論文の概要: Bored to Death: Artificial Intelligence Research Reveals the Role of Boredom in Suicide Behavior
- arxiv url: http://arxiv.org/abs/2404.14057v2
- Date: Fri, 26 Apr 2024 11:50:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 12:15:51.838059
- Title: Bored to Death: Artificial Intelligence Research Reveals the Role of Boredom in Suicide Behavior
- Title（参考訳）: 死へのボレドム:人工知能研究が自殺行動におけるボレドムの役割を明らかに
- Authors: Shir Lissak, Yaakov Ophir, Refael Tikochinski, Anat Brunstein Klomek, Itay Sisso, Eyal Fruchter, Roi Reichart,
- Abstract要約: この研究は、自殺行為を誘発または悪化させる隠れた危険因子を明らかにするために、AI方法論を活用することを目的としている。
ほぼ完全に自動化されたAI誘導研究パイプラインは、自殺のリスクを予測するFacebookのトピック4つを生み出した。
この研究は、抑うつによらず自殺行為を引き起こす可能性のある、不適応な「不注意」として退屈を示唆している。
- 参考スコア（独自算出の注目度）: 10.83380478033686
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Background: Recent advancements in Artificial Intelligence (AI) contributed significantly to suicide assessment, however, our theoretical understanding of this complex behavior is still limited. Objective: This study aimed to harness AI methodologies to uncover hidden risk factors that trigger or aggravate suicide behaviors. Method: The primary dataset included 228,052 Facebook postings by 1,006 users who completed the gold-standard Columbia Suicide Severity Rating Scale. This dataset was analyzed using a bottom-up research pipeline without a-priory hypotheses and its findings were validated using a top-down analysis of a new dataset. This secondary dataset included responses by 1,062 participants to the same suicide scale as well as to well-validated scales measuring depression and boredom. Results: An almost fully automated, AI-guided research pipeline resulted in four Facebook topics that predicted the risk of suicide, of which the strongest predictor was boredom. A comprehensive literature review using APA PsycInfo revealed that boredom is rarely perceived as a unique risk factor of suicide. A complementing top-down path analysis of the secondary dataset uncovered an indirect relationship between boredom and suicide, which was mediated by depression. An equivalent mediated relationship was observed in the primary Facebook dataset as well. However, here, a direct relationship between boredom and suicide risk was also observed. Conclusions: Integrating AI methods allowed the discovery of an under-researched risk factor of suicide. The study signals boredom as a maladaptive 'ingredient' that might trigger suicide behaviors, regardless of depression. Further studies are recommended to direct clinicians' attention to this burdening, and sometimes existential experience.
- Abstract（参考訳）: 背景: 人工知能(AI)の最近の進歩は自殺評価に大きく貢献しているが, この複雑な行動に関する理論的理解はいまだに限られている。
目的: この研究は、自殺行為を誘発または悪化させる隠れた危険因子を明らかにするために、AI方法論を活用することを目的としている。
メソッド: 主要なデータセットは、228,052人のFacebook投稿で1006人のユーザーが参加し、ゴールドスタンダードのColumbia Suicide Severity Rating Scaleを完了した。
このデータセットは、予備仮説のないボトムアップ研究パイプラインを用いて分析され、新しいデータセットのトップダウン分析を用いてその結果が検証された。
このセカンダリデータセットには、同じ自殺尺度に対する1,062人の参加者の反応と、うつ病と退屈をよく測定した尺度が含まれていた。
結果: ほぼ完全に自動化されたAI誘導研究パイプラインは、自殺のリスクを予測するFacebookのトピック4つに結実した。
APA PsycInfoを用いた総合的な文献レビューでは、退屈は自殺のユニークな危険因子として認識されることは滅多にないことがわかった。
二次データセットの相補的なトップダウンパス解析により、うつ病を介する退屈と自殺の間接的関係が明らかになった。
メインのFacebookデータセットでも、同等の媒介関係が観察された。
しかし、ここでは、退屈と自殺リスクの直接的な関係も観察された。
結論: AIメソッドを統合することで、未調査の自殺リスクファクタの発見が可能になった。
この研究は、抑うつによらず自殺行為を引き起こす可能性のある、不適応な「不注意」として退屈を示唆している。
さらなる研究は、この重荷、時には実存的な経験に臨床医の注意を向けるよう推奨されている。
関連論文リスト
- An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。
本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
論文 参考訳（メタデータ） (2024-08-29T11:51:41Z) - SOS-1K: A Fine-grained Suicide Risk Classification Dataset for Chinese Social Media Analysis [22.709733830774788]
本研究では,自殺リスクの詳細な分類を目的とした,中国のソーシャルメディアデータセットを提案する。
事前訓練した7つのモデルについて, 自殺リスクが高い, 自殺リスクが少ない, 自殺リスクの細かい分類が0～10の2つのタスクで評価された。
ディープラーニングモデルは高い自殺リスクと低い自殺リスクを区別する上で優れた性能を示し、最良のモデルはF1スコア88.39%である。
論文 参考訳（メタデータ） (2024-04-19T06:58:51Z) - Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。
我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。
我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2024-04-18T12:33:57Z) - Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted
Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。
自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。
これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
論文 参考訳（メタデータ） (2023-12-13T17:15:12Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted
Belongingness from Suicide Notes [51.378225388679425]
本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。
また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。
自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
論文 参考訳（メタデータ） (2022-05-20T06:31:08Z) - Indiscriminate Poisoning Attacks Are Shortcuts [77.38947817228656]
その結果, 標的ラベルを付与した場合, 進行性毒素攻撃の摂動は, ほぼ分離可能であることがわかった。
このような合成摂動は、故意に作られた攻撃と同じくらい強力であることを示す。
我々の発見は、アンフショートカット学習の問題が以前考えられていたよりも深刻であることを示唆している。
論文 参考訳（メタデータ） (2021-11-01T12:44:26Z) - Characterization of Time-variant and Time-invariant Assessment of
Suicidality on Reddit using C-SSRS [9.424631103856596]
Redditデータから,重症度と時間性の観点から自殺リスクを評価するディープラーニングアルゴリズムを開発した。
本研究では, 時間変動アプローチが自殺関連思考と支持行動の評価において時間不変手法を上回っていることを示唆した。
提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
論文 参考訳（メタデータ） (2021-04-09T01:39:41Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳（メタデータ） (2021-03-26T02:42:38Z) - 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) - Survival Modeling of Suicide Risk with Rare and Uncertain Diagnoses [15.732431764583323]
我々は,自殺未遂により入院し,後に退院した患者に対して,その後の自殺未遂のリスクを調査するために医療クレームデータを用いた。
疑わしい」自殺未遂の約20%は、傷害や毒の外部原因を示す診断コードから特定される。
論文 参考訳（メタデータ） (2020-09-05T20:47:16Z)
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。