在社会隔离期间，推特如何帮助告知有关精神和情感健康的公共政策
虽然COVID-19大流行对情绪的长期影响尚未完全了解，但社交媒体正在为那些处于社会隔离状态的人的感受以及这可能如何影响情绪健康提供有用的见解。洞察有可能有助于为公共卫生政策制定和早期干预提供信息，以支持心理和情感健康。
Dalhousie的一项新研究使用人工智能(AI)来分析全球数百万条推文所表达的公众情绪，并确定可能对这一领域产生重大影响的趋势。
这个跨学科的团队汇集了来自计算机科学和社区健康与流行病学的研究人员，希望他们的新发现和方法可以用于公共利益，特别是在决策者发现自己处于未知领域的时候。
# stayathome
这种前所未有的大流行促使团队通过社交媒体观察实时公众舆论，而不是更传统的调查方法，分析了100多万条推文，并使用#待在家里#标签，以深入了解那些在14天隔离期的人是如何在情感上应对的。
“对大多数人来说，社会隔离奇怪的是，在这一时期发生的事情是，个人试图与外部世界联系，与他人联系，使用社交媒体．许多人在封锁和社会隔离期间通过这些平台表达自己的情绪和反应，”加拿大说服技术研究主席、计算机科学学院副教授丽塔·奥尔吉(Rita Orji，图左)说。“没有人真正了解新政策在这段时间的影响。这是一个重要的项目，因为它实际上阐明了这些政策的影响，以及它们是如何改善或损害人们的健康的。这是主要的动力。”
社区卫生和流行病学系副教授Swarna Weerasinghe回应了这类研究可能产生的独特影响。
Weerasinghe博士解释说:“这种方法的特别之处在于，我们可以捕捉到推特上自然流淌的情感，捕捉到这一点对公共卫生决策非常重要。”“在我的研究领域，我们必须与计算机科学家合作，扩大我们的知识，造福人类。”
深度学习
博士生Hamed Jelodar与Orji博士和加拿大研究主席兼大数据分析研究所所长Stan Matwin(图右)合作开发的深度学习模型，使团队能够将#呆在家里#等推文分类为各种情感类别，并从中确定趋势。
“从本质上讲，我们收集推文，然后使用的基本工具是加拿大国家研究委员会的资源，基本上是一本字典，它将单词和单词序列的组合与特定类型的情感相匹配，”Matwin博士说。然后我们用深度学习去了解是什么造就了一种特殊的情感。”
Orji博士补充道:“该量表将情绪分为不同的类别，比如期待、愤怒和快乐。”“系统会根据这些信息对推文进行评级和分类。所以，结合特定时间的推文，你开始看到一些趋势。例如，在隔离期的这个时候，大多数人都很焦虑。在此基础上，你开始看到人们在特定时间的平均感受，我们可以将其与当前世界正在发生的事情联系起来。”
识别全球趋势
该团队希望利用这些趋势来帮助为公共政策和干预措施提供信息，从而在COVID-19大流行等重大全球事件期间支持情绪健康。
“当我们查看数据时，消极情绪和积极情绪有一个明确的分类，”韦拉辛哈博士说(如图左)。“我们发现，在隔离期间，愤怒是增长趋势最高的，随着时间的推移，人们变得越来越愤怒。我们看到这反映在媒体纠察等。这是公共卫生决策者应该非常重视的问题。你的愤怒从何而来?为什么人们要出去暴动?这是因为负面情绪的增加。”
Matwin博士补充道:“通过机器学习，我们可以预测人们今天的情绪状况以及一周后的情绪状况。这对公共卫生专家在制定政策和确定在这种情况下帮助人们的策略时可能是非常有用的信息。”
将研究应用到其他领域
Orji博士强调，这只是研究的开始，可以进一步发展，并应用到许多其他领域。
“我们关注的是全球的反应，而不是某个特定的领域。也许在下一轮研究中，我们会缩小范围。世界各地的政策出台时间不同，规则不同，人们的反应也不同。把它分解开来，在不同的国家进行不同的处理，这是很好的。
我们在这里使用的方法实际上可以应用到其他领域。如果我们适应它，世界上还有许多其他事件正在发生，人们正在公开做出反应，比如政治事件。这种方法还有其他用途健康以及超越COVID-19。”
进一步探索
