دوره 7، شماره 4 - ( دوره هفتم، شماره چهار، زمستان 1398 )                   جلد 7 شماره 4 صفحات 7-27 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Aboureihani Mohammadi M, Fadaei Moghadam Heydarabadi M, Zardary S, Heysieattalab S. Identification Psychological Disorders Based on Data in Virtual Environments Using Machine Learning. JCP. 2020; 7 (4) :7-27
URL: http://jcp.khu.ac.ir/article-1-3218-fa.html
ابوریحانی محمدی مریم، فدایی مقدم حیدر ابادی مهشاد، زرداری سولماز، حیثیت طلب سمیه. شناسایی اختلال‌های روان‌شناختی بر اساس داده‌های موجود در محیط‌های مجازی با استفاده از یادگیری ماشین. مجله روان‌شناسي شناختي. 1398; 7 (4) :7-27

URL: http://jcp.khu.ac.ir/article-1-3218-fa.html


سازمان مربوطه ، heysieattalab@gmail.com‬‬‬‬
چکیده:   (1511 مشاهده)
مقدمه: اختلال‌های روان‌شناختی یکی از معضلات حائز اهمیت در جوامع امروزی محسوب می‌شوند و تشخیص زودهنگام این بیماری‌ها می‌تواند در دریافت درمان‌های حرفه‌ای به موقع و بهبود کیفیت زندگی این بیماران اهمیت داشته باشد. اخیراً پژوهش‌هایی در راستای به‌کارگیری شبکه‌های اجتماعی به عنوان بستری جدید برای شناسایی افراد بااختلال‌های روانی صورت گرفته است. علاوه بر این به دلیل پیچیدگی تشخیص بیماری های روان شناختی با استفاده از روش های معمول و افزایش دقت پیش بینی ، استفاده از یادگیری ماشین برای شناسایی افراد با اختلال های روان شناختی رو به افزایش است. هدف این مقاله مرور نظام‌مند پژوهش­های انجام شده با استفاده از داده‌های شبکه‌های اجتماعی در پیش‌بینی و تشخیص اختلال‌های روان‌شناختی به کمک یادگیری ماشین است.
روش: در این پژوهش به روش مرور نظام‌مند مبتنی بر پریسما، از طریق جستجوی کلید واژه‌های اصلی تشخیص و پیش‌بینی اختلال‌های روان شناختی در ترکیب با واژه‌های یادگیری ماشین و فضای مجازی در پایگاه‌های اطلاعاتی تخصصی ایران و جهان شامل (Pupmed, Springer, ProQuest ,Elsevier, Science Direct, Google Scholar, Magiran) ‌ بدون در نظر گرفتن سال انتشار آن‌ها،یافته ها و اطلاعات مورد نظر جهت دستیابی به هدف پژوهش مورد واکاوی قرار گرفت.
یافته ها: بیماری افسردگی بیشترین فراوانی در بین 20 مقاله نهایی انتخاب شده را دارا بوده که با قدرت پیش‌بینی 42 و 87 درصد در بین مقاله‌های بررسی شده به ترتیب کمترین و بیشترین توان پیش‌بینی افسردگی را داشته است. از طرفی تنها در 30 درصد مطالعات از پرسشنامه برای جمع اوری داده از فضای مجازی استفاده شده است و بیشترین رویکرد برای جمع‌آوری داده، استفاده از پست‌های عمومی در شبکه‌های اجتماعی با استفاده از عبارات منظم[1] بوده است که در این بین در 60 درصد مطالعه‌های انجام شده از ابزار [2] LIWC استفاده شده است. توییتر نیز به عنوان بیشترین منبع برای جمع اوری داده در این قبیل مطالعات استفاده‌ شده است.
نتیجه گیری : به نظر می‌رسد روانشناسی محاسباتی مبتنی بر روش‌های یادگیری ماشین بتواند به شناسایی به موقع و انتخاب درمان‌های مؤثرتر اختلال‌های روانی در کاربران شبکه‌های اجتماعی کمک نماید. البته با وجود پیشرفت‌هایی که در این حیطه صورت گرفته اشکالاتی نیز به این روش‌ها وارد است که می‌توان به مسائل اخلاقی ناشی از شکستن حریم خصوصی افراد و همچنین پیچیدگی و دخالت عوامل متعدد در تشخیص اختلال‌ها اشاره نمود؛ با این وجود بنظر می رسد با توسعه و رشد این حیطه، محققان قادر خواهند بود به بررسی و پیش‌بینی دقیق‌تر اختلالات روان شناختی کاربران فضاهای مجازی در مقیاس‌های بزرگ‌تر بپردازند.
 
[1] Regular expressions
[2] Linguistic inquiry and word count
     
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: 1398/11/22 | پذیرش: 1399/3/14 | انتشار: 1399/3/14

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصلنامه روانشناسی شناختی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | فصلنامه روانشناسی شناختی

Designed & Developed by : Yektaweb