全世界超过35%的人口使用社交媒体。Facebook、Twitter和Instagram等平台从根本上改变了个人互动和交流的方式。这些平台促进了与陌生人和朋友的公共和私人交流,为了解个人的性格、健康和福祉提供了丰富的见解。迄今为止,研究人员已采用多种方法从数字文本通信数据中提取以心理健康为中心的特征,包括自然语言处理、社交网络分析和时间话语模式提取。然而,尚无人探索从私人信息中提取特征的层级框架,以统一跨方法论领域的方法。此外,虽然现有文献中大量存在大型公共语料库的分析,但关于私人文本通信、人格特质与心理疾病症状之间关系的研究却有限。我们提出了一个从数字文本通信构建丰富特征空间的框架。然后,我们通过将其应用于大学生群体的私人Facebook消息样本(N = 103)来证明我们框架的有效性。我们的结果揭示了时间行为和关系行为,以及与经验证的特质焦虑、孤独感和人格测量相关的语言使用方面的关键个体差异。通过利用我们框架所概述的综合结构,我们不仅构建了更完整的私人社交媒体话语模型,还展示了与心理健康分类相关的功能。本研究是将私人社交媒体消息特征与经验证的心理健康和福祉测量联系起来的关键一步。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cscw/41554/2020

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CSCW
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
9 位作者
sell
研究子方向
work
职业/产业
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文