Aprendizaje Automático, Análisis de Sentimientos y Tweets: Un Examen del Estigma de la Enfermedad de Alzheimer en Twitter

OBJETIVOS: Los científicos sociales necesitan métodos prácticos para aprovechar grandes conjuntos de datos disponibles públicamente que informen el contexto social del envejecimiento. Describimos nuestro desarrollo de un método de codificación de texto semi-automatizado y utilizamos un análisis de contenido de la representación de la enfermedad de Alzheimer (EA) y la demencia en Twitter para demostrar su uso. El enfoque mejora la viabilidad de examinar grandes conjuntos de datos disponibles públicamente. METODOLOGÍA: Se modelaron técnicas de aprendizaje automático para evaluar la estigmatización expresada en 31,150 tweets relacionados con la EA recopilados a través de la API de búsqueda de Twitter basada en 9 palabras clave relacionadas con la EA. Dos investigadores codificaron manualmente 311 tweets aleatorios en 6 dimensiones. Esta entrada del 1% del conjunto de datos se utilizó para entrenar un clasificador en contra del texto del tweet y codificar el 99% restante del conjunto de datos. RESULTADOS: Nuestro proceso automatizado identificó que el 21.13% de los tweets relacionados con la EA usaron palabras clave relacionadas con la EA para perpetuar el estigma público, lo que podría impactar los estereotipos y las expectativas negativas para individuos con la enfermedad y aumentar la "discapacidad excesiva". DISCUSIÓN: Esta técnica podría aplicarse a preguntas en gerontología social relacionadas con cómo las plataformas de redes sociales reflejan y modelan actitudes que afectan otros resultados de desarrollo. Se discuten recomendaciones para la recopilación y análisis de grandes conjuntos de datos de Twitter.