論文の概要: AI Chatbot for Generating Episodic Future Thinking (EFT) Cue Texts for Health

• arxiv url: http://arxiv.org/abs/2311.06300v1
• Date: Mon, 6 Nov 2023 20:41:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-19 14:15:58.030962
• Title: AI Chatbot for Generating Episodic Future Thinking (EFT) Cue Texts for Health
• Title（参考訳）: AI Chatbot for Genesodic Future Thinking (EFT) Cue Texts for Health
• Authors: Sareh Ahmadi, Edward A. Fox
• Abstract要約: 我々はAIを使用して、遅延割引を減らすためのエピソード・フューチャー・シンキング(EFT)キューテキストを生成する。 我々は、多様な人口にまたがってアクセスの拡大と健康状態の改善を期待する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We describe an AI-powered chatbot to aid with health improvement by generating Episodic Future Thinking (EFT) cue texts that should reduce delay discounting. In prior studies, EFT has been shown to address maladaptive health behaviors. Those studies involved participants, working with researchers, vividly imagining future events, and writing a description that they subsequently will frequently review, to ensure a shift from an inclination towards immediate rewards. That should promote behavior change, aiding in health tasks such as treatment adherence and lifestyle modifications. The AI chatbot is designed to guide users in generating personalized EFTs, automating the current labor-intensive interview-based process. This can enhance the efficiency of EFT interventions and make them more accessible, targeting specifically those with limited educational backgrounds or communication challenges. By leveraging AI for EFT intervention, we anticipate broadened access and improved health outcomes across diverse populations
• Abstract（参考訳）: 本稿では,AIを活用したチャットボットを用いて,遅延割引を低減させるEpsodic Future Thinking (EFT) キューテキストを生成することで,健康改善を支援する。 以前の研究では、EDTは不適応な健康行動に対処することが示されている。 これらの研究には、参加者、研究者と協力し、将来の出来事を鮮明に想像し、その後に頻繁にレビューする記述を書き、傾向から即時報酬への移行を確実にした。 それによって行動の変化が促進され、治療の順守やライフスタイルの修正といった健康上のタスクを支援する。 ai chatbotは、ユーザーがパーソナライズしたeftを生成し、現在の労働集約型面接ベースのプロセスを自動化できるように設計されている。 これにより、ETF介入の効率が向上し、よりアクセスしやすくなり、特に教育的背景やコミュニケーション上の課題に制限のある人たちをターゲットにすることができる。 AIをETF介入に活用することにより、多様な人口におけるアクセスの拡大と健康改善を期待する。

関連論文リスト

• Empathetic Response in Audio-Visual Conversations Using Emotion Preference Optimization and MambaCompressor [44.499778745131046]
  まず、チャットボットのトレーニングに感情的選好最適化(EPO)を用いる。 このトレーニングは、モデルが正しい反応と反感情反応の微妙な区別を識別することを可能にする。 次に,MambaCompressorを導入し,会話履歴を効果的に圧縮し,管理する。 複数のデータセットにまたがる包括的実験により、我々のモデルは共感的応答の生成や長い対話の管理において、既存のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-23T13:44:51Z)
• Habit Coach: Customising RAG-based chatbots to support behavior change [0.6184871136700835]
  Habit Coachは、パーソナライズされたインタラクションを通じて、ユーザの習慣の変化をサポートするように設計されている。 本研究では,言語モデルを再学習することなく,行動のパーソナライズを可能にするRAG(Retrieval-Augmented Generation)システムを開発した。 開発プロセスにおける重要な課題は、宣言的知識を効果的な相互作用行動に変換することの難しさだった。
  論文  参考訳（メタデータ） (2024-11-28T15:53:27Z)
• Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
  本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。 その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
  論文  参考訳（メタデータ） (2024-11-15T13:22:04Z)
• A General-purpose AI Avatar in Healthcare [1.5081825869395544]
  本稿では、医療におけるチャットボットの役割に焦点を当て、AIインタラクションをより患者にアピールするためのアバターの使用について検討する。 汎用AIアバターアプリケーションのフレームワークを3カテゴリのプロンプト辞書とプロンプト改善機構を用いて実証する。 2段階のアプローチでは、汎用AI言語モデルを微調整し、異なるAIアバターを作成して、ユーザと医療上の問題について議論することが提案されている。
  論文  参考訳（メタデータ） (2024-01-10T03:44:15Z)
• Assistive Chatbots for healthcare: a succinct review [0.0]
  AI対応技術に焦点が当てられているのは、人間と機械の相互作用の質を高める可能性があるからだ。 患者の安全とデータ保護に関して、この技術に対する信頼の欠如がある。 患者は自然言語処理スキルに不満を表明している。
  論文  参考訳（メタデータ） (2023-08-08T10:35:25Z)
• Towards Healthy AI: Large Language Models Need Therapists Too [41.86344997530743]
  私たちはHealthy AIを安全で信頼性があり倫理的であると定義しています。 本稿では,これらの有害行動の修正に心理療法を用いるセーフガードGPTフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-02T00:39:12Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• What Do End-Users Really Want? Investigation of Human-Centered XAI for Mobile Health Apps [69.53730499849023]
  説明可能なAI(XAI)を評価するために,ユーザ中心のペルソナ概念を提案する。 分析の結果,ユーザの人口統計や性格,説明のタイプ,影響説明の嗜好が示された。 私たちの洞察は、対話的で人間中心のXAIを実践的な応用に近づけます。
  論文  参考訳（メタデータ） (2022-10-07T12:51:27Z)
• 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)
• FitChat: Conversational Artificial Intelligence Interventions for Encouraging Physical Activity in Older Adults [1.8166478385879317]
  高齢者と「FitChat」を共同で作成し,Think Aloud Sessions を用いた最初のプロトタイプの評価を行った。 我々のテーマ評価は、高齢者がテキスト通知や無料テキスト入力よりも音声ベースのチャットを好むことを示唆している。
  論文  参考訳（メタデータ） (2020-04-29T10:39:33Z)

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。