Transformerlar ve açıklanabilirlikle Reddit’teki ruh sağlığı söylemini anlama

Duygular hakkında çevrimiçi konuşmanın önemi

Kaygı, depresyon, bipolar bozukluk veya sınırda kişilik bozukluğu ile mücadele eden birçok kişi, bir uzmana görünmeden önce internete başvuruyor. Anonim topluluklarıyla Reddit, korkuları paylaşmak, yardım istemek ve başkalarını desteklemek için büyük bir buluşma yeri haline geldi. Bu çalışma, bu binlerce konuşmanın nasıl göründüğünü ve yapay zekânın bunları nasıl sınıflandırıp farklı ruh sağlığı zorluklarından söz edilirken en sık kullanılan sözcükleri nasıl öne çıkarabileceğini inceliyor.

Destek topluluklarına bir göz

Araştırmacılar kaygı, depresyon, bipolar bozukluk ve sınırda kişilik bozukluğuna (genellikle BPD olarak kısaltılır) adanmış dört büyük Reddit topluluğuna odaklandı. Veri setlerindeki her gönderi, tıbbi bir tanı ile değil, geldiği toplulukla etiketlendi. Ekip bu toplulukları benzer sorunları olan insanların dertleştiği, tavsiye aradığı ve teselli sunduğu “endişe alanları” olarak ele aldı. Bu alanlarda dilin nasıl farklılaştığını inceleyerek, insanların klinik dışında kendi sözcükleriyle deneyimlerini nasıl anlattıklarını anlamayı amaçladılar.

Konuşmaları ayırmayı bilgisayarlara öğretmek

150.000’den fazla gönderiyi anlamlandırmak için yazarlar, özellikle BERT ve MentalBERT adı verilen ruh sağlığı odaklı bir versiyon olmak üzere transformer adı verilen güçlü dil modelleri kullandılar. Bu modeller her gönderiyi okudu ve bunlardan hangisinin dört topluluktan hangisine ait olduğunu tahmin etmeye çalıştı. Bazı topluluklarda diğerlerine göre çok daha fazla gönderi olduğundan, ekip her grubun eşit temsil edildiği dengeli bir veri seti oluşturdu. Bu, görevi zorlaştırdı ama adil hale getirdi; modellerin en yaygın topluluklara öncelik vermek yerine gerçekten dil farklılıklarını öğrenmesini zorunlu kıldı. Test edildiğinde modeller gönderilerin yaklaşık yüzde 82’sini doğru etiketledi—bu, sadece dört seçenekten rastgele doğru tahmin etme oranının (yüzde 25) oldukça üzerindeydi.

Yapay zekânın kara kutusunu açmak

Ruh sağlığı teknolojisinde büyük bir endişe, bilgisayar sistemlerinin sebepsizce tahminler sunan gizemli “kara kutular” gibi görünmesidir. Bunu ele almak için araştırmacılar, modelin belirli bir karara yönelmesinde hangi sözcüklerin etkili olduğunu ortaya çıkaran LIME adlı bir yaklaşım kullandılar. Basitçe söylemek gerekirse, LIME bir gönderinin parçalarını gizler veya değiştirir ve modelin cevabının nasıl değiştiğini izler. “Panik” gibi bir kelime kaldırıldığında tahmin edilen topluluğun aniden değişmesi durumunda, o kelime önemli kabul edilir. Bu süreci binlerce gönderide binlerce kez tekrarlayarak ekip her topluluk için en etkili sözcüklerin listelerini oluşturdu ve bu sözcüklerin klinisyenlerin her koşul hakkında bildikleriyle örtüşüp örtüşmediğini kontrol etti.

Farklı mücadelelerin farklı sesleri

Açıklamalar net dil kalıplarını ortaya koydu. Kaygı topluluklarında “panik”, “atak” ve “endişe” gibi kelimeler öne çıktı; bunlar genellikle fiziksel belirtiler ve ani korku dalgalarıyla ilişkilendirildi. Depresyon gönderilerinde “umutsuz”, “değersiz”, “hayat” ve “eskisi gibi değil” benzeri terimler sıkça yer aldı; bunlar derin bir üzüntüyü ve durumun düzelmeyeceğine dair bir hissi yansıtıyor. BPD tartışmalarında anahtar sözcükler ilişkiler ve duygulara kaydı; “terk edilme”, “ilişki”, “bağlanma” ve gruplarda yaygın olan “fp” (favori kişi) gibi terimler öne çıktı. Bipolar gönderiler ruh hali değişimlerini ve tedavi dilini vurguladı; “mani”, “manik”, “hipomani”, “ruhsal durum” ve “lityum”, “lamictal” gibi ilaç isimleri gibi kelimeler kullanıldı. Modeller ayrıca durumların nerede birbirine karıştığını da gösterdi: örneğin kaygı ve depresyon gönderileri her ikisi de sıkıntı ve olumsuz duygular etrafında dönebildiği için birbirine karıştırılması daha kolaydı; bu gerçek hayattaki tanı süreçlerinde de görülen bir durumdur.

Çevrimiçi gönderilerden gerçek dünya etkisine

Uzman olmayan birine iletilmesi gereken ana mesaj şudur: Bilgisayarlar ruh sağlığı konuşmalarını tema bazında güvenilir şekilde sınıflandırabilir ve hangi sözcüklerin tercihleri yönlendirdiğini açıklayabilir, ancak hâlâ kimseyi teşhis edemez ve teşhis etmemelidir. Bu çalışmadaki modeller çevrimiçi destek alanları için birer kütüphaneci gibi davranır: belirli bir topluluktaki tartışmaların gerçekten o topluluğun odak noktasına uygun olup olmadığını kontrol etmeye yardımcı olurlar. Bu, moderatörlerin konuşmaları ilgili tutmalarına yardımcı olabilir ve araştırmacıların veya kliniklerin insanların resmi randevular dışında nasıl mücadelelerini anlattığını daha iyi anlamalarını sağlayabilir. İnsani denetim, gizlilik ve damgalama konularına özen gösterildiğinde, bu tür araçlar bir gün ruh sağlığı hakkında konuşmak için daha davetkâr ve daha iyi organize edilmiş çevrimiçi alanları destekleyebilir.

Atıf: Sánchez Rodríguez, I., Bianchi, J., Pinelli, F. et al. Understanding mental health discourse on Reddit with transformers and explainability. Sci Rep 16, 6796 (2026). https://doi.org/10.1038/s41598-026-35918-3

Anahtar kelimeler: ruh sağlığı, sosyal medya, Reddit, açıklanabilir Yapay Zeka, metin sınıflandırma