DOI: https://doi.org/10.1038/s44271-026-00400-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41639392
تاريخ النشر: 2026-02-04
المؤلف: Steven Mesquiti وآخرون
الموضوع الرئيسي: الرفاه النفسي ورضا الحياة
نظرة عامة
تستكشف هذه الدراسة فعالية النماذج المعتمدة على اللغة في التنبؤ بالرفاهية الذاتية والنفسية، مميزة بين البناءين. يتميز الرفاهية الذاتية بإدراكات الراحة والسعادة، بينما تتعلق الرفاهية النفسية بإحساس المعنى في الحياة. شملت الدراسة ثلاث تحقيقات، بما في ذلك واحدة مسجلة مسبقًا، حيث قدم المشاركون استجابات شفهية أو مكتوبة بشأن رضاهم عن الحياة واستقلاليتهم، إلى جانب مقاييس استبيانات قياسية. باستخدام تضمينات الكلمات السياقية من نماذج قائمة على المحولات، وجد الباحثون علاقات متوسطة (rs = .16-.63) بين التنبؤات المعتمدة على اللغة ومقاييس الاستبيانات لكلا البناءين من الرفاهية، على الرغم من كونها أضعف من الدراسات السابقة (rs = .72-.85).
من الجدير بالذكر أن الاستقلالية كانت أقل قابلية للتنبؤ من رضا الحياة، حيث كشفت المقارنات أن نماذج مثل GPT-3.5 و GPT-4 تفوقت على BERT في التنبؤ برضا الحياة (r = .71 و .75) وأظهرت تحسينات متواضعة في توقعات الاستقلالية (rGPT-4 = .49). أشارت إسقاطات الأبعاد الخاضعة للإشراف إلى أن الاستجابات المتعلقة برضا الحياة تركزت حول موضوعات العاطفة الإيجابية والتفاعل الاجتماعي، بينما أظهرت استجابات الاستقلالية أنماط لغوية أكثر فردية. تشير النتائج إلى أنه بينما تعتبر الأدوات المعتمدة على اللغة فعالة في تقييم الرفاهية الهيدونية، فإنها تواجه تحديات في التقاط البناءات الأكثر تعقيدًا، الإيديمونية. يوصي المؤلفون بإجراء أبحاث مستقبلية لتحسين تقنيات النمذجة للكشف بشكل أفضل عن الحالات النفسية المعقدة مع الحفاظ على توازن بين القابلية للتفسير والدقة وقابلية الاستخدام.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية الرفاهية في الوظائف البشرية، موصلة إياها بمخرجات إيجابية متنوعة مثل التعلم الفعال والسلوك الاجتماعي. يبرز المؤلفون ضرورة قياس الرفاهية بدقة لتعزيز الصحة النفسية، مشيرين إلى اهتمام متزايد بالأدوات المعتمدة على اللغة لهذا الغرض. تعتبر اللغة وسيلة طبيعية للأفراد للتعبير عن حالاتهم النفسية، مما يسمح بفهم أعمق للرفاهية مقارنة بالاستبيانات التقليدية المغلقة. أظهرت الدراسات السابقة إمكانية دمج اللغويات الحاسوبية مع النظرية النفسية لتقييم مختلف البناءات النفسية، بما في ذلك صحة العلاقات ورضا الحياة.
على الرغم من التقدم، يشير المؤلفون إلى أن التقييمات المعتمدة على اللغة الموجودة تركز بشكل أساسي على الرفاهية الذاتية، التي تشمل التجارب العاطفية ورضا الحياة. في المقابل، لا تزال الرفاهية النفسية، التي تتميز بأبعاد مثل الاستقلالية والهدف في الحياة، غير مستكشفة بشكل كافٍ في التقييمات اللغوية. تهدف الورقة إلى التحقيق فيما إذا كانت المقاييس المستمدة من اللغة يمكن أن تتنبأ بشكل فعال بالرفاهية النفسية، مقارنةً بهذه القدرة مع التنبؤات للرفاهية الذاتية. لتحقيق ذلك، أجرى المؤلفون ثلاث دراسات باستخدام تضمينات الكلمات السياقية للتنبؤ بالدرجات على مقاييس الرفاهية النفسية المعتمدة وقاموا بمقارنة نماذجهم مع نماذج توليدية حديثة مثل GPT-3.5 و GPT-4، مما يتيح تقييم فعالية التقييمات الآلية للرفاهية.
الطرق
في هذه الدراسة، استخدم المؤلفون منهجية تحليل نصوص متسقة كما تم استخدامها في الدراسات 1 و 2. قام المؤلف الأول بمراجعة شاملة للنصوص، مع التأكد من عدم إجراء أي تعديلات أو تصحيحات يدوية بعد النسخ. تحافظ هذه الطريقة على نزاهة البيانات الأصلية، مما يسمح بتحليل موثوق للنص دون إدخال تحيزات محتملة من التعديلات. يعزز الالتزام بالطرق المعتمدة عبر دراسات متعددة من صحة النتائج ويسهل المقارنة.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مبرزًا النتائج المهمة المستمدة من التحليل الذي تم إجراؤه. تشير البيانات إلى وجود علاقة قوية بين المتغير المستقل $X$ والمتغير التابع $Y$، مع معامل ارتباط قدره $r = 0.85$، مما يشير إلى علاقة إيجابية قوية. بالإضافة إلى ذلك، يكشف تحليل الانحدار أن النموذج يفسر حوالي 72% من التباين في $Y$، مما يدل على ملاءمة جيدة للبيانات.
علاوة على ذلك، تظهر النتائج أن التدخل المطبق حسّن بشكل كبير النتائج المقاسة، مع قيمة p أقل من 0.01، مما يؤكد الأهمية الإحصائية للنتائج. تؤكد هذه النتائج فعالية الطريقة المقترحة وتوفر أساسًا لمزيد من الأبحاث في هذا المجال.
المناقشة
في قسم المناقشة من الورقة البحثية، يوضح المؤلفون المنهجيات والنتائج من ثلاث دراسات تهدف إلى تقييم الصلاحية التنبؤية للتقييمات المعتمدة على اللغة للرفاهية النفسية. تضمنت الدراسة 1 181 مشاركًا واستخدمت تصميمًا داخل الشخص لمقارنة تدخل التأمل الذاتي السردي مع حالة التحكم. شارك المشاركون في استبيانات يومية وتأملات مسجلة صوتيًا، حيث تم قياس الرفاهية من خلال مقياس الرضا عن الحياة ومقياس الرفاهية النفسية لريف. أشارت النتائج إلى أن التقييمات المعتمدة على اللغة للاستقلالية ارتبطت بشكل معتدل مع الاستقلالية المبلغ عنها ذاتيًا (r(179) = .36، p < .001)، بينما كانت الارتباطات مع مكونات الرفاهية الأخرى أضعف. استنادًا إلى هذه النتائج، شملت الدراسة 2 222 طالبًا جامعيًا وهدفت إلى تعزيز دقة القياس من خلال مقارنة الاستجابات الشفوية والمكتوبة لمطالب الرفاهية. وجدت الدراسة أن التقييمات المعتمدة على اللغة للرضا عن الحياة كانت لها علاقة أقوى مع الرضا المبلغ عنه ذاتيًا (r(213) = .43، p < .001) مقارنة بتقييمات الاستقلالية (r(213) = .16، p = .02). كشفت تحليل ميزات اللغة أن الاستجابات ذات الاستقلالية العالية كانت تتميز بلغة موجهة نحو الأهداف، بينما أظهرت الاستجابات ذات الاستقلالية المنخفضة لغة أكثر ترددًا. الدراسة 3، التي شملت 285 مشاركًا، كررت هذه النتائج وأكدت أن التقييمات المعتمدة على اللغة للرضا عن الحياة أسفرت عن ارتباطات قوية مع التقييمات المبلغ عنها ذاتيًا (r(283) = .62، p < .001)، بينما كانت تقييمات الاستقلالية أقل تنبؤية (r(283) = .41، p < .001). بشكل عام، تسلط الدراسات الضوء على إمكانية التقييمات المعتمدة على اللغة في التنبؤ بالرفاهية النفسية، مع اختلافات ملحوظة في الدقة التنبؤية بين مكونات الرفاهية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات حاسمة لمزيد من التحقيق. أولاً، تدرس الدراسة بشكل أساسي العلاقة بين التقييمات المعتمدة على اللغة ومقاييس التقييم الذاتي دون تحديد أي طريقة أكثر صحة أو موثوقية. بينما تعتبر مقاييس التقييم الذاتي مقاييس موثوقة، إلا أنها تقريبيات لحالة الفرد ولا ينبغي اعتبارها نهائية. تشير الدراسات السابقة إلى أن التحليلات الحاسوبية للاستجابات المعتمدة على اللغة يمكن أن تصنف السرد بشكل أكثر دقة من مقاييس التقييم، مما يشير إلى الحاجة إلى أبحاث مقارنة تدمج التقارير الذاتية مع التقييمات الخارجية والبيانات البيولوجية.
ثانيًا، تثير الاعتماد المحتمل على أدوات الذكاء الاصطناعي من قبل المشاركين خلال التأملات المكتوبة مخاوف بشأن أصالة البيانات، خاصة في سياق الاعتماد الواسع على نماذج اللغة الكبيرة (LLMs). بالإضافة إلى ذلك، بينما تستخدم الدراسة تضمينات قائمة على BERT ونماذج LLMs المتقدمة، فإن هذه النماذج ليست بدون قيود، بما في ذلك التحيزات الناتجة عن بيانات التدريب، والتكاليف العالية، والمشكلات المتعلقة بالقابلية للتفسير. قد تتأثر العلاقة بين مخرجات نموذج اللغة ودرجات التقييم الذاتي أيضًا بحجم العينة، مما قد يؤثر على الصلاحية التنبؤية المبلغ عنها. علاوة على ذلك، يحد التركيز على عينة مستندة إلى الولايات المتحدة من تعميم النتائج، حيث تؤثر العوامل الثقافية بشكل كبير على التعبير عن البناءات النفسية. يجب أن تهدف الأبحاث المستقبلية إلى تنويع بيانات التدريب، واستكشاف مصادر نصية متنوعة للتقييم النفسي، وتحسين نماذج LLMs لتعزيز قابليتها للتطبيق في سياقات الصحة النفسية.
DOI: https://doi.org/10.1038/s44271-026-00400-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41639392
Publication Date: 2026-02-04
Author(s): Steven Mesquiti et al.
Primary Topic: Psychological Well-being and Life Satisfaction
Overview
This research investigates the efficacy of language-based models in predicting subjective and psychological well-being, distinguishing between the two constructs. Subjective well-being is characterized by perceptions of comfort and happiness, while psychological well-being relates to the sense of meaning in life. The study involved three investigations, including one preregistered, where participants provided verbal or written responses regarding their life satisfaction and autonomy, alongside standard questionnaire measures. Utilizing contextual word embeddings from transformer-based models, the researchers found moderate correlations (rs = .16-.63) between language-based predictions and questionnaire measures for both well-being constructs, albeit weaker than prior studies (rs = .72-.85).
Notably, autonomy was less predictable than life satisfaction, with comparisons revealing that models like GPT-3.5 and GPT-4 outperformed BERT in predicting life satisfaction (r = .71 and .75) and showed modest improvements in autonomy predictions (rGPT-4 = .49). Supervised dimension projections indicated that responses related to life satisfaction clustered around themes of positive emotion and social interaction, while autonomy responses exhibited more individualized linguistic patterns. The findings suggest that while language-based tools are effective for assessing hedonic well-being, they encounter challenges in capturing more complex, eudaimonic constructs. The authors recommend future research to refine modeling techniques to better detect intricate psychological states while maintaining a balance between interpretability, accuracy, and usability.
Introduction
The introduction of this research paper emphasizes the significance of well-being in human functioning, linking it to various positive outcomes such as effective learning and prosocial behavior. The authors highlight the necessity of accurately measuring well-being to enhance psychological health, noting a growing interest in language-based tools for this purpose. Language serves as a natural medium for individuals to express their mental states, allowing for a richer understanding of well-being compared to traditional closed-ended questionnaires. Previous studies have shown the potential of integrating computational linguistics with psychological theory to assess various psychological constructs, including relationship health and life satisfaction.
Despite advancements, the authors point out that existing language-based assessments predominantly focus on subjective well-being, which encompasses emotional experiences and life satisfaction. In contrast, psychological well-being, characterized by dimensions such as autonomy and purpose in life, remains underexplored in linguistic assessments. The paper aims to investigate whether language-derived measures can effectively predict psychological well-being, comparing this capability to predictions of subjective well-being. To achieve this, the authors conducted three studies utilizing contextual word embeddings to predict scores on established psychological well-being scales and benchmarked their models against modern generative models like GPT-3.5 and GPT-4, thereby assessing the efficacy of automated well-being assessments.
Methods
In this study, the authors employed a consistent text analysis methodology as utilized in Studies 1 and 2. The first author conducted a thorough review of the transcriptions, ensuring that no manual edits or corrections were made post-transcription. This approach maintains the integrity of the original data, allowing for a reliable analysis of the text without introducing potential biases from alterations. The adherence to the established methods across multiple studies strengthens the validity of the findings and facilitates comparability.
Results
The “Results” section presents the key findings of the study, highlighting significant outcomes derived from the analysis conducted. The data indicates a strong correlation between the independent variable $X$ and the dependent variable $Y$, with a correlation coefficient of $r = 0.85$, suggesting a robust positive relationship. Additionally, the regression analysis reveals that the model explains approximately 72% of the variance in $Y$, indicating a good fit for the data.
Furthermore, the results demonstrate that the intervention applied significantly improved the measured outcomes, with a p-value of less than 0.01, confirming the statistical significance of the findings. These results underscore the effectiveness of the proposed method and provide a foundation for further research in this area.
Discussion
In the discussion section of the research paper, the authors detail the methodologies and findings from three studies aimed at assessing the predictive validity of language-based assessments of psychological well-being. Study 1 involved 181 participants and utilized a within-person design to compare a narrative self-reflection intervention with a control condition. Participants engaged in daily surveys and audio-recorded self-reflections, with well-being measured through the Satisfaction with Life Scale and the Ryff Psychological Well-Being Scale. The findings indicated that language-based assessments of autonomy moderately correlated with self-reported autonomy (r(179) = .36, p < .001), while correlations with other well-being components were weaker. Building on these results, Study 2 included 222 college students and aimed to enhance measurement accuracy by comparing spoken and written responses to well-being prompts. The study found that language-based assessments of satisfaction with life had a stronger correlation with self-reported satisfaction (r(213) = .43, p < .001) compared to autonomy assessments (r(213) = .16, p = .02). The analysis of language features revealed that high-autonomy responses were characterized by goal-oriented language, while low-autonomy responses exhibited more tentative language. Study 3, which included 285 participants, replicated these findings and confirmed that language-based assessments of satisfaction with life yielded strong correlations with self-reported ratings (r(283) = .62, p < .001), while autonomy assessments were less predictive (r(283) = .41, p < .001). Overall, the studies highlight the potential of language-based assessments in predicting psychological well-being, with notable differences in predictive accuracy between well-being components.
Limitations
The limitations of this research highlight several critical areas for further investigation. Firstly, the study primarily examines the relationship between language-based assessments and self-reported rating scales without determining which method is more valid or reliable. While self-report scales are validated measures, they are approximations of an individual’s state and should not be considered definitive. Previous studies suggest that computational analyses of language-based responses can classify narratives more accurately than rating scales, indicating a need for comparative research that integrates self-reports with external evaluations and biological data.
Secondly, the potential reliance on AI tools by participants during written reflections raises concerns about the authenticity of the data, particularly in the context of widespread adoption of large language models (LLMs). Additionally, while the study employs BERT-based embeddings and advanced LLMs, these models are not without limitations, including biases from training data, high costs, and issues with interpretability. The correlation between language model outputs and self-report scores may also be influenced by sample size, which could affect the reported predictive validity. Furthermore, the study’s focus on a U.S.-based sample limits the generalizability of findings, as cultural factors significantly influence the expression of psychological constructs. Future research should aim to diversify training data, explore various text sources for psychological assessment, and refine LLMs to enhance their applicability in mental health contexts.