論文の概要: Leveraging Large Language Models to Analyze Emotional and Contextual Drivers of Teen Substance Use in Online Discussions

• arxiv url: http://arxiv.org/abs/2501.14037v1
• Date: Thu, 23 Jan 2025 19:06:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-27 14:57:19.487777
• Title: Leveraging Large Language Models to Analyze Emotional and Contextual Drivers of Teen Substance Use in Online Discussions
• Title（参考訳）: オンライン討論における大規模言語モデルの活用によるティーン・サブスタンス利用の感情的・文脈的要因の分析
• Authors: Jianfeng Zhu, Ruoming Jin, Hailong Jiang, Yulan Wang, Xinyu Zhang, Karin G. Coifman,
• Abstract要約: ソーシャルメディアは青年期の自己表現にレンズを提供するが、感情的・文脈的な信号の解釈は複雑である。 本研究では,青年期のソーシャルメディア投稿の分析にLarge Language Models (LLMs)を適用した。 ヒートマップと機械学習は、物質使用関連ポストの重要な予測因子を特定した。
• 参考スコア（独自算出の注目度）: 11.25011285760098
• License:
• Abstract: Adolescence is a critical stage often linked to risky behaviors, including substance use, with significant developmental and public health implications. Social media provides a lens into adolescent self-expression, but interpreting emotional and contextual signals remains complex. This study applies Large Language Models (LLMs) to analyze adolescents' social media posts, uncovering emotional patterns (e.g., sadness, guilt, fear, joy) and contextual factors (e.g., family, peers, school) related to substance use. Heatmap and machine learning analyses identified key predictors of substance use-related posts. Negative emotions like sadness and guilt were significantly more frequent in substance use contexts, with guilt acting as a protective factor, while shame and peer influence heightened substance use risk. Joy was more common in non-substance use discussions. Peer influence correlated strongly with sadness, fear, and disgust, while family and school environments aligned with non-substance use. Findings underscore the importance of addressing emotional vulnerabilities and contextual influences, suggesting that collaborative interventions involving families, schools, and communities can reduce risk factors and foster healthier adolescent development.
• Abstract（参考訳）: 青年期は、しばしば物質使用を含む危険な行動に結びつく重要な段階であり、発達と公衆衛生に重大な影響を及ぼす。 ソーシャルメディアは青年期の自己表現にレンズを提供するが、感情的・文脈的な信号の解釈は複雑である。 本研究では,青年期のソーシャルメディア投稿を分析し,情緒的パターン(例えば,悲しみ,罪悪感,恐怖,喜び)と文脈的要因(例えば,家族,仲間,学校)を明らかにする。 ヒートマップと機械学習は、物質使用関連ポストの重要な予測因子を特定した。 悲しみや罪悪感といった否定的な感情は、物質使用の文脈において著しく多く、罪悪感は保護要因として機能し、恥とピアの影響により物質使用リスクが上昇した。 ジョイは非物質使用に関する議論で一般的だった。 ピアの影響は悲しみ、恐怖、嫌悪と強く相関し、家族や学校環境は非物質的使用と一致した。 発見は、感情的な脆弱性と文脈的影響に対処することの重要性を強調しており、家族、学校、コミュニティの協力的介入がリスク要因を減らし、より健康な青年の発達を育むことを示唆している。

関連論文リスト

• Context is Important in Depressive Language: A Study of the Interaction Between the Sentiments and Linguistic Markers in Reddit Discussions [2.6571678272335717]
  本研究では,抑うつにおける言語マーカーと感情表現の文脈としての議論トピックの影響について検討した。 我々の感情分析では、抑うつ者の感情の強さは、コントロールよりも否定的感情と肯定的感情の両方が高いことが判明した。
  論文  参考訳（メタデータ） (2024-05-28T11:19:39Z)
• The Psychosocial Impacts of Generative AI Harms [0.33748750222488655]
  生成言語モデル(LM)は、K-20の学校と1対1の学生設定で採用されつつある。 本稿では,オープン・エンド・プロンプトへの反応として,5つの主要な物語が生み出す心理社会的害について考察する。
  論文  参考訳（メタデータ） (2024-05-02T21:21:06Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• Mental Health Coping Stories on Social Media: A Causal-Inference Study of Papageno Effect [8.962128900404554]
  パパジェノ効果は、メディアが自殺の考えや行動の予防と緩和に肯定的な役割を担えるかに関するものである。 Twitter上でのメンタルヘルス対応ストーリーへの露出が個人に与える影響について検討した。 以上の結果から, 物語に対処することでストレスや抑うつが減少し, 表現力, 多様性, 相互作用性が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-02-20T10:25:28Z)
• Affective Idiosyncratic Responses to Music [63.969810774018775]
  本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。 我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
  論文  参考訳（メタデータ） (2022-10-17T19:57:46Z)
• Transition to Adulthood for Young People with Intellectual or Developmental Disabilities: Emotion Detection and Topic Modeling [17.58173792124059]
  本研究では、自然言語処理(NLP)手法を用いて、心理学者が感情や感情を分析するのを支援する方法について検討する。 成人期への移行期であるIDDを欠いた若年者と比較した。
  論文  参考訳（メタデータ） (2022-09-21T16:23:45Z)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• 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)
• Identifying pandemic-related stress factors from social-media posts -- effects on students and young-adults [2.198430261120653]
  新型コロナウイルス(COVID-19)のパンデミックにより、世界中で自然の生命が失われている。 原因となるウイルスの拡散を抑制するため、厳格な対策が実施され、最も効果的なのは社会的孤立である。 このことが社会全体に広範に広まり、抑うつをもたらしたが、若年層や高齢者の間では顕著である。
  論文  参考訳（メタデータ） (2020-12-01T08:42:27Z)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。