في خطوة غير تقليدية، قدّم الباحثون في دراستهم تحليلاً ملحوظًا لخصائص اللغة المستخدمة في المحتوى المعروض على مواقع التواصل الاجتماعي قبل وبعد حدوث الوفاة. اعتمدت الدراسة على تصنيف المحتوى بواسطة تقنيات التعلم الآلي (Machine Learning) لتحقيق دقة عالية في اكتشاف حالات الوفاة للمستخدمين.

من خلال بيانات جديدة تم تطويرها باستخدام ويكيداتا (Wikidata) وتويتر (Twitter)، تم تدريب نماذج تعلم الآلة التقليدية مثل الغابات العشوائية (RF)، الجار الأقرب (KNN) والانحدار اللوجستي (LR) إضافة إلى نماذج التعلم العميق مثل BiLSTM وCNN وBERT، حيث أظهرت النتائج أن نموذج BERT تفوق على جميع النماذج الأخرى.

كشفت البيانات أيضًا عن اختلافات مثيرة للاهتمام في المشاعر المرادة في التغريدات قبل الوفاة وبعدها. بينما كانت التغريدات السابقة تعبر عن مشاعر إيجابية وعواطف مختلطة، كان هناك ارتفاع ملحوظ في المشاعر السلبية في التغريدات اللاحقة، مما يشير إلى الطابع المأساوي الذي يُظهره المحتوى بعد الوفاة.

علاوة على ذلك، أظهرت الدراسة أن الكلمات الدالة على الموت، بالإضافة إلى الضمائر الشخصية والأفعال، كانت أكثر شيوعًا في التغريدات اللاحقة. هذه النتائج تعكس التفكير التحليلي بشكل أكبر في المحادثات بعد الوفاة، مما يقدم رؤية قيمة حول كيفية معالجة الأفراد لفقدانهم من خلال التعبير الرقمي.

إذاً، ما هي انعكاسات هذه التقنية الجديدة على دراسات السلوك الاجتماعي والنفسي؟ وكيف يمكن أن تُستخدم في المستقبل؟ شاركونا آرائكم وتجاربكم في التعليقات!