以人为本的机器学习中谁是“人”：从社交媒体预测心理健康的案例研究

“以人为本的机器学习”（HCML）将人类洞察力和领域专业知识与数据驱动的预测相结合来回答社会问题。该领域固有的跨学科性在研究者对其所使用数据的人类研究对象的义务方面造成紧张关系。本文研究科学论文如何在HCML中代表人类研究对象。我们以社交媒体上的心理健康状态预测为案例研究，对55篇论文进行主题话语分析，以检验这些表述。我们识别出五种话语，它们编织了一个关于该研究中人类主体是谁的复杂叙述：障碍/患者、社交媒体、科学、数据/机器学习和人。我们展示了这五种话语如何创造人性的矛盾主体和客体表述，这可能无意中导致非人化。我们还讨论了跨学科研究的紧张关系和影响；这项工作对科学严谨性、在线社区和心理健康的风险；以及在该新兴领域加强HCML研究的指南。