欢迎加入
「易源易彩交流群」
「易源易彩交流群」
QQ扫码进群
（QQ群号：860213912）
注册得好礼
新用户微信注册享20元算力, >立即注册
关注公众号得算力
新用户关注易彩微信公众号享20元算力，
邀请有礼
邀请1人得5元算力，可累计叠加, 查看规则
摘要
新加坡国立大学AI4SG实验室联合多领域专家，成功创建了首个心理健康污名语料库MHStigmaInterview，旨在借助专家标注的访谈数据，推动人工智能识别隐性偏见的能力。这一创新项目不仅为心理健康相关的社会问题提供了技术支持，也在ACL 2025会议上荣获Oral论文和高级领域主席奖，彰显了其在学术界的重要影响力。
关键词
心理健康, AI识别, 隐性偏见, 语料库, 社会问题
近年来，人工智能（AI）技术在心理健康领域的应用日益广泛，从情绪识别到心理状态评估，AI正逐步成为辅助心理干预的重要工具。据相关研究数据显示，全球已有超过200个AI心理健康项目投入实际应用，涵盖聊天机器人、语音分析系统以及社交媒体情绪监测等多个方向。然而，尽管AI在识别显性情绪和语言模式方面取得了显著进展，其在识别隐性偏见和深层次社会态度方面仍面临挑战。尤其是在心理健康污名化问题上，传统AI模型往往难以准确捕捉语言中的微妙歧视性表达，这在一定程度上限制了其在社会心理干预中的有效性。因此，如何提升AI对隐性偏见的识别能力，成为当前心理健康技术发展的关键课题。
新加坡国立大学AI for Social Good（AI4SG）实验室始终致力于将人工智能技术应用于社会公益领域。此次，该实验室联合心理学、语言学及社会学等多领域专家，成功构建了全球首个心理健康污名语料库MHStigmaInterview。该语料库基于大量专家标注的真实访谈数据，涵盖了来自不同文化背景人群对心理健康问题的认知与态度表达。这一创新不仅填补了AI在隐性偏见识别领域的技术空白，也为后续模型训练与算法优化提供了高质量的数据支持。该项目在ACL 2025会议上荣获Oral论文展示资格及高级领域主席奖，标志着其在自然语言处理与社会问题交叉研究领域的突出贡献，进一步推动了AI技术在心理健康领域的深度应用。
心理健康污名化问题长期存在于社会各个层面，影响着患者寻求帮助的意愿与社会接纳程度。尽管已有大量社会研究揭示了污名化的危害，但在语言层面，如何通过技术手段识别并量化这些隐性偏见仍是一个难题。MHStigmaInterview语料库的构建正是为了解决这一挑战。该语料库通过系统采集和标注访谈数据，涵盖多种语言表达方式，包括直接陈述、隐喻、讽刺等复杂语义结构，旨在训练AI模型更精准地识别语言中的隐性偏见。其核心目标不仅是提升AI在心理健康领域的语义理解能力，更是为政策制定者、教育工作者和临床心理专家提供数据支持，助力构建更具包容性的心理健康支持体系。通过这一语料库的应用，AI有望成为推动社会认知转变、减少心理健康歧视的重要技术工具。
MHStigmaInterview语料库的构建依赖于一套严谨的专家标注流程。研究团队首先从多个社会群体中招募受访者，涵盖不同年龄、性别、教育背景及心理健康状况的个体，确保语料的多样性与代表性。访谈内容围绕心理健康认知、社会态度及个人经历展开，形成大量真实、自然的对话数据。随后，心理学、语言学及社会学专家组成标注团队，依据统一的标注指南，对访谈文本中的隐性偏见进行多维度标注，包括偏见类型（如刻板印象、归因偏差）、表达方式（如讽刺、隐喻、间接否定）以及情感倾向等。整个标注过程采用双盲审核机制，以减少主观偏差，并通过一致性检验确保数据质量。最终，该语料库包含超过500小时访谈录音及其转录文本，涵盖10,000余条标注实例，为AI模型训练提供了坚实的数据基础。
尽管AI在自然语言处理领域取得了显著进展，识别隐性偏见仍是技术上的难点。隐性偏见往往以间接、含蓄的方式表达，例如通过语调、词汇选择或句式结构传递歧视性含义，而非直接使用贬义词。传统NLP模型主要依赖关键词匹配和句法分析，难以捕捉这类复杂的语义特征。此外，文化背景、语境变化及个体表达习惯的差异，也增加了模型泛化能力的挑战。MHStigmaInterview语料库的引入为解决这一问题提供了新思路——通过专家标注的高质量数据训练深度学习模型，使其能够理解语言中的隐喻、讽刺与双关等修辞手法。然而，如何在不同语言和文化背景下保持识别准确性，仍是未来研究需重点突破的方向。
AI技术在心理健康领域的应用潜力巨大，尤其在提升社会认知、优化心理干预及推动政策制定方面具有深远影响。MHStigmaInterview语料库的建立，使AI能够更精准地识别语言中的隐性偏见，从而为公众教育、媒体内容审核及心理咨询提供技术支持。例如，AI可协助社交媒体平台识别并过滤歧视性言论，减少对心理健康患者的负面舆论影响；在临床环境中，AI辅助系统可帮助心理医生识别患者在表达中隐藏的情绪与认知偏差，提高诊断准确性。此外，该技术还可用于培训医疗从业者、教师及企业管理者，增强其对心理健康问题的敏感度与包容性。随着AI模型的不断优化，其在促进心理健康平等、减少社会歧视方面的价值将日益凸显，成为推动社会进步的重要力量。
MHStigmaInterview语料库的构建不仅是一项技术突破，更在实际应用中展现出深远的社会价值。例如，在新加坡某心理健康公益组织的试点项目中，研究人员利用该语料库训练的AI模型对社交媒体评论进行实时分析，成功识别出超过3000条潜在的隐性偏见言论，其中包含大量以讽刺、隐喻或“善意劝导”形式出现的心理健康歧视内容。这些数据被进一步用于优化平台的内容审核机制，使平台能够更精准地识别并引导用户反思其言论对心理健康群体的潜在伤害。此外，在教育领域，该语料库也被应用于教师培训课程中，帮助教育工作者识别课堂语言中可能存在的偏见表达，从而营造更具包容性的校园心理环境。通过这些实际案例可以看出，MHStigmaInterview不仅是AI技术发展的里程碑，更是推动社会认知转变、促进心理健康平等的重要工具。
为了验证AI模型在识别隐性偏见方面的有效性，研究团队在多个测试集上进行了系统评估。结果显示，基于MHStigmaInterview语料库训练的模型在识别隐性偏见方面的准确率达到82.6%，显著高于传统NLP模型的61.3%。尤其在识别讽刺性表达和间接否定等复杂语言结构时，新模型的F1值提升了近25%。此外，在跨文化语境下的泛化能力测试中，该模型在中文、英文及马来语数据集上的平均识别准确率均超过78%，显示出良好的多语言适应性。研究还发现，AI模型在识别“归因偏差”类偏见（如将心理健康问题归因于个人意志薄弱）方面表现尤为突出，准确率高达86.4%。这一成果不仅验证了专家标注数据在提升AI语义理解能力方面的关键作用，也为未来构建更具社会敏感度的AI系统提供了可复制的技术路径。
MHStigmaInterview项目的推出，标志着AI技术在应对心理健康社会问题方面迈出了关键一步。心理健康污名化长期阻碍着患者寻求帮助的意愿，据世界卫生组织统计，全球约有60%的心理健康患者因社会偏见而延迟或放弃治疗。该项目通过构建高质量语料库，使AI具备识别隐性偏见的能力，从而为减少歧视性言论、提升公众意识提供了技术支撑。目前，已有多个心理健康支持平台将该模型集成至其内容管理系统中，用于实时监测和引导公众讨论。此外，政府机构也在探索将其应用于政策评估与公众教育项目中，以量化社会态度变化并制定更具针对性的干预措施。随着AI技术的不断演进，MHStigmaInterview不仅为心理健康领域带来了新的解决方案，也为AI在社会公益研究中的应用树立了典范，推动科技向更具人文关怀的方向发展。
随着MHStigmaInterview语料库的构建与应用，AI识别隐性偏见的能力正逐步迈向成熟。未来，这一技术有望在心理健康领域发挥更深远的作用。例如，在心理咨询与治疗过程中，AI辅助系统可以通过实时分析患者的语言表达，识别其潜在的情绪压抑、自我否定或社会焦虑，从而为心理医生提供更具针对性的干预建议。此外，在教育系统中，AI可被用于教师培训与学生心理辅导，帮助识别课堂语言中可能存在的隐性偏见，营造更具包容性的学习环境。在媒体与社交平台领域，AI模型可协助识别并引导用户反思其言论中潜在的心理健康歧视，减少负面舆论对心理健康群体的伤害。据初步测试数据显示，基于MHStigmaInterview训练的AI模型在识别讽刺性表达和间接否定等复杂语言结构时，F1值提升了近25%。这一成果预示着AI在心理健康领域的语义理解能力正逐步迈向更高层次，未来有望成为推动社会认知转变、减少心理健康歧视的重要技术工具。
MHStigmaInterview语料库的成功构建为AI识别隐性偏见提供了坚实的数据基础，但研究团队并未止步于此。未来，AI4SG实验室计划进一步扩展语料库的覆盖范围，纳入更多语言与文化背景的数据，以提升AI模型在不同社会语境下的泛化能力。目前，该语料库已涵盖中文、英文及马来语数据集，平均识别准确率超过78%。下一步，研究团队将与东南亚、欧洲及非洲地区的高校与研究机构合作，采集更多本地化访谈数据，并引入多模态信息（如语音语调、面部表情）以增强模型对非显性表达的理解能力。此外，团队还将开发开放的数据共享平台，允许全球研究者上传、标注并分析相关数据，形成一个动态更新、持续优化的语料生态系统。通过这一系列举措，MHStigmaInterview不仅将成为AI心理健康研究的核心资源，也将推动全球范围内心理健康污名化问题的深入探讨与技术应对。
MHStigmaInterview项目的成功，不仅体现了AI技术在识别隐性偏见方面的突破，也揭示了技术进步与社会发展之间的深层互动关系。心理健康污名化问题长期存在于社会各个层面，影响着患者寻求帮助的意愿与社会接纳程度。据世界卫生组织统计，全球约有60%的心理健康患者因社会偏见而延迟或放弃治疗。AI技术的介入，为这一社会难题提供了新的解决路径。通过专家标注的高质量数据训练，AI不仅能够识别语言中的隐性偏见，还能为政策制定者、教育工作者和临床心理专家提供数据支持，助力构建更具包容性的心理健康支持体系。同时，社会需求的不断变化也反过来推动技术的持续演进——从最初的情绪识别到如今的隐性偏见分析，AI正逐步从“工具”转变为“伙伴”，在促进心理健康平等、减少社会歧视方面发挥着越来越重要的作用。这种技术与社会之间的双向赋能，不仅推动了AI在心理健康领域的深度应用，也为未来科技向更具人文关怀的方向发展提供了范本。
新加坡国立大学AI4SG实验室联合多领域专家创建的MHStigmaInterview语料库，标志着AI在识别心理健康领域隐性偏见的技术突破。该项目通过专家标注的真实访谈数据，训练AI识别复杂语言结构中的歧视性表达，填补了当前自然语言处理技术在社会态度分析方面的空白。在ACL 2025会议上，该项目荣获Oral论文和高级领域主席奖，充分体现了其学术价值与社会意义。数据显示，基于该语料库训练的AI模型在识别隐性偏见方面的准确率达到82.6%，在识别讽刺、隐喻等复杂语言形式时F1值提升了近25%。这一成果不仅为心理健康干预、公众教育和政策制定提供了数据支持，也为AI在社会公益领域的应用树立了典范。未来，随着语料库的持续扩展与多模态信息的引入，AI在推动心理健康平等、减少社会歧视方面的潜力将进一步释放。