conseils via la sensibilisation. matériel ou références”, ont écrit les chercheurs.

“Avec l'intelligence artificielle et l'apprentissage automatique, nous devons équilibrer les opportunités et les risques. Je dirais que prévenir les suicides et identifier la solitude sont des responsabilités que nous ne pouvons pas ignorer”, a déclaré Singh.

« Les services de santé mentale dans de nombreuses communautés sont très limités ; ils le sont encore plus si l'on considère des éléments comme l'assurance, la stigmatisation et les temps d'attente. Les avantages de ce type de technologie sont, je dirais, bien plus importants que les inconvénients, et Les outils destinés au public soutenant la santé mentale sont un besoin essentiel de l’heure. »

★★★★★

A lire également