公民科学将机器学习引入社会:检测老年人的孤独感
Andrea Castillo-Hornero1,2, Óscar Belmonte-Fernández1,2,3, Arturo Gascó-Compte1,2
1University Jaume I, Castellón de la Plana, Spain.
Digital health
|November 4, 2024
概括
公民科学家有效地使用机器学习来检测老年人的孤独感. 这个项目突出了公众对人工智能的社会利益的参与,在从文本中识别孤独时获得了83.12%的准确性.
科学领域:
- 计算社会科学 计算社会科学
- 人工智能的人工智能
- 数字健康数字健康
背景情况:
- 机器学习 (ML) 越来越多地融入日常生活,需要公众了解其应用.
- 公民科学项目可以弥合公众和复杂的科学过程之间的差距.
- 让公民参与ML研究使他们有能力应对社会挑战.
研究的目的:
- 通过可复制的公民科学项目,让公民参与科学过程.
- 探索机器学习在解决老年人孤独社会问题的潜力.
- 让公民能够应用自然语言技术来识别自然语言数据中的孤独感.
主要方法:
- 一个公民科学项目旨在检测老年人的孤独感.
- 参与者应用机器学习技术来分析文本数据.
- 数据收集涉及1112条表达孤独的短信,由1517名公民贡献.
主要成果:
- 当挑战与社会利益相一致时,公民对科学的参与度很高.
- 机器学习模型在检测孤独方面取得了显著的准确性.
- 后勤回归产生了83.12%的准确性,而天真贝叶斯实现了62.23%的准确性.
结论:
- 机器学习用于检测孤独感是公民科学的一个相关和有吸引力的话题.
- 该项目成功地让公民参与了人工智能和科学发现.
- 该项目的方法可适应全球复制,以解决类似的社会问题.
