論文の概要: The Relationship between Deteriorating Mental Health Conditions and
Longitudinal Behavioral Changes in Google and YouTube Usages among College
Students in the United States during COVID-19: Observational Study
- arxiv url: http://arxiv.org/abs/2009.09076v1
- Date: Sat, 5 Sep 2020 00:54:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 18:31:25.075502
- Title: The Relationship between Deteriorating Mental Health Conditions and
Longitudinal Behavioral Changes in Google and YouTube Usages among College
Students in the United States during COVID-19: Observational Study
- Title（参考訳）: 米国での大学生におけるメンタルヘルス状態の悪化とGoogleとYouTubeの経時的行動変化との関連性:観察的研究
- Authors: Anis Zaman, Boyu Zhang, Ehsan Hoque, Vincent Silenzio, Henry Kautz
- Abstract要約: 個人がGoogle検索やYouTubeなどのオンラインプラットフォームとどのように関わるかは、パンデミックとその後のロックダウンによって大きく変化している。
この研究は、2020年1月に米国大学キャンパスから49人の学生を募集し(パンデミックに先立ち)、各参加者の不安と抑うつのレベルを測定した。
個人レベルのGoogle検索とYouTube履歴から、パンデミック中のオンライン行動の変化を定量化する5つのシグナルを開発した。
- 参考スコア（独自算出の注目度）: 1.74243547444997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mental health problems among the global population are worsened during the
coronavirus disease (COVID-19). How individuals engage with online platforms
such as Google Search and YouTube undergoes drastic shifts due to pandemic and
subsequent lockdowns. Such ubiquitous daily behaviors on online platforms have
the potential to capture and correlate with clinically alarming deteriorations
in mental health profiles in a non-invasive manner. The goal of this study is
to examine, among college students, the relationship between deteriorating
mental health conditions and changes in user behaviors when engaging with
Google Search and YouTube during COVID-19. This study recruited a cohort of 49
students from a U.S. college campus during January 2020 (prior to the pandemic)
and measured the anxiety and depression levels of each participant. This study
followed up with the same cohort during May 2020 (during the pandemic), and the
anxiety and depression levels were assessed again. The longitudinal Google
Search and YouTube history data were anonymized and collected. From
individual-level Google Search and YouTube histories, we developed 5 signals
that can quantify shifts in online behaviors during the pandemic. We then
assessed the differences between groups with and without deteriorating mental
health profiles in terms of these features. Significant features included
late-night online activities, continuous usages, and time away from the
internet, porn consumptions, and keywords associated with negative emotions,
social activities, and personal affairs. Though further studies are required,
our results demonstrated the feasibility of utilizing pervasive online data to
establish non-invasive surveillance systems for mental health conditions that
bypasses many disadvantages of existing screening methods.
- Abstract（参考訳）: 世界人口のメンタルヘルス問題は、新型コロナウイルス(COVID-19)によって悪化している。
個人がGoogle検索やYouTubeなどのオンラインプラットフォームとどのように関わるかは、パンデミックとその後のロックダウンによって大きく変化している。
オンラインプラットフォーム上でのこのような日常行動は、非侵襲的な方法でメンタルヘルスプロファイルの劣化を臨床的に警告し、相関する可能性がある。
本研究の目的は,大学生の心的健康状態の悪化と,google検索とyoutubeとの関わりによるユーザの行動の変化との関連性を検討することである。
この研究は、2020年1月(パンデミック前)に米国の大学キャンパスから49人の学生を募集し、各参加者の不安と抑うつレベルを測定した。
この研究は、2020年5月(パンデミックの間)にも同じコホートを示し、不安と抑うつレベルが再び評価された。
google検索とyoutubeの履歴データは匿名化され収集された。
個人レベルのGoogle検索とYouTube履歴から、パンデミック中のオンライン行動の変化を定量化する5つのシグナルを開発した。
そして,これらの特徴から,精神保健状態の低下を伴わないグループ間の差異を評価した。
重要な特徴は、深夜のオンライン活動、連続的な使用、インターネットから離れた時間、ポルノ消費、ネガティブな感情、社会的活動、個人的な問題に関連するキーワードである。
さらなる研究が必要であるが,既存のスクリーニング手法の多くの欠点を回避し,非侵襲的な精神状態監視システムを構築するために,広範囲なオンラインデータを活用する可能性を示した。
関連論文リスト
- On the State of NLP Approaches to Modeling Depression in Social Media: A Post-COVID-19 Outlook [21.978924582262263]
うつ病は最も広く研究されている精神疾患である。
新型コロナウイルス(COVID-19)の世界的なパンデミックは、世界中のメンタルヘルスに大きな影響を与えた。
ソーシャルメディアにおける抑うつをモデル化するための自然言語処理(NLP)アプローチについて調査する。
論文 参考訳（メタデータ） (2024-10-11T13:20:54Z) - Predicting Depression and Anxiety: A Multi-Layer Perceptron for
Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。
本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。
このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文 参考訳（メタデータ） (2024-03-09T22:49:04Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - 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) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Artificial Intelligence-Based Analytics for Impacts of COVID-19 and
Online Learning on College Students' Mental Health [0.0]
新型コロナウイルス感染症(SARS-CoV-2)は、2019年12月下旬に中国の武漢で発生した。
世界保健機関(WHO)が2020年3月にパンデミックと宣言した。
本稿では、新型コロナウイルスのパンデミックとオンライン学習の増加が大学生の感情的幸福にどのように影響するかを理解することを目的とする。
論文 参考訳（メタデータ） (2022-02-07T05:24:52Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Social Behavior and Mental Health: A Snapshot Survey under COVID-19
Pandemic [6.5721468981020665]
新型コロナウイルスのパンデミックは、私たちの生活、研究、社会化、再現方法を変えました。
オンラインソーシャルメディア分析を利用してユーザーの精神状態を検出し評価する研究が増えている。
論文 参考訳（メタデータ） (2021-05-17T21:08:03Z) - 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) - Identifying pandemic-related stress factors from social-media posts --
effects on students and young-adults [2.198430261120653]
新型コロナウイルス(COVID-19)のパンデミックにより、世界中で自然の生命が失われている。
原因となるウイルスの拡散を抑制するため、厳格な対策が実施され、最も効果的なのは社会的孤立である。
このことが社会全体に広範に広まり、抑うつをもたらしたが、若年層や高齢者の間では顕著である。
論文 参考訳（メタデータ） (2020-12-01T08:42:27Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。