Avaliações baseadas na linguagem podem prever bem-estar psicológico e subjetivo

Por que as palavras podem revelar como realmente estamos

A maioria de nós já respondeu a pesquisas de caixa de seleção sobre felicidade ou saúde mental. Mas nossos humores e senso de propósito geralmente são expressos em histórias: o que dizemos sobre nossas vidas, nossas metas, nossos relacionamentos. Este artigo explora se a inteligência artificial moderna pode escutar essas histórias — escritas ou faladas — e estimar o quanto nos sentimos satisfeitos e realizados, oferecendo potencialmente uma nova forma de monitorar o bem-estar no dia a dia.

Dois tipos de “estar bem”

Os psicólogos costumam distinguir entre dois tipos amplos de bem-estar. Um é o bem-estar subjetivo ou “hedônico”: sentir-se bem, ter mais emoções positivas do que negativas e estar, em geral, satisfeito com a vida. O outro é o bem-estar psicológico ou “eudaimônico”: sentir que a vida é significativa, que estamos crescendo, autogeridos e vivendo de acordo com nossos valores. Embora ferramentas de IA já tenham mostrado que conseguem estimar a satisfação com a vida a partir de respostas textuais curtas, não estava claro se elas também podem detectar qualidades mais profundas, como autonomia — a sensação de que estamos fazendo nossas próprias escolhas — e outras facetas da saúde psicológica.

Ouvindo as reflexões das pessoas

Em três estudos, adultos e estudantes universitários foram convidados a responder perguntas abertas sobre suas vidas. Alguns estímulos focaram na satisfação com a vida (por exemplo, “No geral, você está satisfeito com sua vida ou não?”), enquanto outros investigaram aspectos do bem-estar psicológico, como autonomia (“De que maneiras suas decisões são influenciadas — ou não — pelo que outras pessoas fazem?”), crescimento pessoal, relacionamentos e propósito. Os participantes responderam escrevendo parágrafos ou falando por pelo menos um minuto; o áudio foi transcrito para texto. Todos também preencheram questionários padrão em escala de avaliação sobre satisfação com a vida e bem-estar psicológico, que serviram como referências de comparação.

Como a IA transformou histórias em pontuações

Os pesquisadores alimentaram o texto dessas reflexões em modelos de linguagem avançados baseados em tecnologia transformer, que representam cada resposta como um padrão numérico de alta dimensionalidade. Usando métodos estatísticos, treinaram modelos para prever as pontuações dos questionários a partir desses padrões e verificaram quão próximas as previsões estavam da realidade. Nos dois primeiros estudos, os modelos tiveram um desempenho razoável: previsões baseadas em linguagem para autonomia e satisfação com a vida se relacionaram moderadamente com as pontuações reais das pessoas, e também mostraram alguma capacidade de generalizar para traços relacionados, como sentir-se capaz, conectado aos outros ou com propósito. No entanto, essas correlações foram claramente menores do que as relatadas em trabalhos anteriores que usaram respostas muito mais curtas, no estilo de palavras-chave, em vez de narrativas.

Satisfação com a vida é mais fácil de ouvir do que autonomia

O terceiro e maior estudo esclareceu o quadro. Aqui, respostas escritas sobre satisfação com a vida permitiram que o modelo previsse bem as pontuações dos questionários, enquanto as previsões para autonomia foram notavelmente mais fracas. Quando a equipe comparou seu sistema com modelos de IA de ponta (GPT-3.5 e GPT-4), os sistemas mais novos foram ainda melhores em ler satisfação com a vida a partir da linguagem, mas apenas modestamente melhores em ler autonomia. Para entender por quê, os autores examinaram quais palavras tendiam a aparecer em respostas com pontuações altas e baixas. Alta satisfação com a vida andava junto com emoção positiva e palavras sociais — termos como “amor”, “gratidão”, “cônjuge” e “amigos”. Já respostas com baixa satisfação, por contraste, apoiavam-se em uma formulação incerta e focada em problemas, como “achar”, “parece” e “talvez”.

Por que a liberdade interior é mais difícil de ler

A linguagem ligada à autonomia tinha um aspecto diferente. Pessoas com pontuações mais baixas em autonomia usaram muitas palavras cognitivas e avaliativas, sugerindo preocupação, dúvida e tentativa de atender a expectativas externas. Quem apresentava maior autonomia também usava linguagem reflexiva, mas a mesclava com ação e agência — palavras relacionadas a escolher, fazer e avançar em direção a metas. Em vez de um punhado de palavras-chave comuns, a autonomia parecia ser expressa de maneiras altamente individuais que dependiam do contexto de vida de cada pessoa. Isso tornava mais difícil para os modelos de IA, mesmo os muito poderosos, captar uma assinatura linguística simples dessa qualidade psicológica mais profunda.

O que isso significa para o uso no mundo real

No geral, o artigo conclui que ferramentas baseadas em linguagem já são bastante boas em estimar se as pessoas se sentem satisfeitas com suas vidas, especialmente quando se usa IA de última geração. Mas elas têm mais dificuldade com dimensões mais sutis e pessoais do bem-estar, como autonomia e outros aspectos de significado e crescimento. Por ora, essas ferramentas podem ser úteis como complementos de baixo custo e ricos em contexto às pesquisas tradicionais — ajudando pesquisadores a acompanhar tendências amplas de felicidade a partir da escrita ou fala cotidiana. Ainda assim, não estão prontas para substituir avaliações cuidadosas e multimétodo em contextos de saúde mental ou clínicos, particularmente quando decisões dependem de entender as camadas internas mais complexas de como as pessoas vivenciam suas vidas.

Citação: 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

Palavras-chave: bem-estar, satisfação com a vida, autonomia, análise de linguagem, inteligência artificial