Investigadores de la Facultad de Medicina de la Universidad de California en San Diego han utilizado algoritmos de inteligencia artificial para cuantificar la soledad en los adultos mayores y determinar cómo los adultos mayores pueden expresar la soledad en su habla.
Durante los últimos veinte años más o menos, los científicos sociales han descrito una tendencia de creciente soledad en la población Los estudios realizados durante la última década en particular han documentado el aumento de las tasas de soledad en grandes sectores de la sociedad, lo que tiene un impacto en las tasas de depresión, las tasas de suicidio, el uso de drogas y la salud en general. Estos problemas son solo exacerbado por el Covid-19 pandemia, ya que las personas no pueden reunirse y socializar en persona de manera segura. Ciertos grupos son más vulnerables a la soledad extrema, como los grupos marginados y los adultos mayores. Como informó MedicalXpressuna estudiar realizado por UC San Diego encontró que las comunidades de viviendas para personas mayores tenían tasas de soledad cercanas al 85% al contar a aquellos que informaron haber experimentado una soledad moderada o severa.
Para determinar las soluciones a este problema, los científicos sociales necesitan obtener una visión precisa de la situación, determinando tanto la profundidad como la amplitud del problema. Desafortunadamente, la mayoría de los métodos para recopilar datos sobre la soledad son limitados en aspectos notables. El autoinforme, por ejemplo, puede estar sesgado hacia los casos más extremos de soledad. Además, las preguntas que piden directamente a los participantes del estudio que cuantifiquen cuán «solos» se sienten a veces pueden ser inexactas debido a los estigmas sociales que rodean la soledad.
En un esfuerzo por diseñar una mejor métrica para cuantificar la soledad, los autores del estudio recurrieron al procesamiento del lenguaje natural y al aprendizaje automático. Los métodos de PNL utilizados por los investigadores se utilizan junto con las herramientas tradicionales de medición de la soledad, y se espera que el análisis de las formas naturales en que las personas usan el lenguaje conduzca a una representación menos sesgada y más honesta de la soledad de las personas.
La autora principal del nuevo estudio fue Ellen Lee, profesora asistente de psiquiatría en la Facultad de Medicina de UC San Diego. Lee y los otros investigadores enfocaron su estudio en 80 participantes entre las edades de 66 a 94 años. Los investigadores alentaron a los participantes en el estudio a responder preguntas de una manera más natural y desestructurada que la mayoría de los otros estudios. Los investigadores no solo estaban haciendo preguntas y clasificando respuestas. Como el primer autor Ph.D. Varsha Badal, explicó que el uso del aprendizaje automático y la PNL permitió al equipo de investigación tomar estas respuestas de entrevistas de formato largo y descubrir cómo la elección sutil de palabras y los patrones del habla podrían ser indicativos de soledad cuando se toman en conjunto:
“La PNL y el aprendizaje automático nos permiten examinar sistemáticamente entrevistas largas de muchas personas y explorar cómo las características sutiles del habla, como las emociones, pueden indicar soledad. Los análisis de emociones similares realizados por humanos estarían abiertos a sesgos, carecerían de consistencia y requerirían una amplia capacitación para estandarizar”.
Según el equipo de investigación, las personas que se sentían solas tenían diferencias notables en la forma en que respondían a las preguntas en comparación con los encuestados que no se sentían solos. Los encuestados solitarios expresarían más tristeza cuando se les hicieran preguntas sobre la soledad y, en general, tenían respuestas más largas. Los hombres eran menos propensos a admitir que se sentían solos que las mujeres. Además, los hombres eran más propensos a usar palabras que expresaban alegría o miedo que las mujeres.
Los investigadores del estudio explicaron que los resultados ayudaron a dilucidar las diferencias entre las métricas de investigación típicas para la soledad y la forma en que las personas experimentan y describen subjetivamente la soledad. Los resultados del estudio implican que la soledad podría detectarse a través del análisis de los patrones del habla, y si estos patrones resultaran fiables podrían ayudar a diagnosticar y tratar la soledad en los adultos mayores. Los modelos de aprendizaje automático diseñados por los investigadores pudieron predecir la soledad cualitativa con aproximadamente un 94 % de precisión. Será necesario realizar más investigaciones para ver si el modelo es sólido y si se puede replicar su éxito. Mientras tanto, los miembros del equipo de investigación esperan explorar cómo las características de la PNL podrían correlacionarse con la sabiduría y la soledad, que tienen una correlación inversa en los adultos mayores.