From data to insights: Machine learning in thematic analysis of complex health conditions on social media
Notice bibliographique
Résumé
Social media data has the potential to enable the exploration of public perspectives on health conditions, interventions and policies. However, the resource-intensive nature of qualitative analysis creates a barrier to the timely utilization of social media data. Artificial intelligence can provide innovative ways to reduce the burden by augmenting the data analysis process for researchers. Therefore, the purpose of this research is to explore the feasibility of using Machine Learning (ML) in augmenting thematic analysis of complex health issues data available on social media. First, we performed a human-determined deductive thematic analysis of the 7,177 comments posted by YouTube video viewers on postpartum depression. Then we used the same data to perform machine-assisted analysis using five Natural Language Processing (NLP) classification models with and without class balancing techniques (class weight balance and SMOTE) to balance the unequal number of comments across themes. Our analysis suggested that supervised machine learning may not be optimal for analyzing complex health datasets. However, integrating ML-NLP techniques with thematic analysis can effectively filter out ineligible data, thereby enhancing the efficiency of traditional thematic analysis processes. This integration allows researchers to focus on valuable data, producing meaningful insights and comprehensive analysis while saving time otherwise spent sifting through a large amount of ineligible data. Social media data can offer significant public health insights, and to enhance the use of such data, future research should focus on developing artificial intelligence tools to improve the efficiency of thematic analysis using larger datasets and unsupervised machine learning models for analyzing complex health issues.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».