論文の概要: Using Adaptive Bandit Experiments to Increase and Investigate Engagement
in Mental Health
- arxiv url: http://arxiv.org/abs/2310.18326v1
- Date: Fri, 13 Oct 2023 22:59:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-05 14:15:09.902810
- Title: Using Adaptive Bandit Experiments to Increase and Investigate Engagement
in Mental Health
- Title（参考訳）: 適応的バンディット実験を用いたメンタルヘルスの関与度向上と調査
- Authors: Harsh Kumar, Tong Li, Jiakai Shi, Ilya Musabirov, Rachel Kornfield,
Jonah Meyerhoff, Ananya Bhattacharjee, Chris Karr, Theresa Nguyen, David
Mohr, Anna Rafferty, Sofia Villar, Nina Deliu, Joseph Jay Williams
- Abstract要約: 本稿では,Banditや他のアルゴリズムを用いてテキストメッセージ介入コンポーネントを適応させるソフトウェアシステムを提案する。
我々は,大規模メンタルヘルス非営利組織を通じて採用した1100名のユーザに対して,テキスト・メッセージベースのDMH介入を展開させることで,システムの評価を行った。
- 参考スコア（独自算出の注目度）: 14.20153035241548
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital mental health (DMH) interventions, such as text-message-based lessons
and activities, offer immense potential for accessible mental health support.
While these interventions can be effective, real-world experimental testing can
further enhance their design and impact. Adaptive experimentation, utilizing
algorithms like Thompson Sampling for (contextual) multi-armed bandit (MAB)
problems, can lead to continuous improvement and personalization. However, it
remains unclear when these algorithms can simultaneously increase user
experience rewards and facilitate appropriate data collection for
social-behavioral scientists to analyze with sufficient statistical confidence.
Although a growing body of research addresses the practical and statistical
aspects of MAB and other adaptive algorithms, further exploration is needed to
assess their impact across diverse real-world contexts. This paper presents a
software system developed over two years that allows text-messaging
intervention components to be adapted using bandit and other algorithms while
collecting data for side-by-side comparison with traditional uniform random
non-adaptive experiments. We evaluate the system by deploying a
text-message-based DMH intervention to 1100 users, recruited through a large
mental health non-profit organization, and share the path forward for deploying
this system at scale. This system not only enables applications in mental
health but could also serve as a model testbed for adaptive experimentation
algorithms in other domains.
- Abstract（参考訳）: デジタルメンタルヘルス(DMH)の介入、例えばテキスト・メッセージに基づく授業や活動は、アクセス可能なメンタルヘルス支援に大きな可能性を秘めている。
これらの介入は効果的であるが、実際の実験は設計と影響をさらに強化することができる。
マルチアーム付きバンディット(mab)問題に対するトンプソンサンプリングのようなアルゴリズムを用いた適応実験は、継続的な改善とパーソナライズにつながる可能性がある。
しかし、これらのアルゴリズムがユーザー体験報酬を同時に増加させ、社会行動科学者が十分な統計的信頼度で分析するための適切なデータ収集を容易にするかどうかは不明である。
mabや他の適応アルゴリズムの実用的・統計的側面について研究が増えているが、様々な現実世界の文脈でその影響を評価するためには、さらなる調査が必要である。
本稿では,従来の一様ランダムな非適応実験と並べて比較するためのデータを収集しながら,Banditや他のアルゴリズムを用いてテキストメッセージ介入コンポーネントを適応させることができるソフトウェアシステムを提案する。
我々は,テキストメッセージベースのdmh介入を1100ユーザに展開し,大規模メンタルヘルス非営利組織を通じて採用し,このシステムを大規模に展開するための道筋を共有し,システムを評価する。
このシステムはメンタルヘルスの応用を可能にするだけでなく、他の領域での適応実験アルゴリズムのモデルテストベッドとしても機能する。
関連論文リスト
- Adaptive Experimentation When You Can't Experiment [55.86593195947978]
本稿では,Emphcon founded the pure exploration transductive linear bandit (textttCPET-LB) problem。
オンラインサービスは、ユーザーを特定の治療にインセンティブを与える、適切にランダム化された励ましを利用することができる。
論文 参考訳（メタデータ） (2024-06-15T20:54:48Z) - Opportunities for Adaptive Experiments to Enable Continuous Improvement in Computer Science Education [7.50867730317249]
適応実験では、異なる条件が学生に展開されるにつれて、データを分析・活用する。
これらのアルゴリズムは、その後の学生との相互作用において最も効果的な条件を動的に展開することができる。
本研究は, ブリッジング研究における適応実験の重要性を探求し, 継続的な改善を実現するための方法である。
論文 参考訳（メタデータ） (2023-10-18T20:54:59Z) - Sequential Best-Arm Identification with Application to Brain-Computer
Interface [34.87975833920409]
脳コンピュータインタフェース(BCI)は、脳と外部デバイスまたはコンピュータシステムとの直接通信を可能にする技術である。
脳波(EEG)と事象関連電位(ERP)に基づくスペルシステム(ERP)は、物理キーボードを使わずに単語をスペルできるBCIの一種である。
本稿では,固定信頼度設定と固定予算設定の下での逐次トップ2トンプソンサンプリング(STTS)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-17T18:49:44Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - Increasing Students' Engagement to Reminder Emails Through Multi-Armed
Bandits [60.4933541247257]
本稿では,学生が週毎のメールリマインダーとどのように関わり,時間管理の習慣を構築するかについて,実世界の適応実験を行った。
適応実験にマルチアーマド・バンド(MAB)アルゴリズムを用いると、より良い結果が得られる可能性が高まる。
我々は、これらの適応アルゴリズムの問題点を強調します。例えば、大きな違いがない場合の腕の活用などです。
論文 参考訳（メタデータ） (2022-08-10T00:30:52Z) - Statistical Inference After Adaptive Sampling for Longitudinal Data [9.468593929311867]
本研究では,Z推定による適応的なサンプルデータに対して,様々な統計的解析を行う新しい手法を開発した。
本研究は, 実験プロセスのための新しい理論ツールを開発し, 個別の関心を持つ可能性のある, 適応的にサンプル化された長手データについて述べる。
論文 参考訳（メタデータ） (2022-02-14T23:48:13Z) - Post-Contextual-Bandit Inference [57.88785630755165]
コンテキストバンディットアルゴリズムは、電子商取引、医療、政策立案における非適応的なA/Bテストを置き換える傾向にある。
研究参加者の成果を改善することもでき、良い方針や最良の政策を特定できる可能性を高めることもできる。
研究の終盤における新規介入の信頼性推論を支援するため, 平均治療効果, サブグループ効果, あるいは新政策の価値について, 有効な信頼区間を構築したい。
論文 参考訳（メタデータ） (2021-06-01T12:01:51Z) - Sample-Efficient Reinforcement Learning via Counterfactual-Based Data
Augmentation [15.451690870640295]
医療などのいくつかのシナリオでは、通常、各患者に利用可能なレコードはごくわずかであり、現在の強化学習アルゴリズムの適用を妨げる。
構造因果モデル(SCM)を利用して状態ダイナミクスをモデル化する,データ効率の高いRLアルゴリズムを提案する。
本研究は, 軽度条件下では反実結果が識別可能であり, 反実に基づく拡張データセット上のq学習が最適値関数に収束することを示す。
論文 参考訳（メタデータ） (2020-12-16T17:21:13Z) - 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) - Offline Contextual Multi-armed Bandits for Mobile Health Interventions:
A Case Study on Emotion Regulation [2.8680209551947473]
本稿では,実世界の歴史的モバイルデジタルデータを用いた感情制御のための治療レコメンデーションシステムの開発について述べる。
実験の結果,提案手法はベースライン手法よりも2倍頑健なオフライン学習アルゴリズムが優れていることがわかった。
論文 参考訳（メタデータ） (2020-08-21T13:41:24Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳（メタデータ） (2020-04-26T23:41:33Z)
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。