Notebookcheck Logo

Onderzoekers gebruiken modellen voor machinaal leren om stemmingen van blanke Engelstaligen te detecteren uit Facebook-berichten

Onderzoekers gebruiken ML-modellen om een laag humeur bij blanke Engelstaligen te detecteren uit hun Facebook-berichten. (Bron: AI-afbeelding Dall-E 3)
Onderzoekers gebruiken ML-modellen om een laag humeur bij blanke Engelstaligen te detecteren uit hun Facebook-berichten. (Bron: AI-afbeelding Dall-E 3)
Onderzoekers van de Universiteit van Virginia en het NIH hebben modellen voor machinaal leren gebruikt om de stemming van een persoon te detecteren aan de hand van hun woordkeuzes op Facebook. Hun modellen werken goed bij blanke Engelstaligen, maar niet bij zwarte Engelstaligen. Het onderzoek kan gebruikt worden als een gemakkelijke manier voor humanoïde robots of geestelijke gezondheidswerkers om stemmingen te detecteren.

Onderzoekers van de Universiteit van Virginia en NIH hebben op basis van Facebook-posts van blanke en zwarte Engelstaligen machine-learningmodellen gemaakt die nauwkeurig de stemming van blanke Engelstaligen detecteren. Interessant genoeg werken de modellen niet bij zwarte Engelstaligen, zelfs niet wanneer de ML-modellen getraind worden op alleen teksten van zwarte Engelstaligen.

Machine learning is een AI-methode om uit grote hoeveelheden gegevens een computermodel te maken dat gebruikt kan worden voor voorspellingen. Voor dit onderzoek werden vier modellen getraind om stemmingen te herkennen op basis van tekstinvoer. De onderzoekers deden dit om vast te stellen of de berichten van de deelnemende blanke en zwarte Engelstaligen, met name hun gebruik van voornaamwoorden (I-gebruik) zoals "I" of "We", hun stemming konden voorspellen.

Eerst keken de onderzoekers of het I-gebruik toenam met de depressie per ras, en ze vonden dat dit inderdaad het geval was. Het I-gebruik varieerde echter veel minder onder zwarte deelnemers en werd vaker gebruikt. De onderzoekers testten ook de relaties tussen clusters van woorden uit 5 onderwerpen die verband houden met negatieve emoties, zoals waardeloosheid, en ontdekten dat het gebruik van woorden over onderwerpen toenam met een sombere stemming bij blanken, maar niet bij zwarten.

Vervolgens onderzochten de onderzoekers de relatie tussen I-gebruik en stemming door twee machine learning methoden toe te passen op teksten van zwarte sprekers en vervolgens op teksten van witte sprekers om vier modellen te creëren.

De Black language en White language modellen waren in staat om op betrouwbare wijze een lage stemming te detecteren in Facebookberichten van Blanke, maar niet van Zwarte deelnemers. De onderzoekers hadden een paar ideeën waarom dit gebeurde, zoals de dubbele identiteit van zwarten, maar er is meer onderzoek nodig.

Deze bevinding is een opwindende stap op weg naar de bouw van humanoïde robots die kunnen waarnemen hoe wij ons voelen en ons dan proberen op te vrolijken. Voordat het zover is, moet u weten dat dagelijkse lichaamsbeweging op de stemming helpt verbeteren en een fitnessapparaat zoals dit bij Amazon kan daarbij helpen.

Een neerslachtige stemming neemt significant toe met toenemend woordgebruik van eerstepersoons voornaamwoorden of depressiegerelateerde onderwerpwoorden voor blanke Engelstaligen, maar niet voor zwarten. (Bron: Artikel van S. Rai et al.)
Een neerslachtige stemming neemt significant toe met toenemend woordgebruik van eerstepersoons voornaamwoorden of depressiegerelateerde onderwerpwoorden voor blanke Engelstaligen, maar niet voor zwarten. (Bron: Artikel van S. Rai et al.)
Please share our article, every link counts!
> Overzichten en testrapporten over laptops en mobieltjes > Nieuws > Nieuws Archief > Nieuws archieven 2024 03 > Onderzoekers gebruiken modellen voor machinaal leren om stemmingen van blanke Engelstaligen te detecteren uit Facebook-berichten
David Chien, 2024-03-28 (Update: 2024-03-28)