[논문 리뷰] Predicting Depressive Symptoms through Emotion Pairs within Asian American Families

Sangpil Youm, Nari Yoo외 1명|arXiv (Cornell University)|2026. 02. 03.

Mental Health via Writing인용 수 0

한 줄 요약

이 논문은 아시아계 부모에 관한 Reddit 게시물에서 감정을 추출하고 감정 네트워크를 구축하며 로지스틱 회귀를 사용하여 감정 쌍을 우울 증상과 연결합니다.

ABSTRACT

Studies on intergenerational relationships between parents and children in Asian American families highlight their impact on mental health and well-being. This study investigates the role of ambivalent emotions in online narratives shared by Asian and Asian American children on the subreddit, r/Asianparentstories. By employing a BERT-based model to detect emotion at the sentence level and depressive symptoms at the post level, we analyze mixed feelings to better understand how they predict depressive symptoms. First, among 28 detectable, eight (realization, approval, sadness, anger, curiosity, annoyance, disappointment, disapproval) comprise over 50%, exhibiting significant co-occurrence among themselves and with other emotions. Second, we find the co-occurrence of multiple emotions, indicating that emotions in a single post are not limited to consistently positive or negative feelings. Finally, our findings indicate that while negative emotion pairs (e.g., confusion-grief, anger-grief) are associated with depressive symptoms, positive emotion pairs (e.g., admiration-realization, amusement-joy) negatively correlate with depressive symptoms, and combinations of ambivalent emotions indicate varied results in predicting depressive symptoms. These findings highlight the importance of automated emotion classification and the need to consider emotional ambivalence, which holds practical and clinical implications for understanding the dynamics of parent-child relationships.

연구 동기 및 목표

• 아시아계 미국인 가족에서 세대 간 모순에 대한 이해의 필요성과 그것이 정신 건강과의 연관성의 필요성을 제시한다.
• 설문조사와 인터뷰를 넘어 Reddit 서사를 통해 진정한 감정 맥락을 포착한다.
• 감정 쌍을 식별하여 우울 증상을 유의하게 예측하는지 확인한다.
• 게시물 내에서 지배적인 감정과 상호 작용 패턴을 특징짓고 문화적으로 정보를 반영한 중재를 안내한다.

제안 방법

• EmoRoBERTa로 문장 수준의 감정을 탐지한다.
• 노드가 감정이고 간선 두께가 공출현 빈도를 반영하는 게시물별 감정 네트워크를 구성한다.
• DepRoBERTa를 사용하여 게시물에서 우울 증상을 식별한다.
• 감정 쌍을 예측 변수로 간주하고 우울 증상을 결과로 하는 로지스틱 회귀 모델을 적용한다.
• 유의한 감정 쌍을 해석하기 위한 내용 분석을 수행한다.
• 유의한 감정 쌍과 그 오즈비를 보고한다(예: amusement-grief OR=2.62; sadness-optimism OR=0.79).

Figure 1: Emotion relationship network. Note. Nodes represent emotions. Link thickness corresponds to size of degree, measured by frequency of co-occurrence

실험 결과

연구 질문

• RQ1 아시아인 부모에 관한 게시물에서 어떤 감정 쌍이 함께 나타나며 이 쌍들이 우울 증상과 어떻게 관련되는가?
• RQ2 데이터셋에서 특정 감정 쌍이 우울 증상을 유의하게 예측하는가?
• RQ3 아시아인 부모-자녀 경험에 관한 Reddit 게시물에서 지배적인 감정과 공출현 패턴은 무엇인가?
• RQ4 혼합/양가적 감정이 단일 감정보다 우울 증상과 더 강하게 관련되는가?
• RQ5 발견이 아시아계 미국인 가족을 위한 문화적으로 정보에 기반한 가족 중재에 어떻게 기여할 수 있는가?

주요 결과

• 여덟 가지 감정(realization, approval, sadness, anger, disapproval, annoyance, curiosity, disappointment)이 탐지된 감정의 약 50%를 차지한다.
• 게시물은 두 가지 이상의 감정을 자주 포함하며, 쌍과 삼중 항목이 일반적이다.
• amusement-grief는 우울 증상과 양의 관련이 가장 큰 영향력 있는 감정 쌍이다(OR=2.62).
• Caring-curiosity는 우울 증상과 가장 강한 음의 연관을 가진 감정 쌍이다.
• Sadness와 optimism이 함께 있을 때 우울 증상과 음의 연관이 나타난다(OR=0.79).
• p<0.05에서 우울 증상에 기여하는 10개의 감정 쌍이 유의하게 나타난다.

Figure 2: Cumulative Distribution Function (CDF) and Complementary Cumulative Distribution Function (CCDF).