論文の概要: Transition to Adulthood for Young People with Intellectual or
Developmental Disabilities: Emotion Detection and Topic Modeling
- arxiv url: http://arxiv.org/abs/2209.10477v1
- Date: Wed, 21 Sep 2022 16:23:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 15:23:57.882570
- Title: Transition to Adulthood for Young People with Intellectual or
Developmental Disabilities: Emotion Detection and Topic Modeling
- Title(参考訳): 知的障害・発達障害のある若者の成人化 : 感情検出とトピックモデリング
- Authors: Yan Liu, Maria Laricheva, Chiyu Zhang, Patrick Boutet, Guanyu Chen,
Terence Tracey, Giuseppe Carenini, Richard Young
- Abstract要約: 本研究では、自然言語処理(NLP)手法を用いて、心理学者が感情や感情を分析するのを支援する方法について検討する。
成人期への移行期であるIDDを欠いた若年者と比較した。
- 参考スコア(独自算出の注目度): 17.58173792124059
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transition to Adulthood is an essential life stage for many families. The
prior research has shown that young people with intellectual or development
disabil-ities (IDD) have more challenges than their peers. This study is to
explore how to use natural language processing (NLP) methods, especially
unsupervised machine learning, to assist psychologists to analyze emotions and
sentiments and to use topic modeling to identify common issues and challenges
that young people with IDD and their families have. Additionally, the results
were compared to those obtained from young people without IDD who were in
tran-sition to adulthood. The findings showed that NLP methods can be very
useful for psychologists to analyze emotions, conduct cross-case analysis, and
sum-marize key topics from conversational data. Our Python code is available at
https://github.com/mlaricheva/emotion_topic_modeling.
- Abstract(参考訳): 成人への移行は多くの家族にとって不可欠な生活段階である。
以前の研究では、知的発達障害(idd)を持つ若者は仲間よりも課題が多いことが示されている。
本研究は,自然言語処理(nlp)手法,特に教師なし機械学習(unsupervised machine learning)を用いて,心理学者が感情や感情を分析し,トピックモデリングを用いて,iddとその家族を持つ若者が抱える共通問題や課題を特定する方法を検討することである。
また, 成人期から成人期にかけてのIDDを欠いた若年者と比較した。
その結果,nlp法は感情分析やクロスケース分析,会話データから重要な話題を要約する上で,心理学者にとって非常に有用であることがわかった。
私たちのpythonコードはhttps://github.com/mlaricheva/emotion_topic_modelingで利用可能です。
関連論文リスト
- Exploring Parent's Needs for Children-Centered AI to Support
Preschoolers' Storytelling and Reading Activities [54.8155184348616]
人工知能の新たな進歩により、AIベースのストーリーテリング技術が急増した。
本稿では,実践的なストーリーテリングシナリオにおけるそれらの機能と,最も重要な利害関係者である両親が,それらをどう理解し,知覚するかを検討する。
我々の知見は、AIベースのストーリーテリング技術は、より没入的で活発な相互作用を提供するが、親の期待に応えられないことを示唆している。
論文 参考訳(メタデータ) (2024-01-24T20:55:40Z) - Enhancing Emotional Generation Capability of Large Language Models via
Emotional Chain-of-Thought [53.1230874584344]
大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。
本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
論文 参考訳(メタデータ) (2024-01-12T16:42:10Z) - Hybrid Models for Facial Emotion Recognition in Children [0.0]
本稿では,遠隔操作型ロボットによる子どものセラピーの実践において,心理学者を支援するための感情認識技術の利用に焦点を当てた。
Embodied Conversational Agents (ECA) は、プロが社会的課題に直面している子供と繋がる手助けをする仲介ツールである。
論文 参考訳(メタデータ) (2023-08-24T04:20:20Z) - Cross-Lingual Cross-Age Group Adaptation for Low-Resource Elderly Speech
Emotion Recognition [48.29355616574199]
我々は、英語、中国語、カントン語という3つの異なる言語における感情認識の伝達可能性を分析する。
本研究は,異なる言語群と年齢群が特定の音声特徴を必要とすることを結論し,言語間推論を不適切な方法とする。
論文 参考訳(メタデータ) (2023-06-26T08:48:08Z) - Comparing Machines and Children: Using Developmental Psychology
Experiments to Assess the Strengths and Weaknesses of LaMDA Responses [0.02999888908665658]
我々は,Googleの大規模言語モデルであるLaMDAの能力を評価するために,古典的な開発実験を適用した。
社会的理解に関する実験において,LaMDAは子どもと同様の適切な反応を産み出すことがわかった。
一方、初期の対象と行動理解、心の理論、特に因果推論タスクに対するLaMDAの反応は、幼児のそれとは大きく異なる。
論文 参考訳(メタデータ) (2023-05-18T18:15:43Z) - Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan [3.975358343371988]
我々は,人工知能(AI)ツールを用いた心理療法と研究のために,人間の行動のコーディングを自動化することを目的としている。
強迫性障害 (OCD) を持つ25人の若者と, 精神科的診断 (no-OCD) を伴わない12人の青少年のゴールドスタンダード半構造化診断インタビューのビデオを分析した。
論文 参考訳(メタデータ) (2022-05-11T19:12:15Z) - StoryBuddy: A Human-AI Collaborative Chatbot for Parent-Child
Interactive Storytelling with Flexible Parental Involvement [61.47157418485633]
私たちは、インタラクティブなストーリーテリング体験を作成するためのAI対応システムであるStoryBuddyを開発した。
ユーザスタディでは、StoryBuddyのユーザビリティを検証し、将来の親とAIのコラボレーションシステムの設計上の洞察を提案した。
論文 参考訳(メタデータ) (2022-02-13T04:53:28Z) - Exploring the pattern of Emotion in children with ASD as an early
biomarker through Recurring-Convolution Neural Network (R-CNN) [0.0]
本論文は,基本的表情の同定と時間変化因子による感情の探索を行う。
これらの感情は、前頭面にプロットされた68個のランドマークポイントを用いて、CNN-FERシステムとして知られるRNNによって形成された予測ネットワークを用いて、CNNで識別された表情を組み込むことで分析される。
論文 参考訳(メタデータ) (2021-12-30T09:35:05Z) - Emotion Recognition of the Singing Voice: Toward a Real-Time Analysis
Tool for Singers [0.0]
現在の計算感情研究は、感情が数学的に知覚される方法を分析するために音響特性を適用することに焦点を当てている。
本稿は,関連する研究の知見を反映し,拡張し,この目標に向けての一歩を踏み出す。
論文 参考訳(メタデータ) (2021-05-01T05:47:15Z) - Computational Emotion Analysis From Images: Recent Advances and Future
Directions [79.05003998727103]
本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。
心理学の一般的な感情表現モデルから始めます。
そして、研究者たちが解決しようとしている重要な計算問題を定義します。
論文 参考訳(メタデータ) (2021-03-19T13:33:34Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳(メタデータ) (2021-02-24T14:58:23Z)
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。