AI-prediktion av utfall i nätbaserad självhjälp för alkoholproblem med hjälp av NLP-analys av fritextsvar

Viktiga resultat som projektet gav

I enlighet med ursprungliga mål har vi i detta projekt utvecklat och utprövat en prediktionsmodell för att med hög grad av tillförlitlighet kunna förutsäga utfall av en populär, anonym nätbaserad stödtjänst för alkoholproblem, med hjälp av datoriserad språkbearbetning av fritextsvar och maskininlärning.

Långsiktiga effekter som förväntas

Ett mätbart mål med projektet var att uppnå 85% korrekta prediktioner av utfall. I kombination med demografiska variabler visade sig den modell vi utvecklade, ge 70% korrekta prediktioner av utfall på kort sikt och 86% på lång sikt. Vi har säkrat annan extern finansiering för att fortsätta utveckla dessa modeller och resultat. Projektet har inneburit en påtaglig kompetenshöjning för koordinerande projektpart inom både specifik metodik liksom tillämpliga lagar/regelverk, och har redan börjat resulterat i avsedda systemeffekter och resultatspridning.

Upplägg och genomförande

Efter att ha ordnat etiktillstånd och tecknat nödvändiga avtal, använde vi tjänsten Gavagai för datoriserade språkbearbetningen av redan insamlade fritextsvar från programövningar, vilket resulterade i en tematisk modell på användarnivån. Variablerna från denna modell (30*4 st) exporterades sedan för att predicera utfall med maskininlärning.