論文の概要: How Mental Health Self-Disclosure Becomes Visible: Evidence from Eight Conditions on Reddit

• arxiv url: http://arxiv.org/abs/2608.29010v1
• Date: Sat, 29 Aug 2026 02:43:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.815296
• Title: How Mental Health Self-Disclosure Becomes Visible: Evidence from Eight Conditions on Reddit
• Title（参考訳）: メンタルヘルスの自己開示がどう見えるか:Redditの8つの条件から
• Abstract要約: われわれは8つの条件で739ユーザーのReddit投稿を89,605件分析した。 公開前年では、6つの条件が公表される前の月で最も言語に目に見える負担が高かった。 エンゲージメント指標が臨床ニーズを反映していない地域コミュニティの実践とプラットフォーム設計に影響を及ぼす。
• 参考スコア（独自算出の注目度）: 15.655336645667502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People share mental health diagnoses on social media, yet how such language becomes visible around their self-disclosure, and whether community engagement tracks it, remain unexamined across conditions. We analyze 89,605 Reddit posts from 739 users across eight conditions, removing each user's diagnosis disclosure and aligning their surrounding posts to that anchor. Within the pre-disclosure year, language-visible burden was highest in the month before disclosure for six conditions, earlier for post-traumatic stress disorder and furthest from it for borderline personality disorder, and remained visible afterward rather than resolving. The theme Seeking Clinical Explanations showed the largest early-to-late difference before disclosure in five conditions, yet engagement rarely tracked what users wrote: only 9 of 360 language--engagement correlations survived correction. Disclosure is therefore a waypoint in an unevenly visible process, and we offer implications for community practice and platform design where engagement metrics do not reflect clinical need.
• Abstract（参考訳）: 人々はソーシャルメディア上でメンタルヘルスの診断を共有しているが、そのような言葉が自己開示の周囲でどのように見えるか、そしてコミュニティの関与がそれを追跡しているかは、状況によって未確認のままである。 8つの条件で739ユーザから89,605のReddit投稿を分析し、各ユーザの診断情報を取り除き、周囲の投稿をアンカーにアライメントします。 開示前の年内には,6つの条件が公表される前が最も多く,外傷後ストレス障害や境界性パーソナリティ障害が原因であった。 Seeking Clinical Explanationsのテーマは、5つの条件で公開する前に最も早い段階から遅い段階の差異を示したが、ユーザーの書いた内容を追跡することはめったになかった。 したがって、開示は、不均一に見えるプロセスにおける道のりであり、私たちは、エンゲージメント指標が臨床ニーズを反映しないような、コミュニティの実践やプラットフォーム設計に影響を及ぼす。

関連論文リスト

• DelusionEval: Measuring Delusion-Linked Behaviors in AI Chatbots [49.59847654758852]
  メンタルヘルスの専門家は、大きな言語モデル(LLM)との相互作用による心理的害のリスクを懸念している。 我々はDelusionEvalを開発した。DelusionEvalは、モデルがユーザの妄想を助長する行動を示す傾向をテストするための評価プロトコルである。 評価されたLCMが妄想関連行動を示す傾向は, モデルサイズ, リリース日, テストタイム推論の有無と確実に相関しないことがわかった。
  論文  参考訳（メタデータ） (2026-08-05T16:11:08Z)
• Lost in Delusion: Examining LLM Safety Under User Delusions and Distress [22.788606509306604]
  持続的な会話に対する妄想に苦悩が絡み合うとき、モデルがどのように振る舞うかを示す。 これにより、認識と干渉のギャップが明らかになり、安全性の介入は4.5倍まで抑制される。 安全な配置には、妄想的フレーミングを明確なリスクシグナルとして扱う必要があると結論付けている。
  論文  参考訳（メタデータ） (2026-05-31T03:12:29Z)
• A multimodal Bayesian Network for symptom-level depression and anxiety prediction from voice and speech data [36.77792803657935]
  ベイジアン・ネットワーク・モデリングを用いて,導入におけるいくつかの重要な障壁に対処できることを論じる。 大規模データセットにおける音声・音声特徴からの抑うつ・不安症状予測モデルの評価を行った。
  論文  参考訳（メタデータ） (2025-12-08T17:28:09Z)
• Decide less, communicate more: On the construct validity of end-to-end fact-checking in medicine [59.604255567812714]
  我々は、専門家が医療証拠を合成することによって、ソーシャルメディアからの真の主張を検証する方法を示す。 臨床試験の形で、野生の主張と科学的証拠を結びつける困難さ。 我々は,ファクトチェックは対話型コミュニケーション問題としてアプローチし,評価すべきであると主張している。
  論文  参考訳（メタデータ） (2025-06-25T22:58:08Z)
• Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
  基礎モデルの幻覚は自己回帰訓練の目的から生じる。 トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
  論文  参考訳（メタデータ） (2025-02-26T02:30:44Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensemble of BERTs for Classifying Common Mental Illnesses on Social Media Posts [0.0]
  UATTA-EB: Uncertainty-Aware Test-Time Augmented Ensembling of BERTs for produce reliable and well-calibrated predictions。 Reddit上の非構造化ユーザデータを分析して、None、Depression、Anxiety、Bipolar disorder、ADHD、PTSDの6種類の精神疾患の分類を行う。
  論文  参考訳（メタデータ） (2023-04-10T12:18:53Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• SERCNN: Stacked Embedding Recurrent Convolutional Neural Network in Detecting Depression on Twitter [2.535271349350579]
  異なるドメインから事前学習した2つの埋め込みを積み重ねることでユーザ表現を改善するSERCNNを提案する。 われわれのSERCNNは最新技術や他のベースラインよりも優れた性能を示し、5倍のクロスバリデーション設定で93.7%の精度を実現している。 SERCNNは1ユーザにつき10投稿まで最小限で、BERTモデルに匹敵する87%の精度で、非常によく機能した。
  論文  参考訳（メタデータ） (2022-07-29T08:08:15Z)
• Then and Now: Quantifying the Longitudinal Validity of Self-Disclosed Depression Diagnoses [15.002282686061905]
  精神的な健康診断の自己開示は、時間とともに実際にどのような関係があるのか? 我々は5年以上前にうつ病の診断をソーシャルメディアで公表した個人による最近の活動を分析した。 自己開示診断を用いてキュレートしたデータセットにおける人格関連バイアスの存在の証拠を拡大した。
  論文  参考訳（メタデータ） (2022-06-22T15:02:03Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。