論文の概要: Predicting Preschoolers' Externalizing Problems with Mother-Child Interaction Dynamics and Deep Learning

• arxiv url: http://arxiv.org/abs/2501.00065v1
• Date: Sun, 29 Dec 2024 14:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-05 17:16:18.994767
• Title: Predicting Preschoolers' Externalizing Problems with Mother-Child Interaction Dynamics and Deep Learning
• Title（参考訳）: 母子間相互作用のダイナミクスと深層学習による幼児の外部化問題予測
• Authors: Xi Chen, Yu Ji, Cong Xia, Wen Wu,
• Abstract要約: これまでの研究では、母親が子どもの抑うつに反応して支援を行うのが、子どもの外部化問題のレベルが低かったことが示されている。 本研究は,母子間相互作用のダイナミクスを用いて,子どもの外部化問題の予測精度を評価・改善することを目的とする。
• 参考スコア（独自算出の注目度）: 7.323141824828041
• License:
• Abstract: Objective: Predicting children's future levels of externalizing problems helps to identify children at risk and guide targeted prevention. Existing studies have shown that mothers providing support in response to children's dysregulation was associated with children's lower levels of externalizing problems. The current study aims to evaluate and improve the accuracy of predicting children's externalizing problems with mother-child interaction dynamics. Method: This study used mother-child interaction dynamics during a challenging puzzle task to predict children's externalizing problems six months later (N=101, 46 boys, Mage=57.41 months, SD=6.58). Performance of the Residual Dynamic Structural Equation Model (RDSEM) was compared with the Attention-based Sequential Behavior Interaction Modeling (ASBIM) model, developed using the deep learning techniques. Results: The RDSEM revealed that children whose mothers provided more autonomy support after increases of child defeat had lower levels of externalizing problems. Five-fold cross-validation showed that the RDSEM had good prediction accuracy. The ASBIM model further improved prediction accuracy, especially after including child inhibitory control as a personalized individual feature. Conclusions: The dynamic process of mother-child interaction provides important information for predicting children's externalizing problems, especially maternal autonomy supportive response to child defeat. The deep learning model is a useful tool to further improve prediction accuracy.
• Abstract（参考訳）: 目的: 子どもの将来の外部化問題のレベルを予測することは、リスクのある子どもを識別し、標的とする予防を導くのに役立つ。 これまでの研究では、母親が子どもの抑うつに反応して支援を行うのが、子どもの外部化問題のレベルが低かったことが示されている。 本研究は,母子間相互作用のダイナミクスを用いて,子どもの外部化問題の予測精度を評価・改善することを目的とする。 方法: 難解なパズル作業中に母子間相互作用のダイナミクスを用いて, 6か月後に子どもの外部化問題を予測した(N=101, 46人, Mage=57.41ヶ月, SD=6.58)。 本研究では,Residual Dynamic Structure Equation Model (RDSEM) とAttention-based Sequential Behavior Interaction Modeling (ASBIM) モデルとの比較を行った。 結果: RDSEMでは,母親が子どもの敗北後の自立支援に寄与した子どもは,外因性障害のレベルが低かった。 5倍のクロスバリデーションの結果, RDSEMの予測精度は良好であった。 ASBIMモデルは、特に個別の特徴として児童抑制制御を取り入れた後に、予測精度をさらに向上させた。 結論:母子間相互作用の動的なプロセスは、子どもの外部化問題を予測するための重要な情報を提供する。 ディープラーニングモデルは、予測精度をさらに向上するために有用なツールである。

関連論文リスト

• Enhancing Autism Spectrum Disorder Early Detection with the Parent-Child Dyads Block-Play Protocol and an Attention-enhanced GCN-xLSTM Hybrid Deep Learning Framework [6.785167067600156]
  本研究は,ASDと発達幼児を区別する行動パターンを識別するための,親子ダイズブロックプレイ(PCB)プロトコルを提案する。 40人のASDと89人のTD幼児が親とのブロックプレイに従事している。 このデータセットは、参加者の規模と個々のセッションの長さの両方に関する以前の取り組みを上回る。
  論文  参考訳（メタデータ） (2024-08-29T21:53:01Z)
• Challenges in Video-Based Infant Action Recognition: A Critical Examination of the State of the Art [9.327466428403916]
  InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。 近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。 以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
  論文  参考訳（メタデータ） (2023-11-21T02:36:47Z)
• Toward Improving Predictive Risk Modelling for New Zealand's Child Welfare System Using Clustering Methods [0.0]
  本研究の目的は,児童虐待の予測リスクモデル開発における早期段階として,クラスタリングの度合いを明らかにすることである。 以上の結果から, ある年齢の子供に対して, 誤差率のさらなる制御とモデル精度の向上のために, 個別のモデルを開発する必要がある可能性が示唆された。
  論文  参考訳（メタデータ） (2023-08-08T05:46:03Z)
• Clever Hans or Neural Theory of Mind? Stress Testing Social Reasoning in Large Language Models [82.50173296858377]
  多くの逸話例は、ChatGPTやGPT-4のような新しい大規模言語モデル(LLM)が、N-ToM(Neural Theory-of-Mind)を示すことを示唆するために使用された。 我々は,LLMsのN-ToMの範囲を6つのタスクに対して広範囲に評価することにより検討し,LLMsが特定のN-ToM能力を示す一方で,この挙動は堅牢性には程遠いことを見出した。
  論文  参考訳（メタデータ） (2023-05-24T06:14:31Z)
• Predicting Adverse Neonatal Outcomes for Preterm Neonates with Multi-Task Learning [51.487856868285995]
  われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。 特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
  論文  参考訳（メタデータ） (2023-03-28T00:44:06Z)
• Towards early prediction of neurodevelopmental disorders: Computational model for Face Touch and Self-adaptors in Infants [0.0]
  乳児の運動を評価することは、発達障害の発症リスクを理解する鍵となる。 心理学における以前の研究は、赤ちゃんの顔の触覚などの特定の動きやジェスチャーを測定することは、赤ちゃんが自分自身とその文脈をどのように理解しているかを分析するのに不可欠であることを示した。 本研究は,乳幼児の動作やジェスチャーを追跡することによって,映像記録から顔の触覚を検出する,最初の自動アプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-07T18:08:43Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Vision-Based Activity Recognition in Children with Autism-Related Behaviors [15.915410623440874]
  臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。 データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。 時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
  論文  参考訳（メタデータ） (2022-08-08T15:12:27Z)
• Improving Adversarial Robustness via Mutual Information Estimation [144.33170440878519]
  ディープニューラルネットワーク(DNN)は、敵の雑音に弱い。 本稿では,情報理論の観点から,対象モデルの出力と入力対向サンプルの依存性について検討する。 本稿では,自然MIの最大化と,学習過程における敵MIの最小化により,敵ロバスト性を高めることを提案する。
  論文  参考訳（メタデータ） (2022-07-25T13:45:11Z)
• Clinical Risk Prediction with Temporal Probabilistic Asymmetric Multi-Task Learning [80.66108902283388]
  マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。 既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。 特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-23T06:01:36Z)
• Cost-effective Interactive Attention Learning with Neural Attention Processes [79.8115563067513]
  対話型注意学習(Interactive Attention Learning, IAL)と呼ばれる対話型学習フレームワークを提案する。 IALは、人間のアノテーションが不足しているため、過度に適合する傾向がある。 我々は,サンプル効率のよい注意機構と,コスト効率のよいインスタンスと機能の再ランクアルゴリズムを提案することで,これらの課題に対処する。
  論文  参考訳（メタデータ） (2020-06-09T17:36:41Z)

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。