論文の概要: Fitting the Message to the Moment: Designing Calendar-Aware Stress Messaging with Large Language Models

• arxiv url: http://arxiv.org/abs/2505.23997v1
• Date: Thu, 29 May 2025 20:47:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.659434
• Title: Fitting the Message to the Moment: Designing Calendar-Aware Stress Messaging with Large Language Models
• Title（参考訳）: モーメントへのメッセージの適合:大言語モデルを用いたカレンダー対応ストレスメッセージングの設計
• Authors: Pranav Rao, Maryam Taj, Alex Mariakakis, Joseph Jay Williams, Ananya Bhattacharjee,
• Abstract要約: 本稿では、大規模言語モデル(LLM)がデジタルカレンダーデータを用いて、タイムリーかつパーソナライズされたストレスサポートを実現する方法について検討する。 我々は8人の大学生を対象に1週間にわたる調査を行い、参加者のカレンダーイベントに基づいて毎日のストレス管理メッセージを生成する機能技術プローブを用いた。
• 参考スコア（独自算出の注目度）: 9.452700154533241
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing stress-management tools fail to account for the timing and contextual specificity of students' daily lives, often providing static or misaligned support. Digital calendars contain rich, personal indicators of upcoming responsibilities, yet this data is rarely leveraged for adaptive wellbeing interventions. In this short paper, we explore how large language models (LLMs) might use digital calendar data to deliver timely and personalized stress support. We conducted a one-week study with eight university students using a functional technology probe that generated daily stress-management messages based on participants' calendar events. Through semi-structured interviews and thematic analysis, we found that participants valued interventions that prioritized stressful events and adopted a concise, but colloquial tone. These findings reveal key design implications for LLM-based stress-management tools, including the need for structured questioning and tone calibration to foster relevance and trust.
• Abstract（参考訳）: 既存のストレス管理ツールは、学生の日常生活のタイミングと文脈的特異性を考慮しておらず、しばしば静的あるいは不整合なサポートを提供する。 デジタルカレンダーには、今後の責任に関する豊富な個人的な指標が含まれているが、適応的幸福の介入のためにこのデータが活用されることはめったにない。 本稿では、大規模言語モデル(LLM)がデジタルカレンダーデータを用いて、タイムリーかつパーソナライズされたストレスサポートを実現する方法について検討する。 我々は8人の大学生を対象に1週間にわたる調査を行い、参加者のカレンダーイベントに基づいて毎日のストレス管理メッセージを生成する機能技術プローブを用いた。 半構造化インタビューとテーマ分析により、参加者はストレスの多い出来事を優先し、簡潔だが口語調を取り入れた介入を重要視した。 これらの結果から,LLMをベースとしたストレス管理ツールの設計上の意義が明らかとなった。

関連論文リスト

• StressTest: Can YOUR Speech LM Handle the Stress? [20.802090523583196]
  センセントストレス(Sentence stress)とは、音声の発声の中で特定の単語に重点を置いて、アイデアを強調したり、対比させたり、あるいは新しい情報を導入することを指す。 近年の音声認識言語モデル(SLM)の進歩により,音声の直接処理が可能になった。 意味形成や話者意図形成において文ストレスが重要な役割を担っているにもかかわらず、そのようなモデルの評価や開発において、ほとんど見落とされ続けている。
  論文  参考訳（メタデータ） (2025-05-28T18:32:56Z)
• MISE: Meta-knowledge Inheritance for Social Media-Based Stressor Estimation [20.284960134507543]
  本研究では,ソーシャルメディア上でのユーザの投稿を通じて,より具体的なストレスを推定することを目的とした新しいタスクを提案する。 メタ知識継承機構によって強化された,メタ学習に基づく新しいストレス要因推定フレームワークを提案する。 我々は、人間の幸福を促進するために人工知能モデルを訓練するのに役立つソーシャルメディアベースのストレスクレーサ推定データセットを構築した。
  論文  参考訳（メタデータ） (2025-05-03T18:12:36Z)
• Selection-p: Self-Supervised Task-Agnostic Prompt Compression for Faithfulness and Transferability [67.77534983324229]
  本稿では,非形式的トークンを識別する統一圧縮法を開発するために,大規模言語モデルの能力について検討する。 実験により、Selection-pは様々な分類タスクで最先端のパフォーマンスを達成することが示された。 以前の作業と比べて、異なるモデルに対して優れた転送性を示す。
  論文  参考訳（メタデータ） (2024-10-15T17:05:25Z)
• Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
  現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。 既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。 我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
  論文  参考訳（メタデータ） (2024-05-25T06:41:23Z)
• Context-Aware Stress Monitoring using Wearable and Mobile Technologies in Everyday Settings [2.650926942973848]
  本研究では,生理的データと文脈的データの両方を利用して,日常のストレスレベルを客観的に追跡するモニタリングシステムを提案する。 本稿では,その課題に対処する3階層のインターネット・オブ・シングス・システムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:16:11Z)
• Personalization of Stress Mobile Sensing using Self-Supervised Learning [1.7598252755538808]
  ストレスは様々な健康問題への主要な貢献者として広く認められている。 リアルタイムのストレス予測は、デジタル介入がストレスの開始時に即座に反応し、心臓のリズム不規則性のような多くの心理的、生理的症状を避けるのに役立つ。 しかし、機械学習を用いたストレス予測の主な課題は、ラベルの主観性とスパース性、大きな特徴空間、比較的少ないラベル、特徴と結果の間の複雑な非線形および主観的関係である。
  論文  参考訳（メタデータ） (2023-08-04T22:26:33Z)
• ForDigitStress: A multi-modal stress dataset employing a digital job interview scenario [48.781127275906435]
  本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。 このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。 ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
  論文  参考訳（メタデータ） (2023-03-14T09:40:37Z)
• Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
  既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。 タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。 我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
  論文  参考訳（メタデータ） (2022-10-12T15:02:04Z)
• Personalized Stress Monitoring using Wearable Sensors in Everyday Settings [9.621481727547215]
  心拍数(HR)と心拍変動率(HRV)に基づく日常生活ストレスレベルの客観的予測について検討する。 本稿では、ラベル付けのためのデータサンプルの調整可能なコレクションをサポートする、個人化されたストレス監視のための階層化システムアーキテクチャと、ラベル付けのためのリアルタイムデータのストリームから情報化サンプルを選択する方法を提案する。
  論文  参考訳（メタデータ） (2021-07-31T04:15:15Z)

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。