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 Caracterização e previsão do tom emocional dos usuários das comunidades on-line de transtornos mentais foi apresentado como dissertação de mestrado no fim do ano passado, no Programa de Pós-graduação em Ciência da Computação da UFMG. 

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 do 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.

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

Bots da guarda

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.

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: novembro de 2019

Programa: Pós-graduação em Ciência da Computação (PPGCC), do Departamento de Ciência da Computação (DCC) da UFMG

(Com informações de Ewerton Martins Ribeiro para o Boletim UFMG 2.088)