文本挖掘心智形态网络重构社交媒体中公众对STEM性别差距的感知

心智重构刻画个体如何构建与感知知识，本文通过考察语言及其在人类心智中的认知映射（即心理词库）来展开这一图谱。文本形式心智网络（TFMN）是一种透明可解释模型（glass box），用于从文本数据中提取、表示并理解心智的结构（拉丁语“forma mentis”）。TFMN结合网络科学、心理语言学与大数据，在无监督条件下成功识别基准文本中的相关概念。验证后，TFMN被应用于科学领域性别差距的案例研究，近期研究强烈将该差距与扭曲的心智相关联。聚焦社交媒体感知与在线话语，本工作分析了10,000条相关推文。“Gender（性别）”与“gap（差距）”引发的多为正面感知，带有信任/愉悦的情绪特征，其语义关联项包括：颂扬成功的女性科学家、将性别差距与薪酬差异相联系、并期望未来得以解决。“woman（女性）”的感知凸显了关于性骚扰与刻板印象威胁（一种内隐认知偏差）的讨论，涉及科学界女性“为成功牺牲个人能力”。重构的“man（男性）”感知凸显了社会用户对于科学中男性优越神话的觉察。围绕“person（人）”未检测到愤怒，表明以差距为中心的话语在性别中立词汇处张力更小。与真实世界调查不同，在线未识别出对“scientist（科学家）”的刻板印象感知。整体分析将在线话语识别为倡导一种基本无刻板印象、正面/信任的性别差异感知，觉察内隐/外显偏差并指向缩小差距。TFMN为考察不同群体的感知开辟了新途径，为政策制定提供了详实的、数据支撑的依据。