211service.com
Cómo los mensajes de Facebook de minería de datos pueden revelar adictos a sustancias
Un trastorno por uso de sustancias (SUD) es una condición en la que el uso recurrente de sustancias como el alcohol, las drogas y el tabaco causa un deterioro clínica y funcionalmente significativo en la vida diaria de un individuo. Así comienza Warren Bickel del Addition Recovery Research Center en Roanoke, Virginia, y un par de amigos que estudian esta afección.
El abuso de sustancias es una preocupación seria. Alrededor de uno de cada 10 estadounidenses son enfermos. Es por eso que le cuesta a la economía estadounidense más de $ 700 mil millones al año en pérdida de productividad, crimen y costos de atención médica. Por lo tanto, una mejor manera de identificar a las personas que padecen el trastorno y a las que corren el riesgo de sucumbir a él sería de gran utilidad.
Bickel y compañía dicen que han desarrollado una técnica de este tipo, que les permite detectar a los pacientes con solo mirar sus mensajes en las redes sociales, como las publicaciones de Facebook. La técnica incluso proporciona nuevos conocimientos sobre la forma en que el abuso de diferentes sustancias influye en los mensajes de las personas en las redes sociales.
La nueva técnica proviene del análisis de datos recopilados entre 2007 y 2012 como parte de un proyecto que se ejecutó en Facebook llamado myPersonality. A los usuarios que se registraron se les ofrecieron varias pruebas psicométricas y se les dio retroalimentación sobre sus puntajes. Muchos también acordaron permitir que los datos se utilicen con fines de investigación.
En una de estas pruebas se preguntó a más de 13.000 usuarios con una edad media de 23 años sobre las sustancias que consumían. En particular, preguntó con qué frecuencia consumían tabaco, alcohol u otras drogas, y evaluó el nivel de consumo de cada participante. Luego, los usuarios se dividieron en grupos de acuerdo con su nivel de abuso de sustancias.
Este conjunto de datos es importante porque actúa como una especie de verdad sobre el terreno, registrando el nivel exacto de consumo de sustancias de cada persona.
A continuación, el equipo reunió otros dos conjuntos de datos relacionados con Facebook. El primero fue 22 millones de actualizaciones de estado publicadas por más de 150.000 usuarios de Facebook. El otro era aún más grande: los datos similares asociados con 11 millones de usuarios de Facebook.
Finalmente, el equipo descubrió cómo se superponían estos conjuntos de datos. Encontraron casi 1,000 usuarios que estaban en todos los conjuntos de datos, poco más de 1,000 que estaban en los conjuntos de datos de actualización de estado y abuso de sustancias, y 3,500 que estaban en los conjuntos de datos de abuso de sustancias y me gusta.
Estos usuarios con conjuntos de datos superpuestos brindan opciones ricas para los mineros de datos. Si las personas con trastornos por uso de sustancias tienen ciertos patrones únicos de comportamiento, es posible detectarlos en sus actualizaciones de estado de Facebook o en sus patrones de Me gusta.
Entonces, Bickel y compañía se pusieron a trabajar primero mediante la extracción de texto de la mayoría de las actualizaciones de estado de Facebook y luego la extracción de datos de la mayoría del conjunto de datos de Me gusta. Luego, probaron cualquier patrón que encontraron buscando personas con patrones similares en los datos restantes y viendo si también tenían el mismo nivel de consumo de sustancias.
Los resultados hacen una lectura interesante. El equipo dice que su técnica fue un gran éxito. Nuestros mejores modelos lograron un 86 % para predecir el consumo de tabaco, un 81 % para el consumo de alcohol y un 84 % para el consumo de drogas, todos los cuales superaron significativamente a los métodos existentes, dicen Bickel y compañía.
La técnica también identificó una amplia gama de palabras clave que las personas con trastorno por abuso de sustancias son más propensas a usar en las publicaciones de las redes sociales. Las malas palabras como 'joder' y 'mierda', las palabras sexuales como 'caliente' y 'sexo', las palabras relacionadas con procesos biológicos como 'sangre' y 'dolor' se correlacionan positivamente con los tres tipos de trastorno por uso de sustancias, dicen Bickel y compañía, refiriéndose al consumo de tabaco, alcohol y drogas. Además, las referencias femeninas como 'niña' y 'mujer', las preposiciones, las palabras de referencia espacial como 'arriba' y 'abajo' se correlacionan positivamente con el consumo de alcohol, mientras que las palabras relacionadas con la ira como 'odio' y 'matar', Las palabras relacionadas con la salud como 'clínica' y 'píldora' se correlacionan positivamente con el consumo de drogas.
Los datos muestran correlaciones en ambos sentidos. Preferencia por películas como V de Venganza y Santos de Boondock está correlacionado positivamente con el consumo de alcohol, mientras que tener un pasatiempo, que les gusten los dibujos animados y los programas preferidos por los niños o que les gusten las películas y las marcas favoritas de las niñas está negativamente correlacionado con el consumo de drogas, alcohol y tabaco, respectivamente, dice el equipo.
También hay algunas correlaciones sorprendentes. Por ejemplo, las referencias femeninas como 'niña' y 'mujer' se relacionan positivamente con el consumo de alcohol, mientras que las referencias masculinas como 'hombre' y 'niño' se relacionan negativamente con el consumo de drogas, dice Bickel y compañía. Esto probablemente se deba a que es más probable que las referencias a las mujeres sean hechas por hombres que también son más propensos a consumir alcohol.
Es un trabajo interesante que sugiere de inmediato una forma de identificar a las personas que están en riesgo de sufrir un trastorno por uso de sustancias: simplemente mire sus publicaciones y me gusta en Facebook. Creemos que las redes sociales son una plataforma prometedora tanto para estudiar los comportamientos humanos relacionados con el SUD como para involucrar al público en la prevención y detección del abuso de sustancias, dicen Bickel y compañía.
Ref: arxiv.org/abs/1705.05633 : Predicción del consumo de sustancias basada en las redes sociales