《Journal of Child Psychology and Psychiatry》:Personally meaningful life events from adolescence to young adulthood: a longitudinal natural language processing analysis
编辑推荐:
背景:大规模基于人群的青少年心理健康风险与保护因素研究很少以青少年自己的语言评估其一手经验。此项纵向研究分析了青少年自我报告的最重要生活事件,并考察了关键主题从青春期中期到成年早期的变化及其与内化症状的关联。
方法:来自城市多种族队列的N=1,442名参与者
背景:大规模基于人群的青少年心理健康风险与保护因素研究很少以青少年自己的语言评估其一手经验。此项纵向研究分析了青少年自我报告的最重要生活事件,并考察了关键主题从青春期中期到成年早期的变化及其与内化症状的关联。
方法:来自城市多种族队列的N=1,442名参与者在15、17、20和24岁时以开放文本形式报告了其最重要生活事件。N=5,670条描述中的主题使用Python库BERTopic进行主题建模分析。
结果:大多数报告事件在效价上为积极(83.1%),且常为"规范性"的、普遍发生于多元生活领域的经历(教育与职业发展、社会关系、休闲活动与成就、心理健康与福祉,以及其他生活转变与独立)。事件主题呈现出从中期青春期至成年期的系统性发展变化。较高的内化症状与更可能报告人际性及压力性事件而非积极或成就相关事件有关。
结论:纵向基于人群的研究可利用开放文本数据并采用NLP技术评估青少年的生活经验。积极事件占主导及其与内化症状的关联表明,除减少压力性事件外,增加对促进有益经历的关注可能有助于促进青少年心理健康。
本研究发表于《Journal of Child Psychology and Psychiatry》,首次运用前沿自然语言处理技术,基于大规模城市纵向队列数据,考察青少年及 young adults 开放性评估的最重要生活事件。
研究背景与问题:当前青少年心理健康研究因反复分析相同的风险与保护因素而受到批评,未能充分解释青少年心理健康下降的趋势或提供逆转这一趋势的洞见。现有研究很少让青少年直接表达对其重要的事物,也缺乏通过归纳式设计的自下而上数据分析方法。青春期至成年早期是心理与情绪发展的关键形成期,也是承担社会角色与责任的重要过渡期。尽管大型纵向研究常见,但在此类基于人群的发育研究中,采用归纳策略的研究仍属罕见。此外,生活事件研究长期存在概念化不统一、测量标准缺乏共识的问题,且多由研究者预先定义"重大生活事件",较少由参与者自行界定;短量表可能缺乏发育敏感性,无法涵盖青少年在不同发育阶段的实际生活经验。
研究方法与技术:研究人员利用瑞士苏黎世儿童至成年社会发育纵向研究(z-proso)数据,该研究于2004年采用整群随机抽样选取56所小学,招募初始目标样本1,675名一年级学生(7岁),设计旨在再现 entering the city's public schools 的儿童构成特征,同时略微过度代表低社会经济地位(SES)地区。约四分之三儿童至少有一方父母出生于瑞士以外(>90个国家),约90%参与者本人出生于瑞士。研究共进行9次评估,分别在参与者7、8、9、11、13、15、17、20和24岁时。15岁评估时对整个初始目标样本进行重新联系,86.4%参与。当前研究使用15、17、20、24岁四个时间点的数据,最终1,442人至少在一个时间点提供了感兴趣变量的文本数据。
文本预处理阶段,5,550条文本数据经人工检查拼写、标点和语言一致性问题,35条因未提及具体事件被排除。主题建模使用BERTopic库,流程包括:采用paraphrase-multilingual-MiniLM-L12-v2句子转换模型将文本转化为数值嵌入表示;应用UMAP算法降维;采用HDBSCAN算法进行硬聚类(自动确定主题数量,最小主题阈值设为30条文本片段);合并重叠主题后形成12个主题;由两名作者手动审核并校正主题分配,137条内容涉及多个主题的文本被手动拆分,此阶段4,706条文本片段被分配主题。对于初始聚类中被标记为离群值的946条文本片段(占20.10%),研究人员训练基于大语言模型(LLM)的分类器进行软聚类分配:以手动审核的数据作为训练数据,按8:2分为训练集和验证集,采用German BERT大语言模型(uncased)替换顶层为分类头进行微调,训练10个epoch,选择F1=0.885的最佳模型(第5轮);将分类器应用于离群文本片段后,所有预测结果经人工检查,18条多主题文本被拆分,964条离群片段最终得到处理,校正率13.2%。主题表征通过CountVectorizer进行词形还原和名词提取,采用class-based term frequency-inverse document frequency确定词语重要性,使用WordCloud库可视化。此外,还训练了另一个LLM分类器预测情感效价。
统计分析方面,对5,620条文本片段(排除50条离群片段)进行描述性分析各主题发生率及情感效价;用聚类稳健标准误的逻辑回归检验社会人口学预测因素(性别、SES、移民背景)与主题的关联;纳入年龄因素检验年龄差异;将内化症状作为生活事件主题及效价的预测因子;使用R的ggalluvial包绘制冲积图可视化主题随年龄的变化。
研究结果:研究人员共调查N=5,670条独立生活事件文本片段(15岁:1,444条;17岁:1,267条;20岁:1,448条;24岁:1,512条),个体平均报告3.93个生活事件。
生活事件主题频率:主题建模产生12个独立主题,归纳为5个高阶类别——教育与职业发展(2,873;51.1%)、社会关系(1,101;19.6%)、休闲活动与成就(697;12.4%)、心理健康与福祉(629;11.2%)、其他生活转变与独立(320;5.7%)。最常提及的四个主题为:学校、教育与学徒培训(2,504;44.6%),浪漫关系与友谊(687;12.2%),心理健康、发展与改变(443;7.9%),旅行、度假与出国居留(415;7.4%)。
生活事件的情感效价:大多数生活事件被归类为积极(4,668;83.1%),其余为矛盾/不明确(597;10.6%)或消极(353;6.3%)。各主题间效价分布不均,压力性生活事件与丧失主题几乎全为消极,搬家与独立生活主题多归为矛盾/不明确。
主题的发育变化:按年龄分层显示从中期青春期至成年期的明显发育转变。学校、教育与学徒培训主题从15岁至20岁频率上升,工作与就业从青春期至成年早期持续增加;而体育、庆祝与外出随年龄增长报告减少。驾驶执照与车辆、搬家与独立生活、婚姻与育儿在20岁和24岁更常报告。
社会人口学预测因素:女性显著更可能报告旅行/度假/出国居留、家庭与家庭相关事件、搬家与独立生活、压力性生活事件与丧失、婚姻;男性更可能报告体育、驾驶执照与车辆。较高SES与旅行/度假/出国居留主题概率更高、与工作就业、家庭事件、庆祝外出、驾驶执照主题概率更低相关。移民背景与家庭事件、婚姻主题概率更高、与搬家独立生活主题概率更低相关。但上述三个最常见主题及庆祝外出、育儿主题与这些社会人口学预测因素无显著关联。所有模型解释方差比例很小(Tjur's R
2:0.0%-1.5%)。
内化症状与主题及效价的关联:较高焦虑/抑郁症状与更可能报告浪漫关系与友谊(OR=1.20, 95% CI [1.09, 1.31], p<.001)、心理健康/发展与改变(OR=1.20, 95% CI [1.07, 1.35], p=.002)、家庭与家庭相关事件(OR=1.17, 95% CI [1.03, 1.34], p=.020)、压力性生活事件与丧失(OR=1.34, 95% CI [1.18, 1.62], p<.001)有关;与更不可能报告学校/教育/学徒培训(OR=0.90, 95% CI [0.84, 0.96], p=.002)、旅行/度假/出国(OR=0.83, 95% CI [0.74, 0.94], p=.003)、工作/就业(OR=0.81, 95% CI [0.71, 0.92], p=.002)、体育(OR=0.67, 95% CI [0.52, 0.86], p=.002)有关。较高焦虑/抑郁症状与报告消极生活事件概率增加(OR=1.52, 95% CI [1.34, 1. horribly, p<.001)及报告积极生活事件概率降低(OR=0.80, 95% CI [0.73, 0.88], p<.001)有关。
讨论与结论:该研究首次结合前沿NLP主题建模方法与大样本城市纵向数据,考察青少年开放性评估的生活事件。研究发现,青少年报告的生活主题与青春期及初显成年期的发展理论高度吻合,涵盖教育职业、社会亲密关系、居住流动性变化等。值得注意的是,大多数重大事件为积极的、规范性的、看似平凡的经历,这与许多聚焦于压力性或威胁性事件的生活事件研究及量表形成鲜明对比。休闲活动与成就作为高阶主题尤为突出,此类事件对青少年极具意义却常被排除在量表之外。研究还发现显著的社会人口学差异和发育转变,但最普遍的三个主题(占~65%)不受预测因素影响,表明大多数自我选择、自我报告的生活事件可跨社会群体泛化。
关于内化症状,研究提示其与生活事件的选择及评价密切相关——可能通过压力生成过程增加特定事件暴露,也可能受情绪一致性记忆与评价偏差影响。未来研究应进一步探究开放性查询的生活事件与内化症状的动态相互作用,明确时间动态,并检验促进有益经历是否可减少内化问题。
研究局限性包括:认知选择过程不明确;数据收集时间(春季至夏季)可能导致某些事件回忆偏差;仅询问单一最重要事件可能限制广度;主题建模分析流程缺乏统一标准;15岁情感效价数据用于训练模型;后期波次存在选择性流失;数据具有时空特异性。
研究优势在于:采用新颖的前沿主题建模方法;利用大型多种族城市队列四个时点的开放文本数据;结合文本数据与社会人口学数据;为计算-定性方法提供方法学蓝图。
研究结论:大多数年轻人报告的是积极的、规范性的、普遍发生的最重要生活事件,主题涵盖多元生活领域。研究为使用开放文本数据补充常见定量研究方法提供了灵活的蓝图,强调除帮助青少年应对重大生活压力外,促进有益经历、休闲活动和成就也可能促进福祉和积极的青少年发展。