還記得前一陣子風靡臉書的文字雲（文章詞彙分析機）嗎？作者透過自製演算法和矩陣函式，分析發文常出現的詞彙，一目瞭然使用者最近在關注什麼、心情又是如何。而美國賓州大學近日發布一項研究，根據
Twitter（推特）使用者推文，預測常分享快樂、正面情緒的人，有較低的比率罹患心血管疾病，反之，負面情緒推文者則有較高的比率患病。
這項研究發表於
Psychological Science，跨足多項領域：醫學、心理學、公共衛生、甚至是公民規劃，研究人員採用自 2009
年到 2010 年，共約 1.48 億則推文做為研究對象，預測動脈粥樣硬化心臟疾病
(AHD) 死亡率，結合了十種常見的人口、社會經濟和健康危險因素，建立了預測模型。在 1,300 個城鎮、佔美國
88% 人口數的研究對象當中，賓州大學發現言語情緒是預測心血管疾病的代表因子，更勝其他獨立因素如：收入、吸菸、高血壓等等。
不過，儘管推文內容與疾病預測有一定的關聯性，外界仍然提出以下幾點質疑：
雖然樣本數佔美國人口 88%，卻仍只代表一部份的人口。
Twitter 使用者傾向年輕族群。
Twitter 推文無法完全連結現實生活。
推文數增加可能會增加該地區罹病機率，但可能只是有新用戶註冊了帳號。
情緒分析可能在會因為議題不同而被影響。
賓州大學進一步指出，Twitter 內容在深度與廣度上，都超越了傳統研究層面，其預測結果也和分析 CDC 資料的 Google
流感趨勢模型極為相似。顯示推文的內容可以反映負面的社會關係，又以憤怒為危險因素，有較高的機率誘發心血管疾病；正面情緒與積極心理則成為保護因素，較低機率落於心血管疾病高危險群。
賓州大學藉由推文內容間接預測心血管疾病發生率，而推文內容往往受社區內的人事物與政策影響，因此其研究結果和社群有密切相關。
賓州大學教授 Lyle Ungar
表示：「我們將長期深入探究社區的特質。言語代表的是乾柴，而非轉瞬即滅的星火。或許無法預測每一個城鎮中疾病發生的時間，但我們卻可以從言語了解哪些城鎮需要多加留意。」
參考資料：Scientists say tweets predict heart disease and
community health
原文出處：本文轉載自合作媒體
PunNode
延伸閱讀：ASIA BEAT 冠軍
QSearch，如何利用社群媒體大數據實現民主化？
嚴禁抄襲，若欲轉載，敬請註明出處「SmartM」並附上原文連結。
歡迎各大媒體交換文章連結。
圖片來源：主圖、縮圖: Flickr-Ji Ruan(C.C. Licensed)
加入SmartM粉絲團，更多電商訊息等你關注 https://www.facebook.com/smartm.tw
↧