《Computers in Human Behavior Reports》：Blog-Reading Histories as Networks: A Proof-of-Concept Prediction of High Parenting Stress
编辑推荐：
专业术语翻译（论文摘要）
博客写作据称能够反映作者的特征。然而，读者的博客阅读历史同样可能反映其自身特征，这一领域尚待充分探索。在此背景下，本研究旨在基于阅读历史构建读者—博客网络，以考察博客阅读历史是否包含可预测高育儿压力（HPS）的信息。研究对象为980名
专业术语翻译（论文摘要）
博客写作据称能够反映作者的特征。然而，读者的博客阅读历史同样可能反映其自身特征，这一领域尚待充分探索。在此背景下，本研究旨在基于阅读历史构建读者—博客网络，以考察博客阅读历史是否包含可预测高育儿压力（HPS）的信息。研究对象为980名持有Ameba（日本一家流行的博客与社交网络服务）账户ID、且至少抚养一名18岁以下子女的父母；研究人员采用育儿压力指数简表（Parenting Stress Index–Short Form）对其进行评估，并将其分为高育儿压力组（n = 425）和低育儿压力组（n = 555）。研究人员分析了3个月期间阅读的881,354篇博客文章，以及将参与者与其所读文章连接起来的1,262,033条边。与低育儿压力组相比，高育儿压力组父母阅读了显著更多包含消极情绪标记（tokens）的内容、在家庭领域中表达消极情感（negative affect）的句子，以及以婚姻不满、育儿困难和自我批评为特征的博文（文章）。基于图（graph）的模型在高育儿压力组与低育儿压力组之间表现出高于随机水平但适度的区分能力（AUC = .662）。这些发现提供了概念验证性证据，表明博客阅读历史包含关于育儿压力的预测性信息；然而，所观察到的区分能力尚不足以支持实际的筛查或干预应用。
论文解读
一、研究背景与问题提出
育儿压力与父母心理健康水平下降以及儿童情绪困难和行为问题密切相关。尽管通过适当的干预措施可以有效缓解育儿压力，但现实中仍有大量父母处于高压状态。值得注意的是，超过一半处于临床水平高育儿压力的父母并未意识到自身状况存在问题，仅有约9.5%至16.1%的临床水平父母实际参与了干预项目。因此，早期识别经历高育儿压力的父母构成了重要的公共卫生挑战。
近年来，越来越多的父亲和母亲在博客上记录育儿经历，已有研究表明博客内容包含反映父母压力的信息。然而，已有研究主要关注用户写作内容的分析，对于用户的阅读行为是否同样能够反映其心理特征，这一领域仍缺乏系统探索。根据选择性接触理论（selective exposure theory），个体倾向于优先接触与其既有偏好、态度或信念一致的信息；人们的阅读内容与其写作内容密切相关，而写作又反映其偏好和信念。这意味着个体的写作、阅读及人际关系都可能与其心理特征相关联。
基于上述理论框架，研究人员提出三个研究假设：第一，与低育儿压力组相比，高育儿压力组在博客写作内容中会表现出更多消极和更少积极的内容；第二，与低育儿压力组相比，高育儿压力组在博客阅读内容中会消费更多消极和更少积极的内容；第三，与低育儿压力组相比，高育儿压力组会拥有更多的互相关注关系。此外，研究人员还进行了整合性预测分析，考察写作、阅读和人际网络特征能否联合区分高育儿压力与低育儿压力父母。
二、研究设计与关键方法
本研究以日本Ameba博客平台注册用户为样本来源，最终纳入980名至少抚养一名18岁以下子女的父母。研究人员使用育儿压力指数简表（PSI-SF）将参与者分为高育儿压力组（n = 425）和低育儿压力组（n = 555）。文本语料包括参与者于2025年1月至9月撰写的68,345篇博客文章，以及同期阅读的881,354篇文章。研究采用三个层面的文本分析方法：词元层面使用语言查询与词频统计（LIWC）量化特定词元的相对频率；句子层面计算多个LIWC领域共现的句子百分比；文章层面由临床心理学专家依据五个维度进行评价，包括父母自我批评与自我慈悲、婚姻不满与满意、亲子疏离与依恋、儿童问题行为与亲社会行为、育儿困难与育儿自我效能。为解决专家标注劳动密集的问题，研究人员通过提示调优使大语言模型（LLM）复现专家评价，并利用这些标签训练一个基于Transformer编码器的紧凑分类器，进而对约88万篇博文进行大规模标注。在网络分析方面，研究人员构建了读者—博文二部图，并进一步构建了包含读者、博文和作者三种节点类型的多关系图神经网络（GNN）模型。
三、研究结果
心理与人口学特征比较。 基于问卷数据的比较显示，高育儿压力组比低育儿压力组表现出显著更多的抑郁症状和显著更低的主观幸福感；高育儿压力组使用博客进行娱乐的比例显著更低，而将其作为暂时性脱离手段的比例显著更高。此外，高育儿压力组子女数量更少、子女年龄更小，子女接受残障特殊教育的比例显著更高；两组在外出频率上无显著差异，但高育儿压力组对子女外出频率低的心理困扰显著更大。
假设1：博客写作内容的组间差异。 在词元层面，高育儿压力组表达了显著更多的消极情绪词元和显著更少的积极情绪词元，且更多讨论家庭相关话题、更少讨论休闲话题。在句子层面未观察到显著组间差异。在文章层面，高育儿压力组表现出显著更高水平的亲子疏离、婚姻不满、儿童问题行为和自我批评表达，同时显著更少的婚姻满意和自我慈悲表达。
假设2：博客阅读内容的组间差异。 在词元层面，高育儿压力组阅读了显著更多包含消极情绪词元的内容。在句子层面，高育儿压力组阅读了显著更多在家庭领域中表达消极情感的句子。在文章层面，高育儿压力组阅读了显著更多表达婚姻不满、育儿困难和自我批评的博文，同时显著更少阅读表达婚姻满意和自我慈悲的博文。
假设3：人际关系的组间差异。 在粉丝数和关注账户数上无显著组间差异，但高育儿压力组的互相关注关系数量显著高于低育儿压力组。
整合性预测分析。 基于读者—博文二部图的标签传播模型预测高育儿压力组归属的AUC为.606，高于随机水平。基于多关系图神经网络、仅使用博文文本特征的模型AUC为.662，表现出高于随机水平的适度区分能力，但尚不足以支持实际分类应用。
四、讨论与结论
本研究做出三项主要方法论贡献：第一，通过LLM与Transformer分类器的结合，实现了专家评价在大规模文本数据上的应用，为心理学研究中基于专家评价的文本分析任务提供了可扩展的框架；第二，使用标准化心理测量工具PSI-SF对高育儿压力组和低育儿压力组进行定义，增强了研究结果的可比性；第三，通过用户标识符高保真地捕捉阅读行为并将其转化为网络表示，在文本特征之外融入了阅读行为信息，拓展了基于博客的用户特征预测研究。
研究结论表明，博客阅读历史包含可区分高育儿压力与低育儿压力父母的信息，但观察到的预测性能（AUC = .662）仅为适度水平，不足以支持个体层面的筛查或临床决策。这些发现应被解读为概念验证性证据，而非可实际部署的筛查系统。行为数据的一个潜在优势在于，与重复问卷不同，原则上可以在无需用户额外应答的情况下进行收集。未来研究若能在准确性、稳健性和伦理可接受性方面取得进展，将行为数据估算的育儿压力与自愿式聊天机器人支持相结合，可能成为值得探索的后续方向。
