Page 262 - 急诊医学与精神疾病的临床理论研究

第七章 大数据时代的精神分析

家庭暴力受害者在首次经历家庭暴力之后，抑郁程度显著升高，而对照组在家庭
暴力前后抑郁程度没有显著变化。因而，可以排除地域特殊事件以及时间因素等
系统变量对于结果的干扰。对比时间点 T 前家暴组与对照组的抑郁程度，并进行

独立样本 t 检验，结果发现，二者的抑郁程度并无显著性差异。
利用预测模型进行家暴抑郁程度的前后对比，发现亲密关系间暴力会导致
受害者抑郁程度显著升高。在出现家庭暴力之后，家庭暴力受害者在首次报告家
庭暴力出现之后抑郁程度增加。而亲密关系受害者在自杀意念与幸福感两项心理

特征中没有表现出显著性差异，但预测值略有变化。可能的原因为本次测量的时
间较短，因而，亲密关系暴力对于受害者的影响没有充分表现。网络记录了大量
的用户行为数据，使我们得以追踪家庭暴力受害者首次遭遇家庭暴力之前的心
理状态，并以此为基线进行家暴前后的心理状态对比。因此，相比于传统方法，

利用计算模型可以回溯计算微博用户任意时刻的心理特征，并且可以对其在相关
时间内的心理特征进行计算，快速进行追踪研究。与实验室研究相比较，基于生
态化识别拥有的另一项优势即生态性，近年来，心理学实验室研究的生态效度
（Ecological validity）逐渐引起研究者们的重视。我们在未加实验操作控制地利

用网络上自然发生、内容丰富、数量规模庞大行为数据与文本数据对用户心理特
征进行预测，有效避免了用户填写问卷时的掩饰性作答以及猜测效应。
（四）利用人工智能实现在线主动自杀干预
据统计，我国每年有 28.7 万人死于自杀，200 万人自杀未遂，由此造成的直

接和间接经济、社会、心理损失不可估量，自杀逐渐成为一个严重的公共卫生问
题。传统的自杀风险评估研究主要采用心理测验、访谈、问卷等分析方法，但从
应用效果上说，以上方法具有较大的被动性；往往有自杀企图或倾向的人主动求
助率低，而且很难防止他们刻意隐藏内心的真实想法，难以起到及时预警的作用。

随着近年来越来越多的社交网络平台给人们更多机会在虚拟集群中吐露自己
的感受和观点，不同于传统研究方法的被动性，我们利用生态化识别的方法，通
过对社会网络上用户表达内容的分析，自动识别出具有自杀意念的用户，从而能
够主动寻找有潜在自杀倾向的个体，向他们提供及时的帮助。

在新浪微博用户文本分析基础上，结合用户行为数据分析，我们首先比较了
自杀死亡用户和无自杀倾向用户在社交行为、语言使用上的差别，进而归纳出有
自杀倾向的用户的可识别模式，建立自杀意念识别模型。该模型的精确率、召回

245