Научные статьи \ Философия. Психология \ Психология

Инструментальные средства анализа депрессивного состояния и личностных черт человека

Инструментальные средства анализа депрессивного состояния и личностных черт человека

Автор: Кисельникова Наталья Владимировна, Куминская Евгения Андреевна, Латышев Андрей Валерьевич, Фраленко Виталий Петрович, Хачумов Михаил Вячеславович

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Искусственный интеллект, интеллектуальные системы, нейронные сети

Статья в выпуске: 3 (42) т.10, 2019 года.

Бесплатный доступ

Выполнен анализ работ, посвященных выявлению устойчивой связи между личностными чертами и депрессией человека по комплексу информации, доступной в социальных сетях. Значимость автоматизированного решения задачи определяется необходимостью своевременного выявления признаков депрессии как широко распространенного психического заболевания для принятия мер ее профилактики и лечения на ранних стадиях.Рассмотрены вопросы построения механизмов выявления закономерностей и построения современных инструментальные средств анализа данных социальных сетей для проведения научных исследований в предметной области. В качестве инструментальных средств выявления депрессии предлагается применять современные методы автоматического анализа веб-страниц, формализации выявления деструктивной информации по предложениям психологов, проверки гипотез о наличии корреляционных связей, автоматической классификации текстово-графической информации с помощью аппарата искусственных нейронных сетей в сочетании с методами семантического и психологического анализа данных.Эксперименты выявляют существенную корреляционную связь между различными градациями депрессии и некоторыми личностными чертами, а также устойчивую корреляцию между самими личностными чертами большой пятерки.

Еще

Личностные черты, большая пятерка, социальная сеть, депрессия, большие данные, автоматический анализ, веб-страница, корреляционная связь, искусственная нейронная сеть, психологический портрет

Короткий адрес: https://sciup.org/143169799

IDR: 143169799   |   УДК: 159.9.072.5:004.89   |   DOI: 10.25209/2079-3316-2019-10-3-129-159

Tools for the analysis of the depressed state and personality traits of a person

The analysis of works dedicated to the identification of a stable relationship between personality traits and a person's depression is carried out according to a complex of information available in social networks. The importance of automated problem solving follows from the need to timely detect signs of depression as a widespread mental illness to take measures for its prevention and treatment in the early stages.The article discusses the issues of building mechanisms for identifying patterns and building modern tools for analyzing social network data for conducting scientific research in the subject area. As tools for identifying depression, it is proposed to apply contemporary methods of automatic analysis of web pages, formalize the identification of destructive information on psychologists' proposals, test hypotheses about the presence of correlation links, automatically classify text-graphic information using an artificial neural network device in combination with semantic and psychological methods data analysis. Based on the studies performed, we found a significant correlation between various gradations of depression and some personality traits, as well as the presence of a stable correlation between the personality traits of the Big Five. (In Russian).

Еще

Список литературы Инструментальные средства анализа депрессивного состояния и личностных черт человека

  • Ю. Сергеева. Социальные сети в 2018 году: глобальное исследование, WebCanape, 2018 URL https://www.web-canape.ru/business/socialnye-seti-v-2018-godu-globalnoe-issledovanie/.
  • E. C. Tupes, R. E. Christal. “Recurrent personality factors based on trait ratings”, Journal of Personality, 60:2 (1992), pp. 225-251. DOI: 10.1111/j.1467-6494.1992.tb00973.x
  • T. A. Widiger, P. T. Costa. “Personality and personality disorders”, Journal of Abnormal Psychology, 103:1 (1994), pp. 78-91. DOI: 10.1037/0021-843X.103.1.78
  • T. A. Widiger, S. N. Mullins-Sweatt. “Clinical utility of a dimensional model of personality disorder”, Professional Psychology: Research and Practice, 41:6 (2010), pp. 488-494. DOI: 10.1037/a0021694
  • R. L. Piedmont, M. F. Sherman, N. C. Sherman, G. S. Dy-Liacco, J. E. Williams. “Using the five-factor model to identify a new personality disorder domain: the case for experiential permeability”, Journal of Personal Social Psychology, 96:6 (2009), pp. 1245-1258. DOI: 10.1037/a0015368
  • T. A. Widiger, P. T. Costa (eds.). Personality disorders and the five-factor model of personality, Third ed., APA, 2013, , 468 pp.
  • ISBN: 978-1-4338-1166-1
  • J. Gutierrez, B. Jimenez, E. Hernandez, C. Puente. “Personality and subjective well-being: Big Five correlate and demographic variables”, Personality and Individual Differences, 38:7 (2005), pp. 1561-1569.
  • DOI: 10.1016/j.paid.2004.09.015
  • E. Diener. “Subjective well-being”, Psychological Bulletin, 95:3 (1984), pp. 542-575.
  • DOI: 10.1037/0033-2909.95.3.542
  • K. M. DeNeve, H. Copper. “The happy personality: A meta-analysis of 137 personality traits and subjective well-being”, Psychological Bulletin, 124:2 (1988), pp. 197-229.
  • DOI: 10.1037/0033-2909.124.2.197
  • R. Kotov, W. Gamez, F. Schmidt, D. Watson. “Linking ‘Big’ personality traits to anxiety, depressive, and substance use disorders: A meta-analysis”, Psychological Bulletin, 136:5 (2010), pp. 768-821.
  • DOI: 10.1037/a0020327
  • K. G. Giota, G. Kleftaras. “Facebook social support: A comparative study on depression and personality characteristics” (22-26 July, 2013, Czech Republic, Prague), pp. 37-44.
  • R. Jourdy, J. Petot. “Relationships between personality traits and depression in the light of the ‘Big Five’ and their different facets”, L'Évolution Psychiatrique, 82:4 (2017), pp. 27-37.
  • DOI: 10.1016/j.evopsy.2017.08.002
  • R. M. Bagby, M. Sellbom, P. T. Costa, T. A.Widiger. “Predicting diagnostic and statistical manual of mental disorders-iv personality disorders with the five-factor model of personality and the personality psychopathology five”, Personality and Mental Health, 2:2 (2008), pp. 55-69.
  • DOI: 10.1002/pmh.33
  • R. C. Kessler, W. T. Chiu, O. Demler, K. R. Merikangas, E. E. Walters. “Prevalence, severity, and comorbidity of 12-month DSM-IV disorders in the National Comorbidity Survey Replication”, Archives of General Psychiatry, 62:6 (2005), pp. 617-627.
  • DOI: 10.1001/archpsyc.62.6.617
  • W. M. Compton, K. P. Conway, F. S. Stinson, J. D. Colliver, B. F. Grant. “Prevalence, correlates, and comorbidity of DSM-IV antisocial personality syndromes and alcohol and specific drug use disorders in the United States: Results from the national epidemiologic survey on alcohol and related conditions”, The Journal of Clinical Psychiatry, 66:6 (2005), pp. 677-685.
  • DOI: 10.4088/jcp.v66n0602
  • D. S. Hasin, R. D. Goodwin, F. S. Stinson, B. F. Grant. “Epidemiology of major depressive disorder: results from the National Epidemiologic Survey on Alcoholism and Related Conditions”, Archives of General Psychiatry, 62:10 (2005), pp. 1097-1106.
  • DOI: 10.1001/archpsyc.62.10.1097
  • A. A. Khan, K. C. Jacobson, C. O. Gardner, C. A. Prescott, K. S. Kendler. “Personality and comorbidity of common psychiatric disorders”, The British Journal of Psychiatry, 186:3 (2005), pp. 190-196.
  • DOI: 10.1192/bjp.186.3.190
  • P. Cuijpers, F. Smit, B. W. Penninx, de Graaf R., ten Have M., A. T. Beekman. “Economic costs of neuroticism: A population-based study”, Archives of General Psychiatry, 67:10 (2010), pp. 1086-1093.
  • DOI: 10.1001/archgenpsychiatry.2010.130
  • B. F. Jeronimus, R. Kotov, H. Riese, J. Ormel. “Neuroticism's prospective association with mental disorders halves after adjustment for baseline symptoms and psychiatric history, but the adjusted association hardly decays with time: a meta-analysis on 59 longitudinal/prospective studies with 443313 participants”, Psychological Medicine, 46:14 (2016), pp. 2883-2906.
  • DOI: 10.1017/S0033291716001653
  • L. M. Saulsman, A. C. Page. “The five-factor model and personality disorder empirical literature: A meta-analytic review”, Clinical Psychology Review, 23:8 (2004), pp. 1055-1085.
  • DOI: 10.1016/j.cpr.2002.09.001
  • S. Bhat. “Social networking sites and mental health: a review”, International Journal of Advanced Educational Research, 2:5 (2017), pp. 357-360.
  • E. M. Seabrook, M. L. Kern, N. S. Rickard. “Social networking sites, depression, and anxiety: a systematic review”, JMIR Ment Health, 3:4 (2016), 19 pp.
  • DOI: 10.2196/mental.5842
  • L. P. Tosun, T. Lajunen. “Why do young adults develop a passion for Internet activities? The associations among personality, revealing ‘true self’ on the Internet, and passion for the Internet”, Cyberpsychology Behavior, 12:4 (2009), pp. 401-406.
  • DOI: 10.1089/cpb.2009.0006
  • C. Li, X. Shi, J. Dang. “Online communication and subjective well-being in Chinese college students: The mediating role of shyness and social self-efficacy”, Computers in Human Behavior, 34:5 (2014), pp. 89-95.
  • DOI: 10.1016/j.chb.2014.01.032
  • Y. Bachrach, M. Kosinski, T. Graepel, P. Kohli, D. Stillwell. “Personality and patterns of Facebook usage” (June 22-24, 2012, Evanston, Illinois, USA), 2012, , pp. 24-32.
  • DOI: 10.1145/2380718.2380722 ISBN: 978-1-4503-1228-8
  • J. Wee, S. Jang, J. Lee, W. Jang. “The influence of depression and personality on social networking”, Computers in Human Behavior, 74 (2017), pp. 45-52.
  • DOI: 10.1016/j.chb.2017.04.0030747-5632
  • M. Tasnim, R. Shahriyar, N. Nahar, H. Mahmud. “Intelligent depression detection and support system: statistical analysis, psychological review and design implication” (September 14-16, 2016, Munich, Germany), 2016, 6 pp.
  • DOI: 10.1109/HealthCom.2016.7749494
  • E. M. Seabrook, M. L. Kern, B. D. Fulcher, N. S. Rickard. “Predicting depression from language-based emotion dynamics: Longitudinal analysis of Facebook and Twitter status updates”, Journal of Medical Internet Research, 20:5 (2018), 18 pp.
  • DOI: 10.2196/jmir.9267
  • A. Yates, A. Cohan, N. Goharian. “Depression and self-harm risk assessment in online forums” (September 7-11, 2017, Copenhagen, Denmark), 2017, pp. 2968-2978.
  • DOI: 10.18653/v1/D17-1322
  • M. D. Choudhury, S. Counts, E. Horviz. “Social media as a measurement tool of depression in populations” (May 02-04, 2013, Paris, France), 2013, , pp. 47-56.
  • DOI: 10.1145/2464464.2464480 ISBN: 978-1-4503-1889-1
  • L. s. Radloff. “The CES-D scale: A self-report depression scale for research in the general population”, Applied Psychological Measurement, 1:3 (1977), pp. 385-401.
  • DOI: 10.1177/014662167700100306
  • A. G. Reece, C. M. Danforth. “Instagram photos reveal predictive markers of depression”, EPJ Data Science, 6 (2017), 15, 12 pp.
  • DOI: 10.1140/epjds/s13688-017-0110-z
  • M. Cristani, A. Vinciarelli, C. Segalin, A. Perina. “Unveiling the multimedia unconscious: Implicit cognitive processes and multimedia content” (October 21-25, 2013, Barcelona, Spain), pp. 213-222.
  • DOI: 10.1145/2502081.2502280
  • K. Y. Stanford, S. Mall, N. G. Stanford. Prediction of personality first impressions with deep bimodal LSTM, 2017, 10 pp.
  • C.-L. Zhang, H. Zhang, S. X. Wei, J. Wu. “Deep bimodal regression for apparent personality analysis”, Computer Vision - ECCV 2016 Workshops (October 8-10 and 15-16, 2016, Amsterdam, The Netherlands), 2016, 14 pp.
  • DOI: 10.1007/978-3-319-49409-8_25
  • B. Ferwerda, M. Schedl, M. Tkalcic. “Predicting personality traits with Instagram pictures” (September 16-20, 2015, Vienna, Austria), 2015, pp. 7-10.
  • DOI: 10.1145/2809643.2809644
  • C. J. Boyatzis, R. Varghese. “Children's emotional associations with colors”, Journal of Genetic Psychology, 155:1 (1994), pp. 77-85.
  • DOI: 10.1080/00221325.1994.9914760
  • H. R. Carruthers, J. Morris, N. Tarrier, P. J. Whorwell. “The Manchester color wheel: Development of a novel way of identifying color choice and its validation in healthy, anxious and depressed individuals”, BMC Medical Research Methodology, 10:1 (2010), 13 pp.
  • DOI: 10.1186/1471-2288-10-12
  • M. Hemphill. “A note on adults' color-emotion associations”, Journal of Genetic Psychology, 157:3 (1996), pp. 275-280.
  • DOI: 10.1080/00221325.1996.9914865
  • C. B. Barrick, D. Taylor, E. I. Correa. “Color sensitivity and mood disorders: biology or metaphor?” Journal of Affective Disorders, 68:1 (2002), pp. 67-71.
  • DOI: 10.1016/S0165-0327(00)00358-X
  • Ю. Г. Емельянова, А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов. «О корреляционных связях личностных факторов из „Big Five‟», Научное обозрение. Педагогические науки, 2019, №1, с. 59-65.
  • А. В. Латышев, А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов. «Методы оценки личностных факторов по визуальной информации, публикуемой в социальных сетях (обзор)», Мир науки. Педагогика и психология, 7:1 (2019), 17, 9 с.
  • А. А. Талалаев, В. П. Фраленко, В. М. Хачумов, М. В. Хачумов, М. В. Шустова. «Анализ графического контента пользователей социальных сетей для установления личностных факторов», Педагогика, психология, общество - 2019 (10 февраля 2019 г., Москва, Россия), 2019, с. 31-40.
  • M. V. Khachumov. “Models of the representation and clustering of semistructured information”, Scientific and Technical Information Processing, 42:5 (2015), pp. 388-396.
  • DOI: 10.3103/S0147688215050135
  • M. V. Khachumov. “Distances, metrics and cluster analysis”, Scientific and Technical Information Processing, 39:6 (2012), pp. 310-316.
  • DOI: 10.3103/S0147688212060020
  • T. Hastie, R. Tibshirani, J. Friedman. “The EM algorithm”, Springer Series in Statistics, Springer, NY, 2001, , pp. 236-243.
  • DOI: 10.1007/978-0-387-21606-5 ISBN: 978-0-387-21606-5
  • P. T. Costa, R. R. McCrae. “Normal personality assessment in clinical practice: The NEO Personality Inventory”, Psychological assessment, 4:1 (1992), pp. 5-13.
  • DOI: 10.1037/1040-3590.4.1.5
  • C. Segalin, F. Celli, L. Polonio, M. Kosinski, D. Stillwell, N. Sebe, M. Cristani, B. Lepri. “What your Facebook profile picture reveals about your personality” (October 23-27, 2017, Mountain View, California, USA), pp. 460-468.
  • DOI: 10.1145/3123266.3123331
  • O. Russakovsky, J. Deng, H. Su et al.. “ImageNet large scale visual recognition challenge”, International Journal of Computer Vision, 115:3 (2015), pp. 211-252.
  • DOI: 10.1007/s11263-015-0816-y
  • Н. А. Игнатьев, А. В. Латышев, В. П. Фраленко. «Экспериментальное исследование связи личностных факторов и изображений, размещаемых пользователями социальной сети „ВКонтакте‟», Приднепровский научный вестник, 2:4 (2019), с. 103-110.
  • D. C. Ciresan, U. Meier, J. Masci, L. M. Gambardella, J. Schmidhuber. “Flexible, high performance convolutional neural networks for image classification”. II (July 16-22, 2011, Barcelona, Catalonia, Spain), pp. 1237-1242.
  • DOI: 10.5591/978-1-57735-516-8/IJCAI11-210
  • V. Nair, G. Hinton. “Rectified linear units improve restricted Boltzmann machines” (June 21-24, 2010, Haifa, Israel), 2010, , pp. 807-814.
  • ISBN: 978-1-60558-907-7
  • N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov. “Dropout: A simple way to prevent neural networks from overfitting”, Journal of Machine Learning Research, 15 (2014), pp. 1929-1958.
  • Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. “Deep residual learning for image recognition” (June 27-30, 2016, Las Vegas, NV, USA), 2016, 12 pp.
  • DOI: 10.1109/CVPR.2016.90
  • C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, Z. Wojna. “Rethinking the Inception architecture for computer vision” (June 27-30, 2016, Las Vegas, NV, USA), 2016, 10 pp.
  • DOI: 10.1109/CVPR.2016.308
  • A. Krizhevsky, I. Sutskever, G. E. Hinton. “Imagenet classification with deep convolutional neural networks”, Advances in Neural Information Processing Systems, 25:2 (2012), pp. 1097-1105.
  • DOI: 10.1145/3065386
  • K. Simonyan, A. Zisserman. Very deep convolutional networks for large-scale image recognition, 2015, 14 pp.
  • arXiv: 1409.1556
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp