論文の概要: IMBUE: Improving Interpersonal Effectiveness through Simulation and Just-in-time Feedback with Human-Language Model Interaction

• arxiv url: http://arxiv.org/abs/2402.12556v1
• Date: Mon, 19 Feb 2024 21:31:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 17:59:35.625999
• Title: IMBUE: Improving Interpersonal Effectiveness through Simulation and Just-in-time Feedback with Human-Language Model Interaction
• Title（参考訳）: IMBUE:人間-言語モデル相互作用によるシミュレーションとジャストインタイムフィードバックによる対人効果の改善
• Authors: Inna Wanyin Lin, Ashish Sharma, Christopher Michael Rytting, Adam S. Miner, Jina Suh, Tim Althoff
• Abstract要約: IMBUEは,専門家のフィードバックと25%近いフィードバックを提供する対話型トレーニングシステムである。 IMBUEのシミュレーションのみの変異は、参加者の自己効力感を著しく改善し、ネガティブな感情を減少させる。
• 参考スコア（独自算出の注目度）: 12.5772157644442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Navigating certain communication situations can be challenging due to individuals' lack of skills and the interference of strong emotions. However, effective learning opportunities are rarely accessible. In this work, we conduct a human-centered study that uses language models to simulate bespoke communication training and provide just-in-time feedback to support the practice and learning of interpersonal effectiveness skills. We apply the interpersonal effectiveness framework from Dialectical Behavioral Therapy (DBT), DEAR MAN, which focuses on both conversational and emotional skills. We present IMBUE, an interactive training system that provides feedback 25% more similar to experts' feedback, compared to that generated by GPT-4. IMBUE is the first to focus on communication skills and emotion management simultaneously, incorporate experts' domain knowledge in providing feedback, and be grounded in psychology theory. Through a randomized trial of 86 participants, we find that IMBUE's simulation-only variant significantly improves participants' self-efficacy (up to 17%) and reduces negative emotions (up to 25%). With IMBUE's additional just-in-time feedback, participants demonstrate 17% improvement in skill mastery, along with greater enhancements in self-efficacy (27% more) and reduction of negative emotions (16% more) compared to simulation-only. The improvement in skill mastery is the only measure that is transferred to new and more difficult situations; situation specific training is necessary for improving self-efficacy and emotion reduction.
• Abstract（参考訳）: 個人のスキルの欠如や強い感情の干渉により、特定のコミュニケーション状況のナビゲートは困難である。 しかし、効果的な学習機会はめったにない。 本研究では,言語モデルを用いてコミュニケーション訓練をシミュレートし,対人力の実践と学習を支援するためのジャスト・イン・タイムフィードバックを提供する。 我々は,会話的スキルと感情的スキルの両方に焦点を当てた,弁証的行動療法(dbt)の対人的有効性フレームワークを応用した。 我々は,専門家のフィードバックに25%近いフィードバックを提供する対話型トレーニングシステム IMBUE について,GPT-4 で生成されたものと比較した。 IMBUEは、コミュニケーションスキルと感情管理を同時に重視し、フィードバックの提供に専門家のドメイン知識を取り入れ、心理学理論に基礎を置いている。 86人の被験者によるランダム化試験により、IMBUEのシミュレーションのみの変異は、参加者の自己効力(最大17%)を著しく改善し、負の感情(最大25%)を減少させることがわかった。 IMBUEのさらなるジャスト・イン・タイムフィードバックでは、参加者はスキルの熟達度が17%向上し、自己効力(27%増)とネガティブ感情(16%増)がシミュレーションのみと比較して向上した。 スキル習得の改善は、新しい、より困難な状況に移行する唯一の手段であり、自己効力と感情の低下を改善するためには、状況特異的なトレーニングが必要である。

関連論文リスト

• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• 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)
• Real-time Addressee Estimation: Deployment of a Deep-Learning Model on the iCub Robot [52.277579221741746]
  住所推定は、社会ロボットが人間とスムーズに対話するために必要なスキルである。 人間の知覚スキルにインスパイアされたディープラーニングモデルは、iCubロボットに設計、訓練、デプロイされる。 本研究では,人間-ロボットのリアルタイムインタラクションにおいて,そのような実装の手順とモデルの性能について述べる。
  論文  参考訳（メタデータ） (2023-11-09T13:01:21Z)
• Facilitating Self-Guided Mental Health Interventions Through Human-Language Model Interaction: A Case Study of Cognitive Restructuring [8.806947407907137]
  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。
  論文  参考訳（メタデータ） (2023-10-24T02:23:34Z)
• Progressively Efficient Learning [58.6490456517954]
  我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
  論文  参考訳（メタデータ） (2023-10-13T07:52:04Z)
• Large Language Models Understand and Can be Enhanced by Emotional Stimuli [53.53886609012119]
  我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。 実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。 EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-07-14T00:57:12Z)
• Estimating Presentation Competence using Multimodal Nonverbal Behavioral Cues [7.340483819263093]
  社会的相互作用の多くの領域において、公的な講演やプレゼンテーション能力が重要な役割を担っている。 プレゼンテーション能力の効率的な開発を促進する1つのアプローチは、スピーチ中の人間の行動の自動分析である。 本研究では, 表情, ポーズベース, 音声関連機能など, さまざまな非言語行動手がかりの提示能力評価への寄与について検討する。
  論文  参考訳（メタデータ） (2021-05-06T13:09:41Z)
• Reinforcement Learning for Emotional Text-to-Speech Synthesis with Improved Emotion Discriminability [82.39099867188547]
  感情的テキスト音声合成(ETTS)は近年大きく進歩している。 i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。 i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
  論文  参考訳（メタデータ） (2021-04-03T13:52:47Z)
• 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。