Oceny oparte na języku mogą przewidywać dobrostan psychologiczny i subiektywny

Dlaczego słowa mogą ujawnić, jak naprawdę się mamy

Większość z nas wypełniała ankiety z polami do zaznaczania o szczęściu lub zdrowiu psychicznym. Jednak nasze nastroje i poczucie sensu zwykle wyrażamy w opowieściach: w tym, co mówimy o naszym życiu, celach i relacjach. Artykuł bada, czy nowoczesna sztuczna inteligencja potrafi wysłuchać tych historii — pisanych lub mówionych — i oszacować, jak bardzo jesteśmy usatysfakcjonowani i spełnieni, oferując potencjalnie nowy sposób monitorowania dobrostanu w codziennym życiu.

Dwa rodzaje „dobrego funkcjonowania”

Psychologowie często rozróżniają dwie szerokie formy dobrostanu. Jedna to dobrostan subiektywny lub „hedoniczny”: odczuwanie przyjemności, przewaga emocji pozytywnych nad negatywnymi oraz ogólna satysfakcja z życia. Druga to dobrostan psychologiczny lub „eudajmoniczny”: poczucie, że życie ma sens, że rozwijamy się, kierujemy sobą i żyjemy zgodnie z własnymi wartościami. Chociaż narzędzia AI wykazały już, że potrafią oszacować satysfakcję z życia na podstawie krótkich odpowiedzi tekstowych, nie było jasne, czy potrafią także wykrywać głębsze cechy, takie jak autonomia — poczucie, że podejmujemy własne decyzje — oraz inne aspekty zdrowia psychicznego.

Słuchając refleksji ludzi

W trzech badaniach poproszono dorosłych i studentów o odpowiedzi na pytania otwarte dotyczące ich życia. Niektóre pytania dotyczyły satysfakcji z życia (na przykład: „Ogólnie rzecz biorąc, czy jesteś zadowolony ze swojego życia, czy nie?”), inne badały aspekty dobrostanu psychologicznego, takie jak autonomia („W jaki sposób twoje decyzje są — lub nie są — wpływane przez to, co robią inni?”), rozwój osobisty, relacje i sens życia. Uczestnicy odpowiadali albo pisząc akapity, albo mówiąc przez co najmniej minutę; nagrania zostały przetranskrybowane na tekst. Wszyscy wypełnili też standardowe kwestionariusze ocen satysfakcji z życia i dobrostanu psychologicznego, które posłużyły jako punkty odniesienia.

Jak AI zamienia opowieści w wyniki

Naukowcy wprowadzili teksty tych refleksji do zaawansowanych modeli językowych opartych na technologii transformerów, które reprezentują każdą odpowiedź jako wysokowymiarowy wzorzec liczbowy. Za pomocą metod statystycznych trenowali modele, aby przewidywały wyniki z kwestionariuszy na podstawie tych wzorców, i sprawdzali, jak bliskie są przewidywania rzeczywistości. W pierwszych dwóch badaniach modele radziły sobie całkiem nieźle: predykcje oparte na języku dla autonomii i satysfakcji z życia były umiarkowanie powiązane z rzeczywistymi wynikami uczestników, a także wykazywały pewną zdolność uogólniania na pokrewne cechy, takie jak poczucie kompetencji, więź z innymi czy poczucie celu. Jednak te korelacje były wyraźnie niższe niż w wcześniejszych pracach, które korzystały z dużo krótszych, słów-kluczy stylizowanych odpowiedzi zamiast narracji.

Łatwiej usłyszeć satysfakcję z życia niż autonomię

Trzecie i największe badanie doprecyzowało obraz. Tutaj pisemne odpowiedzi dotyczące satysfakcji z życia pozwoliły modelowi dość dobrze przewidzieć wyniki kwestionariuszy, podczas gdy predykcje autonomii były zauważalnie słabsze. Gdy zespół porównał swój system z nowoczesnymi modelami AI (GPT-3.5 i GPT-4), nowsze systemy radziły sobie jeszcze lepiej z odczytywaniem satysfakcji z życia na podstawie języka, ale tylko nieznacznie lepiej z odczytywaniem autonomii. Aby zrozumieć przyczyny, autorzy przeanalizowali, które słowa pojawiały się w odpowiedziach o wysokich i niskich wynikach. Wysoka satysfakcja z życia szła w parze ze słowami związanymi z pozytywnymi emocjami i życiem społecznym — terminami takimi jak „miłość”, „wdzięczny”, „małżonek” i „przyjaciele”. Odpowiedzi o niskiej satysfakcji natomiast częściej używały niepewnego, skoncentrowanego na problemach słownictwa, takiego jak „myśleć”, „wydaje się” czy „może”.

Dlaczego wewnętrzna wolność jest trudniejsza do odczytania

Język związany z autonomią wyglądał inaczej. Osoby, które uzyskały niższe wyniki w autonomii, używały wielu słów poznawczych i oceniających, co sugeruje niepokój, wahanie i próbę spełniania zewnętrznych oczekiwań. Ci z wyższą autonomią także posługiwali się refleksyjnym językiem, ale mieszali go z językiem działania i sprawczości — słowami związanymi z wyborem, działaniem i dążeniem do celów. Zamiast kilku wspólnych słów-kluczy, autonomia wydawała się być wyrażana w wysoce indywidualny sposób, zależny od kontekstu życia każdej osoby. Utrudniało to modelom AI, nawet bardzo potężnym, wychwycenie prostej lingwistycznej sygnatury tej głębszej cechy psychologicznej.

Co to znaczy dla zastosowań w świecie rzeczywistym

Podsumowując, artykuł stwierdza, że narzędzia oparte na języku są już całkiem dobre w ocenie, czy ludzie czują się zadowoleni ze swojego życia, zwłaszcza przy użyciu najnowocześniejszej AI. Gorzej radzą sobie jednak z subtelniejszymi, bardziej osobistymi wymiarami dobrostanu, takimi jak autonomia i inne aspekty sensu czy rozwoju. Na razie narzędzia te mogą być użyteczne jako mało uciążliwe, bogate w kontekst uzupełnienie tradycyjnych ankiet — pomagając badaczom śledzić szerokie trendy w szczęściu na podstawie codziennych wypowiedzi pisemnych i mówionych. Nie są jednak jeszcze gotowe, by zastąpić staranne, wielometodowe oceny w ustawieniach zdrowia psychicznego czy klinicznych, szczególnie gdy decyzje zależą od zrozumienia bardziej złożonych, wewnętrznych warstw doświadczenia ludzi.

Cytowanie: Mesquiti, S., Cosme, D., Nook, E.C. et al. Language-based assessments can predict psychological and subjective well-being. Commun Psychol 4, 33 (2026). https://doi.org/10.1038/s44271-026-00400-3

Słowa kluczowe: dobrostan, satysfakcja z życia, autonomia, analiza języka, sztuczna inteligencja