Cr\u00e9dito: CC0 Public Domain <\/p>\n
Las personas en diferentes \u00e1reas de los Estados Unidos reaccionaron de manera diferente a la amenaza del COVID-19. Algunos impusieron restricciones estrictas, cerrando la mayor\u00eda de los negocios considerados no esenciales; otros permanecieron parcialmente abiertos. <\/p>\n
Tales distinciones regionales son relativamente f\u00e1ciles de cuantificar, y sus efectos generalmente son comprensibles a trav\u00e9s de la lente de la salud econ\u00f3mica. Lo que es m\u00e1s dif\u00edcil de comprender es la satisfacci\u00f3n emocional y la felicidad espec\u00edficas de cada lugar, una noci\u00f3n en la que el Proyecto de Bienestar Mundial de Penn ha estado trabajando durante m\u00e1s de cinco a\u00f1os. <\/p>\n
En 2017, el grupo public\u00f3 el Mapa WWBP, una herramienta interactiva gratuita que muestra las caracter\u00edsticas del bienestar por condado seg\u00fan los datos del Censo y miles de millones de tuits. Recientemente, WWBP se asoci\u00f3 con el Centro de Salud Digital de Penn Medicine para crear un mapa COVID, que revela en tiempo real c\u00f3mo las personas en todo el pa\u00eds perciben COVID-19 y c\u00f3mo est\u00e1 afectando su salud mental. <\/p>\n
Ese mapa coincide totalmente con un art\u00edculo publicado esta semana en Proceedings of the National Academy of Sciences por el cient\u00edfico inform\u00e1tico 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. <\/p>\n
Al analizar 1500 millones de tuits y controlar palabras comunes como \u00abamor\u00bb o \u00abbien\u00bb, 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 pod\u00edan discernir el bienestar subjetivo a nivel de condado. \u00abTenemos una larga historia de recopilar el lenguaje de las personas y preguntarles a las personas que est\u00e1n m\u00e1s felices o m\u00e1s tristes qu\u00e9 palabras usan en Facebook y en Twitter\u00bb, dice Ungar. \u00abEsos son en su mayor\u00eda modelos a nivel individual. Aqu\u00ed, estamos viendo modelos a nivel comunitario\u00bb. <\/p>\n
En una conversaci\u00f3n con Penn Today, Ungar describe el \u00faltimo trabajo, adem\u00e1s de c\u00f3mo es \u00fatil en tiempos de COVID-19 y distanciamiento social. <\/p>\n
\u00bfQu\u00e9 motiv\u00f3 la investigaci\u00f3n m\u00e1s reciente? <\/p>\n
Nuestro objetivo era comprender el desempe\u00f1o de las diferentes regiones mes a mes, por ejemplo, por condado de EE. UU. Empresas como Gallup hacen algunas encuestas. Preguntan qu\u00e9 tan satisfecho est\u00e1 con su vida y qu\u00e9 tan estresado est\u00e1, pero no encuestan a suficientes personas para saber, digamos, c\u00f3mo 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 encantar\u00eda tener una resoluci\u00f3n espacial y temporal m\u00e1s detallada. <\/p>\n
Sin embargo, hacerle estas preguntas a un grupo de personas es muy costoso. Probablemente la mejor manera de obtener esta informaci\u00f3n es monitorear las palabras que la gente produce. Una buena fuente p\u00fablica de esas palabras es Twitter, as\u00ed que nosotros, como muchos investigadores, hemos estado recopilando miles de millones de tweets y buscando palabras. <\/p>\n
Cuando dices ‘palabra’, \u00bfa qu\u00e9 te refieres? <\/p>\n
Todo es una palabra. Un emotic\u00f3n es una palabra. <\/p>\n
Vale, extraes cada palabra de m\u00e1s de 1500 millones de tuits. \u00bfY que? <\/p>\n
Tratamos de averiguar de d\u00f3nde vinieron, de qu\u00e9 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 informaci\u00f3n de su encuesta, y tomamos el promedio de varios a\u00f1os de respuestas a las preguntas que han hecho. Para los condados m\u00e1s poblados, tenemos tanto las palabras que la gente us\u00f3 como el promedio de satisfacci\u00f3n con la vida informado, y luego es bastante simple. Vemos qu\u00e9 palabras se correlacionan. \u00bfCu\u00e1les se usan m\u00e1s en los condados m\u00e1s felices? \u00bfCu\u00e1les se usan menos en los condados m\u00e1s felices?<\/p>\n
\u00bfQu\u00e9 le indic\u00f3 el an\u00e1lisis de las palabras en esos tweets sobre cu\u00e1n satisfechas est\u00e1n las personas? <\/p>\n
Uno pensar\u00eda que los lugares que tuitean m\u00e1s palabras como ‘feliz’, ‘amor’ y ‘emocionado’ ser\u00edan m\u00e1s felices y que los lugares que tuitean m\u00e1s palabras como ‘deprimido’, ‘miserable’, ‘infeliz’ ,’ y ‘triste’ ser\u00eda menos feliz. Descubrimos que era as\u00ed en su mayor\u00eda, pero no del todo. <\/p>\n
Los pa\u00edses que hablan m\u00e1s 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 sensaci\u00f3n que podr\u00edas pensar que transmitir\u00edan. <\/p>\n
\u00bfC\u00f3mo encaja esto en el trabajo general que ha realizado en esta \u00e1rea? \u00bfQu\u00e9 lo diferencia? <\/p>\n
Hemos estado tratando de entender c\u00f3mo podemos usar el lenguaje en las redes sociales para identificar a las personas que est\u00e1n m\u00e1s o menos estresadas, solas, emp\u00e1ticas 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 an\u00e1lisis diferente. Lo que estamos tratando de hacer en este trabajo es comprender mejor c\u00f3mo podemos predecir para esta comunidad qu\u00e9 tan estresados est\u00e1n este mes en comparaci\u00f3n con el mes pasado. <\/p>\n
Parece que este trabajo podr\u00eda tener implicaciones para la situaci\u00f3n en la que nos encontramos con el COVID-19 y el distanciamiento social. \u00bfPuedes hablar de eso? <\/p>\n
Recopilamos tweets todos los d\u00edas y podemos monitorear c\u00f3mo les est\u00e1 yendo a las diferentes partes de los EE. UU. a lo largo del tiempo usando los modelos que desarrollamos. \u00bfC\u00f3mo est\u00e1n cambiando las diferentes regiones de los EE. UU.? Tambi\u00e9n extraemos tweets que mencionan t\u00e9rminos relacionados con COVID. A medida que COVID pasa por los EE. UU., la gente parece estar discutiendo diferentes s\u00edntomas de la enfermedad en diferentes momentos, teniendo diferentes argumentos sobre las m\u00e1scaras. Estos datos tambi\u00e9n nos muestran c\u00f3mo est\u00e1n cambiando los niveles de estr\u00e9s. No es sorprendente que las personas est\u00e9n, en promedio, mucho m\u00e1s estresadas y ansiosas. <\/p>\n
Reci\u00e9n presentamos un art\u00edculo que encuentra que para la persona promedio en uno de nuestros estudios, la disminuci\u00f3n general de la felicidad es comparable a pasar de un d\u00eda de fin de semana a un d\u00eda de semana. En general, los s\u00e1bados son d\u00edas felices en Estados Unidos. Los lunes y martes, la gente no est\u00e1 tan contenta. Cada d\u00eda es ahora como un d\u00eda de semana. Si pierde su trabajo, es, por supuesto, mucho peor.<\/p>\n
El mapa de Twitter de Penn COVID-19 se lanz\u00f3 recientemente. \u00bfQue muestra? <\/p>\n
Le permite ver estado por estado lo que dice la gente sobre el COVID, as\u00ed como algunas medidas de cu\u00e1n estresadas y ansiosas est\u00e1n las personas. Es una versi\u00f3n concreta de ‘Haga clic en esta p\u00e1gina, busque este estado’ y vea qu\u00e9 tan estresados o ansiosos est\u00e1n, seg\u00fan lo estimado por su idioma de Twitter. Estas t\u00e9cnicas son particularmente importantes en estos tiempos de cambios r\u00e1pidos. La salud mental de los Estados Unidos est\u00e1 cambiando muy r\u00e1pidamente, y estos m\u00e9todos son actualmente nuestra mejor manera de lograr cambios r\u00e1pidos en el estr\u00e9s, la ansiedad y la depresi\u00f3n en los EE. UU. <\/p>\n
Explore m\u00e1s<\/p>\n
Las redes sociales pueden brindar informaci\u00f3n sobre el pozo -siendo de una comunidad, el erudito encuentra M\u00e1s informaci\u00f3n:<\/strong> Kokil Jaidka et al. Estimaci\u00f3n del bienestar subjetivo geogr\u00e1fico de Twitter: una comparaci\u00f3n de m\u00e9todos de lenguaje basados en datos y diccionarios, Actas de la Academia Nacional de Ciencias (2020). DOI: 10.1073\/pnas.1906364117 Informaci\u00f3n de la revista:<\/strong> Procedimientos de la Academia Nacional de Ciencias <\/p>\n Proporcionado por la Universidad de Pensilvania Cita<\/strong>: El lenguaje en los tweets ofrece informaci\u00f3n 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 est\u00e1 sujeto a derechos de autor . Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Las personas en diferentes \u00e1reas de los Estados Unidos reaccionaron de manera diferente a la amenaza del COVID-19. Algunos impusieron restricciones estrictas, cerrando la mayor\u00eda de los negocios considerados no esenciales; otros permanecieron parcialmente abiertos. Tales distinciones regionales son relativamente f\u00e1ciles de cuantificar, y sus efectos generalmente son comprensibles a trav\u00e9s … Continuar leyendo \u00abEl lenguaje en los tuits ofrece informaci\u00f3n sobre el bienestar a nivel de la comunidad\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-28122","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28122","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=28122"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28122\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=28122"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=28122"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=28122"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}