AI Tool sfrutta i social network per contrastare l'abuso di sostanze
Quando si tratta di combattere l'abuso di sostanze, la ricerca suggerisce che la compagnia che mantieni può fare la differenza tra recupero e ricaduta.
Sebbene i programmi di intervento di gruppo possano svolgere un ruolo importante nella prevenzione dell'abuso di sostanze, possono anche esporre inavvertitamente i partecipanti a comportamenti negativi.
I ricercatori del Center for Artificial Intelligence in Society della University of Southern California (USC) hanno creato un algoritmo che ordina i partecipanti ai programmi di intervento che stanno lavorando volontariamente sul recupero in gruppi più piccoli in modo da mantenere utili connessioni sociali e rompere le connessioni sociali che potrebbero essere dannoso per il recupero.
"Sappiamo che l'abuso di sostanze è fortemente influenzato dall'influenza sociale, in altre parole, da chi sei amico", ha detto Aida Rahmattalabi, una studentessa laureata in informatica della USC e autrice principale dello studio. "Per migliorare l'efficacia degli interventi, è necessario sapere come le persone si influenzeranno a vicenda in un gruppo".
Rahmattalabi e ricercatori della USC Viterbi School of Engineering, USC Suzanne Dworak-Peck School of Social Work e dell'Università di Denver hanno collaborato con Urban Peak, un'organizzazione no-profit con sede a Denver al servizio dei giovani senzatetto, per sviluppare l'algoritmo, che sperano aiuterà nella prevenzione dell'abuso di sostanze.
I risultati hanno mostrato che l'algoritmo ha funzionato significativamente meglio delle strategie di controllo per formare gruppi, secondo i ricercatori.
Ogni anno, fino a due milioni di bambini negli Stati Uniti sperimenteranno i senzatetto e le stime suggeriscono tra il 39 e il 70% dei giovani senzatetto che abusano di droghe o alcol.
Le iniziative sull'abuso di sostanze, come la terapia di gruppo, possono offrire supporto incoraggiando i giovani senzatetto a condividere le loro esperienze, apprendere strategie di coping positive e costruire reti sociali sane.
Ma se questi gruppi non sono adeguatamente strutturati, possono esacerbare i problemi che intendono trattare incoraggiando la formazione di amicizie basate su comportamenti antisociali, osservano i ricercatori. Questo è un processo noto nel lavoro sociale come "addestramento alla devianza", quando i coetanei si rafforzano a vicenda per il comportamento deviante, spiegano i ricercatori.
Il team ha affrontato questo problema da una prospettiva di intelligenza artificiale, creando un algoritmo che tenga conto di come gli individui in un sottogruppo sono collegati - i loro legami sociali - e la loro precedente storia di abuso di sostanze.
I dati del sondaggio raccolti volontariamente da giovani senzatetto a Los Angeles, così come teorie comportamentali e osservazioni di interventi precedenti, sono stati utilizzati per costruire un modello computazionale degli interventi.
"Sulla base di questo abbiamo un modello di influenza che spiega quanto è probabile che un individuo adotti comportamenti negativi o cambi comportamenti negativi in base alla sua partecipazione al gruppo", ha detto Rahmattalabi. "Questo ci aiuta a prevedere cosa succede quando raggruppiamo le persone in gruppi più piccoli".
Forse la scoperta più sorprendente è stata che, contrariamente all'intuizione comune, distribuire uniformemente i consumatori regolari di sostanze tra i sottogruppi non è il modo ottimale per progettare un intervento di successo, ha osservato.
"La distribuzione uniforme degli utenti ignorando le loro relazioni esistenti può ridurre notevolmente il tasso di successo di questi interventi", ha affermato.
Inoltre, l'analisi suggerisce che a volte condurre un intervento potrebbe effettivamente avere un effetto dannoso sul gruppo.
"In alcuni casi, abbiamo riscontrato che in realtà è una cattiva idea condurre l'intervento. Ad esempio, se hai molte persone ad alto rischio in un gruppo, è meglio non metterle in contatto con persone a basso rischio ", ha detto.
Man mano che nuovi dati vengono aggiunti all'algoritmo, i ricercatori sperano che si adatti alle mutevoli condizioni, rivelando come si evolvono i social network durante il corso del programma di intervento. Ciò potrebbe consentire agli interventisti di determinare come un intervento modellerà i risultati dei partecipanti, hanno detto i ricercatori.
I ricercatori stanno continuando a lavorare con Urban Peak e pianificano di implementare lo strumento per ottimizzare le strategie dei gruppi di intervento per i giovani senzatetto a Denver nell'autunno 2018.
Lo studio, Influence Maximization for Social Network Based Substance Abuse Prevention, è stato pubblicato nella sezione degli abstract degli studenti della conferenza AAAI sull'intelligenza artificiale.
Fonte: University of Southern California
