When “Self‐Harm” Means “Suicide”: A Topic Modeling Study of Adolescent Online Help‐Seeking for Self‐Harm
Notice bibliographique
Résumé
INTRODUCTION: The 15%-20% of adolescents worldwide who engage in nonsuicidal self-injury (NSSI) face an increased risk of transitioning from suicidal ideation to suicide attempt. To resist NSSI urges, young people often seek peer support online. We examined adolescent help-seeking on a purpose-built online mental health peer support platform, which is a critically understudied help-seeking venue. METHODS: Adolescents' help-seeking posts in the "Self Harm" category on a large online peer support platform (575,261 posts from 114,937 users) were analyzed using topic modeling. We assessed the prevalence of NSSI-related topics versus morbid/suicidal topics. RESULTS: Our 12-topic model produced interpretable themes. Three main findings emerged: posts included little information about the context of self-harm behavior; there was minimal evidence of pro-self-harm content in posts; and the primary topics of the posts were evenly split between NSSI-related topics and morbid/suicidal topics. CONCLUSION: Our findings have important implications for online mental health communities: requiring users to select a narrow category for their post may limit contextual information; moderation of pro-self-harm content may reduce its prevalence; and the absence of dedicated spaces for suicidal users may funnel those users into NSSI-focused spaces, potentially increasing risk for all users.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».