Jul, 2024
支持者与怀疑者：基于LLM的视频分享平台心理健康（误）信息内容交流分析
Supporters and Skeptics: LLM-based Analysis of Engagement with Mental
Health (Mis)Information Content on Video-sharing Platforms
Viet Cuong Nguyen, Mini Jain, Abhijat Chauhan, Heather Jaime Soled, Santiago Alvarez Lesmes...
TL;DR在美国，五分之一的成年人患有精神疾病。由于精神健康专业人士和离线资源短缺，在线短视频内容成为传播精神健康帮助和资源的关键渠道。然而，内容创作和获取的便利性也导致了错误信息的传播，对准确诊断和治疗构成风险。检测和了解与此类内容的互动对于减轻其对公共健康的有害影响至关重要。我们使用YouTube Shorts和Bitchute进行首个定量研究，并贡献了MentalMisinfo，这是一个新颖的带标签的精神健康错误信息（MHMisinfo）数据集，包括739个视频（来自YouTube的639个和来自Bitchute的100个）和共计135,372条评论，使用专家驱动的注释模式。首先，我们发现少样本上下文学习与大型语言模型（LLM）在检测MHMisinfo视频方面是有效的。接下来，我们发现观众在两个视频分享平台上如何参与MHMisinfo视频的评论中存在着明显且潜在危险的语言模式。在这两个平台上，评论可能会加剧普遍存在的污名化，并有些群体表现出对MHMisinfo的高度易感性和认同。我们讨论了解决在线精神健康错误信息“流行病”的技术和公共健康驱动的适应性解决方案。