論文の概要: Understanding Client Reactions in Online Mental Health Counseling
- arxiv url: http://arxiv.org/abs/2306.15334v1
- Date: Tue, 27 Jun 2023 09:39:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 14:00:57.071472
- Title: Understanding Client Reactions in Online Mental Health Counseling
- Title(参考訳): オンラインメンタルヘルスカウンセリングにおける顧客反応の理解
- Authors: Anqi Li, Lizhi Ma, Yaling Mei, Hongliang He, Shuai Zhang, Huachuan
Qiu, Zhenzhong Lan
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 11.12088513389927
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Communication success relies heavily on reading participants' reactions. Such
feedback is especially important for mental health counselors, who must
carefully consider the client's progress and adjust their approach accordingly.
However, previous NLP research on counseling has mainly focused on studying
counselors' intervention strategies rather than their clients' reactions to the
intervention. This work aims to fill this gap by developing a theoretically
grounded annotation framework that encompasses counselors' strategies and
client reaction behaviors. The framework has been tested against a large-scale,
high-quality text-based counseling dataset we collected over the past two years
from an online welfare counseling platform. Our study shows how clients react
to counselors' strategies, how such reactions affect the final counseling
outcomes, and how counselors can adjust their strategies in response to these
reactions. We also demonstrate that this study can help counselors
automatically predict their clients' states.
- Abstract(参考訳): コミュニケーションの成功は参加者の反応を読むことに大きく依存する。
このようなフィードバックは、クライアントの進捗を慎重に検討し、それに応じてアプローチを調整する必要があるメンタルヘルスカウンセラーにとって特に重要である。
しかし、カウンセリングに関するこれまでのnlpの研究は、カウンセラーの介入に対する反応よりもカウンセラーの介入戦略を主に研究している。
この研究はカウンセラーの戦略とクライアントの反応を包含する理論的根拠付きアノテーションフレームワークの開発によって、このギャップを埋めることを目的としている。
このフレームワークは、オンライン福祉カウンセリングプラットフォームから過去2年間に収集した、大規模で高品質なテキストベースのカウンセリングデータセットに対してテストされている。
本研究は,カウンセラーの戦略に対するクライアントの反応,カウンセラーの最終的な結果にどのような影響を及ぼすか,カウンセラーがカウンセラーの戦略をどのように調整できるかを示す。
また,本研究は,カウンセラーがクライアントの状態を自動予測する上で有効であることを示す。
関連論文リスト
- 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) - 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) - Multi-Level Feedback Generation with Large Language Models for Empowering Novice Peer Counselors [43.42054421125617]
フィードバックを提供する既存のメカニズムは、主に人間の監督に依存している。
我々の研究は、大規模言語モデルを活用し、コンテキスト化されたマルチレベルフィードバックを提供し、ピアカウンセラーに力を与えることを目的としている。
論文 参考訳(メタデータ) (2024-03-21T04:23:56Z) - Understanding the Therapeutic Relationship between Counselors and Clients in Online Text-based Counseling using LLMs [18.605352662843575]
テキストベースのカウンセリングにおける治療提携の進展を理解するために,大規模言語モデル(LLM)を用いた自動アプローチを提案する。
我々は包括的カウンセリングデータセットを収集し、このフレームワークに基づいてサブセット上で複数の専門家評価を行う。
当社の調査結果は、カウンセラーが顧客との強いオンライン関係を育む上で直面する課題を浮き彫りにした。
論文 参考訳(メタデータ) (2024-02-19T09:00:10Z) - 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) - PsyChat: A Client-Centric Dialogue System for Mental Health Support [16.008761874266728]
PsyChatは、オンラインチャットを通じて心理的サポートを提供するクライアント中心の対話システムである。
クライアントの振る舞い認識、カウンセラー戦略選択、入力パッカー、レスポンスジェネレータ、レスポンス選択の5つのモジュールで構成されている。
ケーススタディでは、対話システムはクライアントの振る舞いを予測し、適切なカウンセラー戦略を選択し、正確で適切な応答を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-07T12:40:00Z) - Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。
マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
論文 参考訳(メタデータ) (2023-07-16T09:58:44Z) - 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) - Modeling Motivational Interviewing Strategies On An Online Peer-to-Peer
Counseling Platform [35.9642101732025]
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。
論文 参考訳(メタデータ) (2022-11-09T20:25:33Z) - Facial Feedback for Reinforcement Learning: A Case Study and Offline
Analysis Using the TAMER Framework [51.237191651923666]
訓練者の表情からエージェント学習の可能性について,評価フィードバックとして解釈することで検討した。
設計したCNN-RNNモデルを用いて,学習者に対して表情とコンペティションの使用を指示することで,肯定的および否定的なフィードバックを推定する精度を向上させることができることを示す。
シミュレーション実験の結果,表情に基づく予測フィードバックのみから学習できることが示唆された。
論文 参考訳(メタデータ) (2020-01-23T17:50:57Z)
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。