오늘날, 온라인 공간에서 정신 질환을 가진 개인에게 다른 개인이 도움을 제공하는 동료 지원이 점점 더 많이 발생하고 있다. 이러한 양상에 기반하여, 온라인 공간에서 게시물을 작성하며 자신의 어려움을 공유하는 '지원 요청자'와 지원 요청자들에게 적절한 도움을 제공하는 '지원 제공자'에 대한 연구가 다양한 측면에서 이루어지고 있다. 하지만 기존의 연구들은 온라인 공간에서의 사회적 지원이 지원 요청자에게 미치는 영향에 대해 탐구하거나, 지원 요청자의 특성을 조사하는 등, 지원 요청자에게 주로 집중되었다.
본 논문에서는 지원 요청자에게 긍정적, 혹은 부정적 영향을 미칠 수 있는 정보적, 또는 감정적 지원을 수행하는 지원 제공자의 관점에서 온라인 사회적 지원을 이해하고자 한다. 이를 위해, 레딧 (Reddit)의 55개 정신 건강 관련 커뮤니티로부터 게시물과 그에 대한 지원 댓글, 그리고 사용자 정보로 구성된 대규모 데이터 세트를 수집, 분석한다. 또한 지원 댓글에 정보 및 감정적 지원 점수를 할당해주는 심층 학습 기반 모델을 개발한다. 이 모델을 이용하여 데이터 세트에 정보적, 감정적 지원 점수를 라벨링하고, 라벨링 된 지원 댓글을 통해 지원 제공자가 정보적 지원보다 감정적 지원을 더 많이 하는 경향이 있고, 온라인 정신 건강 커뮤니티가 전체적으로 감정적인 경향을 나타냄을 밝혀낸다.
또한, 온라인 정신 건강 커뮤니티의 각 사용자들을 정점, 이들 사이에 오가는 동료 지원을 간선으로 모델링한 "사회적 지원 네트워크"를 구축하고, 이에 그래프 마이닝 기법을 적용하여 지원 요청자와 지원 제공자 간의 관계를 이해한다. 사회적 지원 네트워크에서 진입차수가 높은 사용자와 진출차수가 높은 사용자를 분석한 결과, 지원을 많이 제공하는 사용자는 다양한 내용의 정보적 지원을 제공하는 경향이 있고, 지원을 많이 받는 사용자는 유사한 내용의 게시물을 작성하며 지속적으로 지원 요청을 하고 있음을 발견한다.
마지막으로, 키워드 추출 및 감성 분석 등의 기법을 활용하여 정신 건강 분야의 온라인 사회적 지원의 효과를 높일 수 있는 단어들을 밝혀낸다. 일반적인 단어들과는 달리, 다른 사용자들을 많이 지원하는 지원자가 자주 사용하는 단어들은 정신 건강 분야의 전문 지식을 나타낸다. 또한 우리는, 이러한 단어들 중 일부가 다른 사용자들로부터 호의적인 반응을 이끌어내고, 보다 많은 추가 담론을 불러일으킨다는 것을 발견한다. 이러한 결과는 사회적 지원 활동의 효율성 향상에 기여할 수 있을 것으로 보인다.
본 논문에서 제안한 방법론과 밝혀낸 사실들은 온라인 정신 건강 커뮤니티 관련 후속 연구 질문을 도출할 수 있을 뿐만 아니라, 온라인 정신 건강 커뮤니티에서의 사회적 지원 개선에 대한 통찰력을 제공할 수 있을 것으로 사료된다.