心理所開發出新型的生活滿意度評估方法

生活滿意度評估是心理健康研究和社會福祉監測的重要工具。傳統評估方法主要依賴問卷調查和專家評分，在大規模研究或需要快速評估的場景中面臨效率和資源投入的挑戰。隨著人工智能技術的發展，特別是大語言模型（LLMs）在自然語言處理領域的突破，生活滿意度評估出現了新的可能性。

近期，中國科學院心理研究所朱廷劭研究員團隊開展了一項研究，將大語言模型與機器學習方法相結合，開發出一種新型的生活滿意度評估方法，其預測性能顯著超越了傳統的機器學習和人類專家評分方法。

該研究設計了一套完整的評估流程（圖1）。研究人員首先邀請參與者填寫生活滿意度量表，并收集其自我陳述文本；隨后運用優化后的大語言模型從自陳文本中提取特征；最后基于大語言模型提取的文本特征進行機器學習建模預測。該方法既能捕捉個體表達中的細微差異，又能通過機器學習實現更加準確的預測。

圖1. 研究流程

研究結果表明，“大語言模型+機器學習”的新型評估方法與自我報告量表的相關系數達到0.542，高于此前研究中傳統機器學習方法的0.36，也優于單獨使用大語言模型(r=0.491)和專家評分(r=0.455)。效應量分析進一步顯示，新方法與人類專家評分之間存在顯著的中等效應量差異(Cohen's d=0.499)。

圖2. 不同評估方法的預測效果對比

該方法具有廣泛的應用前景。在科研領域，可提升大規模心理健康調查的效率；在臨床實踐中，可為專業人員提供更加客觀的心理評估工具；而在服務國計民生層面，能夠實時評估民眾心理福祉，有望促進智能化民生服務建設。

該研究獲得了北京自然科學基金項目（IS23088）的資助。

相關成果已在線發表于IEEE Transactions on Computational Social Systems。心理所博士研究生黃峰和碩士研究生孫霞為論文共同第一作者，心理所朱廷劭研究員為通訊作者。

論文信息：

Huang, F., Sun, X., Mei, A., Wang, Y., Ding, H., & Zhu, T. (2024). LLM Plus Machine Learning Outperform Expert Rating to Predict Life Satisfaction from Self-Statement Text. IEEE Transactions on Computational Social Systems. https://doi.org/10.1109/TCSS.2024.3475413