論文の概要: What is Stigma Attributed to? A Theory-Grounded, Expert-Annotated Interview Corpus for Demystifying Mental-Health Stigma
- arxiv url: http://arxiv.org/abs/2505.12727v1
- Date: Mon, 19 May 2025 05:31:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.423615
- Title: What is Stigma Attributed to? A Theory-Grounded, Expert-Annotated Interview Corpus for Demystifying Mental-Health Stigma
- Title（参考訳）: スティグマの貢献とは何か? メンタルヘルススティグマの謎化のための理論と専門家によるインタビューコーパス
- Authors: Han Meng, Yancan Chen, Yunan Li, Yitian Yang, Jungup Lee, Renwen Zhang, Yi-Chieh Lee,
- Abstract要約: メンタルヘルスのスティグマは、治療の探究と回復を阻害する広範な社会問題のままである。
本稿では,人間-チャットボットインタビューの専門的,理論的インフォームドコーパスについて述べる。
我々の実験は最先端のニューラルネットワークをベンチマークし、スティグマ検出の課題を実証的に解き放った。
- 参考スコア（独自算出の注目度）: 7.719966531864683
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mental-health stigma remains a pervasive social problem that hampers treatment-seeking and recovery. Existing resources for training neural models to finely classify such stigma are limited, relying primarily on social-media or synthetic data without theoretical underpinnings. To remedy this gap, we present an expert-annotated, theory-informed corpus of human-chatbot interviews, comprising 4,141 snippets from 684 participants with documented socio-cultural backgrounds. Our experiments benchmark state-of-the-art neural models and empirically unpack the challenges of stigma detection. This dataset can facilitate research on computationally detecting, neutralizing, and counteracting mental-health stigma.
- Abstract（参考訳）: メンタルヘルスのスティグマは、治療の探究と回復を阻害する広範な社会問題のままである。
ニューラルネットワークを訓練し、そのようなスティグマを細かく分類するための既存のリソースは限られており、理論的な基盤なしに主にソーシャルメディアや合成データに依存している。
このギャップを補うため,684人の参加者から得られた4,141個のスニペットからなる,専門家による人間-チャットボットインタビューの理論的インフォームドコーパスを提示した。
我々の実験は最先端のニューラルネットワークをベンチマークし、スティグマ検出の課題を実証的に解き放った。
このデータセットは、計算学的に検出し、中和し、反作用するメンタルヘルススティグマの研究を促進することができる。
関連論文リスト
- Deconstructing Depression Stigma: Integrating AI-driven Data Collection and Analysis with Causal Knowledge Graphs [6.496064838534912]
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。
論文 参考訳（メタデータ） (2025-02-09T23:58:46Z) - AI-Enhanced Cognitive Behavioral Therapy: Deep Learning and Large Language Models for Extracting Cognitive Pathways from Social Media Texts [27.240795549935463]
ソーシャルメディアからデータを収集し,認知経路抽出の課題を確立した。
我々は、精神療法士が重要な情報を素早く把握できるよう、テキスト要約タスクを構築した。
本研究では,ディープラーニングモデルと大規模言語モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-04-17T14:55:27Z) - EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。
言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
論文 参考訳（メタデータ） (2024-03-28T10:31:09Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z) - 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) - 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) - Causal Categorization of Mental Health Posts using Transformers [0.0]
既存のメンタルヘルス分析研究は、ソーシャルメディアに対するユーザの意図を分類するために、横断的な研究を中心に展開されている。
詳細な分析では,因果分類の問題を解くために既存の分類器について検討する。
本研究では, トランスフォーマーモデルを用いて, トレーニング済みのトランスファー学習の有効性を「CAMS」データセット上で実証する。
論文 参考訳（メタデータ） (2023-01-06T16:37:48Z) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳（メタデータ） (2022-10-24T14:58:58Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z)
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。