O trabalho importante enraizado na teoria psicológica postula que a mudança de comportamento da saúde ocorre através de uma série de estágios discretos. Nosso trabalho baseia-se no campo da computação social, identificando como os dados das mídias sociais podem ser usados para resolver estágios de comportamento em alta resolução (por exemplo, horária / diária) para subgrupos e tempos chave da população. Essencialmente, essa abordagem abre novas oportunidades para avançar teorias psicológicas e entender melhor como a nossa saúde é moldada com base nas ações reais, dinâmicas e rápidas que fazemos todos os dias. Para isso, juntamos conhecimento de domínio e métodos de aprendizado de máquina para formar uma classificação hierárquica de dados do Twitter que resolve diferentes estágios de comportamento. Identificamos e examinamos padrões temporais dos estágios identificados, com álcool como caso de uso (planejando ou procurando beber, atualmente bebendo e refletindo sobre beber). As tendências sazonais conhecidas são comparadas com os achados de nossos métodos. Discutiremos as potenciais implicações da política de saúde de detectar estágios de comportamento de alta freqüência.