論文の概要: Human Empathy as Encoder: AI-Assisted Depression Assessment in Special Education

• arxiv url: http://arxiv.org/abs/2505.23631v1
• Date: Thu, 29 May 2025 16:37:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.9974
• Title: Human Empathy as Encoder: AI-Assisted Depression Assessment in Special Education
• Title（参考訳）: エンコーダとしての人間共感 : 特別教育におけるAI支援抑うつ評価
• Authors: Boning Zhao,
• Abstract要約: 本稿では、透明で社会的に責任を負ううつ病重症度評価のための、人間中心のAIフレームワークであるHuman Empathy as tacit (HEAE)を紹介する。 本手法は,PHQ-9フレームワークによって指導された教師由来の,9次元の「共感ベクトル(Empathy Vector)」と,生徒の物語テキストを一意に統合する。 厳密な実験は、マルチモーダル融合、テキスト表現、分類アーキテクチャを最適化し、7レベルの重度分類において82.74%の精度を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Assessing student depression in sensitive environments like special education is challenging. Standardized questionnaires may not fully reflect students' true situations. Furthermore, automated methods often falter with rich student narratives, lacking the crucial, individualized insights stemming from teachers' empathetic connections with students. Existing methods often fail to address this ambiguity or effectively integrate educator understanding. To address these limitations by fostering a synergistic human-AI collaboration, this paper introduces Human Empathy as Encoder (HEAE), a novel, human-centered AI framework for transparent and socially responsible depression severity assessment. Our approach uniquely integrates student narrative text with a teacher-derived, 9-dimensional "Empathy Vector" (EV), its dimensions guided by the PHQ-9 framework,to explicitly translate tacit empathetic insight into a structured AI input enhancing rather than replacing human judgment. Rigorous experiments optimized the multimodal fusion, text representation, and classification architecture, achieving 82.74% accuracy for 7-level severity classification. This work demonstrates a path toward more responsible and ethical affective computing by structurally embedding human empathy
• Abstract（参考訳）: 特別教育のような敏感な環境における学生の抑うつを評価することは困難である。 標準化されたアンケートは、学生の本当の状況を十分に反映していないかもしれない。 さらに,教師と生徒との共感的関係から生じる重要かつ個別化された洞察が欠如している。 既存の手法は、しばしばこの曖昧さに対処したり、教育者理解を効果的に統合するのに失敗する。 このような制約に対処するために,人間とAIの協調を促進するために,透明で社会的に責任を負ううつ病重症度評価のための,人間中心型AIフレームワークであるHuman Empathy as Encoder (HEAE)を紹介した。 本稿では,PHQ-9フレームワークによって導かれる9次元の「共感ベクトル(Empathy Vector)」と,学生の物語テキストを一意に統合し,人間の判断を置き換えるのではなく,構造化されたAI入力に暗黙の共感的洞察を明示的に翻訳する。 厳密な実験は、マルチモーダル融合、テキスト表現、分類アーキテクチャを最適化し、7レベルの重度分類において82.74%の精度を達成した。 この研究は、人間の共感を構造的に埋め込むことによって、より責任的で倫理的な感情的コンピューティングへの道を示す

関連論文リスト

• Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
  本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。 本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-01T04:15:56Z)
• The AI Interface: Designing for the Ideal Machine-Human Experience (Editorial) [1.8074330674710588]
  本論では,AI体験デザインの心理学を探求する特集を紹介する。 このコレクションの論文は、人間とAIの相互作用における信頼、透明性、感情的な感受性の複雑さを強調している。 8つの多様な研究から得られた知見により、この論説は、効率と共感のバランスをとるためのAIインターフェースの必要性を強調している。
  論文  参考訳（メタデータ） (2024-11-29T15:17:32Z)
• Human Bias in the Face of AI: The Role of Human Judgement in AI Generated Text Evaluation [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
  共感反応生成は、他人の感情を理解するように設計されている。 検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。 我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T02:23:37Z)
• Empathy Detection from Text, Audiovisual, Audio or Physiological Signals: A Systematic Review of Task Formulations and Machine Learning Methods [5.7306786636466995]
  共感の検出は、社会、医療、教育に潜在的な応用がある。 広範かつ重複するトピックであるにもかかわらず、機械学習を利用した共感検出の道はいまだに探索されていない。 本稿では,近年の進歩と,ロバストな共感検出システム構築に向けた課題について概説する。
  論文  参考訳（メタデータ） (2023-10-30T08:34:12Z)
• EMP-EVAL: A Framework for Measuring Empathy in Open Domain Dialogues [0.0]
  EMP-EVALは単純だが効果的な自動共感評価法である。 提案手法は感情,認知,情緒的共感の影響を受ける。 我々の測定値が人間の嗜好と相関し、人間の判断と同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-29T18:42:19Z)
• CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic Response Generation [59.8935454665427]
  共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。 共感的対話生成のためのCASEモデルを提案する。
  論文  参考訳（メタデータ） (2022-08-18T14:28:38Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)

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。