I ricercatori di USC creano l'algoritmo per ottimizzare i gruppi di intervento di abuso di sostanza

Quando si tratta di abuso di sostanza di combattimento, la ricerca suggerisce che la società tenete possa fare la differenza fra il ripristino e la ricaduta. Così, mentre i programmi di intervento del gruppo possono svolgere che un ruolo importante nell'impedire l'abuso di sostanza, particolarmente in popolazioni a rischio quale la gioventù senza tetto, possono anche esporre involontariamente i partecipanti ai comportamenti negativi.

Ora, i ricercatori dal centro di USC per intelligenza artificiale nella società hanno creato un algoritmo che ordina i partecipanti di programma di intervento - chi stanno lavorando volontariamente al ripristino - nei più piccoli gruppi, o i sottogruppi, in un modo che mantiene le connessioni sociali utili e rompe le connessioni sociali che potrebbero essere nocive al ripristino.

“Sappiamo che l'abuso di sostanza altamente è influenzato da influenza sociale; cioè cui siete amici con,„ dice Aida Rahmattalabi, uno studente di laureato in informatica di USC e autore principale dello studio.

“per migliorare l'efficacia degli interventi, dovete sapere la gente si influenzerà in un gruppo.„

Rahmattalabi ed i colleghi dal banco di USC Viterbi del banco Suzanne del Dworak-Bacetto di USC, di assistenza tecnica di lavoro sociale e dell'università di Denver hanno funzionato in collaborazione con il picco urbano, una gioventù senza tetto a servizio senza scopo di lucro basato a Denver, per sviluppare l'aiuto di decisione, che sperano assisteranno gli interventisti fondamentalmente abusano la prevenzione.

I risultati hanno mostrato significativamente il migliore eseguito algoritmo delle strategie di controllo per la formazione dei gruppi. Lo studio, chiamato massimizzazione di influenza per la rete sociale ha basato la prevenzione di abuso di sostanza, è stato pubblicato nella conferenza di AAAI sulla sezione dell'estratto dello studente di intelligenza artificiale.

I co-author dello studio erano il Phebe Vayanos, assistente universitario di USC di sistemistica e di industriale e dell'informatica, Milind Tambe, Helen N. e Emmett H. Jones professore nell'assistenza tecnica e professore dell'informatica e industriale e sistemistica e riso di Eric, professore associato nel lavoro sociale; Barista Adhikari di Anamika dall'università di Denver; e panettiere di Robin dal picco urbano.

Potenza di influenza del pari

Ogni anno, le fino a due milione gioventù negli Stati Uniti avvertiranno l'essere senza tetto ed i preventivi suggeriscono fra 39 e 70 per cento delle droghe senza tetto di abuso della gioventù o l'alcool.

Le iniziative di abuso di sostanza quale la terapia del gruppo possono offrire il supporto dalla gioventù senza tetto incoraggiante per condividere le loro esperienze, per imparare le strategie facenti fronte positive e per sviluppare le reti sociali sane.

Ma se questi gruppi non sono strutturati correttamente, possono esacerbare i problemi che intendono trattare incoraggiando la formazione di amicizie basate su comportamento antisociale. Ciò è un trattamento conosciuto nel lavoro sociale come “addestramento di devianza,„ quando i pari si rinforzano per comportamento deviante.

Il gruppo ha affrontato questo problema da una prospettiva di intelligenza artificiale, creante un algoritmo che considera entrambi come le persone in un sottogruppo sono connesse - i loro legami sociali - e la loro cronologia priore di abuso di sostanza.

I dati di indagine riuniti volontariamente dalla gioventù senza tetto in Los Angeles come pure le teorie comportamentistiche e le osservazioni degli interventi precedenti, sono stati usati per sviluppare un modello di calcolo degli interventi.

“Basato su questo abbiamo un modello di influenza che spiega quanto probabilmente è affinchè una persona adotti i comportamenti negativi o per cambiare i comportamenti negativi basati sulla loro partecipazione al gruppo,„ dice Rahmattalabi.

“Questo ci aiuta a predire che cosa accade quando raggruppiamo la gente nei più piccoli gruppi.„

Forse l'individuazione più sorprendente era quella, contrariamente all'intuizione comune, distribuente uniformemente gli utenti regolari della sostanza attraverso i sottogruppi non è il modo ottimale progettare un riuscito intervento.

“Distribuzione costante degli utenti mentre trascurare le loro relazioni attuali può notevolmente fare diminuire l'indice di successo di questi interventi,„ dice Rahmattalabi.

Inoltre, l'analisi suggerisce che quello a volte condurre l'intervento potrebbe realmente avere un nocivo sul gruppo.

“In alcuni casi, abbiamo trovato che è realmente una cattiva idea condurre l'intervento: per esempio, se avete molta gente ad alto rischio in un gruppo, è migliore non connetterle con le persone a basso rischio,„ dice Rahmattalabi.

Mentre i nuovi dati si aggiungono all'algoritmo, i ricercatori sperano che si adatti alle condizioni in via di trasformazione, rivelanti come le reti sociali si evolvono nel corso del programma di intervento. Ciò potrebbe permettere che gli interventisti determinino come un intervento modellerà i risultati del partecipante. I ricercatori stanno continuando a lavorare con il picco urbano e la pianificazione per spiegare lo strumento per ottimizzare le strategie del gruppo di intervento per la gioventù senza tetto a Denver nella caduta 2018.

Sorgente: https://www.usc.edu/