استفاده از هوش مصنوعی و NLP توسعه داده شده برای تجزیه و تحلیل هشتگ های سلامت روان در موضوع پیشگیری از خودکشی: مطالعه موردی رسانه های اجتماعی فارسی زبان در ۵ سال گذشته

در چشم انداز در حال تحول سلامت روان دیجیتال، پلتفرم های رسانه های اجتماعی به عنوان فضاهای حیاتی برای بیان نگرانی های سلامت روان و جستجوی حمایت ظاهر شده اند. خودکشی، که اغلب توسط رسانه ها تقویت می شود، چالش های قابل توجهی را برای متخصصان سلامت روان و سیاست گذاران در سطح جهانی و در ایران ایجاد کرده است این مطالعه با استفاده از تکنیک های پیشرفته هوش مصنوعی (AI) و پردازش زبان طبیعی (NLP)، هشتگ های مرتبط با خودکشی را در رسانه های اجتماعی فارسی در پنج سال گذشته تحلیل می کند، با هدف اطلاع رسانی به مداخلات دیجیتال هدفمند در حوزه سلامت روان. این پژوهش از رویکردی چندجانبه بهره می برد که الگوریتم های یادگیری ماشین را برای دسته بندی محتوا، تحلیل احساسات و شناسایی روندها ادغام می کند. بیش از ۵۰۰,۰۰۰ پست حاوی هشتگ های مرتبط با خودکشی به زبان فارسی از پلتفرم های اصلی رسانه های اجتماعی فارسی بین سال های ۱۳۹۹-۱۴۰۳ جمع آوری و تحلیل شد. با توسعه و استفاده از مدل های NLP بهینه شده برای زبان فارسی، پست ها به موضوعاتی مانند گزارش رویدادهای خودکشی، درخواست کمک، به اشتراک گذاری تجربیات شخصی، و ارائه حمایت دسته بندی شدند. مدل توسعه یافته با دقت بالا در تحلیل احساسات و طبقه بندی موضوعی، روندها و الگوهای هشتگ ها را شناسایی کرد. یافته ها افزایش های چشمگیری را در پست های مرتبط با خودکشی در طی رویدادهای مهم اجتماعی یا سیاسی نشان داد. احساسات غالبا منفی بود و مضامینی از قبیل ناامیدی و فریاد کمک را تکرار می کرد. این مطالعه بر پتانسیل هوش مصنوعی و NLP در تحلیل داده های رسانه های اجتماعی برای پیشگیری از خودکشی تاکید می کند. یافته ها بینش های عملی برای مداخلات فوری، موارد بحرانی و نگرش به خودکشی را فراهم می کند که می تواند اهرمی برای متخصصان سلامت روان، تولیدکنندگان محتوا و سیاست گذاران در عصر روانشناسی دیجیتال باشد.

Keywords:

پردازش زبان طبیعی , خودکشی , شبکه های اجتماعی فارسی زبان , یادگیری ماشین , هوش مصنوعی