Dimmi che cosa posti, e ti dirò quanto sei vicino al burnout

Ricercatori del SNSF hanno sviluppato una tecnica di analisi dei testi sui social tramite l’AI per individuare l’esaurimento fisico e mentale

Il burnout si riferisce a uno stato di profondo esaurimento fisico e mentale. È difficile da rilevare perché i suoi sintomi possono facilmente sovrapporsi a quelli della depressione e dell’ansia. Ma l’Intelligenza Artificiale potrebbe avere la chiave per riconoscerlo meglio.
In un articolo recentemente pubblicato sulla rivista “Frontiers in Big Data”, un team di ricercatori finanziati dal Fondo Nazionale Svizzero per la Scienza (SNSF) ha descritto una nuova tecnica che utilizza l’elaborazione del linguaggio naturale per rilevare il burnout.
Quest’ultimo è tipicamente diagnosticato per mezzo di test psicologici che prendono la forma di una scala di valutazione delle risposte. Per esempio: “Sono esausto alla fine della giornata: mai/qualche volta/ogni giorno”.
Tuttavia, questo tipo di verifiche ha dei limiti significativi. Per esempio, alcune persone sono riluttanti a selezionare le risposte “mai” od “ogni giorno” o sono tentate di mentire per influenzare i risultati.
Per rilevare il burnout si potrebbero usare anche test più completi che consistono in domande a risposta aperta.
Questi controlli raccolgono informazioni sì più rilevanti, ma richiedono un’analisi estesa. Di conseguenza, sono raramente utilizzati nella pratica.

Depressione e alimentazione: qual è il nesso inestricabile?

Una tecnica basata sullo scrutinio dei testi, in particolare di Reddit

Questo è il problema che Mascha Kurpicz-Briki, professoressa di Ingegneria dei Dati all’Università di Scienze Applicate di Berna a Bienne, e il suo team volevano affrontare. La squadra includeva Ghofrane Merhbene, Sukanya Nath e Alexandre Puttick.
Per farlo, hanno utilizzato metodi di elaborazione del linguaggio naturale basati sull’intelligenza artificiale per identificare gli indicatori di burnout.
Il metodo ha identificato con successo il 93 per cento dei casi di burnout. Dice Kurpicz-Briki: “L’elaborazione del linguaggio naturale rileva efficacemente il burnout e lo fa in modo relativamente efficiente, il che è molto promettente”.
Per questo lavoro, lei e il suo team hanno analizzato testi da Reddit, una piattaforma di social media che funge da forum per discussioni organizzate per argomento.
La docente di Ingegneria dei Dati della BFH a Bienne ha costruito un database di più di 13.000 campioni di testo libero.
Alcuni di essi sono stati estratti da discussioni relative al burnout, mentre altri sono stati estratti da forum su una serie di altri argomenti.

Il lavoro da remoto, e quei troppi lati oscuri per la salute

Modelli addestrati su dati diversi per un buon metodo diagnostico

Mascha Kurpicz-Briki ha poi applicato l’apprendimento automatico per sviluppare una tecnica per determinare se un testo contiene indicatori di burnout.
In particolare, ha prima classificato i campioni di testo. I contenuti dei thread di discussione relativi al burnout sono stati classificati manualmente per escludere quelli in cui “burnout” si riferiva a qualcos’altro.
I testi provenienti da altri thread di discussione non relativi alla salute mentale sono stati etichettati come non collegati al burnout.
Sulla base di questi esempi, la professoressa dell’Università di Scienze Applicate di Berna ha addestrato diversi modelli.
Ognuno ha usato approcci diversi per determinare se un testo mai visto prima dal modello contenesse indicatori di burnout o meno.
I modelli sono stati poi riuniti per creare il metodo diagnostico, che si è dimostrato molto efficace.
I risultati sono promettenti, ma devono essere confermati.
Come passo successivo, la collaborazione con esperti medici sarà necessaria per verificare le conclusioni di questa indagine preliminare su casi reali di burnout e su un campione rappresentativo della popolazione. E va tenuto conto che i dati raccolti su Reddit sono anonimi.

Il videoallarme di un adolescente contro l’abuso di Internet