圍繞外貌歧視的敘事多樣性：透過文本挖掘和潛在類別模型提取意識類型近年來，關於外貌的討論已成為一個社會議題。本研究嘗試基於雅虎問答（Yahoo! Answers）上3185條關於「外貌主義」的自由文本評論（敘述），運用文本挖掘和潛在類別模型對用戶態度進行分類。首先，利用文本挖掘技術處理這些自由文本評論，提取58個特徵詞，例如「臉」、「整容」、「歧視」、「戀愛」和「自尊」。這些特徵詞被用作顯式變量，並應用潛在類別模型，根據貝葉斯資訊準則（BIC）選擇5類模型。分析結果提取出五種態度類型：①「外表至上型」（32.5%），提及較少；②「美容改善型」（26.8%），旨在透過整容手術和美容程序改善外貌；③ 「性別不對稱型」（17.9%），指的是男女之間的差異；④ 「戀愛市場型」（11.6%），指的是在戀愛和婚姻環境中看待外表歧視；⑤ 「外表自卑型」（11.1%），指的是外表自卑和低自尊。這些結果表明，人們對「外表歧視」的認知並非統一，而是多種多樣的，並將為幫助人們獲得心理健康支持提供基礎數據。
