Quando as interações nas redes sociais favorecem a saúde mental

Em pesquisa na UFMG, de cada dez pessoas avaliadas que buscaram apoio nessas mídias para situações de sofrimento mental, sete tiveram seu quadro melhorado.


Por Ewerton Martins Ribeiro, do Boletim UFMG | De Belo Horizonte (MG)

Levantamentos feitos pela Organização Mundial de Saúde (OMS) indicam que, neste início de século, uma em cada quatro pessoas será afetada em algum momento da vida por alguma doença mental e que, até 2030, a depressão se tornará a doença mais comum do mundo e a maior causa de perdas para a população no campo da saúde pública.

Ao alertar para os prejuízos não apenas sociais, mas também econômicos dessa epidemia, a OMS tem lembrado que as principais vítimas são justamente as pessoas mais pobres dos países em desenvolvimento, que, além de disporem de menos recursos para tratar os transtornos mentais, não costumam contar com uma cultura de saúde mental bem estabelecida.

Como consequência desse cenário, as redes sociais e suas comunidades têm-se configurado em campo de intensa discussão de tópicos relacionados à saúde mental, como ansiedade, depressão, bipolaridade e ideação suicida, em paralelo ao trabalho especializado desenvolvido em divãs psicanalíticos e consultórios psiquiátricos.

A despeito das fundadas preocupações dos campos da psicologia e da psiquiatria em relação a essa tendência, estudos têm indicado que as trocas de experiências e os aconselhamentos oferecidos nessas redes, ainda que não sejam especializados, colaboram, em geral, com a melhoria do bem-estar dos indivíduos que delas participam.

Para entender como as interações feitas por meio de posts e comentários nas redes sociais contribuem para a alteração do “tom emocional” de seus usuários, a pesquisadora de ciência da computação Bárbara Silveira Fraga traçou a caracterização dos usuários de quatro grandes comunidades (Depression, SuicideWatch, Anxiety e Bipolar) do site de fóruns Reddit – rede social que conta com mais de 300 milhões de usuários ativos por mês – e analisou a evolução do tom emocional de seus posts e comentários de 2010 a 2017.

O trabalho foi apresentado como dissertação de mestrado no fim do ano passado no Programa de Pós-graduação em Ciência da Computação da Universidade Federal de Minas Gerais (UFMG).

RESULTADOS DO ESTUDO

O estudo mostra que a expressão de sentimentos dos usuários dessas comunidades efetivamente mudou ao longo do tempo e que, em 68% dos casos, essa mudança foi para melhor.

Um indício, segundo Bárbara Silveira, de que “o apoio e incentivo entre usuários dessas comunidades são eficazes para melhoria das condições da saúde mental de seus participantes”.

Ao longo do período estudado, o tom emocional dos participantes mudou para melhor em todas as comunidades.

“O tom emocional do último comentário feito pelos autores dos posts nas threads [fios de conversas que se encadeiam em linhas do tempo nas redes sociais] foi melhor que o tom emocional de sua mensagem inicial em 62,3% dos casos no Bipolar, em 67% dos casos no Depression, em 71% dos casos no SuicideWatch e em 71,8% dos casos no Anxiety. Isso mostra que os usuários tendem a melhorar seu humor, ou ao menos a sua expressão de humor, dentro da árvore de discussão”, explica Bárbara Silveira.

ANÁLISE TEXTUAL

Bárbara utilizou uma ferramenta de análise textual de sentimentos chamada Vader, cujo dicionário léxico foi construído justamente em um contexto de mídias sociais.

“O corpus do Vader é composto de dados de redes sociais, o que o ajuda a compreender melhor os conteúdos nelas veiculados”, explica Bárbara.

Além de se valer de atributos psicolinguísticos e atributos relacionados a informações sintáticas e semânticas, a ferramenta considera emoticons, gírias e siglas em suas análises.

TEMPO REAL

Além de mapear a evolução do tom emocional dos participantes das comunidades estudadas, a pesquisadora propõe modelos preditivos capazes de captar automaticamente e em tempo real a variação do tom emocional dos usuários de redes sociais.

“Uma possível aplicação desses modelos é auxiliar intervenções promovidas por profissionais da área de saúde em redes sociais”, explica Bárbara.

Segundo ela, os modelos poderiam ser configurados para “rodar por trás” das redes sociais com chaves de alerta para conjuntos de respostas-padrão, atuando como bots (softwares concebidos para simular ações humanas à maneira de um robô, mas no ambiente virtual).

À medida que captassem indicadores graves de sofrimento mental e riscos iminentes, esses modelos poderiam alertar automaticamente um profissional humano sobre os casos específicos.

“Os resultados do trabalho podem ser utilizados no monitoramento de usuários que sofrem de transtornos mentais. Ao identificar [por meio dos modelos preditivos] que o usuário não está melhorando seu tom emocional, especialistas podem intervir para evitar uma situação extrema”, sugere Bárbara Silveira Fraga.

SOBRE A PESQUISA

Dissertação: Caracterização e previsão do tom emocional dos usuários das comunidades on-line de transtornos mentais
Pesquisadora: Bárbara Silveira Fraga
Orientadora: Ana Paula Couto da Silva
Coorientador: Fabrício Murai Ferreira
Defesa: 8/11/2019, no Programa de Pós-graduação em Ciência da Computação (PPGCC), do Departamento de Ciência da Computação (DCC) da UFMG


Imagem em destaque: Bárbara Silveira durante a defesa. Foto: acervo pessoal


GOSTOU DO MACUCO?
Ajude a gente a se manter e a continuar produzindo conteúdo útil. Você pode:
  • Ser um assinante colaborador, depositando qualquer quantia, com a frequência que for melhor pra você. Nossa conta: Caixa – Agência 1525 Op. 001 Conta Corrente 000022107 (Wagner de Alcântara Aragão, mantenedor da Rede Macuco; CPF 257.618.408-12)
  • Ser um anunciante, para expor seu produto, ou serviço que você oferece. A gente faz plano adequado à sua condição financeira, baratinho. Entre em contato pelo whatsapp 13-92000-2399
  • Para mais informações sobre qualquer uma das opções, ou se quiser colaborar de outra forma, escreva pra gente: redemacuco@protonmail.com

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

1 + 7 =