論文の概要: Improving Emotional Support Delivery in Text-Based Community Safety Reporting Using Large Language Models
- arxiv url: http://arxiv.org/abs/2409.15706v1
- Date: Tue, 24 Sep 2024 03:47:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 09:11:12.482263
- Title: Improving Emotional Support Delivery in Text-Based Community Safety Reporting Using Large Language Models
- Title（参考訳）: 大規模言語モデルを用いたテキスト型コミュニティ安全報告における情緒的サポート提供の改善
- Authors: Yiren Liu, Yerong Li, Ryan Mayfield, Yun Huang,
- Abstract要約: 130の高等教育機関から,8,239件のインシデントに対して57,114件のメッセージを含む2年間のチャットログを分析した。
調査の結果, インシデントの種類, サービス時間, サポート時間の経時的変化など, ディスペンサーによる感情支援の有意な変化がみられた。
感情的サポートの一貫性と品質を改善するため,我々は細調整されたLarge Language Model(LLM)を開発し,実装した。
- 参考スコア（独自算出の注目度）: 4.671404390364137
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotional support is a crucial aspect of communication between community members and police dispatchers during incident reporting. However, there is a lack of understanding about how emotional support is delivered through text-based systems, especially in various non-emergency contexts. In this study, we analyzed two years of chat logs comprising 57,114 messages across 8,239 incidents from 130 higher education institutions. Our empirical findings revealed significant variations in emotional support provided by dispatchers, influenced by the type of incident, service time, and a noticeable decline in support over time across multiple organizations. To improve the consistency and quality of emotional support, we developed and implemented a fine-tuned Large Language Model (LLM), named dispatcherLLM. We evaluated dispatcherLLM by comparing its generated responses to those of human dispatchers and other off-the-shelf models using real chat messages. Additionally, we conducted a human evaluation to assess the perceived effectiveness of the support provided by dispatcherLLM. This study not only contributes new empirical understandings of emotional support in text-based dispatch systems but also demonstrates the significant potential of generative AI in improving service delivery.
- Abstract（参考訳）: 情緒的支援は、インシデントレポートにおいて、コミュニティメンバーと警察派遣者とのコミュニケーションにおいて重要な側面である。
しかし、テキストベースのシステム、特に緊急でないさまざまな状況において、感情的サポートがどのように提供されるかについての理解が欠如している。
本研究では,130の高等教育機関の8,239件を対象に,57,114件のメッセージからなる2年間のチャットログを分析した。
調査の結果, インシデントの種類, サービス時間, 複数の組織にまたがるサポート時間の顕著な減少など, ディスペンサーによる感情支援の有意な変化がみられた。
感情的サポートの一貫性と品質を改善するため,我々は細調整されたLarge Language Model(LLM)を開発し,実装した。
我々は、実際のチャットメッセージを用いて、その生成した応答を人間のディスペンサーや他の市販品モデルと比較することにより、ディスペンサーLLMを評価した。
また,ディスパッチLLMによるサポートの有効性を評価するために,人間による評価を行った。
この研究は、テキストベースのディスパッチシステムにおける感情支援に関する新たな経験的理解に寄与するだけでなく、サービス提供を改善するための生成AIの有意義な可能性も示している。
関連論文リスト
- Empathy Through Multimodality in Conversational Interfaces [1.360649555639909]
会話型健康エージェント(CHA)は、感情的なインテリジェンスを組み込むためにテキスト分析を超越するニュアンスなサポートを提供することで、医療を再定義している。
本稿では、豊かなマルチモーダル対話のためのLCMベースのCHAについて紹介する。
マルチモーダルな手がかりを解析することにより、ユーザの感情状態に順応的に解釈し、応答し、文脈的に認識され、共感的に反響する音声応答を提供する。
論文 参考訳（メタデータ） (2024-05-08T02:48:29Z) - Dynamic Demonstration Retrieval and Cognitive Understanding for Emotional Support Conversation [35.49338831485202]
ESCにおける2つの重要な課題は、文脈的関連性および共感的応答生成の促進と認知的理解の促進である。
私たちの仕事は、ESCで提供されるサポートの品質を改善するためにこれらの要素を相乗化するための新しいアプローチです。
私たちのコードは、さらなる研究と開発を促進するために、パブリックアクセスが可能です。
論文 参考訳（メタデータ） (2024-04-03T06:47:15Z) - A Unified Approach to Emotion Detection and Task-Oriented Dialogue Modeling [0.0]
ユーザ感情検出はテキストベースのタスク指向対話システムでは見過ごされがちである。
EDとTODモデリングをシームレスに統一することは相互に利益をもたらすことを示す。
論文 参考訳（メタデータ） (2024-01-24T20:17:11Z) - From Text to Self: Users' Perceptions of Potential of AI on
Interpersonal Communication and Self [18.298794560324588]
我々は1週間の日記とインタビュー調査を行い、AIMC(AI-mediated communication)ツールに対するユーザの認識を調査した。
以上の結果から,AIMCはコミュニケーション信頼度の向上などのメリットを引用して,AIMCの支持を良好に捉えていることが示唆された。
しかし、この研究は、冗長性、不自然な反応、過度の感情の強さなど、AIMCツールの現在の限界を明らかにしている。
論文 参考訳（メタデータ） (2023-10-06T02:19:10Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - A Hierarchical Regression Chain Framework for Affective Vocal Burst
Recognition [72.36055502078193]
本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。
データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。
提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
論文 参考訳（メタデータ） (2023-03-14T16:08:45Z) - Improving the Generalizability of Collaborative Dialogue Analysis with
Multi-Feature Embeddings [1.370633147306388]
本稿では,多機能埋め込み(MFeEmb)を導入し,対話シーケンスに基づいてトレーニングされた競合予測モデルの一般化性を向上させる。
MFeEmbは、語彙的、対話的、感情的な特徴を取り入れることで、対話からテキスト、構造的、意味的な情報を活用する。
本稿では、1つのタスク領域からの談話に基づいてモデルを訓練し、異なるドメインでのチームパフォーマンスを予測するドメイン適応問題に対するMFeEmbの性能を示す。
論文 参考訳（メタデータ） (2023-02-09T15:58:32Z) - PAL: Persona-Augmented Emotional Support Conversation Generation [54.069321178816686]
メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。
近年の研究では、感情支援のための対話モデルの有効性が実証されている。
本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。
論文 参考訳（メタデータ） (2022-12-19T04:12:54Z) - Fragments of the Past: Curating Peer Support with Perpetrators of
Domestic Violence [88.37416552778178]
我々は,過去フラグメントの設計と展開において,6人の支援労働者と18人の加害者とともに働いた10ヶ月の研究を報告した。
私たちは、暴力から脱却した経験をデジタルで強化された成果物、すなわち「フラグメント」を作ることが、メッセージのモチベーションと仲間間のラッピングをいかに翻訳するかを共有します。
これらの知見は、挑戦的な人口を持つ将来のネットワーク設計の実践的考察の基礎となる。
論文 参考訳（メタデータ） (2021-07-09T22:57:43Z) - Towards Emotional Support Dialog Systems [61.58828606097423]
本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。
本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。
情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
論文 参考訳（メタデータ） (2021-06-02T13:30:43Z) - Learning to Communicate and Correct Pose Errors [75.03747122616605]
本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。
本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-10T18:19:40Z)
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。