本研究通过分析两个在线心理健康平台上的 3500 万篇帖子，建立了用户参与度的四个指标，并提出了一种生成模型，用于同时建模用户参与度的多个不同方面，并综合出 11 种不同的可解释性用户参与度模式。研究发现，TalkLife 平台上的相互回复交互行为显著提高了用户留存率。这种双向互动行为，反过来又与帖子的早期响应时间和情感相关联。

Apr, 2020

本文研究了精神健康相关的在线求助帖子中，自识别为精神健康专家与同龄人的回复差异，使用语言学分析探讨二者交互中的语言使用和互动特点，以期为理解健康专家在社交网络中与信息和支持寻求者的互动作出贡献。

Jun, 2021

探讨在线社区对寻求自杀和自残预防支持的用户心理状态的影响，研究如何构建分类器以预测社区对用户的帮助或伤害。

Apr, 2018

本文通过设计一种 AI 辅助工作流程，根据用户的情感状态和文本关键词，使得在在线心理健康社区中进行情感支持成为可能，并提出了相应的设计建议。

Feb, 2022

我们的研究通过使用话语嵌入技术来开发一个社区推荐系统，重点关注社交媒体上的心理健康支持群体。我们发现该方法优于单独使用每种技术，并提供推荐过程的可解释性。

Jul, 2023

该研究提出了一种基于多种特征的框架来将用户发帖在划分为四个自残意象严重程度级别，并使用该模型分析用户的心理状态，并展示长期使用论坛的用户的风险程度减少的情况，该模型对有效识别用户自残风险方面大幅优于现有技术（F-1 分数高达 17% 的提升），同时指出在没有自动方式识别关键内容的条件下，对于管理员来说，及时解决用户的诉求非常具有挑战性。

Feb, 2017

在 OMHC 平台上，我们合作开发了一个基于代理的模拟框架，并研究了不同匹配算法的权衡。我们发现使用递延接受算法可以显著改善一对一聊天中寻求支持者的体验，同时保持较低的等待时间，并揭示了基于算法匹配在 OMHC 背景下的关键设计考虑因素，包括在弱势社区中的潜在收益。

Mar, 2023

本文提出了一种神经框架来支持研究在线支持社区和 Twitter、Reddit 等一般社区的用户，介绍了一种鉴别自伤风险发帖的方法，并展示了在 RSDD 一般论坛数据集上通过自然语言分析识别出抑郁症用户的方法优于强基线。

Sep, 2017

本研究解决了在线点对点支持会话中缺乏关于同行辅导员行为系统心理学评价与客户满意度的研究，使用 17 种情境式采访技巧标注了 14,797 个言论，自动标记同行辅导员对情境式采访技术的反应，通过相关性研究探讨了采访技术对会话表现的影响，发现当辅导员使用反映和肯定等技术时，客户更为满意；观察志愿辅导员技术使用的变化表明，辅导员在经验积累时学会使用更多的介绍和开放性问题。该研究可提供对同行辅导员平台上情境式采访技术的深入理解，并为建立更好的在线培训课程提供了新的视角。

Nov, 2022

本研究引入一项心理学基础和专家注释的数据集，旨在研究和检测 Reddit 上的低自尊心，并通过标注方法确保监督学习的金标准；本研究的结果表明，可以开发一类注入心理和临床知识的语言模型。

Jun, 2023