論文の概要: Uncovering Latent Patterns in Social Media Usage and Mental Health: A Clustering-Based Approach Using Unsupervised Machine Learning
- arxiv url: http://arxiv.org/abs/2604.24611v1
- Date: Mon, 27 Apr 2026 15:38:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:08.124154
- Title: Uncovering Latent Patterns in Social Media Usage and Mental Health: A Clustering-Based Approach Using Unsupervised Machine Learning
- Title（参考訳）: ソーシャルメディア利用とメンタルヘルスの潜在パターンを明らかにする:教師なし機械学習を用いたクラスタリングに基づくアプローチ
- Authors: Md All Shahria, Sanjeda Dewan Mithila, Touhid Alam, Mohammad Sakib Mahmood, Mahfuza Khatun,
- Abstract要約: 本研究は,ソーシャル・メディアの利用状況や心理的幸福度に応じて個人を分類し,クラスタリングを用いて隠蔽パターンを明らかにし,精神的健康への影響を評価することを目的とする。
オンライン調査を通じて収集された51人の参加者のデータは、欠落した値のKNNインプット、5つのユニークな値を持つGenderのようなカテゴリ変数のワンホットエンコーディング、IQRとZスコアメソッドによる外れ値検出を使用して前処理された。
Elbow 法と Silhouette スコア 0.32 を用いて6つのクラスタに最適化された K-Means クラスタリングを適用した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The widespread adoption of social media has heightened interest in its psychological effects, particularly on mental health indicators such as anxiety, depression, loneliness, and sleep quality, as these platforms increasingly influence social interactions and well-being. Although previous research has examined correlations between social media use and mental health, few studies have utilized unsupervised machine learning to segment users based on behavioral and psychological patterns, leaving a gap in identifying distinct risk profiles across diverse groups. This study seeks to address this by segmenting individuals according to their social media usage and psychological well-being, employing clustering to reveal hidden patterns and evaluate their mental health implications. Data from 551 participants, collected via an online survey, were preprocessed using KNN imputation for missing values, one-hot encoding for categorical variables like Gender with 5 unique values, and outlier detection via IQR and Z-score methods. K-Means clustering, optimized at 6 clusters using the Elbow Method and a Silhouette Score of 0.32, was applied, with PCA reducing 22 dimensions for visualization and a correlation heatmap highlighting relationships, such as a 0.28 correlation between social media hours and anxiety.
- Abstract（参考訳）: ソーシャルメディアの普及により、特に不安、抑うつ、孤独感、睡眠の質といったメンタルヘルス指標に対する心理的影響への関心が高まり、これらのプラットフォームは社会的相互作用や幸福にますます影響を与えている。
これまでの研究では、ソーシャルメディアの利用とメンタルヘルスの相関性を検討したが、教師なし機械学習を用いて行動パターンと心理的パターンに基づいてユーザーを分類する研究はほとんどなく、多様なグループで異なるリスクプロファイルを識別する際のギャップを残している。
本研究は、ソーシャルメディアの利用状況や心理的幸福度に応じて個人を分類し、クラスタリングを用いて隠れパターンを明らかにし、メンタルヘルスへの影響を評価することによって、この問題に対処することを目的とする。
オンライン調査を通じて収集された51人の参加者のデータは、欠落した値のKNNインプット、5つのユニークな値を持つGenderのようなカテゴリ変数のワンホットエンコーディング、IQRとZスコアメソッドによる外れ値検出を使用して前処理された。
Elbow MethodとSilhouette Scoreの0.32の6クラスタで最適化されたK-Meansクラスタリングを適用し、PCAは可視化のために22次元を削減し、ソーシャルメディアの時間と不安の間に0.28の相関関係が強調される相関ヒートマップを作成した。
関連論文リスト
- Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection [82.70752567211251]
本稿では,詳細なソーシャルインタラクション検出のためのボトムアップグループ推論フレームワークを提案する。
提案手法は,身体部分の特徴と対人関係を用いて,社会的グループとその相互作用を推定する。
モデルではまず個人を検知し,その特徴を部分認識的手がかりを用いて拡張し,類似性に基づく推論によって個人を連想させることによりグループ構成を推論する。
論文 参考訳（メタデータ） (2025-11-05T17:33:03Z) - Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory [18.716972390545703]
我々は,AICCがウェルビーイングをどのように形成し,ユーザがこれらの経験をどう感じたかを検討した。
発見は、感情と悲しみの表現、読みやすさ、対人的な焦点の混合効果を示した。
私たちは、健全なバウンダリを把握し、マインドフルエンゲージメントをサポートし、依存のない開示をサポートし、表面的な関係ステージを持つAIコンパニオンに対して、設計上の意味を提供する。
論文 参考訳（メタデータ） (2025-09-26T15:47:37Z) - Are LLMs effective psychological assessors? Leveraging adaptive RAG for interpretable mental health screening through psychometric practice [2.9775344067885974]
心理学的実践において、標準化されたアンケートは、構造化され、臨床的に検証された質問を通じて精神的な健康を評価するための必須のツールとして機能する。
本稿では,心理学的実践と計算手法を橋渡しする,アンケート誘導型スクリーニングフレームワークを提案する。
提案手法は,未構造化のソーシャルメディアコンテンツと,各アンケート項目の関連記事の検索による標準化された臨床評価とを関連づけるものである。
論文 参考訳（メタデータ） (2025-01-02T00:01:54Z) - AudioInsight: Detecting Social Contexts Relevant to Social Anxiety from Speech [10.648118103594586]
本研究では,環境音節を利用して社会的脅威の文脈を検出する手法を提案する。
我々は、相互作用パートナーの数(ダイアディック対グループ)と評価脅威の度合いの2つの重要な側面に焦点を当てる。
試料幅5倍のCross Validation (CV) では,90%の精度でグループ間相互作用からDyadicを識別し,83%で評価的脅威を検出できた。
論文 参考訳（メタデータ） (2024-07-19T17:01:12Z) - Heterogeneous Subgraph Network with Prompt Learning for Interpretable Depression Detection on Social Media [5.570905441172371]
ソーシャルメディアにおける早期うつ病検出に関する既存の研究は、解釈可能性に欠けていた。
本稿では,プロンプト学習を用いた異種サブグラフネットワークを利用した新しい手法を提案する。
提案手法はソーシャルメディア上での抑うつ検出の最先端手法を著しく上回っている。
論文 参考訳（メタデータ） (2024-07-12T06:20:59Z) - Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳（メタデータ） (2023-05-30T04:08:40Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳（メタデータ） (2022-12-20T12:56:28Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - 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) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z)
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。