心理治疗中的自动化情感分析：与人类编码情感行为的一致性及与早期治疗联盟的二元关联

《Psychotherapy Research》：Automated sentiment analysis in psychotherapy: Convergence with human-coded affective behavior and dyadic associations with early therapeutic alliance

　　

目标：会谈期间表达的情感（emotion）对理解心理治疗过程和结果具有重要意义。尽管人类编码（human coding）通常被视为评估情感的黄金标准，但这种方法资源密集且难以扩展。自动化情感分析（automated sentiment analysis）提供了有希望的替代方案，但以下方面仍知之甚少：（1）在话轮水平（turn-level）而非会话平均值上，自动化情感分析与人类编码情感行为（human-coded affective behavior）的一致性；（2）自动化情感与人类编码情感之间的关联是否因说话者（治疗师对来访者）而异；（3）自动化情感指标与早期治疗联盟（therapeutic alliance）的二元关联。

方法：研究人员使用了108次个体早期治疗会谈，由受过训练的编码者对会谈中的情感行为进行编码，以生成话轮水平的积极、消极和中性情感分数。此外，为了在转录文本中大规模自动化量化情感，研究人员使用了基于词典的方法（Linguistic Inquiry and Word Count, LIWC）和基于自然语言处理（Natural Language Processing, NLP）的模型（XLM-T）。

结果：自动化模型在话轮水平上几乎未显示出与人类情感编码的一致性，但在会话水平上显示出有限的一致性。自动化情感与人类编码情感在消极性方面的关联在来访者话轮中强于治疗师话轮。自动化情感与治疗师和来访者报告的早期联盟存在二元关联。

结论：自动化情感可能为理解治疗过程和治疗关系提供一种可扩展的额外信息来源。

该研究发表于《Psychotherapy Research》。心理治疗中的情感表达是理解治疗过程与结果的重要窗口。治疗联盟（therapeutic alliance）指治疗师与来访者对目标、任务和情感纽带的一致程度，是治疗参与和结果的最稳健预测因子之一。然而，传统自我报告测量易受回忆和反应偏差影响，人类观察编码（如特定情感编码系统（Specific Affect Coding System, SPAFF））虽被视为黄金标准，却需要大量培训和时间，难以规模化。自动化情感分析（automated sentiment analysis）通过词典法或自然语言处理模型，有望低成本地从转录文本中量化情感。但已有研究多在会话水平上分析，且主要关注来访者，缺少话轮水平上自动化情感与人类编码一致性的证据，也未充分考察治疗师与来访者情感差异及其与早期联盟的二元关联。因此，本研究提出三个研究问题：自动化情感方法与人类编码情感在话轮和会话水平的一致性；该一致性是否因说话者而异；自动化情感指标与早期联盟是否存在二元关联。

研究样本来自美国东南部一所大型