El lenguaje en los tuits ofrece información sobre el bienestar a nivel de la comunidad

Crédito: CC0 Public Domain

Las personas en diferentes áreas de los Estados Unidos reaccionaron de manera diferente a la amenaza del COVID-19. Algunos impusieron restricciones estrictas, cerrando la mayoría de los negocios considerados no esenciales; otros permanecieron parcialmente abiertos.

Tales distinciones regionales son relativamente fáciles de cuantificar, y sus efectos generalmente son comprensibles a través de la lente de la salud económica. Lo que es más difícil de comprender es la satisfacción emocional y la felicidad específicas de cada lugar, una noción en la que el Proyecto de Bienestar Mundial de Penn ha estado trabajando durante más de cinco años.

En 2017, el grupo publicó el Mapa WWBP, una herramienta interactiva gratuita que muestra las características del bienestar por condado según los datos del Censo y miles de millones de tuits. Recientemente, WWBP se asoció con el Centro de Salud Digital de Penn Medicine para crear un mapa COVID, que revela en tiempo real cómo las personas en todo el país perciben COVID-19 y cómo está afectando su salud mental.

Ese mapa coincide totalmente con un artículo publicado esta semana en Proceedings of the National Academy of Sciences por el científico informático Lyle Ungar, uno de los investigadores principales del Proyecto de Bienestar Mundial, y colegas de la Universidad de Stanford, la Universidad de Stony Brook, la Universidad Nacional de Singapur y la Universidad de Melbourne.

Al analizar 1500 millones de tuits y controlar palabras comunes como «amor» o «bien», que con frecuencia se usan para connotar un aspecto que falta en la vida de alguien en lugar de una parte que se cumple, los investigadores descubrieron que podían discernir el bienestar subjetivo a nivel de condado. «Tenemos una larga historia de recopilar el lenguaje de las personas y preguntarles a las personas que están más felices o más tristes qué palabras usan en Facebook y en Twitter», dice Ungar. «Esos son en su mayoría modelos a nivel individual. Aquí, estamos viendo modelos a nivel comunitario».

En una conversación con Penn Today, Ungar describe el último trabajo, además de cómo es útil en tiempos de COVID-19 y distanciamiento social.

¿Qué motivó la investigación más reciente?

Nuestro objetivo era comprender el desempeño de las diferentes regiones mes a mes, por ejemplo, por condado de EE. UU. Empresas como Gallup hacen algunas encuestas. Preguntan qué tan satisfecho está con su vida y qué tan estresado está, pero no encuestan a suficientes personas para saber, digamos, cómo les va a las personas en el condado de Santa Clara este mes. Particularmente en la era actual, donde las cosas son diferentes este mes del pasado, nos encantaría tener una resolución espacial y temporal más detallada.

Sin embargo, hacerle estas preguntas a un grupo de personas es muy costoso. Probablemente la mejor manera de obtener esta información es monitorear las palabras que la gente produce. Una buena fuente pública de esas palabras es Twitter, así que nosotros, como muchos investigadores, hemos estado recopilando miles de millones de tweets y buscando palabras.

Cuando dices ‘palabra’, ¿a qué te refieres?

Todo es una palabra. Un emoticón es una palabra.

Vale, extraes cada palabra de más de 1500 millones de tuits. ¿Y que?

Tratamos de averiguar de dónde vinieron, de qué condado de EE. UU. vinieron, lo que podemos hacer para tal vez una cuarta parte de ellos mirando los perfiles. Luego vamos a Gallup, que amablemente ha compartido con nosotros la información de su encuesta, y tomamos el promedio de varios años de respuestas a las preguntas que han hecho. Para los condados más poblados, tenemos tanto las palabras que la gente usó como el promedio de satisfacción con la vida informado, y luego es bastante simple. Vemos qué palabras se correlacionan. ¿Cuáles se usan más en los condados más felices? ¿Cuáles se usan menos en los condados más felices?

¿Qué le indicó el análisis de las palabras en esos tweets sobre cuán satisfechas están las personas?

Uno pensaría que los lugares que tuitean más palabras como ‘feliz’, ‘amor’ y ‘emocionado’ serían más felices y que los lugares que tuitean más palabras como ‘deprimido’, ‘miserable’, ‘infeliz’ ,’ y ‘triste’ sería menos feliz. Descubrimos que era así en su mayoría, pero no del todo.

Los países que hablan más sobre el ‘amor’ son, en promedio, menos felices, menos satisfechos con la vida que los que tuitean menos al respecto, aunque sabemos que hay muchas cosas buenas sobre el amor. Sin embargo, usar la palabra ‘amor’ no es, en promedio, indicativo de felicidad. Eso es cierto para otras palabras comunes como ‘LOL’, ‘bueno’ y ‘respeto’, que crees que son positivas pero que pueden usarse negativamente, como en el caso de ‘No tengo respeto’. Las palabras que son positivas o negativas no transmiten necesariamente la sensación que podrías pensar que transmitirían.

¿Cómo encaja esto en el trabajo general que ha realizado en esta área? ¿Qué lo diferencia?

Hemos estado tratando de entender cómo podemos usar el lenguaje en las redes sociales para identificar a las personas que están más o menos estresadas, solas, empáticas o deprimidas. Muchos modelos fueron construidos a nivel individual. Pero no siempre es el caso que los modelos a nivel individual se generalicen perfectamente a las comunidades. Las comunidades requieren un análisis diferente. Lo que estamos tratando de hacer en este trabajo es comprender mejor cómo podemos predecir para esta comunidad qué tan estresados están este mes en comparación con el mes pasado.

Parece que este trabajo podría tener implicaciones para la situación en la que nos encontramos con el COVID-19 y el distanciamiento social. ¿Puedes hablar de eso?

Recopilamos tweets todos los días y podemos monitorear cómo les está yendo a las diferentes partes de los EE. UU. a lo largo del tiempo usando los modelos que desarrollamos. ¿Cómo están cambiando las diferentes regiones de los EE. UU.? También extraemos tweets que mencionan términos relacionados con COVID. A medida que COVID pasa por los EE. UU., la gente parece estar discutiendo diferentes síntomas de la enfermedad en diferentes momentos, teniendo diferentes argumentos sobre las máscaras. Estos datos también nos muestran cómo están cambiando los niveles de estrés. No es sorprendente que las personas estén, en promedio, mucho más estresadas y ansiosas.

Recién presentamos un artículo que encuentra que para la persona promedio en uno de nuestros estudios, la disminución general de la felicidad es comparable a pasar de un día de fin de semana a un día de semana. En general, los sábados son días felices en Estados Unidos. Los lunes y martes, la gente no está tan contenta. Cada día es ahora como un día de semana. Si pierde su trabajo, es, por supuesto, mucho peor.

El mapa de Twitter de Penn COVID-19 se lanzó recientemente. ¿Que muestra?

Le permite ver estado por estado lo que dice la gente sobre el COVID, así como algunas medidas de cuán estresadas y ansiosas están las personas. Es una versión concreta de ‘Haga clic en esta página, busque este estado’ y vea qué tan estresados o ansiosos están, según lo estimado por su idioma de Twitter. Estas técnicas son particularmente importantes en estos tiempos de cambios rápidos. La salud mental de los Estados Unidos está cambiando muy rápidamente, y estos métodos son actualmente nuestra mejor manera de lograr cambios rápidos en el estrés, la ansiedad y la depresión en los EE. UU.

Explore más

Las redes sociales pueden brindar información sobre el pozo -siendo de una comunidad, el erudito encuentra Más información: Kokil Jaidka et al. Estimación del bienestar subjetivo geográfico de Twitter: una comparación de métodos de lenguaje basados en datos y diccionarios, Actas de la Academia Nacional de Ciencias (2020). DOI: 10.1073/pnas.1906364117 Información de la revista: Procedimientos de la Academia Nacional de Ciencias

Proporcionado por la Universidad de Pensilvania Cita: El lenguaje en los tweets ofrece información sobre la comunidad. level well-being (2020, 1 de mayo) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-05-language-tweets-insight-community-level-well-being.html Este documento está sujeto a derechos de autor . Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.