論文の概要: Improving Minority Stress Detection with Emotions

• arxiv url: http://arxiv.org/abs/2311.17676v1
• Date: Wed, 29 Nov 2023 14:39:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-30 21:09:23.777138
• Title: Improving Minority Stress Detection with Emotions
• Title（参考訳）: 感情による少数ストレス検出の改善
• Authors: Jonathan Ivey and Susan Gauch
• Abstract要約: 性的・性的マイノリティの言語を理解するために、心理的ストレスモデルの有効性を評価するために、マイノリティ・ストレス検出の関連課題を用いる。 従来の心理的ストレスモデルではマイノリティなストレス検出が不十分であることに気付き,その性能格差を軽減するために感情注入モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychological stress detection is an important task for mental healthcare research, but there has been little prior work investigating the effectiveness of psychological stress models on minority individuals, who are especially vulnerable to poor mental health outcomes. In this work, we use the related task of minority stress detection to evaluate the ability of psychological stress models to understand the language of sexual and gender minorities. We find that traditional psychological stress models underperform on minority stress detection, and we propose using emotion-infused models to reduce that performance disparity. We further demonstrate that multi-task psychological stress models outperform the current state-of-the-art for minority stress detection without directly training on minority stress data. We provide explanatory analysis showing that minority communities have different distributions of emotions than the general population and that emotion-infused models improve the performance of stress models on underrepresented groups because of their effectiveness in low-data environments, and we propose that integrating emotions may benefit underrepresented groups in other mental health detection tasks.
• Abstract（参考訳）: 心理的ストレス検出は、精神医療研究にとって重要な課題であるが、特に精神的な健康状態の悪化に弱い少数者に対する心理的ストレスモデルの有効性を調査する先行研究はほとんど行われていない。 本研究は,性的・性的マイノリティの言語を理解するための心理的ストレスモデルの能力を評価するために,マイノリティストレス検出のタスクを用いている。 従来の心理的ストレスモデルではマイノリティなストレス検出が不十分であることに気付き,その性能格差を軽減するために感情注入モデルを提案する。 さらに,マルチタスクの心理的ストレスモデルが,マイノリティストレスデータを直接トレーニングすることなく,マイノリティストレス検出の最先端技術を上回ることを実証する。 マイノリティ・コミュニティが一般集団と異なる感情分布を持つことを示す説明的分析を行い,低データ環境におけるストレスモデルの性能を向上させるとともに,感情統合が他のメンタルヘルス検出タスクにおいて低表現群に有益であることを示す。

関連論文リスト

• StressPrompt: Does Stress Impact Large Language Models and Human Performance Similarly? [7.573284169975824]
  本研究では,Large Language Models (LLMs) がヒトに類似したストレス応答を示すかを検討する。 我々はストレスプロンプトと呼ばれる新しいプロンプトを開発し、様々なレベルのストレスを誘発するように設計された。 この結果は、LLMが人間と同様に、Yerkes-Dodson法則と一致して、適度なストレスの下で最適に機能することを示唆している。
  論文  参考訳（メタデータ） (2024-09-14T08:32:31Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Fine-grained Speech Sentiment Analysis in Chinese Psychological Support Hotlines Based on Large-scale Pre-trained Model [12.942304409369747]
  我々は,大規模事前学習モデルを用いた否定的感情認識モデルと細粒度多ラベル分類モデルを開発した。 実験の結果, 負の感情認識モデルでは最大76.96%のF1スコアが得られることがわかった。
  論文  参考訳（メタデータ） (2024-05-07T08:53:25Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
  メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。 本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-15T14:34:16Z)
• Inducing anxiety in large language models can induce bias [47.85323153767388]
  我々は、確立された12の大規模言語モデル(LLM)に焦点を当て、精神医学でよく用いられる質問紙に答える。 以上の結果から,最新のLSMの6つが不安アンケートに強く反応し,人間に匹敵する不安スコアが得られた。 不安誘発は、LSMのスコアが不安アンケートに影響を及ぼすだけでなく、人種差別や老化などの偏見を測る以前に確立されたベンチマークにおいて、それらの行動に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-04-21T16:29:43Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
  メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。 本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。 分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
  論文  参考訳（メタデータ） (2022-08-07T02:28:32Z)
• MUSER: MUltimodal Stress Detection using Emotion Recognition as an Auxiliary Task [22.80682208862559]
  ストレスと感情は人間の感情状態であり、ストレスは感情の制御と発現に重要な影響を与えることが証明されている。 本研究では,ストレス検出を改善するための補助タスクとして,感情認識の有用性を検討する。 本稿では,高速な動的サンプリング戦略を備えたトランスフォーマーモデルアーキテクチャとマルチタスク学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-17T20:24:46Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Fooling the primate brain with minimal, targeted image manipulation [67.78919304747498]
  本稿では、行動に反映される神経活動と知覚の両方の変化をもたらす、最小限の標的画像摂動を生成するための一連の手法を提案する。 我々の研究は、敵対的攻撃、すなわち最小限のターゲットノイズによる画像の操作で同じ目標を共有し、ANNモデルに画像の誤分類を誘導する。
  論文  参考訳（メタデータ） (2020-11-11T08:30:54Z)

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。