論文の概要: MindScape Study: Integrating LLM and Behavioral Sensing for Personalized AI-Driven Journaling Experiences
- arxiv url: http://arxiv.org/abs/2409.09570v1
- Date: Sun, 15 Sep 2024 01:10:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 20:17:37.520635
- Title: MindScape Study: Integrating LLM and Behavioral Sensing for Personalized AI-Driven Journaling Experiences
- Title（参考訳）: MindScape Study:パーソナライズされたAI駆動ジャーナリング体験のためのLCMと行動センシングの統合
- Authors: Subigya Nepal, Arvind Pillai, William Campbell, Talie Massachi, Michael V. Heinz, Ashmita Kunwar, Eunsol Soul Choi, Orson Xu, Joanna Kuc, Jeremy Huckins, Jason Holden, Sarah M. Preum, Colin Depp, Nicholas Jacobson, Mary Czerwinski, Eric Granholm, Andrew T. Campbell,
- Abstract要約: MindScapeは受動的に収集された行動パターンを統合することで、AIによるジャーナリングの新しいアプローチを開拓した。
この統合は、高度にパーソナライズされ、コンテキスト対応のジャーナリングエクスペリエンスを生み出します。
大学生20名を対象に8週間の探索的研究を行い,MindScapeアプリの有効性を実証した。
- 参考スコア（独自算出の注目度）: 6.120545056775202
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mental health concerns are prevalent among college students, highlighting the need for effective interventions that promote self-awareness and holistic well-being. MindScape pioneers a novel approach to AI-powered journaling by integrating passively collected behavioral patterns such as conversational engagement, sleep, and location with Large Language Models (LLMs). This integration creates a highly personalized and context-aware journaling experience, enhancing self-awareness and well-being by embedding behavioral intelligence into AI. We present an 8-week exploratory study with 20 college students, demonstrating the MindScape app's efficacy in enhancing positive affect (7%), reducing negative affect (11%), loneliness (6%), and anxiety and depression, with a significant week-over-week decrease in PHQ-4 scores (-0.25 coefficient), alongside improvements in mindfulness (7%) and self-reflection (6%). The study highlights the advantages of contextual AI journaling, with participants particularly appreciating the tailored prompts and insights provided by the MindScape app. Our analysis also includes a comparison of responses to AI-driven contextual versus generic prompts, participant feedback insights, and proposed strategies for leveraging contextual AI journaling to improve well-being on college campuses. By showcasing the potential of contextual AI journaling to support mental health, we provide a foundation for further investigation into the effects of contextual AI journaling on mental health and well-being.
- Abstract（参考訳）: 大学生のメンタルヘルスに対する懸念は、自己認識と全体的幸福を促進する効果的な介入の必要性を浮き彫りにしている。
MindScapeは、会話のエンゲージメント、睡眠、位置といった受動的に収集された行動パターンをLarge Language Models (LLM)と統合することで、AIによるジャーナリングに新たなアプローチを開拓した。
この統合は、高度にパーソナライズされたコンテキスト対応のジャーナリングエクスペリエンスを生成し、行動知性をAIに組み込むことによって、自己認識と幸福を高める。
20名の大学生を対象に8週間の探索的研究を行い、マインドスケープアプリの有効性を実証し、負の感情(7%)、負の感情(11%)、孤独(6%)、不安と抑うつを減らし、週毎のPHQ-4スコア(-0.25係数)を減少させ、マインドフルネス(7%)、自己反射(6%)を改善させた。
この研究は、AIジャーナリングの利点を強調しており、参加者は特にMindScapeアプリが提供する、カスタマイズされたプロンプトと洞察を理解している。
私たちの分析には、AI駆動型コンテキストとジェネリックプロンプトに対する反応の比較、参加者からのフィードバックの洞察、コンテキストAIジャーナリングを活用して大学のキャンパスでの幸福感を改善するための提案された戦略も含まれている。
文脈AIジャーナリングがメンタルヘルスをサポートする可能性を示すことによって、文脈AIジャーナリングがメンタルヘルスと幸福に与える影響についてさらなる調査を行う基盤を提供する。
関連論文リスト
- Quantifying AI Psychology: A Psychometrics Benchmark for Large Language Models [57.518784855080334]
大きな言語モデル(LLM)は例外的なタスク解決能力を示しており、人間に似た役割を担っている。
本稿では,LLMにおける心理学的次元を調査するための枠組みとして,心理学的識別,評価データセットのキュレーション,結果検証による評価について述べる。
本研究では,個性,価値観,感情,心の理論,モチベーション,知性の6つの心理学的側面を網羅した総合的心理測定ベンチマークを導入する。
論文 参考訳（メタデータ） (2024-06-25T16:09:08Z) - AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts [27.240795549935463]
ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。
我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。
本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-04-17T14:55:27Z) - Contextual AI Journaling: Integrating LLM and Time Series Behavioral Sensing Technology to Promote Self-Reflection and Well-being using the MindScape App [6.479200977503295]
MindScapeは、時系列の行動パターンをLarge Language Models (LLMs)と統合することの利点を研究することを目的としている。
我々は、LLMと行動センシングを用いて、自己回帰と感情発達を促進するために作られた、コンテキスト的かつパーソナライズされたジャーナリングプロンプトを生成するMindScapeコンテキストジャーナル「App Design」について論じる。
論文 参考訳（メタデータ） (2024-03-30T23:01:34Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - 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) - MindShift: Leveraging Large Language Models for Mental-States-Based
Problematic Smartphone Use Intervention [34.21508978116272]
問題のあるスマートフォンの使用は、身体的および精神的な健康に悪影響を及ぼす。
先行研究の幅広い範囲にもかかわらず、既存の説得技術は動的説得内容を提供するのに十分な柔軟性を持っていない。
我々は,大規模言語モデル(LLM)を利用して,効果的な説得コンテンツの自動生成と動的生成を実現した。
我々は,新しいLLMを利用したスマートフォン利用介入技術であるMindShiftを開発した。
論文 参考訳（メタデータ） (2023-09-28T17:49:03Z) - 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) - 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) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳（メタデータ） (2022-10-24T14:58:58Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - Human-AI Collaboration Enables More Empathic Conversations in Text-based
Peer-to-Peer Mental Health Support [10.743204843534512]
AI-in-the-loopエージェントであるHayleyを開発した。このエージェントは、サポートを提供する参加者(ピアサポーター)が助けを求める参加者(フォスター支援者)に対して共感的に反応するのを助けるために、ジャスト・イン・タイムフィードバックを提供する。
我々の人間とAIのコラボレーションアプローチは、ピア間での会話の共感を19.60%増加させます。
支援の難しさを自認するピアサポーターのサブサンプルでは,38.88%の共感が増大している。
論文 参考訳（メタデータ） (2022-03-28T23:37:08Z)
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。