通过年轻的韩国人的自然写作开发和验证一种自动化机器来评估自我伤害

科学领域:

• 精神病学是一个精神病学.
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 自伤是韩国年轻人面临的一个重大问题,其中20%的人受到影响.
• 评估自我伤害的严重程度是具有挑战性的,因为年轻人倾向于隐他们的行为.
• 在线文本数据为心理症状评估提供了一个新的途径.

研究的目的:

• 开发和验证一种机器学习模型,用于评估自伤严重程度,使用来自韩国青年的在线文本数据.
• 解决传统自我伤害评估方法中自我隐藏的障碍.

主要方法:

• 研究1:在16645个在线帖子上使用隐藏的迪里克莱特分配主题建模和机器学习开发了韩国自我伤害文本审查器 (K-SITR).
• 研究2:通过对47名自伤的韩国年轻人的调查验证K-SITR,评估与自我报告数据的融合和歧视.

主要成果:

• 在统计学上,K-SITR文本评估结果与专业辅导员的结果相似.
• K-SITR得分与自我伤害的频率和持续时间相关,并与其他因素区分开来.
• 在现有的自我伤害问卷上,K-SITR显示了增量有效性.

结论:

• K-SITR提供了一种新的,可能更可接受的工具来评估青少年自我伤害的严重程度.
• 这种文本分析方法可以减轻传统评估方法中普遍存在的自我隐藏问题.
• K-SITR在利用数字数据进行心理健康评估方面取得了重大进展.