論文の概要: Understanding the Information Needs and Practices of Human Supporters of
an Online Mental Health Intervention to Inform Machine Learning Applications
- arxiv url: http://arxiv.org/abs/2111.06667v1
- Date: Fri, 12 Nov 2021 11:43:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 14:52:36.494005
- Title: Understanding the Information Needs and Practices of Human Supporters of
an Online Mental Health Intervention to Inform Machine Learning Applications
- Title（参考訳）: オンラインメンタルヘルス介入による機械学習アプリケーション作成支援者の情報ニーズと実践の理解
- Authors: Anja Thieme
- Abstract要約: この研究は、AIと機械学習(ML)の分野における最近の進歩を通じて得られる新たな機会が、iCBTサポーターの作業プラクティスを効果的に支援するための有用なデータ洞察にどのように貢献するかを調査する。
本報告では、既存の作業実践や情報ニーズの理解を深める15人のiCBTサポーターとのインタビュー研究の成果を詳述する。
本分析は,(1)iCBT支援者がメンタルヘルスクライアントに対して効果的かつパーソナライズされたフィードバックを提供する際に直面する戦略と課題をまとめた6つのテーマ,(2)MLの手法が特定の課題や情報ニーズをいかに支援し,対処するかを示す具体的機会について提示する。
- 参考スコア（独自算出の注目度）: 6.5893732458797185
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the context of digital therapy interventions, such as internet-delivered
Cognitive Behavioral Therapy (iCBT) for the treatment of depression and
anxiety, extensive research has shown how the involvement of a human supporter
or coach, who assists the person undergoing treatment, improves user engagement
in therapy and leads to more effective health outcomes than unsupported
interventions. Seeking to maximize the effects and outcomes of this human
support, the research investigates how new opportunities provided through
recent advances in the field of AI and machine learning (ML) can contribute
useful data insights to effectively support the work practices of iCBT
supporters. This paper reports detailed findings of an interview study with 15
iCBT supporters that deepens understanding of their existing work practices and
information needs with the aim to meaningfully inform the development of
useful, implementable ML applications particularly in the context of iCBT
treatment for depression and anxiety. The analysis contributes (1) a set of six
themes that summarize the strategies and challenges that iCBT supporters
encounter in providing effective, personalized feedback to their mental health
clients; and in response to these learnings, (2) presents for each theme
concrete opportunities for how methods of ML could help support and address
identified challenges and information needs. It closes with reflections on
potential social, emotional and pragmatic implications of introducing new
machine-generated data insights within supporter-led client review practices.
- Abstract（参考訳）: インターネット提供型認知行動療法(iCBT)によるうつ病や不安の治療などのデジタル治療介入の文脈において、ヒトのサポーターやコーチの関与が、治療中の人を支援し、治療におけるユーザエンゲージメントを改善し、予防的介入よりも効果的な健康結果をもたらすことを示す広範な研究がなされている。
この人的支援の効果と成果を最大化するために、AIと機械学習(ML)の分野における最近の進歩を通じて提供される新たな機会が、iCBTサポーターの作業プラクティスを効果的に支援するための有用なデータ洞察にどのように貢献するかを調査する。
本報告では,iCBT支援者15名を対象に,既存の作業プラクティスや情報ニーズの理解を深め,特に抑うつ・不安に対するiCBT治療の文脈において有用で実装可能なMLアプリケーションの開発を有意義に伝えることを目的として,インタビュー研究を行った。
この分析は、(1)iCBT支持者がメンタルヘルスクライアントに対して効果的でパーソナライズされたフィードバックを提供する際に直面する戦略と課題をまとめた6つのテーマ、(2)機械学習の手法が特定の課題や情報ニーズをどう支援し、対処するかを具体化する各テーマについて提示する。
これは、サポーター主導のクライアントレビュープラクティスに新たなマシン生成データインサイトを導入することによる、社会的、感情的、現実的な意味合いを反映したものだ。
関連論文リスト
- SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。
この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
論文 参考訳（メタデータ） (2024-10-17T22:04:32Z) - CBT-Bench: Evaluating Large Language Models on Assisting Cognitive Behavior Therapy [67.23830698947637]
認知行動療法(CBT)支援の体系的評価のための新しいベンチマークであるCBT-BENCHを提案する。
我々は, CBT-BENCHにおける3段階の課題を含む: I: 基本的CBT知識獲得, 複数選択質問のタスク; II: 認知的モデル理解, 認知的歪み分類, 主根的信念分類, きめ細かい中核信念分類のタスク; III: 治療的応答生成, CBTセラピーセッションにおける患者音声に対する応答生成のタスク。
実験結果から,LLMはCBT知識のリサイティングに優れるが,複雑な実世界のシナリオでは不十分であることが示唆された。
論文 参考訳（メタデータ） (2024-10-17T04:52:57Z) - Therapy as an NLP Task: Psychologists' Comparison of LLMs and Human Peers in CBT [6.812247730094931]
本研究は,大規模言語モデル(LLM)をエビデンスベースの治療の担い手として用いる可能性と限界について検討する。
認知行動療法(CBT)に根ざした公衆アクセス型メンタルヘルスの会話を再現し,セッションダイナミクスとカウンセラーのCBTに基づく行動の比較を行った。
その結果, ピアセッションは共感, 小話, セラピーアライアンス, 共有体験が特徴であるが, セラピストのドリフトがしばしば現れることがわかった。
論文 参考訳（メタデータ） (2024-09-03T19:19:13Z) - Enhancing AI-Driven Psychological Consultation: Layered Prompts with Large Language Models [44.99833362998488]
我々は, GPT-4 のような大規模言語モデル (LLM) を用いて, 心理的コンサルテーションサービスの強化について検討する。
提案手法では,ユーザ入力に動的に適応する新しい階層型プロンプトシステムを提案する。
また,LLMの感情的インテリジェンスを高めるために,共感とシナリオに基づくプロンプトを開発する。
論文 参考訳（メタデータ） (2024-08-29T05:47:14Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - Evaluating the Efficacy of Interactive Language Therapy Based on LLM for
High-Functioning Autistic Adolescent Psychological Counseling [1.1780706927049207]
本研究では,高機能自閉症青年に対する対話型言語治療におけるLarge Language Models(LLMs)の有効性について検討した。
LLMは、従来の心理学的カウンセリング手法を強化する新しい機会を提供する。
論文 参考訳（メタデータ） (2023-11-12T07:55:39Z) - Chatbots for Mental Health Support: Exploring the Impact of Emohaa on
Reducing Mental Distress in China [50.12173157902495]
調査には134人の参加者が参加し、Emohaa(CBT)、Emohaa(Full)、コントロールの3つのグループに分けられた。
Emohaaは、CBTベースのエクササイズとガイド付き会話を通じて認知的支援を提供する会話エージェントである。
また、ユーザーが望む感情的な問題を経験できるようにすることで、ユーザーを感情的に支援する。
論文 参考訳（メタデータ） (2022-09-21T08:23:40Z) - Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy:
Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。
これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。
我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
論文 参考訳（メタデータ） (2021-06-15T22:06:39Z) - "Am I A Good Therapist?" Automated Evaluation Of Psychotherapy Skills
Using Speech And Language Technologies [38.726068038788384]
5000以上のレコードのデータセットを使用して、当社のプラットフォームとそのパフォーマンスを説明します。
本システムでは,セッションのダイナミクスに関する情報を含む包括的フィードバックをセラピストに提供する。
我々は、近い将来、自動精神療法評価ツールの広範な利用が専門家の能力を増強すると確信している。
論文 参考訳（メタデータ） (2021-02-22T18:52:52Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。