Research
Discussion Paper
PIERspectives
aBRIDGEd
PIER Blog
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
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
Disaggregated Inflation Dynamics in Thailand: Which Shocks Matter?
Discussion Paper ล่าสุด
Disaggregated Inflation Dynamics in Thailand: Which Shocks Matter?
การเปลี่ยนแปลงสภาพภูมิอากาศกับอุตสาหกรรมการท่องเที่ยวไทย
aBRIDGEd ล่าสุด
การเปลี่ยนแปลงสภาพภูมิอากาศกับอุตสาหกรรมการท่องเที่ยวไทย
Events
Events
Conferences
Research Workshops
Policy Forums
Seminars
Exchanges
Research Briefs
เจาะลึกนโยบายผู้สูงอายุ ควรทำอย่างไรเพื่อให้คนไทย “แก่” แต่ยัง “เก๋า”?
PIER Research Brief ล่าสุด
เจาะลึกนโยบายผู้สูงอายุ ควรทำอย่างไรเพื่อให้คนไทย “แก่” แต่ยัง “เก๋า”?
Surviving Loss: Coping Strategies among Widow Households in Thai Rural Areas
งานสัมมนาล่าสุด
Surviving Loss: Coping Strategies among Widow Households in Thai Rural Areas
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
ประกาศรับสมัครทุนสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ ประจำปี 2566 รอบที่ 2
ประกาศล่าสุด
ประกาศรับสมัครทุนสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์ ประจำปี 2566 รอบที่ 2
Discussion Paperdp
QR code
Year
2023
2022
2021
2020
...
13 มกราคม 2565
20221642032000000
No. 169

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
JEL: I10
Tags: mental healthnatural language processingdeep learningsocial networks
ข้อคิดเห็นที่ปรากฏในบทความนี้เป็นความเห็นของผู้เขียน ซึ่งไม่จำเป็นต้องสอดคล้องกับความเห็นของสถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์
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