Modelo de tópicos para associações livres

Abstract

Apesar da reiterada importância da experiência clínica na elaboração, avaliação e reformulação das teorias psicanalíticas, a maioria das pesquisas em Psicanálise no Brasil ou se afasta da clínica completamente ou faz uso esparso e questionável de seu material. Para estabelecer um elo mais rigoroso entre os dados da prática da Psicanálise e suas teorias, propomos a elaboração de um modelo formal das associações livres. O modelo proposto é fundamentado, por um lado, nos modelos elaborados por Freud sobre o mecanismo de funcionamento das associações livres, e, por outro, nos modelos probabilísticos de tópicos, como a Alocação de Dirichlet Latente. Para avaliar o modelo, conduzimos um estudo de caso cujo corpus é baseado na gravação em áudio e transcrição integral de 47 sessões de psicanálise. Após tratamento do corpus, ajustamos o modelo final por meio do algoritmo do Structural Topic Model, considerando os turnos de fala como unidade de contexto, propondo a identificação de 50 tópicos e utilizando o número da sessão e a identificação do interlocutor como covariáveis. O modelo ajustado foi validado externamente por meio do uso de estimativas dos parâmetros na predição de variáveis de critério e na predição dos resultados de uma bateria de testes de associação de palavras. Modelos de random forests que utilizaram o parâmetro de proporções de tópicos estimado pelo modelo como preditor foram capazes de distinguir, com pouco erro em validação cruzada, o interlocutor e o número da sessão aos quais pertencem os turnos de fala. No teste de associação de palavras, utilizando a distribuição marginal dos termos como referência, o modelo proposto fez predições superiores para 63% a 65% dos pares de palavras, quando consideramos, respectivamente, a probabilidade e o ranque preditos para as palavras associadas. Por fim, para demonstrar a utilidade do modelo em produzir informações relevantes sobre o caso, apresentamos inferências em termos do conteúdo dos principais complexos identificados automaticamente pelo modelo, sua correlação na formação de agregados, sua prevalência nos turnos de fala do analista e do analisando e sua dinâmica temporal ao longo do tratamento.<br>

Abstract : Clinical evidence has an important place in the elaboration, evaluation, and reformulation of psychoanalytic theory. But most Brazilian research in Psychoanalysis either ignores clinical evidence completely or uses it in a sparse and questionable manner. We propose a formal model for free association as a mean to build rigorous relations between clinical evidence and psychoanalytic theory. Our formal model is based, on one side, on Freud's models about free association operating mechanisms, and on probabilistic topic models, such as Latent Dirichlet Allocation, on the other side. We evaluate the proposed model with a clinical case study based on the audio recording and full transcription of 47 psychoanalytic sessions. After cleaning up the corpus, the final model was adjusted using the Structural Topic Model algorithm, using each turn of speech as a document, defining 50 topics and predicting topic proportions by means of session number and speaker identity. The model validation was based on two prediction tasks: predicting criterion variables using parameter estimates and predicting the results of word-association tests. Random forest models that used topic proportion parameters as predictor were able to distinguish, with low cross-validation error, the speaker and session number of the turns of speech. For the word-association tests, the topic model made superior predictions for associated word probability and rank for 63% and 65% word pairs, respectively, when compared to a baseline model based on marginal word type distribution. We present model-based inferences in order to demonstrate the proposed model's ability to produce relevant information about the case study. We focus on the content of the complexes automatically identified by the model, their correlation and graph communities, prevalence on each speaker turn of speech and temporal dynamics during treatment.