Objawy lęku i depresji w mediach społecznościowych w związku z zagrożeniem COVID-19

Main Article Content

Zbigniew Wieczorek
https://orcid.org/0000-0001-5239-2171

Abstrakt

W piśmiennictwie naukowym Internet i media społecznościowe postrzegane są zazwyczaj z perspektywy zagrożenia. Wiele opracowań opisuje ryzyko korzystania z Internetu zarówno praktyczne, które wiąże się z możliwością zagrożenia bezpieczeństwa czy finansów jak i psychologiczne związane uzależnieniem czy depresją. Coraz częściej jednak cyberprzestrzeń jest traktowana, jako obiekt badań sam w sobie lub przestrzeń, w której można badać zachowania internautów. Niniejsze opracowanie jest przykładem tego drugiego podejścia. Za pomocą analizy Big Data mediów społecznościowych dokonana będzie próba wykorzystania Kessler Psychological Distress Scale (K10) do porównania jak często w wypowiedziach internautów pojawiały się sygnały zachowań depresyjnych w roku bieżącym i poprzedzającym zagrożenie COVID-19.

Downloads

Download data is not yet available.

Article Details

Jak cytować
Wieczorek, Z. (2020). Objawy lęku i depresji w mediach społecznościowych w związku z zagrożeniem COVID-19. Edukacyjna Analiza Transakcyjna, (9), 131-145. https://doi.org/10.16926/eat.2020.09.09
Dział
Raporty z badań
Biogram autora

Zbigniew Wieczorek, Uniwersytet Humanistyczno - Przyrodniczy im. Jana Długosza w Częstochowie

Pedagog społeczny i socjolog, doktor nauk humanistycznych, pracownik Katedry Badań nad Edukacją UJD w Częstochowie. Posiada ponad dwudziestoletnie doświadczenie w prowadzeniu treningów asertywności oraz treningów umiejętności społecznych. Zainteresowania zawodowe koncentrują się wokół szeroko rozumianej komunikacji społecznej oraz wykorzystania technik rożnych szkół terapeutycznych w procesach samorozwoju i uczenia się nowych zachowań. Zainteresowania prywatne to jazda na rowerze, wspinaczka skałkowa i turystyka górska.

Bibliografia

Cacheda F, Fernandez D, Novoa FJ, Carneiro V(2019) Early Detection of Depression: Social Network Analysis and Random Forest Techniques, J Med Internet Res,21(6):e12554

DOI: 10.2196/12554

Chancellor, S., De Choudhury, M. (2020). Methods in predictive techniques for mental health status on social media: a critical review. npj Digital Medicine 3, 43 https://doi.org/10.1038/s41746-020-0233-7

Ford, E., Curlewis, K., Wongkoblap, A., Curcin, V. (2019) Public Opinions on Using Social Media Content to Identify Users With Depression and Target Mental Health Care Advertising: Mixed Methods Survey, Journal of Medical Internet Research, 6 (11) ):e12942, doi:10.2196/12942

Furukawa, T.A., Kessler, R.C., Slade, T., Andrews, G. (2003). The performance of the K6 and K10 screening scales for psychological distress in the Australian National Survey of Mental Health and Well-Being Psychological Medicine. 33:357-362

Guntuku, S., Yaden, D., Kern, M., Ungar, L., Eichstaedt, J. (2017) Detecting depression and mental illness on social media: an integrative review, Current Opinion in Behavioral Sciences, Volume 18, pages 43-49, ISSN 2352-1546, https://doi.org/10.1016/j.cobeha.2017.07.005.

Janczyk, J. (2016). Big Data w relacji do procesów zmian w edukacji. Dydaktyka Informatyki,11, 100–108, http://dx.doi.org/10.15584/di.2016.11.13.

Johannes C. Eichstaedt, Robert J. Smith, Raina M. Merchant, Lyle H. Ungar, Patrick Crutchley, Daniel Preoţiuc-Pietro, David A. Asch, H. Andrew Schwartz (2018) Facebook language predicts depression in medical records, Proceedings of the National Academy of Sciences Oct 2018, 115 (44) 11203-11208; DOI: 10.1073/pnas.1802331115

Kessler, R.C., Barker, P.R., Colpe, L.J., Epstein, J.F., Gfroerer, J.C., Hiripi, E., Howes, M.J, Normand, S-L.T., Manderscheid, R.W., Walters, E.E., Zaslavsky, A.M. (2003). Screening for serious mental illness in the general population. Archives of General Psychiatry. 60(2), 184-189

Kessler, R.C., Andrews, G., Colpe, L.J., Hiripi, E., Mroczek, D.K., Normand, S.-L.T., Walters, E.E., & Zaslavsky, A. (2002). Short screening scales to monitor population prevalances and trends in nonspecific psychological distress. Psychological Medicine. 32(6), 959-976.

Kessler, R.C., Green, J.G., Gruber, M.J., Sampson, N.A., Bromet, E., Cuitan, M., Furukawa, T.A., Gureje, O., Hinkov, H., Hu, C.Y., Lara, C., Lee, S., Mneimneh, Z., Myer, L., Oakley-Browne, M., Posada-Villa, J., Sagar, R., Viana, M.C., Zaslavsky, A.M. (2010). Screening for serious mental illness in the general population with the K6 screening scale: results from the WHO World Mental Health (WMH) survey initiative. International Journal of Methods in Psychiatric Research 19(S1), 4-22. Erratum in International Journal of Methods in Psychiatric Research 2011 Mar;20(1):62

Kim, J., Lee, J., Park, E. (2020) A deep learning model for detecting mental illness from user content on social media. Scientific Reports 10, article: 11846. https://doi.org/10.1038/s41598-020-68764-y

Reece, A.G., Danforth, C.M. Instagram photos reveal predictive markers of depression. EPJ Data Sci. 6, 15 (2017). https://doi.org/10.1140/epjds/s13688-017-0110-z

Wieczorek, Z. (2018). Wykorzystanie analizy transakcyjnej w badaniach mediów społecznościowych. Edukacyjna Analiza Transakcyjna, (7), 133-159. https://doi.org/10.16926/eat.2018.07.09

Wieczorek, Z. (2019). Depresja w świetle teorii analizy transakcyjnej - analiza mediów społecznościowych przy pomocy Big Data. Edukacyjna Analiza Transakcyjna, (8), 91-115. https://doi.org/10.16926/eat.2019.08.07

Żulicki, R. (2017). Potencjał big data w badaniach społecznych. Studia Socjolo-giczne,3(226), 175–207.