論文の概要: Facilitating Self-Guided Mental Health Interventions Through
Human-Language Model Interaction: A Case Study of Cognitive Restructuring
- arxiv url: http://arxiv.org/abs/2310.15461v1
- Date: Tue, 24 Oct 2023 02:23:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 20:50:00.301819
- Title: Facilitating Self-Guided Mental Health Interventions Through
Human-Language Model Interaction: A Case Study of Cognitive Restructuring
- Title（参考訳）: 言語モデル間インタラクションによる自己誘導型メンタルヘルス介入の促進--認知再構成の事例研究
- Authors: Ashish Sharma, Kevin Rushton, Inna Wanyin Lin, Theresa Nguyen, Tim
Althoff
- Abstract要約: 人間の言語モデル相互作用が自己指導型メンタルヘルス介入にどのように役立つかを検討する。
我々は、言語モデルを用いて、認知的再構成の様々なステップを通して人々を支援するシステムの設計と評価を行う。
- 参考スコア（独自算出の注目度）: 9.448497894663678
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-guided mental health interventions, such as "do-it-yourself" tools to
learn and practice coping strategies, show great promise to improve access to
mental health care. However, these interventions are often cognitively
demanding and emotionally triggering, creating accessibility barriers that
limit their wide-scale implementation and adoption. In this paper, we study how
human-language model interaction can support self-guided mental health
interventions. We take cognitive restructuring, an evidence-based therapeutic
technique to overcome negative thinking, as a case study. In an IRB-approved
randomized field study on a large mental health website with 15,531
participants, we design and evaluate a system that uses language models to
support people through various steps of cognitive restructuring. Our findings
reveal that our system positively impacts emotional intensity for 67% of
participants and helps 65% overcome negative thoughts. Although adolescents
report relatively worse outcomes, we find that tailored interventions that
simplify language model generations improve overall effectiveness and equity.
- Abstract（参考訳）: 自己指導型のメンタルヘルス介入、例えば"do-it-yourself"ツールによる対処戦略の学習と実践は、メンタルヘルスへのアクセスを改善するという大きな約束を示す。
しかし、これらの介入はしばしば認知的に要求され、感情的に引き起こされ、広範囲の実装と採用を制限するアクセシビリティ障壁を生み出します。
本稿では,人間と言語モデルの相互作用が自己誘導型メンタルヘルス介入をどのように支援できるかについて検討する。
否定的思考を克服するエビデンスに基づく治療手法であるcognitive restructuringをケーススタディとして捉えた。
IRBが承認した15,531人の参加者からなる大規模メンタルヘルスウェブサイトにおけるランダム化フィールドスタディにおいて、認知的再構成の様々な段階を通じて言語モデルを用いて人々を支援するシステムの設計と評価を行った。
その結果,本システムは67%の参加者の感情的強度に正の影響を与え,否定的思考を65%が克服するのに役立つことがわかった。
若者は比較的悪い結果を報告しているが、言語モデル生成を単純化する調整された介入により、全体的な効果と株式が向上する。
関連論文リスト
- AI-Driven Feedback Loops in Digital Technologies: Psychological Impacts on User Behaviour and Well-Being [0.0]
本研究は,フィードバックメカニズムがユーザの行動や幸福に与える影響について,肯定的,否定的な心理的影響について検討することを目的とする。
データ駆動フィードバックループは、モチベーションのメリットだけでなく、心理的課題も与えます。
これらのリスクを軽減するために、ユーザはバーンアウトや中毒を防ぐために、テクノロジの使用に関して境界を確立する必要がある。
論文 参考訳（メタデータ） (2024-10-30T17:11:30Z) - 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) - Are Large Language Models Possible to Conduct Cognitive Behavioral Therapy? [13.0263170692984]
大規模言語モデル(LLM)が検証され、心理的補助療法の新たな可能性を提供する。
精神保健の専門家は、LSMを治療に使用することについて多くの懸念を抱いている。
自然言語処理性能に優れた4つのLLM変種を評価した。
論文 参考訳（メタデータ） (2024-07-25T03:01:47Z) - HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。
この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。
我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
論文 参考訳（メタデータ） (2024-02-26T09:10:34Z) - 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) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z) - Enhancing Psychological Counseling with Large Language Model: A
Multifaceted Decision-Support System for Non-Professionals [31.01304974679576]
本稿では,非専門職を支援するために,大規模言語モデルの基礎の上に構築された新しいモデルを紹介し,オンラインユーザ談話に対する心理的介入を提供する。
様々な専門知識を持つ10人の専門的心理学的カウンセラーによる総合的研究を行い,システムの評価を行った。
以上の結果から,本システムは患者の問題を相対的精度で分析し,プロレベルの方策を推奨できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-08-29T10:20:53Z) - Cognitive Reframing of Negative Thoughts through Human-Language Model
Interaction [7.683627834905736]
我々は、言語モデルが人々の否定的思考の緩和にどのように役立つかを人間中心で研究する。
文献に基づいて、思考の再編成に使用できる7つの言語属性の枠組みを定義する。
実践者から600の状況、思考、リフレームのデータセットを収集し、それを検索に強化されたテキスト内学習モデルのトレーニングに使用します。
論文 参考訳（メタデータ） (2023-05-04T00:12:52Z) - 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) - 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。