다단계 서사 평가가 정신 건강 예측에 있어 어휘적 특징보다 우수함

사람들이 자신의 경험을 서사화하는 방식은 마음이 이를 어떻게 조직하는지에 대한 창을 제공합니다. 치료적 글쓰기에 대한 계산적 접근법은 어휘 계수에서 신경망 방법으로 진화해 왔으나 여전히 단편적입니다: 사전 도구는 담론 구조를 놓치고, 임베딩 (embeddings) 은 지역적 일관성과 전역적 조직화를 혼동합니다. 기존에는 서사가 구성되는 계층적 과정에 이러한 기술들을 매핑하는 프레임워크가 존재하지 않았습니다. 여기서는 미세 수준의 어휘적 특징 (micro-level lexical features), 중간 수준의 의미 임베딩 (meso-level semantic embeddings), 거시 수준의 LLM 서사 평가 (macro-level LLM narrative evaluation) 로 구성된 3 단계 프레임워크를 소개하며, 우울증, 불안, 외상 (trauma) 을 아우르는 830 편의 중국어 치료적 텍스트에 걸쳐 거시 수준 평가가 어휘 및 임베딩 특징보다 정신 건강 예측에서 현저히 우수함을 보여줍니다. 이는 단어 수 세기에 대한 해당 분야의 강조를 도전합니다: 형식적 구조적 특징 (Labov 의 스토리 그램, RST 일관성, 명제적 구성) 은 서사 조직 자체에 예측 신호가 있음을 보여주며, 임상적으로 근거된 서사 차원들은 심리적 상태가 담론을 통해 어떻게 표현되는지를 포착합니다. 의미 임베딩은 최소한의 독립적 가치를 추가하지만 다단계 분류에서 점진적인 이득을 제공합니다. 담론 처리 이론에 계산적 수준을 기반을 두어 이 프레임워크는 임상 신호의 주요 발생 위치를 거시 구조적 조직화로 식별하며, 개입 설계와 종단 연구에 대한 검증 가능한 가설을 생성합니다.