Onderzoek

Sytske Wiegersma

Ontwikkelen van nieuwe methoden en technieken voor het analyseren van geschreven en gesproken tekst

Verscheidene bronnen wijzen erop dat de fysieke en mentale staat van een persoon kan worden voorspeld op basis van taalgebruik. Schrijf- en spreekstijl kan veel zeggen over de aanwezigheid van PTSS of de voortgang van een patiënt gedurende de behandeling hiervan. De inhoud en opbouw (zoals tekstlengte, aanwezigheid van gedachten of gevoelens en tekstfragmentatie) van teksten van PTSS-patiënten hangt bijvoorbeeld samen met de mate van verbetering van de patiënt. Eerder onderzoek heeft aangetoond dat het mogelijk is op basis van text-mining analyses op Engelstalige tekstfragmenten van traumapatiënten te voorspellen welke patiënten een hoger risico hebben op het ontwikkelen van PTSS.

Mijn onderzoek is er op gericht een instrument te ontwikkelen voor het screenen voor PTSS op basis van Nederlandstalige data. Daarnaast houdt ik mij bezig met het analyseren van gesproken data en gekoppelde datasets (geschreven + gesproken) data. Op dit moment werk ik aan een tool waarmee gekoppelde data kan worden gebruikt voor het monitoren van de voortgang van PTSS-patiënten tijdens de Brief Eclectic Psychotherapy for PTSD (BEPP). Hiervoor ontwikkel ik een classificatiemodel voor de automatische identificatie van “hotspots” in audio-opnames van therapiesessies. Het herkennen en behandelen van deze hotspots (de meest emotionele momenten van het trauma) is een hoofdonderdeel van de BEPP therapie. Door op deze hotspots te focussen neemt de effectiviteit van de behandeling significant toe. Het automatisch herkennen van deze hotspots op basis van text- en audio-mining analyses kan worden ingezet voor doeleinden zoals het monitoren van de voortgang van de patiënt, het genereren van automatische feedback voor de therapeut, of voor het trainen van therapeuten op het herkennen en aanzetten tot een hotspot.