최근 자연어 처리 (NLP) 의 발전은 언어로부터 심리적 특성을 추정하는 정확도를 크게 향상시켰습니다. 그러나 대부분의 기존 접근법은 질문지 점수를 예측하도록 훈련된 감독 모델 (supervised models) 을 의존하며, 이는 해석 가능성과 다양한 맥락에 대한 일반화 능력을 제한합니다. 본 연구는 자연어로부터 심리 상태를 직접 측정하기 위한 이론 기반 (theory-driven) 및 완전한 무감독 (unsupervised) 프레임워크를 소개합니다. 심리적 구성 요소는 검증된 임상 척도 (depression, anxiety, worry) 를 평가하는 어휘적 앵커 (lexical anchors) 와 항목에서 유도된 해석 가능한 의미 축 (interpretable semantic axes) 으로 운영화되었습니다. 참여자의 텍스트 응답은 Sentence-BERT 를 사용하여 임베딩 (embedding) 되고 이러한 축에 투영되어 선택된 단어, 생성된 단어, 구문, 자유형 텍스트 응답을 포함한 여러 응답 형식에서 연속적인 심리 점수를 생성했습니다. 투영 점수는 표준화된 임상 측정과 상관관계 분석, 반쪽 신뢰도 분석 (split-half reliability analyses), 감쇠 보정 (attenuation corrections), Wasserstein 거리 기반 분포 유사성 평가, 그리고 VADER 와 같은 어휘 기반 감성 분석과의 비교를 통해 평가되었습니다. 결과는 투영 점수가 특히 구조화된 형식 (선택된 단어, 쓰인 단어, 구문) 에서 임상 측정과 강한 연관성을 보였음을 보여줍니다. 자유형 텍스트 응답은 전체 텍스트로 분석될 때 약한 결과를 보여주지만, 문장 수준 집계 전략이 적용되면 성능이 크게 향상되었습니다. 이러한 결과는 심리 평가에 대한 감독 언어 모델의 해석 가능한 및 확장 가능한 대안으로 의미적 투영을 지지하며, 언어 기반 정신 건강 측정에서 응답 형식과 텍스트 처리 전략의 중요성을 강조합니다.