衡量广受关注事件对在线心理健康讨论的污名化影响

文献标题

Measuring the Stigmatizing Effects of a Highly Publicized Event on Online Mental Health Discourse

文献信息

• 主题领域: 社会心理学、在线社区、人机交互（HCI）
• 关键词: 在线社区, 心理健康, 心理健康污名化, 媒体影响, 社交媒体, Depp-Heard审判, LIWC, 语言分析, 因果影响分析, 丝线心理学

研究背景与问题

• 问题与挑战:

  • 心理健康污名化长期以来是影响心理障碍患者生活的重要问题，包括社会偏见以及患者的自我污名。
  • 媒体报道在形成公众对心理健康的理解方面有显著作用，但通常使用污名化的语言或错误描述，可能加剧社会偏见。
  • 社交媒体成为心理健康话题交流的主要场所，但我们对外部事件如何影响在线心理健康讨论中的污名化语言知之甚少。

• 研究重要性:

  • 理解媒体（尤其是社交媒体）中污名化语言的传播和影响有助于设计有效的反污名化干预手段。
  • 线上社区的语言使用对用户的心理健康和寻求支持的行为有深远影响。

• 研究动机与相关工作:

  • 现有研究表明，媒体事件可能对心理健康议题的公众态度产生深远影响，但具体机制和影响尚未明确。
  • 相关工作多集中于传统媒体，本研究偏重于在线环境，尤其是社交媒体（如Twitter）上心理健康相关语言的动态变化。

解决方案

• 提出的方法:

  • 使用2022年的Johnny Depp与Amber Heard诽谤审判作为案例研究，调查高关注度的媒体事件对Twitter上提及心理健康话题语言的影响。
  • 结合语言分析方法（如Linguistic Inquiry and Word Count，LIWC工具）和因果影响分析，量化语言的污名化与去污名化程度的变化。

• 创新之处:

  • 首次使用详细的心理语言模型分析高曝媒体事件对污名化语言在社交媒体中的动态影响。
  • 通过设置对照时间段和事件外的数据，利用贝叶斯结构的时间序列模型（Causal Impact Analysis）评估事件的直接因果效应。

• 实施步骤与技术:

  1. 数据收集:
     • 从Twitter收集自事件开始前51天到结束后51天的推文，关注关键词包括“心理健康”、“边缘型人格障碍”等。
  2. 语言分析:
     • 使用LIWC工具，通过多个心理学词典对推文中的语言污名和去污名情况进行评分。
  3. 因果分析:
     • 使用因果影响模型评估事件对语言污名化及去污名化分数的变化概率和效应。
  4. 对比分析:
     • 比较未被提及的心理障碍相关推文的语言变化，验证事件特异性影响。

研究成果

• 具体成果:

  • 在审判期间及之后，与人格障碍相关的推文中污名化语言显著增加，而去污名化语言显著减少。
  • 污名语言中动物性去人性化（如 "creature"）、力量和暴力词汇（如 "assault"）显著增加。
  • 自我披露（使用 "I" 和 "We" 等第一人称代词）作为重要的去污名化语言显著降低（减少48%）。
  • 审判结束后近两个月，污名化语言的影响仍可观察到，表明事件的持续性效应。

• 与现有解决方案对比的优势:

  • 提供了细粒度量化的污名语言变化的数据与模型支持。
  • 扩大了现有文献对线上心理健康讨论污名化动态的理解，尤其是社交媒体上的动态变化。

• 实验评估和模型结果:

  • 使用因果分析证实，Depp-Heard审判导致污名化语言的增长概率为97.3%，增加幅度约为17%。
  • 通用“心理健康”推文也受事件影响，污名化语言增加11%，去污名化语言减少3%。

• 局限性与未来方向:

  • 本研究以Twitter为单一平台，其他社交媒体（如Facebook、Reddit）的结果可能有所不同。
  • 仅采用了LIWC工具进行定量分析，未来可以结合主题模型等方法实现更丰富的分析。
  • 病症污名化的细化分类（如性别、职业等因素对污名化的影响）以及延长时间窗将是未来研究的拓展方向。