Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Community
PIER Research Network
Visiting Fellows
Funding and Grants
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
TH
EN
Research
Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Thailand and the Middle-Income Trap: An Analysis from the Global Value Chain Perspective
Discussion Paper ล่าสุด
Thailand and the Middle-Income Trap: An Analysis from the Global Value Chain Perspective
ค่าเงินบาทผันผวน: “ตัวปรับสมดุล” หรือ “ตัวป่วน” เศรษฐกิจไทย
aBRIDGEd ล่าสุด
ค่าเงินบาทผันผวน: “ตัวปรับสมดุล” หรือ “ตัวป่วน” เศรษฐกิจไทย
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Confidence and College Applications: Evidence from a Randomized Intervention
งานสัมมนาล่าสุด
Confidence and College Applications: Evidence from a Randomized Intervention
The Impact of Climate Change on Thai Households
งานสัมมนาล่าสุด
The Impact of Climate Change on Thai Households
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
สถาบันวิจัยเศรษฐกิจ
ป๋วย อึ๊งภากรณ์
Puey Ungphakorn Institute for Economic Research
Community
Community
PIER Research Network
Visiting Fellows
Funding and Grants
PIER Research Network
PIER Research Network
Funding & Grants
Funding & Grants
About Us
About Us
Our Organization
Announcements
PIER Board
Staff
Work with Us
Contact Us
Staff
Staff
ลงนามบันทึกข้อตกลงความร่วมมือในการพัฒนาฐานข้อมูลเพื่อแก้ไขปัญหาหนี้สินเกษตรกรไทย
ประกาศล่าสุด
ลงนามบันทึกข้อตกลงความร่วมมือในการพัฒนาฐานข้อมูลเพื่อแก้ไขปัญหาหนี้สินเกษตรกรไทย
Discussion Paperdp
QR code
Year
2023
2022
2021
2020
...
13 มกราคม 2565
20221642032000000

Using Large-Scale Social Media Data for Population-Level Mental Health Monitoring and Public Sentiment Assessment: A Case Study of Thailand

Abstract

Mental health problems are among major public health concerns during the COVID-19 pandemic, given heightened uncertainties and drastic changes in lifestyles. However, mental health problem prevention and monitoring could be greatly improved given advancements in deep-learning techniques and readily available social media messages. This research uses deep learning algorithms to extract emotion, mood, and psychological cues from social media messages and then aggregates these signals to track population-level mental health. To verify the accuracy of our proposed approaches, we compared our findings to the actual number of patients treated for depression, attempted suicides, and self-harm cases reported by Thailand's Department of Mental Health. We discovered a strong correlation between the predicted mental signals and actual depression, suicide, and self-harm (injured) cases. Finally, we also create a database and user-friendly interface to facilitate researchers and policymakers to explore our extracted mental signals for further applications such as policy sentiment assessment.

Download full text
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
Tags: mental healthnatural language processingdeep learningsocial networks
ศุภวงศ์ ทั่วรอบ
ศุภวงศ์ ทั่วรอบ
มหาวิทยาลัยมหิดล
ธนพล นรเสฏฐ์
ธนพล นรเสฏฐ์
มหาวิทยาลัยมหิดล
ธนิสา ทวิชศรี
ธนิสา ทวิชศรี
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

273 ถนนสามเสน แขวงวัดสามพระยา เขตพระนคร กรุงเทพฯ 10200

โทรศัพท์: 0-2283-6066

Email: pier@bot.or.th

เงื่อนไขการให้บริการ | นโยบายคุ้มครองข้อมูลส่วนบุคคล

สงวนลิขสิทธิ์ พ.ศ. 2566 สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์

เอกสารเผยแพร่ทุกชิ้นสงวนสิทธิ์ภายใต้สัญญาอนุญาต Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported license

Creative Commons Attribution NonCommercial ShareAlike

รับจดหมายข่าว PIER

Facebook
YouTube
Email