《Healthcare》：Physical Activity-Related Language and Psychosocial Themes in a Psychological AI-Training Q&A Corpus: An Exploratory BERTopic Analysis
编辑推荐：
背景：通过大学生–人工智能心理健康支持工具生成的问答语料库可能揭示身体活动（PA）和心理社会主题在支持性文本中的呈现方式。然而，个体层面人口统计学元数据的缺失以及提示和响应字段的合并，限制了对任何表达特定说话者的归因，且该语料库描述的是特定学生群体而非一般或临
背景：通过大学生–人工智能心理健康支持工具生成的问答语料库可能揭示身体活动（PA）和心理社会主题在支持性文本中的呈现方式。然而，个体层面人口统计学元数据的缺失以及提示和响应字段的合并，限制了对任何表达特定说话者的归因，且该语料库描述的是特定学生群体而非一般或临床群体。
目的：这项探索性研究描述了一个通过机构咨询平台收集的大学生–人工智能心理健康交流大型语料库中与PA、运动、体育教育（PE）、身体、生活方式和情绪相关的模式。
方法：研究人员使用基于BERTopic的计算文本挖掘工作流，分析了209,715条配对提示–响应记录作为合并的交流层面单位。完整语料库用于主要18主题模型和重叠词典分析。经过二次数据质量过滤后，178,062条合格交流形成了抽样框架，从中抽取了10,000条交流的系统样本用于单独的补充BERTopic和场景映射分析。工作流使用了Qdrant/bge-small-zh-v1.5嵌入、NFKC标准化、存档停用词列表、UMAP（n_neighbors = 15, n_components = 5, min_dist = 0.0, cosine度量, seed = 42）、HDBSCAN（min_cluster_size = 300, min_samples = 10, Euclidean度量, EOM）、c-TF-IDF主题表示、重叠词典筛查以及跨种子42、52和62的稳定性测试。
结果：学生/学校/家庭语境词汇筛查匹配了83,215条交流（39.68%），广义PA/身体/生活方式筛查匹配了82,464条交流（39.32%）。这些重叠指标描述了主题共现，但未确立PA行为或哪一方产生了特定术语。保留了18个语料库层面主题。在10,000条交流分析中，13.11%的交流匹配了狭义运动相关表达筛查，其中样本主题标签为情绪爆发与放松调节的交流内率最高（51.09%）。
结论：研究发现描述了学生–人工智能交互中的交流层面词汇和主题模式，而非实际PA行为、干预实施、临床疗效或人群患病率，且未识别哪一方引入了该语言。映射到自主性、能力感、关系感和情绪调节是事后解释性视角，作为假设提供，以指导未来在体育教育和数字心理健康支持中前瞻性验证的设计工作，而非作为已证实的结果。
**论文解读：心理AI训练问答语料库中身体活动相关语言与心理社会主题的探索性分析**
**研究背景与问题**
大学生心理健康问题日益受到关注，涉及情绪困扰、学业压力、家庭冲突及低自我价值感等，这些因素可能影响学业参与、人际关系及健康生活方式养成。身体活动（PA）、运动及体育教育（PE）已被证实与情绪、睡眠、自我效能及社交互动等心理社会结果相关，但其与心理健康的关系并非单一或自动有益——运动可能带来愉悦与社交联结，也可能伴随身体不满、同伴比较、感知失败、社交焦虑或表现压力。现有研究多依赖问卷调查或干预试验，大型文本数据集为探索PA相关语言在支持性问答材料中的出现模式提供了补充机会，但心理AI训练语料库中的此类模式尚未得到充分研究，且存在重要解释困难：缺乏个体层面人口统计学元数据、提示与响应字段合并导致无法归因特定说话者，以及语料库描述的是特定学生群体而非一般或临床人群。因此，本研究旨在通过计算文本挖掘方法，描述大学生–AI心理健康问答语料库中PA、运动、PE、身体、生活方式及情绪相关语言的词汇与主题共现模式，为未来体育教育（PE）和数字心理健康支持的设计提供假设性参考。
**研究内容与结论**
研究人员对山西大学提供的2024–2026年间中国山西省多所高校大学生心理健康咨询平台生成的209,715条配对问答记录进行了探索性分析，每条记录由学生提交的心理健康相关问题或提示及AI系统响应组成，分析单位为完整的提示–响应交流。研究采用基于BERTopic的计算文本挖掘工作流，结合重叠词典筛查和系统样本验证，描述了语料库层面的主题分布及PA相关词汇与心理社会主题的共现情况。主要结论包括：广义PA/身体/生活方式表达出现在39.32%的交流中，狭义运动相关表达仅占13.11%（验证样本中）；18个语料库层面主题中，焦虑/担忧主题最大（29.44%），其次为学业压力与学校适应（22.85%）及家庭照护与亲子冲突（22.30%）；PA相关主题筛查中，运动与情绪调节表达共现率最高（96.35%的PA阳性交流）；情绪动态筛查中，焦虑/担忧（69.41%）、压力/过载（58.55%）及抑郁/悲伤（51.37%）最常见；样本层面，情绪爆发与放松调节主题内狭义运动表达率最高（51.09%）。这些发现描述了交流层面的词汇与主题模式，而非实际PA行为、干预实施、临床疗效或人群患病率，且未识别哪一方引入了该语言。论文发表在《Healthcare》。
**关键技术方法**
研究人员使用基于BERTopic（v0.17.4）的计算文本挖掘工作流，主要关键技术包括：1）Qdrant/bge-small-zh-v1.5嵌入模型生成文本表示；2）UMAP（n_neighbors=15, n_components=5, min_dist=0.0, cosine度量）降维；3）HDBSCAN（min_cluster_size=300, min_samples=10, Euclidean度量, EOM）聚类；4）c-TF-IDF主题表示；5）重叠词典筛查（包括PA/身体/生活方式、运动、情绪等8类词典）；6）系统样本抽取（从178,062条合格交流中抽取10,000条）进行补充BERTopic和场景映射分析；7）跨种子（42, 52, 62）稳定性测试。数据来源为山西大学学生心理健康咨询平台，所有记录为真实学生–AI交互，无测试记录或人工合成案例。
**研究结果**
**4.1 语料库概览**
通过词汇筛查，学生/学校/家庭语境词汇匹配83,215条交流（39.68%），广义PA/身体/生活方式筛查匹配82,464条交流（39.32%），两者重叠35,141条（占语料库16.76%）。这些重叠指标描述主题共现，不确立PA行为或说话者身份。
**4.2 BERTopic衍生的交流主题**
保留18个语料库层面主题，前10大主题中焦虑/担忧（61,750条，29.44%）最大，其次为学业压力与学校适应（47,923条，22.85%）和家庭照护与亲子冲突（46,776条，22.30%）。PA阳性率最高为学业压力与学校适应（49.47%），最低为其他/一般情绪咨询（0.75%）。独立前裁决再评估显示主题标签充分性一致性88.9%（Cohen's κ=0.750），主要解释域一致性83.3%（κ=0.764），72项二元域决策一致性90.3%（κ=0.806）。
**4.3 身体活动相关的动机与心理社会主题**
7个重叠PA相关主题筛查中，运动与情绪调节表达共现匹配79,452条（占全语料库37.89%，占PA阳性交流96.35%）；健康习惯/生活方式管理（60.03%）、活动中的社交/同伴支持（59.94%）和动机/坚持障碍（39.22%）也高度重叠；运动过度/压力（7.09%）、体育教育/学校运动焦虑（6.49%）和身体形象/体重关注（1.79%）较少。
**4.4 语料库的情绪特征**
重叠情绪筛查中，焦虑/担忧匹配145,558条（69.41%），压力/过载122,793条（58.55%），抑郁/悲伤107,722条（51.37%）。PA阳性率在情绪筛查中最高为睡眠障碍（69.48%），其次为羞耻/低自我价值（50.95%）和压力/过载（50.28%）。
**4.5 身体活动关键词模式**
关键词计数显示，最频繁的PA相关术语为运动/锻炼（51,168次）、瑜伽（22,954次）、锻炼训练（15,841次）、步行（10,715次）、健身（5,569次）、跑步（3,125次）和体育教育/运动（2,037次）；较低频词包括游泳、太极拳、篮球和羽毛球。
**4.6 样本中运动相关表达的特异性与场景结构**
在10,000条系统样本中，13.11%匹配至少一个狭义运动相关表达。主题T4（情绪爆发与放松调节）内匹配率最高（51.09%），该率低于广义PA/身体/生活方式筛查率，因排除了广义身体和生活方式参考。
**4.7 主题–场景映射**
多标签场景映射显示，运动相关样本主题最常见与情绪困扰、睡眠/心身和人际关系筛查共现。T4中56.0%匹配情绪困扰筛查，21.5%匹配睡眠/心身筛查；T9中54.1%匹配情绪困扰；T0匹配人际关系（44.6%）和情绪困扰（43.5%）筛查。危机/风险匹配≤2.3%。
**讨论与结论**
**讨论总结**
本研究通过BERTopic、重叠词典筛查和样本映射，描述了大型大学生–AI心理健康问答语料库中PA与心理社会模式。广义PA/身体/生活方式表达出现于超过三分之一交流中，而狭义运动相关表达更具选择性（验证样本13.11%），强调了不应将广义身体或生活方式参考解释为明确运动建议、PA行为或干预实施。结果产生了一个设计假设：当支持性交流同时包含情绪困扰、身体形象关注、感知能力不足或社会压力时，通用的“多运动”语言可能不足。未来干预研究可测试活动选择、分级目标、情感安全任务和关系支持是否能提高可接受性。场景映射进一步提出了一个初步的序列：需求筛查、情境评估、运动的功能性嵌入及转介保障，作为未来评估的设计框架。自主性、能力感、关系感和情绪调节的映射是事后解释性视角，旨在为体育教育和数字心理健康支持的前瞻性验证设计提供假设，而非已证实的结果。
**结论翻译**
这项探索性研究使用基于BERTopic的框架分析了209,715条配对的大学生–人工智能心理健康交流。保留了18个语料库层面主题和7个重叠的PA相关主题筛查。在一个系统的10,000条交流验证样本中，13.11%的交流匹配了狭义运动相关表达，其中包括51.09%的分配给情绪爆发与放松调节主题的交流。结果描述了在合并的提示–响应交流中PA相关语言如何与情绪、大学、家庭、人际关系、睡眠和身体相关文本共现。
