题名 | 基于社会媒体的自杀风险研究:自杀意念及污名化态度 |
作者 | 田玮 |
答辩日期 | 2017-05 |
文献子类 | 硕士 |
授予单位 | 中国科学院大学 |
授予地点 | 中国科学院心理研究所 |
导师 | 朱廷劭 |
关键词 | 自杀风险因素 微博 文本分析 深度学习 污名化 |
学位名称 | 理学硕士 |
其他题名 | Suicidal Risk Facts Identification Based on Analyses of Social Media:Suicide Ideation And Suicide Stigmatization |
学位专业 | 健康心理学 |
英文摘要 | 自杀是一种全球性的公共健康问题,当个体遭遇感情失败、事业受挫、人生坎坷就可能会失去信心、进而产生心理问题,甚至有可能选择自杀,自杀率的逐年上升己经成为社会公共健康迫切需要解决的严重问题。鉴此,自杀预防工作对维护社会稳定,促进社会公共健康起着尤为重要的作用。随着互联网的迅猛发展,越来越多的社会媒体用户选用微博作为自我情绪情感的表达途径,这些情绪情感的表达也包含了自杀直播和针对自杀的个人态度。这就为自杀预防工作提供了新的契机,许多学者也已经开始尝试利用社会媒体信息进行与自杀相关的各种分析研究工作,但现有的基于微博博文的自杀预防的研究还处于起步阶段,成果较少。本研究基于新浪微博这个平台,从个体自杀意愿和社会针对自杀行为所形成的污名化态度两方面,分别从主观和客观因素对微博一博文进行分析,通过三个研究,试图达成两个科学目标:第一,使用深度学习算法建立社会媒体自杀和自杀无名化态度识别器,探讨通过社交平台实时评估个体用户自杀意愿和自杀污名化态度的有效性。第二,通过对直播自杀持有污名化态度的微博进行语言使用特征差异的研究,探讨利用语言使用特征差异过滤污名化网络信息的可能性。研究结果显示: (1)深度学习算法对自杀意愿的识别的准确率可以达到93. 5%,正确率较其它两种算法高出2. 5%左右;深度学习算法对自杀污名化识别的准确率可以达到79, 8%,正确率较其它两种算法高出10%。 (2)针对对直播自杀持有污名化态度微博的研究,非参数检验和效果量分析结果表明,“功能词”和“副词”等5个特征维度差异有统计学意义且效果较大(p<0. 05, Cohen's d>0. 5)9“代名词”和“朋友词”等21个特征维度差异有统计学意义且效果中等(p<0. 05, 0. 2<=Cohen's d<0. 5 )。其中,自杀污名化组的“朋友词”、“焦虑词”、“时间词”、“工作词”和“休闲词”的使用频率低于非自杀污名化组。自杀污名化组的“功能词”和“动词”、等21个语言维度的使用频率高于非自杀污名化组。 (3)针对对直播自杀持有污名化态度微博用户的研究,非参数检验和效果量分析结果表明,“副词’夕、“语助词”、“应和词”和“‘填充赘词”4个特征维度差异有统计学意义且效果较大(p<0. 05, Cohen's d>0. 5 ) 9“代名词”和“生气词”等34个特征维度差异有统计学意义且效果中等(p<0. 05, 0. 2<=Cohen's d<0. 5 )。其中,自杀污名化组“工作词”和“体闲词”的使用频率低于非自杀污名化组。’自杀污名化组的“代名词”和“副词”等36个语言维度的使用频率高于非自杀污名化组。 本文的实验结果表明利用深度学习识别器对微博用户自杀意愿和自杀污名化态度的预测是有效可行的,同时对微博直播自杀的污名化态度的语言使用特征差异分析结果也可以为有效从社会客观环境预防自杀提供有效支持。但针对微博用户自杀污名化态度的语言使用特征差异分析由于现有数据量的不足有待进一步研究。 |
语种 | 中文 |
页码 | 58 |
内容类型 | 学位论文 |
源URL | [http://ir.psych.ac.cn/handle/311026/28668] |
专题 | 心理研究所_社会与工程心理学研究室 |
推荐引用方式 GB/T 7714 | 田玮. 基于社会媒体的自杀风险研究:自杀意念及污名化态度[D]. 中国科学院心理研究所. 中国科学院大学. 2017. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论