論文の概要: Wearable Meets LLM for Stress Management: A Duoethnographic Study Integrating Wearable-Triggered Stressors and LLM Chatbots for Personalized Interventions

• arxiv url: http://arxiv.org/abs/2502.17650v1
• Date: Mon, 24 Feb 2025 20:56:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:21:36.878651
• Title: Wearable Meets LLM for Stress Management: A Duoethnographic Study Integrating Wearable-Triggered Stressors and LLM Chatbots for Personalized Interventions
• Title（参考訳）: Wearable Meets LLM for Stress Management:Douoethnography Study using Wearable-Triggered Stressors and LLM Chatbots for Personalized Interventions (特集:「ストレスマネジメント」)
• Authors: Sameer Neupane, Poorvesh Dongre, Denis Gracanin, Santosh Kumar,
• Abstract要約: 2人の研究者が22日間にわたってカスタムチャットボットと対話し、ウェアラブルが検出した生理的プロンプトやストレスを記録できるフレーズに反応した。 彼らはオートエスノグラフィーの日記での経験を記録し、毎週の議論の中で分析した。 その結果、ウェアラブルによって引き起こされたほとんどのイベントは意味のあるものだったが、5人に1人が介入を保証したことがわかった。
• 参考スコア（独自算出の注目度）: 1.4808975406270157
• License:
• Abstract: We use a duoethnographic approach to study how wearable-integrated LLM chatbots can assist with personalized stress management, addressing the growing need for immediacy and tailored interventions. Two researchers interacted with custom chatbots over 22 days, responding to wearable-detected physiological prompts, recording stressor phrases, and using them to seek tailored interventions from their LLM-powered chatbots. They recorded their experiences in autoethnographic diaries and analyzed them during weekly discussions, focusing on the relevance, clarity, and impact of chatbot-generated interventions. Results showed that even though most events triggered by the wearable were meaningful, only one in five warranted an intervention. It also showed that interventions tailored with brief event descriptions were more effective than generic ones. By examining the intersection of wearables and LLM, this research contributes to developing more effective, user-centric mental health tools for real-time stress relief and behavior change.
• Abstract（参考訳）: デュエトグラフィー手法を用いて、ウェアラブル統合型LLMチャットボットがパーソナライズされたストレス管理を支援する方法を研究し、即時および調整された介入の必要性の増大に対処する。 2人の研究者が22日間にわたってカスタムチャットボットと対話し、ウェアラブルが検出した生理的プロンプトに反応し、ストレスのフレーズを録音し、LLMを搭載したチャットボットから適切な介入を求める。 彼らはオートエスノグラフィー日記での経験を記録し、チャットボットが生み出す介入の関連性、明確性、および影響に焦点を当てた週ごとの議論の中で分析した。 その結果、ウェアラブルによって引き起こされたほとんどのイベントは意味のあるものだったが、5人に1人が介入を保証したことがわかった。 また、簡単なイベント記述に合わせた介入は、ジェネリックな操作よりも効果的であることを示した。 ウェアラブルとLCMの交差点を調べることにより、リアルタイムのストレス緩和と行動変化のための、より効果的でユーザ中心のメンタルヘルスツールの開発に寄与する。

関連論文リスト

• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• Prompt Engineering a Schizophrenia Chatbot: Utilizing a Multi-Agent Approach for Enhanced Compliance with Prompt Instructions [0.0699049312989311]
  統合失調症の患者は、しばしば認知障害を伴い、自分の状態について学ぶ能力を妨げることがある。 大規模言語モデル(LLM)は、トピックのメンタルヘルス情報をよりアクセシビリティとエンゲージメントを高める可能性を秘めているが、それらのブラックボックスの性質は倫理と安全に関する懸念を喚起する。
  論文  参考訳（メタデータ） (2024-10-10T09:49:24Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study [4.704094564944504]
  パーソナライズされたコンテキスト認識介入選択アルゴリズムは、mHealth介入のエンゲージメントと有効性を改善する。 短時間でも1分間の介入は、知覚されるストレスレベルを著しく減少させる。 本研究は,個人化された文脈認識介入選択アルゴリズムを導入することで文献に寄与する。
  論文  参考訳（メタデータ） (2024-07-16T11:22:22Z)
• Large Language Model Agents for Improving Engagement with Behavior Change Interventions: Application to Digital Mindfulness [17.055863270116333]
  大規模言語モデルは、社会的支援をエミュレートできる人間のような対話を提供するという約束を示す。 LLMエージェントがマインドフルネス運動のユーザエンゲージメントに与える影響を評価するために2つのランダム化実験を行った。
  論文  参考訳（メタデータ） (2024-07-03T15:43:16Z)
• LLM-based Conversational AI Therapist for Daily Functioning Screening and Psychotherapeutic Intervention via Everyday Smart Devices [7.43530731987025]
  精神療法介入(CaiTI)を用いた会話型AIセラピストを提案する。 CaiTIは、自然と精神療法の会話を使って日々の機能を確認することができる。 会話中にユーザーがさらなる注意を必要とする場合、CaiTIは会話による精神療法の介入を提供することができる。
  論文  参考訳（メタデータ） (2024-03-16T02:48:50Z)
• 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)
• 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)
• Evaluation of In-Person Counseling Strategies To Develop Physical Activity Chatbot for Women [31.20917921863815]
  本研究は,女性の身体活動介入プログラムから収集した介入会話データセットを紹介する。 我々は4次元の包括的なアノテーションスキーム(ドメイン、戦略、社会的交換、タスク中心の交換)を設計し、ダイアログのサブセットを注釈付けした。 人間の介入が効果的な行動変化をいかに引き起こすかを理解するために,介入戦略と参加者の障壁の変化と身体活動に対する社会的支援との関係を分析した。
  論文  参考訳（メタデータ） (2021-07-22T00:39:21Z)
• Structural Pre-training for Dialogue Comprehension [51.215629336320305]
  本稿では,SPIDER, Structure Pre-trained DialoguE Readerについて述べる。 対話のような特徴をシミュレートするために,元のLM目的に加えて,2つの訓練目標を提案する。 広く使われている対話ベンチマークの実験結果から,新たに導入した自己教師型タスクの有効性が検証された。
  論文  参考訳（メタデータ） (2021-05-23T15:16:54Z)

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。