সামাজিক বিজ্ঞান গবেষণা/সামাজিক যোগাযোগ মাধ্যমে মানসিক অসুস্থতার প্রতি কলঙ্ক

জেনোডোতে (Zenodo), নিচের লিংকে: https://zenodo.org/records/11202766, আপনি "মেন্টাল হেলথ ইন সোশ্যাল নেটওয়ার্কস উইথ মেশিন লার্নিং অ্যালগরিদম" (Mental Health in Social Networks with Machine Learning Algorithms) প্রকল্পটি খুঁজে পেতে পারেন, যেটিতে সামাজিক যোগাযোগ মাধ্যম, বিশেষ করে তারকাদের বিবৃতির সাথে সম্পর্কিত ইনস্টাগ্রাম মন্তব্যগুলোতে মানসিক স্বাস্থ্য বিশ্লেষণের ওপর দৃষ্টি নিবদ্ধ করা দুটি এক্সেল উপাত্ত সেট বা ডেটাসেট রয়েছে। প্রথম উপাত্ত সেটটিকে (DatasetMH.xlsx) মেরুতা বা পোলারিটি (ইতিবাচক, নেতিবাচক, নিরপেক্ষ) এবং নেতিবাচক দৃষ্টিভঙ্গি বা স্টিগমা (হ্যাঁ, না) দ্বারা চিহ্নিত করা হয়েছে, যেখানে দ্বিতীয়টি (DatasetMH_Emotions.xlsx) ছয়টি আবেগ (ভালোবাসা/প্রশংসা, কৃতজ্ঞতা, বোঝাপড়া/সহানুভূতি/একাত্মতা, বিষণ্ণতা, রাগ/অবজ্ঞা/বিদ্রূপ, নিরপেক্ষ) অনুসারে শ্রেণিবদ্ধ করা হয়েছে। ভাইয়াদোলিদ বিশ্ববিদ্যালয়ের (University of Valladolid) বিশেষজ্ঞদের দ্বারা মন্তব্য সংগ্রহ এবং লেবেলিং করা হয়েছিল। এর মধ্যে একটি পাইলট বা পরীক্ষামূলক পর্যায়, স্বাধীন লেবেলিং এবং অমিলগুলো সমাধানের জন্য পর্যালোচনা অন্তর্ভুক্ত ছিল। এর লক্ষ্য ছিল সামাজিক যোগাযোগ মাধ্যমে আবেগিক প্রতিক্রিয়াগুলো মূল্যায়ন করার জন্য মেশিন লার্নিং মডেল তৈরি করা।

নোয়েমি, এম., আলবা, এ., এবং ক্লারা, জি.-এস. (২০২৪)। মেন্টাল হেলথ ইন সোশ্যাল নেটওয়ার্কস উইথ মেশিন লার্নিং অ্যালগরিদম [উপাত্ত সেট]। জেনোডো। https://doi.org/10.5281/zenodo.11202766

আমি নিচের কোডটি ব্যবহার করে আর-এ (R) উপাত্ত সেট দুটি একত্রিত করি:

df <- merge(DatasetMH[,c(1,3,4)],DatasetMH_Emotions[,c(1,3)], by="Text", all.x = TRUE)
df <- df[-which(duplicated(df)),]

নেতিবাচক দৃষ্টিভঙ্গির গণসংখ্যা

নেতিবাচক দৃষ্টিভঙ্গি বা স্টিগমা চলকটির গণসংখ্যা হিসাব করা সম্ভব। তাই নমুনায়, ২,২৭৭টি বার্তার মধ্যে ৫৫৮টি নেতিবাচক দৃষ্টিভঙ্গিমূলক বার্তা পাওয়া যায় এবং এর শতকরা হার হলো ২৪.৫১%।

library(dplyr)

n=nrow(df)
df %>%
group_by(Stigma) %>%
summarise(total_messages=n(), percentage=paste(round(total_messages*100/n,2),"%",sep = ""))

Stigma    total_messages percentage
1 NO                 1719 75.49%
2 YES                 558 24.51%

শতকরা হারের অনুমান হিসাব করা সম্ভব, কারণ নমুনাটি স্বাধীন বার্তা নিয়ে গঠিত, যেখানে n*p=1719>10 এবং n*(1-p)=558>10। অতএব, আমরা ৯৫% নিশ্চিত যে ইনস্টাগ্রামে মানসিক অসুস্থতার প্রতি নেতিবাচক দৃষ্টিভঙ্গিযুক্ত পোস্টের প্রকৃত শতকরা হার [২২.৭৪%, ২৬.২৭%] আস্থা ব্যবধানের (confidence interval) মধ্যে রয়েছে।

library(statsr)

 inference(y = Stigma, data = df,
                statistic = "proportion", type = "ci",
                method = "theoretical", success = "Yes",
                conf_level = 0.95)

একক শ্রেণিবদ্ধ চলক, সাফল্য: Yes
n = 2277, p-hat = 0.2451
95% CI: (0.2274, 0.2627)

মেরুতা এবং আবেগের গণসংখ্যা

একইভাবে, নমুনার মেরুতা এবং আবেগ চলকগুলোর জন্য আমাদের কাছে রয়েছে:

মেরুতা (Polarity)        মোট_বার্তা শতকরা_হার
1 অনির্ধারিত             173 7.6%
2 নেতিবাচক               580 25.47%
3 ইতিবাচক                1524 66.93%

আবেগ (Emotions)                               মোট_বার্তা শতকরা_হার
1 ভালোবাসা/প্রশংসা                                640 28.11%
2 বোঝাপড়া/সহানুভূতি/একাত্মতা                       658 28.9%
3 কৃতজ্ঞতা                                      226 9.93%
4 অনির্ধারিত                                    173 7.6%
5 রাগ/অবজ্ঞা/বিদ্রূপ                               462 20.29%
6 বিষণ্ণতা/ব্যথা                                  118 5.18%

নেতিবাচক দৃষ্টিভঙ্গি এবং মেরুতা চলকের মধ্যে নির্ভরশীলতা

কাই-স্কয়ার (chi-square) পরীক্ষা আলোচ্য চলকগুলোর মধ্যে নির্ভরশীলতা তুলে ধরে:

inference(y = Stigma, x=Polarità, data = df,
                statistic = "proportion", type = "ht",
                method = "theoretical", alternative = "greater",
                conf_level = 0.95)

প্রতিক্রিয়া চলক: শ্রেণিবদ্ধ (২টি স্তর)
ব্যাখ্যামূলক চলক: শ্রেণিবদ্ধ (৩টি স্তর)
পর্যালোচিত:
               y
x                 NO   Yes
  Undetermined   164    9
  Negative        31  549
  Positive      1524    0

প্রত্যাশিত:
               y
x                      NO        Yes
  Undetermined  130.6047   42.39526
  Negative      437.8656  142.13439
  Positive      1150.5296 373.47036

H0: মেরুতা এবং নেতিবাচক দৃষ্টিভঙ্গি স্বাধীন
HA: মেরুতা এবং নেতিবাচক দৃষ্টিভঙ্গি নির্ভরশীল
chi_sq = 2072.2766, df = 2, p_value = 0

যেহেতু p-value < 0.05, তাই আমরা নাস্তি উপপ্রকল্প H0 প্রত্যাখ্যান করি, যার অর্থ হলো মেরুতা এবং নেতিবাচক দৃষ্টিভঙ্গি একে অপরের ওপর নির্ভরশীল।

এটি যাচাই করা যেতে পারে যে নেতিবাচক দৃষ্টিভঙ্গি এবং আবেগের মধ্যে, এবং আবেগ ও মেরুতার মধ্যেও একটি নির্ভরশীল সম্পর্ক রয়েছে।