論文の概要: Depressed individuals express more distorted thinking on social media
- arxiv url: http://arxiv.org/abs/2002.02800v1
- Date: Fri, 7 Feb 2020 14:18:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 05:03:20.756852
- Title: Depressed individuals express more distorted thinking on social media
- Title（参考訳）: うつ病の人はソーシャルメディアでより歪んだ思考を表現する
- Authors: Krishna C. Bathina, Marijn ten Thij, Lorenzo Lorenzo-Luaces, Lauren A.
Rutter, and Johan Bollen
- Abstract要約: うつ病は世界中で障害の主な原因であるが、診断が不十分で治療が不十分であることが多い。
本稿では,うつ病を自覚した人は,無作為なサンプルよりも歪んだ思考のレベルが高いことを示す。
抑うつコホートでは, いくつかの歪んだ思考が, 特にパーソナライズと感情的推論の2倍以上の傾向を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depression is a leading cause of disability worldwide, but is often
under-diagnosed and under-treated. One of the tenets of cognitive-behavioral
therapy (CBT) is that individuals who are depressed exhibit distorted modes of
thinking, so-called cognitive distortions, which can negatively affect their
emotions and motivation. Here, we show that individuals with a self-reported
diagnosis of depression on social media express higher levels of distorted
thinking than a random sample. Some types of distorted thinking were found to
be more than twice as prevalent in our depressed cohort, in particular
Personalizing and Emotional Reasoning. This effect is specific to the distorted
content of the expression and can not be explained by the presence of specific
topics, sentiment, or first-person pronouns. Our results point towards the
detection, and possibly mitigation, of patterns of online language that are
generally deemed depressogenic. They may also provide insight into recent
observations that social media usage can have a negative impact on mental
health.
- Abstract（参考訳）: うつ病は世界中の障害の主要な原因であるが、しばしば診断や治療が不十分である。
認知行動療法(cbt:cognitive-behavioral therapy)の長所の1つは、抑うつされた個人が思考の歪んだモード(いわゆる認知的歪曲)を示し、感情やモチベーションに悪影響を及ぼす可能性があることである。
本稿では,ソーシャルメディア上で抑うつを自己報告した個人が,ランダムなサンプルよりも歪んだ思考のレベルが高いことを示す。
抑うつコホートでは, いくつかの歪んだ思考が, 特にパーソナライズと感情的推論の2倍以上の傾向を示した。
この効果は表現の歪んだ内容に特有であり、特定の話題、感情、または一人称代名詞の存在によって説明できない。
我々の研究結果は、一般的にうつ病とみなすオンライン言語パターンの検出、および緩和に向けられている。
また、ソーシャルメディアの利用がメンタルヘルスに悪影響を及ぼすという最近の観察に対する洞察を与える可能性もある。
関連論文リスト
- Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset [0.0]
うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。
本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
論文 参考訳（メタデータ） (2024-04-16T06:25:51Z) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳（メタデータ） (2024-01-31T11:30:24Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - Affective Idiosyncratic Responses to Music [63.969810774018775]
本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。
我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
論文 参考訳（メタデータ） (2022-10-17T19:57:46Z) - Data set creation and empirical analysis for detecting signs of
depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。
我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文 参考訳（メタデータ） (2022-02-07T10:24:33Z) - A Psychologically Informed Part-of-Speech Analysis of Depression in
Social Media [1.7188280334580193]
私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。
その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。
我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
論文 参考訳（メタデータ） (2021-07-31T16:23:22Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Detecting Community Depression Dynamics Due to COVID-19 Pandemic in
Australia [17.856486813652932]
本稿では,Twitter上のユーザ生成コンテンツを通じて,COVID-19パンデミックによる地域うつ病の動態を考察する。
オーストラリアのニューサウスウェールズ州から発せられるTwitterユーザーからのツイートを最近削除し、この問題を調査した。
我々の新しい分類モデルは、新型コロナウイルスの影響を受けうるうつ病の極性を抽出することができる。
論文 参考訳（メタデータ） (2020-07-05T12:55:34Z) - Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文 参考訳（メタデータ） (2020-06-14T12:48:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。