Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa

Mielenterveyden häiriöiden määrä ja taloudellinen taakka on kasvanut viimeisten vuosikymmenien aikana merkittävästi. Maailmanlaajuisesti masennuksesta kärsii yli 300 miljoonaa ihmistä, ja mielenterveyden häiriöiden kustannukset ovat maailmanlaajuisesti noin 2,5 biljoonaa USA:n dollaria. Sekä määrää...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Heikkilä, Arttu
Muut tekijät: Informaatioteknologian tiedekunta, Informaatioteknologia, University of Jyväskylä, Jyväskylän yliopisto
Aineistotyyppi: Kandityö
Kieli:fin
Julkaistu: 2017
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/56741
_version_ 1828193214433067008
author Heikkilä, Arttu
author2 Informaatioteknologian tiedekunta Informaatioteknologia University of Jyväskylä Jyväskylän yliopisto
author_facet Heikkilä, Arttu Informaatioteknologian tiedekunta Informaatioteknologia University of Jyväskylä Jyväskylän yliopisto Heikkilä, Arttu Informaatioteknologian tiedekunta Informaatioteknologia University of Jyväskylä Jyväskylän yliopisto
author_sort Heikkilä, Arttu
datasource_str_mv jyx
description Mielenterveyden häiriöiden määrä ja taloudellinen taakka on kasvanut viimeisten vuosikymmenien aikana merkittävästi. Maailmanlaajuisesti masennuksesta kärsii yli 300 miljoonaa ihmistä, ja mielenterveyden häiriöiden kustannukset ovat maailmanlaajuisesti noin 2,5 biljoonaa USA:n dollaria. Sekä määrää että kustannuksia voidaan vähentää ennakoivilla toimenpiteillä. Ihmisille ei ole tyypillistä kiinnittää merkittävää huomiota mielenterveyteensä normaalin terveyden tavalla. Siksi on tärkeä havaita ja rohkaista ihmisiä kliinisiin tutkimuksiin hyvissä ajoin, ennen kuin ongelma etenee pidemmälle. Tässä kirjallisuuskatsauksessa kartoitin sitä, miten sosiaalista mediaa voidaan käyttää ennakoivana alustana. Tämä suoritetaan usein tekoälyteknologioita hyödyntäen analysoimalla ihmisten tekemiä julkaisuja, ja niistä mahdollisia merkkejä tai oireita löytämällä. Aikaisemmissa tutkimuksissa on päästy merkittäviin tuloksiin analysoimalla sosiaalisesta mediasta haettua teksti- tai kuvadataa, tai analysoimalla muuta toimintaa sosiaalisissa verkostoissa. Tämä tapahtuu usein yhdistämällä useita eri muuttujia, liittyen tehtyihin julkaisuihin. Näitä muuttujia ovat esimerkiksi kielen käyttö, julkaisujen tiheys ja ajankohta, saadut kommentit tai julkaistujen kuvien eri ominaisuudet. Tekoälyteknologioita hyödyntäen ihmisten tekemistä julkaisuista voidaan päätellä merkittävän tarkasti, kärsiikö henkilö potentiaalisesti piilevästä mielenterveyden häiriöstä, tai onko hän tulevaisuudessa potentiaalinen uhri mielenterveysongelmille. Tämän kaltaisia analyysin tuloksia voi hyödyntää monella tavalla ohjaamaan ja rohkaisemaan käyttäjää kliinisiin tutkimuksiin. Mental disorders in general are a great burden to society when considering the amount and costs of different mental disorders. Globally, over 300 million people are affected by depression, and the costs of different mental disorders are estimated to have been around 2.5 trillion US dollars. Both the costs, and the amount of people affected can be lowered with pre-emptive measures. It is not typical for generally healthy people to give great notice to their mental health. That is why it is important to notice these disorders, and encourage people to seek medical assistance, before the problem escalates any further. In this literature review I took a look on how social media can be used as a platform to early screening. This is done by using different artificial intelligence technologies to analyze posts made by people, and search for signs and symptoms. Previous researchers have found great success in this by analyzing text or image data. Researches have also analyzed other activities in social networking sites, such as networking or other interactions between users. All this is usually done by combining different kind of variables from posts. These variables include for example linguistic factors, frequency and timestamp of posts, received comments and different characteristics of a published image. Using machine learning, it is possible to detect depressive behavior or other potential mental disorders, to a significant accuracy. The results of these kind of analysis’s can be used in various ways to encourage the user to seek medical assistance.
first_indexed 2024-09-11T08:52:54Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Kollanus, Sami", "language": null, "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Heikkil\u00e4, Arttu", "language": null, "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2018-01-15T13:22:48Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2018-01-15T13:22:48Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2017", "language": null, "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/56741", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Mielenterveyden h\u00e4iri\u00f6iden m\u00e4\u00e4r\u00e4 ja taloudellinen taakka on kasvanut\nviimeisten vuosikymmenien aikana merkitt\u00e4v\u00e4sti. Maailmanlaajuisesti\nmasennuksesta k\u00e4rsii yli 300 miljoonaa ihmist\u00e4, ja mielenterveyden h\u00e4iri\u00f6iden\nkustannukset ovat maailmanlaajuisesti noin 2,5 biljoonaa USA:n dollaria. Sek\u00e4\nm\u00e4\u00e4r\u00e4\u00e4 ett\u00e4 kustannuksia voidaan v\u00e4hent\u00e4\u00e4 ennakoivilla toimenpiteill\u00e4.\nIhmisille ei ole tyypillist\u00e4 kiinnitt\u00e4\u00e4 merkitt\u00e4v\u00e4\u00e4 huomiota mielenterveyteens\u00e4\nnormaalin terveyden tavalla. Siksi on t\u00e4rke\u00e4 havaita ja rohkaista ihmisi\u00e4 kliinisiin\ntutkimuksiin hyviss\u00e4 ajoin, ennen kuin ongelma etenee pidemm\u00e4lle. T\u00e4ss\u00e4\nkirjallisuuskatsauksessa kartoitin sit\u00e4, miten sosiaalista mediaa voidaan k\u00e4ytt\u00e4\u00e4\nennakoivana alustana. T\u00e4m\u00e4 suoritetaan usein teko\u00e4lyteknologioita hy\u00f6dynt\u00e4en\nanalysoimalla ihmisten tekemi\u00e4 julkaisuja, ja niist\u00e4 mahdollisia merkkej\u00e4 tai\noireita l\u00f6yt\u00e4m\u00e4ll\u00e4. Aikaisemmissa tutkimuksissa on p\u00e4\u00e4sty merkitt\u00e4viin\ntuloksiin analysoimalla sosiaalisesta mediasta haettua teksti- tai kuvadataa, tai\nanalysoimalla muuta toimintaa sosiaalisissa verkostoissa. T\u00e4m\u00e4 tapahtuu usein\nyhdist\u00e4m\u00e4ll\u00e4 useita eri muuttujia, liittyen tehtyihin julkaisuihin. N\u00e4it\u00e4 muuttujia\novat esimerkiksi kielen k\u00e4ytt\u00f6, julkaisujen tiheys ja ajankohta, saadut kommentit\ntai julkaistujen kuvien eri ominaisuudet. Teko\u00e4lyteknologioita hy\u00f6dynt\u00e4en\nihmisten tekemist\u00e4 julkaisuista voidaan p\u00e4\u00e4tell\u00e4 merkitt\u00e4v\u00e4n tarkasti, k\u00e4rsiik\u00f6\nhenkil\u00f6 potentiaalisesti piilev\u00e4st\u00e4 mielenterveyden h\u00e4iri\u00f6st\u00e4, tai onko h\u00e4n\ntulevaisuudessa potentiaalinen uhri mielenterveysongelmille. T\u00e4m\u00e4n kaltaisia\nanalyysin tuloksia voi hy\u00f6dynt\u00e4\u00e4 monella tavalla ohjaamaan ja rohkaisemaan\nk\u00e4ytt\u00e4j\u00e4\u00e4 kliinisiin tutkimuksiin.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Mental disorders in general are a great burden to society when considering the\namount and costs of different mental disorders. Globally, over 300 million people\nare affected by depression, and the costs of different mental disorders are estimated\nto have been around 2.5 trillion US dollars. Both the costs, and the amount\nof people affected can be lowered with pre-emptive measures. It is not typical for\ngenerally healthy people to give great notice to their mental health. That is why\nit is important to notice these disorders, and encourage people to seek medical\nassistance, before the problem escalates any further. In this literature review I\ntook a look on how social media can be used as a platform to early screening.\nThis is done by using different artificial intelligence technologies to analyze posts\nmade by people, and search for signs and symptoms. Previous researchers have\nfound great success in this by analyzing text or image data. Researches have also\nanalyzed other activities in social networking sites, such as networking or other\ninteractions between users. All this is usually done by combining different kind\nof variables from posts. These variables include for example linguistic factors,\nfrequency and timestamp of posts, received comments and different characteristics\nof a published image. Using machine learning, it is possible to detect depressive\nbehavior or other potential mental disorders, to a significant accuracy. The\nresults of these kind of analysis\u2019s can be used in various ways to encourage the\nuser to seek medical assistance.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted using Plone Publishing form by Arttu Heikkil\u00e4 (arilheik) on 2018-01-15 13:22:47.387408. Form: Kandidaatintutkielma -lomake (https://kirjasto.jyu.fi/julkaisut/julkaisulomakkeet/kandin-tutkielma-lomake). JyX data: [jyx_publishing-allowed (fi) =True]", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by jyx lomake-julkaisija (jyx-julkaisija.group@korppi.jyu.fi) on 2018-01-15T13:22:48Z\nNo. of bitstreams: 2\nURN:NBN:fi:jyu-201801151195.pdf: 519659 bytes, checksum: a2d7c278ff34de914a30e8cabfe6b483 (MD5)\nlicense.html: 4860 bytes, checksum: 7049206072be6b329696810b25e33214 (MD5)", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2018-01-15T13:22:48Z (GMT). No. of bitstreams: 2\nURN:NBN:fi:jyu-201801151195.pdf: 519659 bytes, checksum: a2d7c278ff34de914a30e8cabfe6b483 (MD5)\nlicense.html: 4860 bytes, checksum: 7049206072be6b329696810b25e33214 (MD5)\n Previous issue date: 2017", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "30", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "luonnollisen kielen prosessointi", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "mielenterveyden h\u00e4iri\u00f6t", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "masennus", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "tekstianalytiikka", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Kognitiivisten teknologioiden hy\u00f6dynt\u00e4minen mielenterveyden h\u00e4iri\u00f6iden havaitsemisessa sosiaalisessa mediassa", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201801151195", "language": null, "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatintutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietoj\u00e4rjestelm\u00e4tiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Information Systems Science", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.date.updated", "value": "2018-01-15T13:22:48Z", "language": null, "element": "date", "qualifier": "updated", "schema": "dc"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": "fi", "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_56741
language fin
last_indexed 2025-03-31T20:03:34Z
main_date 2017-01-01T00:00:00Z
main_date_str 2017
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/3225dc4c-9ef7-4888-8341-d51d5ae3b907\/download","text":"URN:NBN:fi:jyu-201801151195.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2017
record_format qdc
source_str_mv jyx
spellingShingle Heikkilä, Arttu Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa tekoäly luonnollisen kielen prosessointi mielenterveyden häiriöt koneoppiminen masennus tekstianalytiikka Tietojärjestelmätiede Information Systems Science
title Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_full Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_fullStr Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_full_unstemmed Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_short Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_sort kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
title_txtP Kognitiivisten teknologioiden hyödyntäminen mielenterveyden häiriöiden havaitsemisessa sosiaalisessa mediassa
topic tekoäly luonnollisen kielen prosessointi mielenterveyden häiriöt koneoppiminen masennus tekstianalytiikka Tietojärjestelmätiede Information Systems Science
topic_facet Information Systems Science Tietojärjestelmätiede koneoppiminen luonnollisen kielen prosessointi masennus mielenterveyden häiriöt tekoäly tekstianalytiikka
url https://jyx.jyu.fi/handle/123456789/56741 http://www.urn.fi/URN:NBN:fi:jyu-201801151195
work_keys_str_mv AT heikkiläarttu kognitiivistenteknologioidenhyödyntäminenmielenterveydenhäiriöidenhavaitsemisessas