論文の概要: Modeling Motivational Interviewing Strategies On An Online Peer-to-Peer
Counseling Platform
- arxiv url: http://arxiv.org/abs/2211.05182v1
- Date: Wed, 9 Nov 2022 20:25:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 15:51:40.607576
- Title: Modeling Motivational Interviewing Strategies On An Online Peer-to-Peer
Counseling Platform
- Title（参考訳）: オンラインピアツーピアカウンセリングプラットフォームにおけるモチベーション的面接戦略のモデル化
- Authors: Raj Sanjay Shah, Faye Holt, Shirley Anugrah Hayati, Aastha Agarwal,
Yi-Chia Wang, Robert E. Kraut, Diyi Yang
- Abstract要約: 本稿では、ピアカウンセラーチャットメッセージからモチベーションの高い面接手法にマッピングすることで、ギャップを埋めることを模索する。
顧客満足度をカウンセリングセッションで予測する手法を検討するため,MI手法が会話評価に与える影響について検討した。
この研究は、ピアツーピアカウンセラープラットフォームにおけるモチベーション面接技術の使用に関する深い理解を提供する。
- 参考スコア（独自算出の注目度）: 35.9642101732025
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Millions of people participate in online peer-to-peer support sessions, yet
there has been little prior research on systematic psychology-based evaluations
of fine-grained peer-counselor behavior in relation to client satisfaction.
This paper seeks to bridge this gap by mapping peer-counselor chat-messages to
motivational interviewing (MI) techniques. We annotate 14,797 utterances from
734 chat conversations using 17 MI techniques and introduce four new
interviewing codes such as chit-chat and inappropriate to account for the
unique conversational patterns observed on online platforms. We automate the
process of labeling peer-counselor responses to MI techniques by fine-tuning
large domain-specific language models and then use these automated measures to
investigate the behavior of the peer counselors via correlational studies.
Specifically, we study the impact of MI techniques on the conversation ratings
to investigate the techniques that predict clients' satisfaction with their
counseling sessions. When counselors use techniques such as reflection and
affirmation, clients are more satisfied. Examining volunteer counselors' change
in usage of techniques suggest that counselors learn to use more introduction
and open questions as they gain experience. This work provides a deeper
understanding of the use of motivational interviewing techniques on
peer-to-peer counselor platforms and sheds light on how to build better
training programs for volunteer counselors on online platforms.
- Abstract（参考訳）: オンラインピアツーピアサポートセッションには何百万人もの人々が参加しているが、クライアントの満足度に関連して、きめ細かいピアカウンセラー行動の体系的な心理学に基づく評価についてはほとんど研究されていない。
本稿では、ピアカウンセラーチャットメッセージからモチベーションインタビュー(MI)技術にマッピングすることで、このギャップを埋めることを模索する。
我々は,734のチャット会話から17MI技術を用いて14,797発の音声を注釈し,オンラインプラットフォーム上で見られるユニークな会話パターンを考慮に入れるのに不適切である。
大規模ドメイン固有言語モデルの微調整により、mi技術に対する相互カウンセラー応答のラベリングプロセスを自動化し、これらの自動測定を用いて相互カウンセラーの振る舞いを相関研究を通して調査する。
具体的には,MI手法が会話評価に与える影響について検討し,クライアントのカウンセリングセッションに対する満足度を予測する手法について検討する。
カウンセラーがリフレクションや肯定といったテクニックを使う場合、クライアントはより満足する。
ボランティアのカウンセラーによる技術使用の変化を調べることで、カウンセラーは経験を積むにつれてより多くの紹介と質問の開放を学ぶことができる。
この研究は、ピアツーピアカウンセラープラットフォームにおけるモチベーション的な面接技術の利用をより深く理解し、オンラインプラットフォーム上でボランティアカウンセラーのためのより良いトレーニングプログラムを構築する方法に光を当てている。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - Interactive Agents: Simulating Counselor-Client Psychological Counseling via Role-Playing LLM-to-LLM Interactions [12.455050661682051]
本稿では,カウンセラーとクライアントの相互作用をシミュレートするためのロールプレイングを通じて,2つの大きな言語モデル(LLM)を利用するフレームワークを提案する。
我々のフレームワークは2つのLCMで構成され、1つは特定の実生活のユーザープロファイルを備えたクライアントとして機能し、もう1つは経験豊富なカウンセラーとして機能する。
論文 参考訳（メタデータ） (2024-08-28T13:29:59Z) - Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。
我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。
Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
論文 参考訳（メタデータ） (2024-07-03T13:41:31Z) - K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via
Prompt Learning [83.19215082550163]
K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。
本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
論文 参考訳（メタデータ） (2023-12-16T08:10:10Z) - ChatCounselor: A Large Language Models for Mental Health Support [8.639639227401625]
ChatCounselorは、メンタルヘルスをサポートするために設計された、大きな言語モデル(LLM)ソリューションである。
トレーニングデータセットであるPsych8kは、毎時間260回のインディーインタビューから構築された。
ChatCounselorはカウンセリングのBenchで既存のオープンソースモデルを超え、ChatGPTのパフォーマンスレベルにアプローチしている。
論文 参考訳（メタデータ） (2023-09-27T07:57:21Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z) - Understanding Client Reactions in Online Mental Health Counseling [11.12088513389927]
従来のNLPによるカウンセリングの研究は、クライアントの介入に対する反応よりも、カウンセラーの介入戦略の研究に重点を置いている。
この研究は、カウンセラーの戦略とクライアントの反応行動を含む理論的に根拠付けられたアノテーションフレームワークを開発することで、このギャップを埋めることを目的としている。
本研究は、クライアントがカウンセラーの戦略にどう反応するか、そのような反応が最終カウンセラーの結果にどのように影響するか、そして、カウンセラーがこれらの反応に反応してどのように戦略を調整するかを示す。
論文 参考訳（メタデータ） (2023-06-27T09:39:54Z) - Helping the Helper: Supporting Peer Counselors via AI-Empowered Practice
and Feedback [40.065280357381035]
CAREは、自動提案生成を通じてピアカウンセラーに権限を与える、インタラクティブなAIベースのツールである。
実践的なトレーニング段階において、CAREは特定のカウンセリング戦略が与えられた文脈で最も適しているかを診断するのに役立つ。
CAREは特に、初心者カウンセラーが挑戦的な状況でより良く対応するのに役立ちます。
論文 参考訳（メタデータ） (2023-05-15T19:48:59Z) - Partner Matters! An Empirical Study on Fusing Personas for Personalized
Response Selection in Retrieval-Based Chatbots [51.091235903442715]
本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。
4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。
Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
論文 参考訳（メタデータ） (2021-05-19T10:32:30Z)
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。