論文の概要: Deconstructing Depression Stigma: Integrating AI-driven Data Collection and Analysis with Causal Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2502.06075v1
- Date: Sun, 09 Feb 2025 23:58:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:35:45.544032
- Title: Deconstructing Depression Stigma: Integrating AI-driven Data Collection and Analysis with Causal Knowledge Graphs
- Title（参考訳）: Deconstructing Depression Stigma: AI駆動のデータ収集と分析と因果知識グラフの統合
- Authors: Han Meng, Renwen Zhang, Ganyi Wang, Yitian Yang, Peinuan Qin, Jungup Lee, Yi-Chieh Lee,
- Abstract要約: 精神病性スティグマは、治療と回復の両方を妨げる、永続的な社会問題である。
本稿では,大規模言語モデル (LLM) と因果知識グラフを組み合わせた新しい手法が,個々の応答のパターンを明らかにした。
また、デジタル介入の発展、人間の心理的構成の分解、包括的態度の育成に対するこれらの知見の影響についても論じている。
- 参考スコア（独自算出の注目度）: 6.496064838534912
- License:
- Abstract: Mental-illness stigma is a persistent social problem, hampering both treatment-seeking and recovery. Accordingly, there is a pressing need to understand it more clearly, but analyzing the relevant data is highly labor-intensive. Therefore, we designed a chatbot to engage participants in conversations; coded those conversations qualitatively with AI assistance; and, based on those coding results, built causal knowledge graphs to decode stigma. The results we obtained from 1,002 participants demonstrate that conversation with our chatbot can elicit rich information about people's attitudes toward depression, while our AI-assisted coding was strongly consistent with human-expert coding. Our novel approach combining large language models (LLMs) and causal knowledge graphs uncovered patterns in individual responses and illustrated the interrelationships of psychological constructs in the dataset as a whole. The paper also discusses these findings' implications for HCI researchers in developing digital interventions, decomposing human psychological constructs, and fostering inclusive attitudes.
- Abstract（参考訳）: 精神病性スティグマは、治療と回復の両方を妨げる、永続的な社会問題である。
したがって、より明確に理解する必要があるが、関連するデータを分析することは、非常に労働集約的である。
そこで我々は,会話に参加するためのチャットボットを設計し,その会話をAI支援と定性的にコーディングし,そのコーディング結果に基づいて,スティグマを復号するための因果知識グラフを構築した。
1,002人の参加者から得られた結果から、チャットボットと会話することで、抑うつに対する人々の態度に関する豊富な情報を導き出すことができた。
大規模言語モデル(LLM)と因果知識グラフを組み合わせた新しいアプローチは,個々の応答のパターンを明らかにし,データセット全体における心理的構成要素の相互関係を明らかにした。
また,HCI研究者がデジタル介入を開発し,人間の心理的構成を分解し,包括的態度を育む上で,これらの知見が与える意味についても論じる。
関連論文リスト
- Heterogeneous Subgraph Network with Prompt Learning for Interpretable Depression Detection on Social Media [5.570905441172371]
ソーシャルメディアにおける早期うつ病検出に関する既存の研究は、解釈可能性に欠けていた。
本稿では,プロンプト学習を用いた異種サブグラフネットワークを利用した新しい手法を提案する。
提案手法はソーシャルメディア上での抑うつ検出の最先端手法を著しく上回っている。
論文 参考訳（メタデータ） (2024-07-12T06:20:59Z) - Empowering machine learning models with contextual knowledge for
enhancing the detection of eating disorders in social media posts [1.0423569489053137]
本稿では,知識グラフと深層学習を組み合わせてソーシャルメディア投稿の分類を強化する新しいハイブリッドアプローチを提案する。
我々は、健康領域、特に摂食障害に関連するポストを特定することに重点を置いている。
我々は,摂食障害に関する2000ツイートのデータセットを用いて,知識グラフ情報と単語埋め込みを組み合わせることで,予測モデルの信頼性が向上することを確認した。
論文 参考訳（メタデータ） (2024-02-08T10:15:41Z) - From Classification to Clinical Insights: Towards Analyzing and Reasoning About Mobile and Behavioral Health Data With Large Language Models [21.427976533706737]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳（メタデータ） (2023-11-21T23:53:27Z) - Towards Mitigating Hallucination in Large Language Models via
Self-Reflection [63.2543947174318]
大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。
本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
論文 参考訳（メタデータ） (2023-10-10T03:05:44Z) - AutoConv: Automatically Generating Information-seeking Conversations
with Large Language Models [74.10293412011455]
合成会話生成のためのAutoConvを提案する。
具体的には,会話生成問題を言語モデリングタスクとして定式化する。
我々は、情報探索プロセスの特徴を捉えるために、人間同士の会話でLLMを微調整する。
論文 参考訳（メタデータ） (2023-08-12T08:52:40Z) - An Annotated Dataset for Explainable Interpersonal Risk Factors of
Mental Disturbance in Social Media Posts [0.0]
ソーシャルメディア上での精神障害に影響を及ぼす人為的リスクファクター(IRF)の分類と説明を伴う注釈付きデータセットの構築とリリースを行う。
我々は,TBeとPBuのパターンをユーザの歴史的ソーシャルメディアプロファイルの感情スペクトルで検出することにより,将来的な研究方向のベースラインモデルを構築し,リアルタイムなパーソナライズされたAIモデルを開発する。
論文 参考訳（メタデータ） (2023-05-30T04:08:40Z) - NLP as a Lens for Causal Analysis and Perception Mining to Infer Mental
Health on Social Media [10.342474142256842]
我々は、臨床心理学の実践とパーソナライズされた精神医療に最適な影響を与えるために、より簡潔で説明可能な研究が必要であると論じる。
自然言語処理(NLP)の範囲内では,因果解析と知覚マイニングに関連する重要な調査領域を探索する。
我々は、言語レンズを通して計算心理学の問題をモデル化するための、より説明可能なアプローチを提唱する。
論文 参考訳（メタデータ） (2023-01-26T09:26:01Z) - 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) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳（メタデータ） (2021-06-10T07:10:25Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。