論文の概要: Scaffolding Empathy: Training Counselors with Simulated Patients and Utterance-level Performance Visualizations

• arxiv url: http://arxiv.org/abs/2502.18673v1
• Date: Tue, 25 Feb 2025 22:12:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:56:40.526765
• Title: Scaffolding Empathy: Training Counselors with Simulated Patients and Utterance-level Performance Visualizations
• Title（参考訳）: 寄り添いの共感 : 模擬患者による相談者訓練と発話レベルパフォーマンスの可視化
• Authors: Ian Steenstra, Farnaz Nouraei, Timothy W. Bickmore,
• Abstract要約: 我々は,シミュレートされた患者と対話する訓練者に対して,頻繁かつ詳細なフィードバックを提供することで,カウンセラー研修を加速し,最適化することを目指している。 最初のアプリケーションドメインは、カウンセラーのためのモチベーション面接スキルのトレーニングです。 シミュレーションされた患者とターンバイターンのパフォーマンスフィードバックの可視化を特徴とするLCMを用いたトレーニングシステムを開発し,評価した。
• 参考スコア（独自算出の注目度）: 9.257985820123
• License:
• Abstract: Learning therapeutic counseling involves significant role-play experience with mock patients, with current manual training methods providing only intermittent granular feedback. We seek to accelerate and optimize counselor training by providing frequent, detailed feedback to trainees as they interact with a simulated patient. Our first application domain involves training motivational interviewing skills for counselors. Motivational interviewing is a collaborative counseling style in which patients are guided to talk about changing their behavior, with empathetic counseling an essential ingredient. We developed and evaluated an LLM-powered training system that features a simulated patient and visualizations of turn-by-turn performance feedback tailored to the needs of counselors learning motivational interviewing. We conducted an evaluation study with professional and student counselors, demonstrating high usability and satisfaction with the system. We present design implications for the development of automated systems that train users in counseling skills and their generalizability to other types of social skills training.
• Abstract（参考訳）: セラピーカウンセリングの学習には、モック患者の重要なロールプレイ経験が伴う。 我々は,シミュレートされた患者と対話する訓練者に対して,頻繁で詳細なフィードバックを提供することで,カウンセラー研修を加速し,最適化することを目指している。 最初のアプリケーションドメインは、カウンセラーのためのモチベーション面接スキルのトレーニングです。 モチベーション・カウンセリング(Motivational interviewing)は、患者が行動の変化について話すためのコラボレーティブ・カウンセリングのスタイルであり、共感的カウンセリングが重要な要素である。 我々は、シミュレートされた患者と、モチベーション面接を学ぶカウンセラーのニーズに合わせて、ターン・バイ・ターンのパフォーマンスフィードバックの可視化を特徴とするLLMを利用したトレーニングシステムを開発し、評価した。 専門家と学生のカウンセラーによる評価調査を行い,システムに対する高いユーザビリティと満足度を実証した。 本稿では、カウンセリングスキルのユーザを訓練する自動システムの開発と、他の種類のソーシャルスキルトレーニングへの一般化可能性について述べる。

関連論文リスト

• Virtual Agent-Based Communication Skills Training to Facilitate Health Persuasion Among Peers [1.8408516054528479]
  本稿では,バーチャルエージェントを用いて,地域ボランティアの健康カウンセリングを指導する手法を提案する。 我々は、このアプローチを仮想エージェントベースのシステムで、新型コロナウイルスの予防接種を増やすために使用します。
  論文  参考訳（メタデータ） (2024-12-16T18:34:32Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• Interactive Agents: Simulating Counselor-Client Psychological Counseling via Role-Playing LLM-to-LLM Interactions [12.455050661682051]
  本稿では,カウンセラーとクライアントの相互作用をシミュレートするためのロールプレイングを通じて,2つの大きな言語モデル(LLM)を利用するフレームワークを提案する。 我々のフレームワークは2つのLCMで構成され、1つは特定の実生活のユーザープロファイルを備えたクライアントとして機能し、もう1つは経験豊富なカウンセラーとして機能する。
  論文  参考訳（メタデータ） (2024-08-28T13:29:59Z)
• Cactus: Towards Psychological Counseling Conversations using Cognitive Behavioral Theory [24.937025825501998]
  我々は,認知行動療法(Cognitive Behavioral Therapy, CBT)の目標指向的, 構造化的アプローチを用いて, 実生活インタラクションをエミュレートする多ターン対話データセットを作成する。 我々は、実際のカウンセリングセッションの評価、専門家の評価との整合性の確保に使用される確立された心理学的基準をベンチマークする。 Cactusで訓練されたモデルであるCamelはカウンセリングスキルにおいて他のモデルよりも優れており、カウンセリングエージェントとしての有効性と可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-03T13:41:31Z)
• Socially Interactive Agents for Robotic Neurorehabilitation Training: Conceptualization and Proof-of-concept Study [7.365940126473552]
  我々は、神経リハビリテーショントレーニング中にパーソナライズされた院外援助を提供するAIベースのシステムを導入する。 専門職の助けを借りて、想定されたシステムは、個々の患者の独自のリハビリテーション要件を満たすように設計されている。 我々のアプローチは、対話型社会的に認識された仮想エージェントを神経リハビリテーションロボットフレームワークに統合することである。
  論文  参考訳（メタデータ） (2024-06-17T19:07:05Z)
• Multi-Level Feedback Generation with Large Language Models for Empowering Novice Peer Counselors [43.42054421125617]
  フィードバックを提供する既存のメカニズムは、主に人間の監督に依存している。 我々の研究は、大規模言語モデルを活用し、コンテキスト化されたマルチレベルフィードバックを提供し、ピアカウンセラーに力を与えることを目的としている。
  論文  参考訳（メタデータ） (2024-03-21T04:23:56Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Design, Development, and Evaluation of an Interactive Personalized Social Robot to Monitor and Coach Post-Stroke Rehabilitation Exercises [68.37238218842089]
  パーソナライズされたリハビリテーションのための対話型ソーシャルロボット運動指導システムを開発した。 このシステムは、ニューラルネットワークモデルとルールベースのモデルを統合し、患者のリハビリテーション運動を自動的に監視し、評価する。 我々のシステムは,新たな参加者に適応し,専門家の合意レベルに匹敵する,エクササイズを評価するための平均パフォーマンス0.81を達成できる。
  論文  参考訳（メタデータ） (2023-05-12T17:37:04Z)
• "GAN I hire you?" -- A System for Personalized Virtual Job Interview Training [49.201250723083]
  本研究では,GAN(Generative Adversarial Network)に基づく対話型面接訓練システムを開発した。 その結果,GANをベースとした行動フィードバックが有用であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-08T13:03:39Z)
• Enabling AI and Robotic Coaches for Physical Rehabilitation Therapy: Iterative Design and Evaluation with Therapists and Post-Stroke Survivors [66.07833535962762]
  人工知能(AI)とロボットコーチは、社会的相互作用を通じてリハビリテーション運動における患者の関与を改善することを約束する。 これまでの研究は、AIやロボットコーチの運動を自動的に監視する可能性を探ったが、デプロイは依然として難しい課題だ。 我々は,AIとロボットコーチが患者の運動をどのように操作し,指導するかに関する詳細な設計仕様を提示する。
  論文  参考訳（メタデータ） (2021-06-15T22:06:39Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。