心理健康讨论中的道德框架及其与污名的关系:社交媒体与新闻的比较
认知障碍与神经多样性(自闭症、ADHD、阅读困难)在线骚扰与反制工具精神科医生与心理咨询师社会工作者HCI 研究员
文献标题
Moral Framing of Mental Health Discourse and Its Relationship to Stigma: A Comparison of Social Media and News
文献信息
- 主题领域: 媒体伦理与心理健康
- 关键词: 道德基础理论, 心理健康叙事, Twitter, 新闻媒体, BERT, 烙印
研究背景与问题
- 作者发现哪些问题或挑战?: 大众媒体和社交媒体中对心理健康的表现形式可能会加剧精神疾病的烙印问题。尤其是媒体负面或敌意的叙述方式可能导致社会对心理健康的误解和敌对态度,其中 "其他化" 式样尤为突出。
- 为什么这个问题重要?: 心理健康问题的负面框架直接影响患者自我暴露和寻求治疗的意愿,并进一步导致就业、教育和医疗等领域的系统性不公平。
- 研究动机与相关工作: 现有研究表明,新闻媒体倾向于将精神疾病关联到暴力犯罪行为,而社交媒体也存在一些轻蔑或讽刺的叙述方式。这些行为可能源自叙述中隐含的道德价值,但此前并未被系统地研究过。
解决方案
- 作者提出了哪些方法或解决方案?:
- 使用道德基础理论(Moral Foundation Theory, MFT)对心理健康相关的叙述进行分析。
- 对两种主要公共平台:Twitter和新闻媒体中的心理健康内容进行比较。
- 利用基于BERT模型的语言表示框架量化心理健康叙述中的道德基础和烙印表现。
- 该解决方案的创新之处是什么?:
- 第一次在心理健康叙事中系统应用道德基础理论,揭示道德框架与烙印之间的联系。
- 开发并验证了一个包含烙印相关语言的词典,用于衡量心理健康叙事中的烙印程度。
- 实现了跨平台的比较分析。
- 实施步骤是什么?使用了哪些关键技术?:
- 数据收集:通过预定义的心理健康关键词(如焦虑、抑郁等),分别从Twitter(超过1300万条推文)和新闻媒体(超过21000篇文章)采集数据。
- 表示生成:使用BERT模型生成语境化嵌入,并通过道德基础理论的词典构建代表性的道德维度向量。
- 分析:计算内容与道德维度之间的相似性分数,对心理健康叙事进行量化评估。
- 统计检验:通过Kruskal-Wallis检验和线性模型评估道德框架与烙印之间的关联。
研究成果
- 取得了哪些具体成果?:
- Twitter平台的心理健康内容较多体现积极的道德维度(例如关怀、公正等),而新闻媒体更多使用负面道德框架。
- Twitter与新闻媒体中的负面道德框架往往伴随着较高的烙印语言使用率,烙印表现更加明显。
- 在虚实分析中,发现关怀/伤害和公平/欺骗维度与反烙印语言之间的关联性更强,而忠诚/背叛维度的关联较弱。
- 与现有解决方案相比,它有哪些优势?:
- 提供了定量的分析框架,不仅揭示叙事中的道德内涵,还系统地量化烙印语言。
- 采用大规模数据集和自动化分析方法,超越了以前质性分析的局限。
- 实验或评估结果是什么?:
- 在Twitter和新闻媒体中,正向的道德框架较少与烙印语言相关,而负向的框架则显著增加烙印语言的使用概率。
- 以关怀/伤害和公平/欺骗为中心进行道德叙述的内容更可能避免烙印。
- 局限性与未来方向
- 局限性:该研究未包括其他社交媒体平台(如Facebook等),未研究不同文化背景下的心理健康叙述。
- 未来方向:扩展至更多平台和不同文化。进一步分析叙述的传播性及对受众的影响。
总结
这项研究系统揭示了心理健康叙述中的道德框架及其与烙印语言的关系,为改善心理健康叙述提供了理论基础和实证支持。研究结果不仅有助于新闻媒体制定更安全的报道指南,也为社交媒体平台优化内容审核和提供带有同理心的对话环境提供了设计思路。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 媒体对精神健康的道德框架是否影响公众对精神疾病的污名化态度?分类: 算法污名化与社会伤害同类问题arrow_forward
- Twitter与新闻媒体中关于精神健康的叙述在哪些道德维度上表现出差异?分类: 算法污名化与社会伤害同类问题arrow_forward
- 正面与负面的道德框架对精神健康叙事中的污名化语言频率有何关联?分类: 算法污名化与社会伤害同类问题arrow_forward
lightbulb
现实痛点
1- 媒体报道和社交媒体常以负面方式呈现精神健康,增加污名化风险。分类: 算法污名化与社会伤害同类问题arrow_forward
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3580834
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
认知障碍与神经多样性(自闭症、ADHD、阅读困难)、在线骚扰与反制工具
work
职业/产业
精神科医生与心理咨询师、社会工作者、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文