MATCHA: un dataset cinese sulla salute mentale relativo a più disturbi, con analisi interlinguistiche sui social media

Abstract degli autori

La ricerca sulla salute mentale nei social media è stata dominata da dataset in lingua inglese e da risorse incentrate sul DSM-5, limitando la comprensione interlinguistica e interculturale di come la salute mentale viene espressa online. Presentiamo MATCHA, il primo dataset cinese sulla salute mentale relativo a più disturbi che collega le comunità Weibo Super-Topic dedicate a disturbi specifici alla più ampia cronologia dei post pubblici dei loro utenti. MATCHA comprende sette disturbi del DSM-5 e un gruppo di controllo, per un totale di 46.025 utenti nelle coorti e 1,8 milioni di post. Il dataset distingue gli utenti per i quali esistono evidenze di autodichiarazione esplicita dai partecipanti più in generale legati ai disturbi, attraverso una pipeline di annotazione assistita da un LLM, ed è distribuito con una rigorosa rimozione dei dati identificativi e accesso controllato. Utilizzando MATCHA, analizziamo i modelli comportamentali e linguistici, nonché quelli legati ai sintomi e agli eventi della vita, nei diversi disturbi, e conduciamo confronti interlinguistici con Twitter-STMHD. Le nostre analisi mostrano che i Weibo Super-Topics sono spazi in cui si concentrano le espressioni emotive e legate alla salute, mentre le differenze tra Weibo e Twitter superano spesso le variazioni tra disturbi. MATCHA offre una nuova risorsa per la ricerca sull’NLP per la salute mentale attenta alle comunità e interlinguistica.