本期推荐一篇最新发表在PNAS上的论文《语言情感预测抑郁症状变化》。在现代社会,抑郁症已经成为影响全球数百万人生活质量的重要公共健康问题。如何及早预测和干预抑郁症状,减少其对个体和社会的负面影响,是心理健康研究领域的关键课题之一。已有研究表明,抑郁症患者在社交媒体或日常表达中往往使用更多的负面情感词汇,语言的情感色彩与抑郁症状存在密切关联。然而,目前关于语言能否用于预测未来抑郁症状变化的研究仍然有限。本研究旨在探索简短的语言表达是否能够预测未来抑郁症状的变化,从而为心理健康筛查和早期干预提供新的工具。
研究团队招募了467名参与者,并要求他们回答九个开放式问题。这些问题围绕抑郁症状设计,内容包括情绪、动机、睡眠、食欲等,旨在引导参与者描述过去两周的生活体验。参与者还在初次会话和三周后分别完成了标准抑郁症评估量表(PHQ-9),用于量化他们的抑郁症状。此外,研究还设计了一项决策任务,以捕捉参与者在该任务中的情绪波动,为分析情感与情绪状态的关系提供数据支持。研究团队接着对参与者的语言表达进行了情感分析,采用了三种情感评分方法:人工评分、大型语言模型(如ChatGPT)和传统情感分析工具(如LIWC)。人工评分和ChatGPT由评估者或模型分别对文本的正向和负向情感进行评分并得出综合情感分数,而LIWC则通过统计情感词汇的比例进行分析。
结果显示,参与者在开放式问题中的负面情感表达与三周后抑郁症状的加重显著相关,而正面情感表达则与症状的缓解有关。同时,研究发现ChatGPT等语言模型在情感分析上的表现接近人工评分,且优于传统的情感词汇计数工具LIWC,这为情感分析的自动化和普及应用提供了技术支持。此外,控制参与者当前情绪状态后,情感评分仍能有效预测未来抑郁症状的变化,表明语言情感不仅反映短期情绪波动,还能揭示个体的长期心理状态。这一研究表明,通过语言情感分析预测抑郁症状变化是可行的,未来有望成为心理健康筛查和个性化干预的重要工具。
唧唧堂学院推荐订阅