Različiti ljudi, bez obzira na njihove individualne karakteristike, mogu doživjeti različite nivoe zadovoljstva i sreće u životu. Ovo opšte merenje životnog zadovoljstva, poznato kao „blagostanje“, je predmet brojnih psiholoških istraživanja.
Razumevanje faktora koji doprinose blagostanju može pomoći u razvoju personalizovanih intervencija usmjerenih na poboljšanje kvaliteta života ljudi. Iako su prethodna istraživanja pokušala identifikovati ove faktore, malo njih je koristilo napredne tehnike mašinskog učenja dostupne danas.
Mašinsko učenje se koristi za analizu velikih skupova podataka, otkrivanje skrivenih obrazaca i pravljenje preciznih predviđanja. Korišćenje ovih alata za analizu podataka prikupljenih u neurološkim i psihološkim studijama može pomoći u razumevanju genetskih i ekoloških faktora koji utiču na blagostanje.
Istraživači sa Vrije Universiteit Amsterdam i Medicinskog centra Univerziteta u Amsterdamu su nedavno sproveli istraživanje o faktorima koji predviđaju blagostanje analizirajući veliki skup podataka prikupljen u Holandiji tokom desetogodišnjeg perioda korišćenjem mašinskog učenja. Njihovi nalazi, objavljeni u časopisu Nature Mental Health, ističu nekoliko faktora koji mogu predvideti blagostanje opšte populacije.
„Da bi se razvile efikasne personalizovane intervencije za blagostanje, neophodno je predvideti ko će imati napredak, kao i razumeti osnovne mehanizme“, napisali su Dirk H. M. Pelt, Philippe C. Habets i njihovi saradnici u svom radu.
Koristeći podatke iz Holandskog registra blizanaca prikupljene tokom 11 godina, istraživači su identifikovali genetske informacije, informacije o okruženju i psihosocijalne uslove učesnika. Analizirajući ove podatke pomoću modela mašinskog učenja kao što su KSGBoost (KSGB), SVM i RF, istraživači su otkrili faktore koji doprinose predviđanju blagostanja.
Korišćenjem tehnike poznate kao Shaplei Additive Ekplanation (SHAP), istraživači su istražili doprinose različitih karakteristika predviđanjima datim od strane modela. Njihova analiza je pokazala da su faktori poput optimizma, osobina ličnosti, socijalne podrške, dinamike susedstva i karakteristika stanovanja najviše predvideli blagostanje učesnika.
Genetske predispozicije učesnika nisu predvidjele njihovo blagostanje, dok su faktori okoline i psihosocijalni faktori bili ključni. Ovi rezultati naglašavaju značaj longitudinalnog praćenja i različitih modaliteta podataka za predviđanje blagostanja.
Studija Pelta, Habetsa i njihovih kolega ukazuje na to da specifične ekološke, društvene i psihološke okolnosti imaju najveći uticaj na subjektivno blagostanje ljudi. Njihovi nalazi mogu poslužiti kao osnova za razvoj personalizovanih intervencija usmjerenih na poboljšanje životnog zadovoljstva pojedinaca, kao i za dalje istraživanje faktora koji utiču na blagostanje korišćenjem mašinskog učenja.
