Nel progetto Fuori dal Blu si è evidenziato come le parole più utilizzate dalle persone diagnosticate con depressione maggiore risultino essere sola, solo, a indicare una condizione di solitudine vissuta nel proprio intimo e non sempre colta dalle persone intorno.
Diversi sono gli studi che si sono interrogati sulla relazione tra linguaggio e depressione. A questo proposito, segnaliamo il lavoro di Mohammed Al-Mosaiwi e Tom Johnstone, pubblicato su Clinical Psychological Science. Una riflessione su linguaggio e depressione, scritta dallo stesso Al-Mosaiwi, è disponibile su The Conversation.
I due autori sostengono ci siano chiare differenze, a livello di linguaggio, tra chi ha ricevuto una diagnosi di depressione e chi no. Nel corso di tre studi differenti, Al-Mosaiwi e Johnstone hanno condotto un’analisi testuale di 63 forum online, esaminando l’impiego, dal punto di vista linguistico, di parole “assolutistiche” (sempre, niente, completamente). Secondo i due autori, i forum sull’ansia, la depressione e l’ideazione suicida contengono molte più parole di questo tipo rispetto ad altri; inoltre, sostengono che le parole “assolutistiche” traccino la gravità dei disordini in modo più fedele rispetto a quelle parole che descrivono emozioni negative.
Più nello specifico, il linguaggio impiegato dalle persone che soffrono di depressione – sempre secondo gli autori – si differenzia non solo per le parole, ma anche per lessico, grammatica e lunghezza delle frasi. Ad esempio, le persone che vivono questa condizione, oltre a usare per lo più parole che richiamano emozioni negative (triste, solo), utilizzano spesso pronomi alla prima persona singolare, mentre fanno scarso uso di pronomi alla seconda e terza persona: secondo gli autori, un segno di come queste persone siano isolate, ripiegate su loro stesse.
Understanding the language of depression can help us understand the way those with symptoms of depression think, but it also has practical implications. Researchers are combining automated text analysis with machine learning (computers that can learn from experience without being programmed) to classify a variety of mental health conditions from natural language text samples such as blog posts.
Such classification is already outperforming that made by trained therapists. Importantly, machine learning classification will only improve as more data is provided and more sophisticated algorithms are developed. This goes beyond looking at the broad patterns of absolutism, negativity and pronouns already discussed. Work has begun on using computers to accurately identify increasingly specific subcategories of mental health problems
Lo scopo ultimo è cercare di identificare per tempo i sintomi di una depressione o di un disagio mentale: avere sempre più strumenti per identificare simili condizioni è importante per migliorare la qualità di vita e di cura delle persone che ne sono affette.