[論文レビュー] Engagement Patterns of Peer-to-Peer Interactions on Mental Health Platforms

Ashish Sharma, Monojit Choudhury+2 more|arXiv (Cornell University)|Apr 10, 2020

Mental Health via Writing被引用数 6

ひとこと要約

本稿では、3500万件の投稿を含む TalkLife と Reddit からのデータを用いて、11の解釈可能な関与パターンを特定する生成モデルフレームワークを提案する。注意と関与指標を同時にモデル化することで、相互的な双方向的対話が特に TalkLife においてユーザーの残留に顕著に寄与することが明らかになった。また、早期の応答と支援者投稿における否定的センチメントと関連していることが示された。

ABSTRACT

Mental illness is a global health problem, but access to mental healthcare resources remain poor worldwide. Online peer-to-peer support platforms attempt to alleviate this fundamental gap by enabling those who struggle with mental illness to provide and receive social support from their peers. However, successful social support requires users to engage with each other and failures may have serious consequences for users in need. Our understanding of engagement patterns on mental health platforms is limited but critical to inform the role, limitations, and design of these platforms. Here, we present a large-scale analysis of engagement patterns of 35 million posts on two popular online mental health platforms, TalkLife and Reddit. Leveraging communication models in human-computer interaction and communication theory, we operationalize a set of four engagement indicators based on attention and interaction. We then propose a generative model to jointly model these indicators of engagement, the output of which is synthesized into a novel set of eleven distinct, interpretable patterns. We demonstrate that this framework of engagement patterns enables informative evaluations and analysis of online support platforms. Specifically, we find that mutual back-and-forth interactions are associated with significantly higher user retention rates on TalkLife. Such back-and-forth interactions, in turn, are associated with early response times and the sentiment of posts.

研究の動機と目的

• オンラインプラットフォーム上におけるメンタルヘルス支援を求める者とペア支援者との間の関与ダイナミクスを理解すること。
• 賛辞や投稿数といった孤立した指標にとどまらない、大規模かつ理論的根拠に基づいたスレッドレベルの関与分析の欠落を埋める。
• 注意と関与を同時にモデル化する多様な次元のフレームワークを構築し、解釈可能な関与パターンを明らかにすること。
• 特にユーザー残留を重視して、関与パターンを用いてプラットフォームのパフォーマンスを評価し、デザイン意思決定を支援すること。
• TalkLife や Reddit といった異なるプラットフォーム間で関与パターンにどのような差があるかを比較し、対話の質に影響を与える構造的要因を特定すること。

提案手法

• 通信理論およびヒューマンコンピュータインタラクション理論に基づく4つの理論的動機付けの関与指標（例：注意＝応答数、関与＝相互性、応答タイミング）を定義する。
• これらの4つの関与指標の共同空間における確率分布を学習する生成モデルを開発し、潜在的なクラスタを発見する。
• 学習されたクラスタを統合し、「相互的対話」や「繰り返し支援者とのやり取り」などの11の明確で解釈可能な関与パターンに要約する。
• 統計的分析および自然言語処理技術（例：VADERセンチメント分析、TopMineを用いたフレーズ抽出）を用いて、プラットフォーム間および状況別のパターンを比較する。
• フレームワークを応用してプラットフォームのパフォーマンスを評価し、TalkLife と Reddit 間の関与分布を比較する。
• 応答タイミング、センチメントトレンド、残留相関といった観点から、比較的分析による結果の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 大規模プラットフォーム上におけるペアワイズメンタルヘルスディスカッションにおいて、支配的で解釈可能な関与パターンは何か？
• RQ2 特に相互的な双方向的対話がメンタルヘルスプラットフォーム上のユーザー残留とどのように相関しているか？
• RQ3 応答タイミングやセンチメントといった要因は、支援スレッドにおける相互的対話の発生を予測できるか？
• RQ4 TalkLife（一般型）と Reddit（サブコミュニティ中心）といった異なるプラットフォームタイプにおいて、関与パターンにどのような差があるか？
• RQ5 支援者応答に否定的センチメントを示す関与パターンは、継続的なやり取りや残留とどの程度相関しているか？

主な発見

• 相互的な双方向的対話（Mutual Discourse）は、TalkLife においてユーザー残留と顕著に相関しており、その75.22％のスレッドが支援者が早期に応答した状況で形成された。
• Mutual Discourse スレッドにおける支援者の感情は、より否定的（TalkLife では平均センチメント：-0.096、Repeated Seeker Interaction では 0.074）で、応答も長く（17.16語 vs. 13.89語）なっており、より深い関与を示している。
• 支援者が最初の支援投稿の直後に応答することが、Mutual Discourse の発生を強く予測しており、TalkLife では75.22％の成功率を示した。
• Mutual Discourse における支援者応答のセンチメントは、他のパターンと比較して顕著に否定的（p < 0.01）かつ肯定的でない（p < 0.001）傾向にあり、高強度の感情的関与を示している。
• Reddit のトピック別サブコミュニティは、より関与度の高い対話パターンと関連しており、プラットフォームの構造が関与の質に影響を与えている可能性がある。
• 本フレームワークにより、プラットフォーム間の比較的評価が可能となり、TalkLife では Mutual Discourse が残留向上において特に顕著に寄与していることが明らかになった。これは、設計上の重要なターゲットであることを示唆している。