[论文解读] SOLO: A Corpus of Tweets for Examining the State of Being Alone

Svetlana Kiritchenko, Will E. Hipson+2 more|arXiv (Cornell University)|Jun 4, 2020

Mental Health via Writing参考文献 32被引用 4

一句话总结

本文提出了SOLO，一个包含超过400万条英文推文的语料库，其中包含'孤独'、'孤单'或'孤独感'等关键词，用于计算分析与独处状态相关的语言和情感关联。研究发现，独处与积极、自主的情境相关联，而孤独则与消极、非自愿的体验相关联，女性和青少年更可能表达孤独感，证实了现实语言使用中对心理状态的区分。

ABSTRACT

The state of being alone can have a substantial impact on our lives, though experiences with time alone diverge significantly among individuals. Psychologists distinguish between the concept of solitude, a positive state of voluntary aloneness, and the concept of loneliness, a negative state of dissatisfaction with the quality of one's social interactions. Here, for the first time, we conduct a large-scale computational analysis to explore how the terms associated with the state of being alone are used in online language. We present SOLO (State of Being Alone), a corpus of over 4 million tweets collected with query terms 'solitude', 'lonely', and 'loneliness'. We use SOLO to analyze the language and emotions associated with the state of being alone. We show that the term 'solitude' tends to co-occur with more positive, high-dominance words (e.g., enjoy, bliss) while the terms 'lonely' and 'loneliness' frequently co-occur with negative, low-dominance words (e.g., scared, depressed), which confirms the conceptual distinctions made in psychology. We also show that women are more likely to report on negative feelings of being lonely as compared to men, and there are more teenagers among the tweeters that use the word 'lonely' than among the tweeters that use the word 'solitude'.

研究动机与目标

• 探究大规模社交媒体文本中，独处状态在语言和情感上的表达方式，区分独处（积极、自愿）与孤独（消极、非自愿）。
• 解决目前在在线语言与独处、孤独相关的大规模计算研究方面的不足，尽管这些因素对心理健康和幸福感具有重要影响。
• 创建并发布一个免费获取的大型语料库（SOLO），以供未来关于心理健康、幸福感及独处体验中人口统计差异的研究使用。
• 探讨性别和年龄等人口统计因素在独处与孤独相关语言使用上的差异，并评估语言模式是否与心理学理论一致。

提出的方法

• 通过Twitter的流式API，使用关键词'solitude'、'lonely'和'loneliness'收集超过400万条推文。
• 对子集进行人工标注，验证超过94%的推文与“独处”概念相关。
• 应用词共现分析，识别'solitude'、'lonely'和'loneliness'与积极/消极及高/低支配性词语的语义关联。
• 使用情绪词典（如NRC情绪词典）分析情感内容，比较推文中积极与消极情感的分布。
• 按性别和年龄组进行人口统计分析，比较各群体的推文频率与情感基调。
• 建立一种方法论框架，用于通过关键词收集与验证，构建针对性语料库（如针对青少年或老年人）。

实验结果

研究问题

• RQ1 用户在使用'solitude'、'lonely'和'loneliness'时，在多大程度上指涉自愿独处的心理状态，而非非自愿的孤立？
• RQ2 推文中的语言模式是否支持心理学上对独处（积极、自主驱动）与孤独（消极、不想要）的区分？
• RQ3 在在线语言中，'solitude'、'lonely'和'loneliness'这三个词的情感关联有何不同？
• RQ4 在使用这些术语方面是否存在显著的人口统计学差异，特别是按性别和年龄组划分？
• RQ5 基于关键词的社交媒体文本收集能否产生可靠的大规模语料库，用于研究心理健康与幸福感？

主要发现

• 术语'solitude'与更多积极、高支配性词语（如'enjoy'和'bliss'）显著共现，支持其作为自主驱动、积极状态的概念化。
• 'lonely'和'loneliness'与更多消极、低支配性词语（如'scared'和'depressed'）共现，证实其与痛苦和不满的关联。
• 在相同时间段内，'loneliness'引发的推文数量是'solitude'的17倍，表明公众对孤独的表达更为频繁。
• 女性用户的'solitary'推文数量比男性用户多12%，尽管男性在整体语料库中推文量多出10%，表明在孤独感报告上存在性别差异。
• 'lonely'语料库中与青春期（尤其是青少年）相关的词汇多出12%，而与成年期相关的词汇则少于'solitude'语料库，表明青少年对孤独感更为敏感。
• 男性和女性用户的推文情感内容极为相似，表明尽管女性更常报告孤独感，但其情感基调在性别间并无显著差异。