Universitat Oberta de Catalunya

Investigadores de la UOC han desarrollado un algoritmo capaz de distinguir necesidades básicas de los usuarios con el texto y las imágenes compartidas en redes sociales.

La investigación apunta que los usuarios hispanohablantes son más propensos a mencionar problemas con sus relaciones cuando se sienten deprimidos que los angloparlantes.

Invertimos una parte importante de nuestro tiempo compartiendo imágenes, vídeos o pensamientos en redes sociales como Instagram, Facebook y Twitter. Ahora, un grupo de investigadores de la Universitat Oberta de Catalunya (UOC), ha entrenado un algoritmo que busca ayudar a los psicólogos a diagnosticar posibles problemas mentales a través de lo que publicamos en estas plataformas. Según la Teoría de la elección de William Glasser, hay cinco necesidades básicas que están en los cimientos de todo comportamiento humano: supervivencia, poder, libertad, pertenencia y diversión. Estas necesidades influyen incluso en qué imagen elegimos para subir a nuestro perfil de Instagram.

“Cómo nos mostramos en redes sociales puede proporcionar información útil sobre comportamientos, personalidades, perspectivas, motivos y necesidades”, apunta Mohammad Mahdi Dehshibi, quien ha liderado esta investigación en el grupo AI for Human Well-being (AIWELL), de los Estudios de Informática, Multimedia y Telecomunicación de la UOC.

El equipo investigador ha trabajado durante dos años en un modelo de aprendizaje profundo que identifica las cinco necesidades descritas por Glasser, utilizando datos multimodales como imágenes, texto, biografía o geolocalización. Para el estudio, publicado en la revista IEEE Transactions on Affective Computing, analizaron 86 perfiles de Instagram, publicados en español y en persa. Apoyándose en redes neuronales y bases de datos, los expertos entrenaron un algoritmo para que identificara el contenido de las imágenes, y clasificara el contenido textual, asignándoles distintas etiquetas propuestas por psicólogos, que compararon los resultados con una base de datos de más de 30.000 imágenes, leyendas y comentarios.

El problema de homogeneizar las etiquetas obtenidas de texto e imagen lo resolvieron con un libro de códigos, Bag-of-Content, que definen como “mapa semántico del terreno visual al textual”. Según explican, “los experimentos muestran una precisión prometedora e información complementaria entre señales visuales y textuales”.

Los hispanoblantes mencionan más sus problemas

¿Cada elección que hacemos responde solo a una necesidad básica? La teoría de Glasser dice que no, y para despejar esta duda es útil el enfoque multi-etiqueta de esta investigación. Dehshibi, quien es investigador del imBody reasearch laboratory de la Universidad Carlos III de Madrid y del Unconventional Computing Laboratory de la Universidad del Oeste de Inglaterra Bristol, lo explica con un ejemplo: “Imagina que un ciclista sube a la montaña, y en la cima, puede elegir entre compartir un selfie, o una imagen de grupo. Si elige el selfie, percibimos la necesidad de ‘poder’, pero si elige la otra, podemos concluir que, además de la ‘diversión’, la persona busca la manera de satisfacer su necesidad de ‘pertenencia’”.

Además, que los perfiles analizados pertenecen a personas que se comunican en dos idiomas distintos permite evitar sesgos culturales. Investigaciones anteriores habían concluido, por ejemplo, que los usuarios hispanohablantes son más propensos a mencionar problemas con sus relaciones cuando se sienten deprimidos que los angloparlantes. “El estudio de los datos de las redes sociales pertenecientes a usuarios que no hablan inglés podría ayudar a construir herramientas y modelos inclusivos y diversos para abordar los problemas de salud mental en personas con diversos antecedentes culturales o lingüísticos”, escriben.

Los autores creen que su investigación puede ayudar a mejorar las medidas preventivas, desde la identificación hasta la mejora de los tratamientos cuando se ha diagnosticado a una persona con un trastorno mental.