中科院心理所开发新型生活满意度评估方法，AI助力心理健康监测
中科院心理所开发新型生活满意度评估方法，AI助力心理健康监测
随着人工智能技术的快速发展，大语言模型在心理健康评估领域的应用展现出巨大潜力。中国科学院心理研究所朱廷劭研究员团队近期开发出一种新型生活满意度评估方法，通过结合大语言模型与机器学习技术，实现了对个体生活满意度的精准预测。
生活满意度评估是心理健康研究和社会福祉监测的重要工具。传统评估方法主要依赖问卷调查和专家评分，在大规模研究或需要快速评估的场景中面临效率和资源投入的挑战。随着人工智能技术的发展，特别是大语言模型（LLMs）在自然语言处理领域的突破，生活满意度评估出现了新的可能性。
图1. 研究流程
近期，中国科学院心理研究所朱廷劭研究员团队开展了一项研究，将大语言模型与机器学习方法相结合，开发出一种新型的生活满意度评估方法，其预测性能显著超越了传统的机器学习和人类专家评分方法。
该研究设计了一套完整的评估流程（图1）。研究人员首先邀请参与者填写生活满意度量表，并收集其自我陈述文本；随后运用优化后的大语言模型从自陈文本中提取特征；最后基于大语言模型提取的文本特征进行机器学习建模预测。该方法既能捕捉个体表达中的细微差异，又能通过机器学习实现更加准确的预测。
研究结果表明，“大语言模型+机器学习”的新型评估方法与自我报告量表的相关系数达到0.542，高于此前研究中传统机器学习方法的0.36，也优于单独使用大语言模型(r=0.491)和专家评分(r=0.455)。效应量分析进一步显示，新方法与人类专家评分之间存在显著的中等效应量差异(Cohen's d=0.499)。
图2. 不同评估方法的预测效果对比
该方法具有广泛的应用前景。在科研领域，可提升大规模心理健康调查的效率；在临床实践中，可为专业人员提供更加客观的心理评估工具；而在服务国计民生层面，能够实时评估民众心理福祉，有望促进智能化民生服务建设。
该研究相关成果已在线发表于IEEE Transactions on Computational Social Systems。心理所博士研究生黄峰和硕士研究生孙霞为论文共同第一作者，心理所朱廷劭研究员为通讯作者。
本文原文来自中国科学院心理研究所