AI助力药物使用群体自我污名研究：大语言模型解码Reddit情感轨迹

一项发表于arXiv的最新研究，采用大语言模型辅助的文本分析方法，深入探索了在线药物使用社区中用户的自我污名表达。研究团队首先通过人工编码构建了一个包含10项指标的代码本，涵盖认知（自我标签、悲观/自我挫败、价值缺失）、情感（羞耻、自责、绝望）和行为（隐瞒、预期排斥、戒断意愿、矛盾心理）三大维度。

为扩大分析规模，研究者使用大语言模型对72,115条主题帖进行自动化分类，模型表现与专家编码结果高度一致（Cohen's k=0.73，F1=0.80）。分析发现，在1,660名英语用户中，74.0%的用户（1,228人）的5.3%帖子（3,838条）包含自我污名内容。其中，自我标签（56.0%）和绝望感（48.5%）是最常见的表达形式。

研究揭示了一个重要发现：自我污名是一个整合现象，行为指标很少在没有内化指标的情况下单独出现，且往往先于核心情感指标出现。例如，表达戒断意愿的行为指标在帖子序列中位位置为0.08，而羞耻情感指标的中位位置为0.38，这挑战了传统的渐进阶段模型。

值得注意的是，10项指标中有9项在用户发帖轨迹中保持稳定，只有悲观情绪随时间显著增强（OR=1.62）。这一发现为早期数字干预提供了精准靶点，也表明文本披露模式不能简单套用传统的阶段理论模型。该研究展示了AI技术在心理健康和药物使用研究领域的创新应用潜力。