Zaznavanje in napovedovanje faznih prehodov v duševnem zdravju iz besedilnih podatkovKovač, Luka (Avtor) Schiepek, Günter (Mentor) Kolenik, Tine (Komentor) duševno zdravjefazni prehodkompleksna dinamikaprocesiranje naravnega jezikapsihoterapijastrojno učenjeZaznavanje in napovedovanje faznih prehodov duševnega zdravja je ključnega pomena za učinkovito psihoterapevtsko obravnavo in posredovanje. Kompleksna dinamika in teorija kaosa sta se uveljavili kot uporabni orodji za razumevanje mentalnih procesov ljudi, ki trpijo za duševnimi težavami. Omogočata vpogled v prisotnost faznih prehodov in kaotičnih vzorcev, za katere sta značilni nepredvidljivost in občutljivost na začetne pogoje. Fazni prehod (FP) je pojav v psihoterapiji, ki predstavlja točko spremembe v klientovi multivariatni časovni vrsti in se lahko psihološko kaže kot npr. sprememba stopnje depresije \cite{schiepek2020}. Namen tega magistrskega dela je bil razviti metode procesiranja naravnega jezika (angl. \textit{natural language processing}, v nadaljevanju NLP) in strojnega učenja za uporabo dnevniških zapisov za zaznavanje in napovedovanje FP. Uporabljeni nabor podatkov, sestavljen iz dnevniških zapisov klientov, je bil zbran med psihoterapevtskim procesom v bolnišnični psihiatrični oskrbi. Najprej so bile metode NLP uporabljene za predobdelavo besedilnih podatkov in iz dnevniških besedil pridobljene značilnosti, kot so analiza sentimenta (določanje čustev v besedilu) in različni jezikovni vzorci (ponavljajoče se strukture in ureditve besed v besedilu). Zatem je bil skupaj z metodami strojnega učenja uporabljen algoritem PTDA (\textit{Pattern Transition Detection Algorithm}) \cite{viol2022ptda} za prepoznavanje faznih prehodov v časovnih vrstah, ki jih sestavljajo značilnosti, pridobljene z metodami NLP. PTDA uporablja načela kompleksne dinamike za analizo različnih dinamičnih vidikov podatkov in odkrivanje pomembnih sprememb ali premikov v vzorcih. Z ocenjevanjem dinamičnih značilnosti, kot sta povprečna sprememba in periodičnost, PTDA omogoča vpogled v pojav faznih prehodov. Nazadnje je bil razvit model za napovedovanje, s katerim je mogoče ne le določati, temveč tudi z določeno natančnostjo napovedati, kdaj v prihodnosti bo prišlo do FP. Uspešnost modela za zaznavanje in napovedovanje je bila ocenjena na podlagi dejanskih podatkov o FP, ki izhajajo iz strokovne ocene psihoterapevtskega strokovnjaka. Ključne ugotovitve so pokazale, da metode, nadgrajene z metodami strojnega učenja, prekašajo tradicionalne pristope za zaznavanje FP. Opazen 52\% napredek v natančnosti detekcije (merjen z zmanjšanjem MSE) je bil dosežen z združevanjem značilnosti, pridobljenih iz vprašalnika in značilnosti, pridobljenih iz besedila. Eksperimenti za prihodnje napovedovanje FP so pokazali, da se značilnosti, pridobljene iz vprašalnikov bolje obnesejo pri kratkoročnih napovedih, medtem ko značilnosti iz besedila izboljšajo dolgoročne napovedi. Najvišja natančnost je bila dosežena z uravnoteženim kombiniranjem značilnosti iz vprašalnika in besedila, kar nakazuje na komplementarno naravo teh vrst podatkov. Namen študije je pokazati potencial metod NLP pri določanju in napovedovanju FP v duševnem zdravju na podlagi dnevniških zapisov. Z združevanjem kompleksne dinamike z metodami NLP lahko raziskovalci in zdravstveni strokovnjaki pridobijo celovitejše razumevanje procesov v duševnem zdravju ter razvijejo učinkovitejše obravnave in posredovanja.L. Kovač20252025-03-28 09:25:35Magistrsko delo/naloga168083sl