सामाजिक डेटा विश्लेषिकी का नया क्षेत्र सामाजिक घटनाओं की जांच करने के लिए पहले से कहीं अधिक संसाधन प्रदान करता है। माइक्रोसॉफ्ट रिसर्च [1] से एक खूबसूरत 2013 के अध्ययन में, मेरे पसंदीदा उदाहरणों में से एक है कि सामाजिक डेटा विश्लेषिकी का नया क्षेत्र कैसे लागू किया जा रहा है गर्भवती महिलाओं के चहचहाना फ़ीड का विश्लेषण करके, शोधकर्ताओं ने अनुमान लगाया था 80% सटीकता के साथ अगर एक महिला प्रसवोत्तर अवसाद विकसित करने के लिए जाना होगा
वे भाग लेने के करीब करीब 400 महिलाओं की भर्ती करने लगे। ट्विटर से, उन्होंने महिलाओं के ट्वीट्स, उनके पसंदीदा, और जवाबों के ग्रंथों सहित डेटा एकत्र किया। फिर उन्होंने चार प्रकार के व्यवहार को मापा:
गुणों की एक सूची तैयार करने के बाद, महिलाओं को पोस्टपार्टम अवसाद (पीपीडी) के लक्षणों के लिए निगरानी की जाती थी। जबकि सभी महिलाओं के व्यवहार में उनकी गर्भधारण के दौरान बदलाव आया, जबकि महिलाओं ने पीपीडी को अलग-अलग तरीकों से बदल दिया। शोधकर्ताओं ने इन छोटे मतभेदों का उपयोग करने वाले कंप्यूटर मॉडल का निर्माण किया। उन कंप्यूटर मॉडल तो किसी व्यक्ति के ट्विटर फीड को देख सकते हैं और अनुमान लगा सकते हैं कि वह पीपीडी विकसित करने के लिए आगे बढ़ेंगी या नहीं।
महिलाएं जन्म देने से पहले ही डेटा का उपयोग करते हुए, उनके मॉडलों ने पीपीडी को विकसित होने की संभावना के अनुसार महिलाओं को सही तरह से वर्गीकृत किया था या 70% शुद्धता के साथ नहीं। हालांकि, पीपीडी आमतौर पर जन्म देने के एक महीने के बारे में विकसित होती है। जब शोधकर्ताओं ने पहले कुछ हफ्तों के बाद में, पीपीडी के लक्षण विकसित होने से पहले , एल्गोरिदम बेहतर हो गए, 80% सटीकता या अधिक तक पहुंचने से पहले।
किस तरह से महिला ट्विटर व्यवहार बदल गया था? पीपीडी को विकसित करने वाली महिलाओं ने अपनी कलरव आवृत्ति और अनुयायियों की संख्या में कमी करने के साथ-साथ दूसरे और तीसरे व्यक्ति के व्यक्तिगत सर्वनामों ("वह", "वे", "आप") का उपयोग करते हुए, जो लोग करते थे पीपीडी को विकसित करने के लिए वास्तव में सभी श्रेणियों में वृद्धि नहीं हुई ।
दूसरी ओर, पीपीडी के विकास करने वाली महिलाओं ने अधिक प्रश्न पूछने की उम्मीद की, जबकि महिलाओं ने उन प्रश्नों की संख्या में कमी नहीं की, जिन्हें उन्होंने पूछा था।
दिलचस्प वैज्ञानिक अंतर्दृष्टि यह है कि ये सभी सूक्ष्म संकेत हैं जो पीपीडी के प्रत्यक्ष भाव नहीं हैं इसका मतलब है कि अगर महिलाएं अपनी संभावित स्थिति को छिपाने की कोशिश करती हैं, तो वे कम से कम एल्गोरिदम से सफलतापूर्वक ऐसा करने में सक्षम होने की संभावना नहीं रखते हैं।
चिकित्सकों के लिए एक निदान उपकरण के रूप में, इस तकनीक में महान वादा है। यह गैर-इनवेसिव है और इस तरह की उच्च सटीकता के साथ, यह संकेत देने में बड़ी मदद हो सकती है कि नई माताओं को अतिरिक्त निगरानी और ध्यान से फायदा हो सकता है।
[1] डी चौधरी, मुनमुं, स्कॉट काउंट्स, और एरिक होर्वित्ज़। "सोशल मीडिया के माध्यम से भावना और व्यवहार में प्रत्यावर्तन परिवर्तन की भविष्यवाणी करना।" कम्प्यूटिंग सिस्टम में मानवीय कारक पर SIGCHI सम्मेलन की कार्यवाही एसीएम, 2013