Filosofía de Datos

Cada día nuestros datos revelan nuevos patrones sobre lo que significa un buen soporte de crisis vía mensajes de texto. Por ejemplo, descubrimos que los Consejeros de Crisis que logran identificar las fortalezas de sus texters (i.e. “demuestras valentía al contactarnos”) logran generar mejores evaluaciones de satisfacción.

Nuestros datos muestran que los tres términos más efectivos en inglés son brave (“valiente”), smart (“inteligente”) y proud (“orgulloso”). (i.e. “fuiste valiente al pedir ayuda a un amigo”). En 2018, también la palabra impressive (“impresionante“) demostró ser muy efectiva.

Si bien la mayoría de las líneas de crisis responden a sus texters en el orden en el cual llegan, nosotros actuamos más como una sala de emergencias en la cual alguien con una herida de bala sería ayudado antes de que alguien con una fractura de pierna.

Aquellos en alto riesgo se consideran ‘código naranja’ y se colocan en el #1 de la fila. Durante la última elección presidencial, aún cuando vimos nuestro tráfico aumentar hasta 8x más de lo normal, fuimos capaces de entrar en contacto con casos de alto riesgo en un promedio de 39 segundos. Tiempos de espera cortos significan más vidas salvadas. Puedes leer más sobre nuestro método innovador y ético de organizar casos aquí en nuestro blog .

Luego de cada conversación, preguntamos a los texters si quieren compartirles un mensaje a su Consejero de Crisis. Estos mensajes suelen confirmar el impacto positivo que este Consejero ha tenido en la vida del texter. Un ejemplo: “La gentileza es magia, y tú eres un mago”.

Para los servicios de apoyo en crisis, la demanda ha sido impredecible. Por ejemplo, cuando Robin Williams murió por suicidio, muchos servicios experimentaron un aumento de 2 a 4 veces en su volumen por muchos días. Para la mayoría de las ‘hotlines’ esto puede provocar largos períodos de espera para obtener apoyo, y para la gente en riesgo de hacerse daño a ellos mismos o a otros, cada minuto cuenta.

Por esto es que Crisis Text Line desarrolló un algoritmo que se vale de múltiples fuentes de datos para predecir picos en el volumen, lo cual nos permite ubicar estos picos de 6 a 8 veces más rápido de lo que tardaría si solo dependiésemos del factor humano. Esta alerta temprana significa que podemos habilitar nuestros equipos mucho antes. Durante los 5 picos que hubo en 2019, 93% de los casos de alto riesgo fueron atendidos en menos de 5 minutos.

Nuestro Chief Data Scientist guía a este equipo de prominentes profesionales de ciencias y salud de academia y organizaciones. Ellos proveen su experticia sobre seguridad, privacidad y ética de datos, mientras nos ayudan a desarrollar preguntas investigativas más contundentes que nos permitan inyectarle más empatía al mundo y ayudar a la gente a vivir sus vidas al máximos. Ve nuestros Miembros de Comité.

Disponible para todos, estos datos se actualizan automáticamente y permiten observaciones como “¿qué estados experimentan mayor ansiedad?” o “¿cuál es la peor hora del día para casos de abuso de sustancias?”.

En una oportunidad, nuestros datos mostraron que los temas de la comunidad LGBTQ alcanzan su punto más bajo los viernes, y hay una organización LGBTQ con la cual hablamos que solo ofrece servicios los viernes, ¡así que les recomendamos que cambiaran su día a los lunes!

Puedes chequear estos datos aquí .

Tenemos colaboraciones y sociedades con organizaciones que van desde la National Eating Disorder Association hasta el Estado de Montana. Nuestros socios usan Crisis Text Line para darle apoyo a gente en crisis en sus respectivas comunidades, y también compartimos con ellos datos agregados y anónimos sobre los tipos de crisis que sufren sus comunidades. (¿Te interesa asociarte con nosotros?)

También compartimos datos con investigadores  a través del Programa de Colaboración Investigativa.

Las metas de este programa son:

Acceso:  abrir el camino para que reconocidos investigadores de aprendizaje automatizado/inteligencia artificial trabajen con uno de los conjuntos de datos más importantes del país.

Propagación: crear una corriente constante de historias multimedia innovadoras y analíticas para compartir con grupos comunitarios y líderes políticos.

Implementación: crear productos de análisis de datos que Crisis Text Line pueda implementar en grupos comunitarios y mejorar el área de crisis en sí.

Desde 2013, 12 artículos han sido publicados gracias a nuestros datos, y otros 6 se esperan antes del fin de 2020. ¡Nos enorgullece poder ayudar con este tipo de aprendizaje! Aquí los trabajos publicados hasta ahora:

• Aceptado para publicación: “Understanding how text message-based crisis counseling facilitates child maltreatment disclosures”, 2020.
• Quasi-experimental evaluation of text-based crisis patterns in youth following Hurricane Florence in the Carolinas, 2018; Jennifer D. Runkle (North Carolina State University), Kurt D. Michael (Appalachian State University), Scott S.Stevens (North Carolina State University), Margaret M. Sugg (Appalachian State University); Science of The Total Environment 2021.
• Balancing Objectives in Counseling Conversations: Advancing Forwards or Looking Backwards; Justine Zhang (Cornell University), Cristian Danescu-Niculescu-Mizil (Cornell University); Proceedings of ACL 2020.
• Engagement With Crisis Text Line Among Subgroups of Users Who Reported Suicidality; Hannah Selene Szlyk (Washington University in St. Louis), Kimberly Beth Roth, Víctor García-Perdomo; Psychiatric Services 2019.
• Crisis Text Patterns in Youth following the Release of 13 Reasons Why Season 2 and Celebrity Suicides: A Case Study of Summer 2018; Margaret M. Sugg (Appalachian State University), Kurt D. Michael (Appalachian State University), Scott S.Stevens (North Carolina State University), Robert Filbin, Jaclyn Weiser, Jennifer D. Runkle (North Carolina State University); Preventive Medicine Reports October 2019.
• Finding Your Voice: The Linguistic Development of Mental Health Counselors; Justine Zhang (Cornell University), Robert Filbin, Christine Morrison, Jaclyn Weiser, Cristian Danescu-Niculescu-Mizil (Cornell University); Proceedings of ACL 2019.
• Crisis support-seeking behavior and temperature in the United States: Is there an association in young adults and adolescents?; Margaret M. Sugg (Appalachian State University), P. Grady Dixon (Fort Hays State University), Jennifer D. Runkle (North Carolina State University); Science of The Total Environment 2019.
• Child Maltreatment Disclosure to a Text Messaging–Based Crisis Service: Content Analysis;  Laura Schwab-Reese (Purdue University), Nitya Kanuri (Yale University), Scottye Cash (The Ohio State University); JMIR Mhealth Uhealth 2019.
• Protecting User Privacy and Rights in Academic Data-Sharing Partnerships: Principles From a Pilot Program at Crisis Text Lin; Anthony R Pisani (University of Rochester Medical Center) et al.; J Med Internet Res 2019.
• Crisis Text Line use following the release of Netflix series 13 Reasons Why Season 1: Time-series analysis of help-seeking behavior in youth; Laura K. Thompson (Appalachian State University), Kurt Michael, Margaret M. Sugg; Prev Med Rep. 2019.
• Geospatial suicide clusters and emergency responses: An analysis of text messages to a crisis service; Mark E. Larsen (Black Dog Institute, University of New South Wales), Michelle Torok, Kit Huckvale, Bilal Reda, Sofian Berrouiguet, Helen Christensen; 41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society 2019.
• Adolescents in crisis: A geographic exploration of help-seeking behavior using data from Crisis Text Line; Laura K. Thompson (Appalachian State University), Margaret M. Sugg, Jennifer R. Runkle (North Carolina State University), Social Science & Medicine 2018.
• Large-scale Analysis of Counseling Conversations: An Application of Natural Language Processing to Mental Health; Tim Althoff (Stanford University), Kevin Clark, Jure Leskovec; Association for Computational Linguistics 2016.
• Mixed-Initiative Real-Time Topic Modeling & Visualization for Crisis Counseling; Karthik Dinakar (MIT Media Lab), Jackie Chen, Henry Lieberman, Rosalind W. Picard; MIT Media Lab 2015.