We help you find the perfect fit.

Swiss Ai Research Overview Platform

Towards Burnout Risk Detection using Word Embeddings

Lay summary

Inhalt und Ziele des Forschungsprojekts

Oftmals werden in der Psychologie sogenannte Inventories eingesetzt, um Burnouts zu erkennen. Obwohl es in der Forschung als vielversprechend eingestuft wurde, haben solche Inventories typischerweise keine Freitext-Fragen, da die Auswertung sehr aufwendig ist.

In diesem Projekt wird untersucht, wie eine automatische Auswertung von Freitext-Fragen durch Techniken der Computerlinguistik erreicht werden kann. Insbesondere soll dabei auf die Charakteristiken von sogenannten Word Embeddings zurückgegriffen werden, welche in den letzten Jahren neue Möglichkeiten im Bereich der automatischen Textverarbeitung eröffnet haben. Durch diese neuen Möglichkeiten der Textauswertung sollen die Grundlagen geschaffen werden, den Prozess der Burnouterkennung zu digitalisieren und neue Erkennungsmethoden zu entwickeln.

Wissenschaftlicher und gesellschaftlicher Kontext des Forschungsprojekts

Studien zeigen, dass über eine Million Personen in der Schweiz sich am Arbeitsplatz oft gestresst fühlen. Manchmal resultiert dieser Stress im sogenannten Burnout Syndrom. Diese Anzahl gestresster Personen hat über die letzten Jahre stark zugenommen, was ein gesellschaftliches Problem ist und hohe Kosten verursacht. Die basierend auf den Resultaten dieses Projekts entwickelten Methoden sollen eine effiziente Erkennung und somit Behandlung von Burnout ermöglichen.

Abstract

In Switzerland, more than one million people feel often stressed at their work place. The number of people feeling stressed has increased massively over the last ten years and is estimated to cost multiple billions of francs each year. Sometimes, this stress can lead to a burnout syndrome. Last year, the WHO has included burnout in the 11th Revision of the International Classification of Diseases (ICD-11) as a syndrome.Burnout identification is complex, because it overlaps with other syndromes. To identify burnout in clinical intervention, inventories are used. Inventories are psychological tests, where the person concerned fills out a questionnaire. The currently used metric, in both practice and most studies, measures burnout with self-test inventories, and is criticized in the literature. The state-of-the-art does not use free-text questions in the inventories or interviews, even though there have been promising approaches in the literature. One reason is the concern that evaluation of such free-text questions generates a large overhead. On the other side, it has been shown that inventories with scaling questions have major limitations such as users faking their results, extreme response bias, defensiveness and social desirability bias. Natural language processing provides new capabilities to reason about text contents in an automated way. This has already been proven for different psychological applications including implicit association tests and suicide risk assessment. In particular, language modeling by using so-called word embeddings has notably improved the efficiency of natural language processing tasks in the recent past.In this project we propose to investigate on a new approach of burnout detection based on open questions, analyzed using the power of traditional and contextualized word embeddings. The approach developed in this project will enable new methods to measure burnout, both in clinical intervention and in preventive measures.

  Prof.Mascha Kurpicz-Briki