論文の概要: EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations
- arxiv url: http://arxiv.org/abs/2406.16478v1
- Date: Mon, 24 Jun 2024 09:32:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-25 15:33:48.929614
- Title: EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations
- Title（参考訳）: EMMI -- Empathic Multimodal Motivational Interviews Dataset: Analyses and Annotations
- Authors: Lucie Galland, Catherine Pelachaud, Florian Pecune,
- Abstract要約: 本研究の目的は、セラピストが治療の課題目標(モチベーション・インタビューの古典的なステップ)と社会的目標(信頼関係の構築と共感の表現)をいかにうまく融合させるかを明らかにすることである。
本稿では,シミュレートされたモチベーションインタビュー会話からなるコーパスのマルチモーダルアノテーションを提案する。
我々はこれらのアノテーションを分析し,社会的・共感的行動を強調したモチベーションインタビューを行う仮想エージェントを開発するための機能的振る舞いを特徴付ける。
- 参考スコア（独自算出の注目度）: 0.7499722271664147
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The study of multimodal interaction in therapy can yield a comprehensive understanding of therapist and patient behavior that can be used to develop a multimodal virtual agent supporting therapy. This investigation aims to uncover how therapists skillfully blend therapy's task goal (employing classical steps of Motivational Interviewing) with the social goal (building a trusting relationship and expressing empathy). Furthermore, we seek to categorize patients into various ``types'' requiring tailored therapeutic approaches. To this intent, we present multimodal annotations of a corpus consisting of simulated motivational interviewing conversations, wherein actors portray the roles of patients and therapists. We introduce EMMI, composed of two publicly available MI corpora, AnnoMI and the Motivational Interviewing Dataset, for which we add multimodal annotations. We analyze these annotations to characterize functional behavior for developing a virtual agent performing motivational interviews emphasizing social and empathic behaviors. Our analysis found three clusters of patients expressing significant differences in behavior and adaptation of the therapist's behavior to those types. This shows the importance of a therapist being able to adapt their behavior depending on the current situation within the dialog and the type of user.
- Abstract（参考訳）: 治療におけるマルチモーダル相互作用の研究は、治療を支援するマルチモーダルバーチャルエージェントの開発に使用できるセラピストと患者行動の包括的理解をもたらす可能性がある。
本研究の目的は、セラピストが治療の課題目標(モチベーション・インタビューの古典的なステップを実践)と社会的目標(信頼関係の構築と共感の表現)をいかにうまく融合させるかを明らかにすることである。
さらに, 患者を様々な「タイプ」に分類し, 治療的アプローチの仕方も検討した。
本目的は,シミュレートされたモチベーションインタビュー会話からなるコーパスのマルチモーダルアノテーションで,アクターが患者とセラピストの役割を描写することである。
我々は、公開されている2つのMIコーパスであるAnnoMIとMotivational Interviewing DatasetからなるEMMIを紹介し、マルチモーダルアノテーションを追加します。
我々はこれらのアノテーションを分析し,社会的・共感的行動を強調したモチベーションインタビューを行う仮想エージェントを開発するための機能的振る舞いを特徴付ける。
分析の結果,治療者の行動に有意な差異を呈し,治療者の行動に適応する3つの患者群が認められた。
このことは、ダイアログの現在の状況やユーザの種類に応じて、セラピストが行動に適応できることの重要性を示している。
関連論文リスト
- Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。
本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。
大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
論文 参考訳（メタデータ） (2024-09-13T18:28:12Z) - 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) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z) - Chain-of-Interaction: Enhancing Large Language Models for Psychiatric Behavior Understanding by Dyadic Contexts [4.403408362362806]
本稿では,対話型対話による精神科的意思決定支援のための大規模言語モデルを文脈化するための,対話型連鎖促進手法を提案する。
このアプローチにより、大規模言語モデルでは、患者の行動コーディングのためのコーディングスキーム、患者の状態、およびドメイン知識を活用することができる。
論文 参考訳（メタデータ） (2024-03-20T17:47:49Z) - COMPASS: Computational Mapping of Patient-Therapist Alliance Strategies with Language Modeling [14.04866656172336]
心理療法セッションで使用される自然言語から治療作業同盟を推定するための新しい枠組みを提案する。
提案手法は,高度大規模言語モデル(LLM)を用いて心理療法セッションの転写を解析し,それらをワーキングアライアンスインベントリにおけるステートメントの分散表現と比較する。
論文 参考訳（メタデータ） (2024-02-22T16:56:44Z) - AntEval: Evaluation of Social Interaction Competencies in LLM-Driven
Agents [65.16893197330589]
大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。
しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。
本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
論文 参考訳（メタデータ） (2024-01-12T11:18:00Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Local dynamic mode of Cognitive Behavioral Therapy [32.794122567880486]
本研究は認知行動療法(CBT)における自動心理療法士の評価領域にこれらの手法を適用した。
提案手法は,会話の短いウィンドウから局所的動的モードを抽出し,観測されたダイナミクスとCBT能力の相関関係を学習する。
論文 参考訳（メタデータ） (2022-04-28T15:03:35Z) - Towards Detecting Need for Empathetic Response in Motivational
Interviewing [4.22959337047619]
セラピストからの共感的反応は、臨床心理療法の成功の鍵となる。
本稿では,共感を必要とするクライアントをターンレベルに検出する新しいタスクを提案する。
論文 参考訳（メタデータ） (2021-05-20T10:28:46Z) - Automated Quality Assessment of Cognitive Behavioral Therapy Sessions
Through Highly Contextualized Language Representations [34.670548892766625]
認知行動療法(Cognitive Behavioral Therapy, CBT)という,特定の心理療法の行動自動スコアリングモデルを提案する。
このモデルは高い解釈可能性を達成するためにマルチタスクで訓練される。
BERTベースの表現は、利用可能な治療メタデータでさらに拡張され、関連する非言語的コンテキストを提供し、一貫したパフォーマンス改善につながります。
論文 参考訳（メタデータ） (2021-02-23T09:22:29Z) - Pose-based Body Language Recognition for Emotion and Psychiatric Symptom
Interpretation [75.3147962600095]
通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。
心理学者との連携により,精神症状予測の枠組みを拡張した。
提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
論文 参考訳（メタデータ） (2020-10-30T18:45:16Z)
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。