論文の概要: Real-World Receptivity to Adaptive Mental Health Interventions: Findings from an In-the-Wild Study

• arxiv url: http://arxiv.org/abs/2508.02817v1
• Date: Thu, 10 Jul 2025 12:45:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-10 09:30:49.318984
• Title: Real-World Receptivity to Adaptive Mental Health Interventions: Findings from an In-the-Wild Study
• Title（参考訳）: 適応的メンタルヘルス介入に対する現実世界の受容性--イン・ザ・ワイルド研究から
• Authors: Nilesh Kumar Sahu, Aditya Sneh, Snehil Gupta, Haroon R Lone,
• Abstract要約: MHealth技術は、受動的に検知されたスマートフォンデータを使用して、メンタルヘルス状態のリアルタイム監視と介入を可能にした。 JITAI(Just-in-Time Adaptive Interventions)は、パーソナライズされたサポートを提供しようとしている。 本研究は,2つの構成要素(受容と実現可能性)を通してユーザ受容性について検討する。
• 参考スコア（独自算出の注目度）: 0.025861111281600502
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of mobile health (mHealth) technologies has enabled real-time monitoring and intervention for mental health conditions using passively sensed smartphone data. Building on these capabilities, Just-in-Time Adaptive Interventions (JITAIs) seek to deliver personalized support at opportune moments, adapting to users' evolving contexts and needs. Although prior research has examined how context affects user responses to generic notifications and general mHealth messages, relatively little work has explored its influence on engagement with actual mental health interventions. Furthermore, while much of the existing research has focused on detecting when users might benefit from an intervention, less attention has been paid to understanding receptivity, i.e., users' willingness and ability to engage with and act upon the intervention. In this study, we investigate user receptivity through two components: acceptance(acknowledging or engaging with a prompt) and feasibility (ability to act given situational constraints). We conducted a two-week in-the-wild study with 70 students using a custom Android app, LogMe, which collected passive sensor data and active context reports to prompt mental health interventions. The adaptive intervention module was built using Thompson Sampling, a reinforcement learning algorithm. We address four research questions relating smartphone features and self-reported contexts to acceptance and feasibility, and examine whether an adaptive reinforcement learning approach can optimize intervention delivery by maximizing a combined receptivity reward. Our results show that several types of passively sensed data significantly influenced user receptivity to interventions. Our findings contribute insights into the design of context-aware, adaptive interventions that are not only timely but also actionable in real-world settings.
• Abstract（参考訳）: モバイルヘルス(mHealth)技術の台頭により、受動的に検知されたスマートフォンデータを用いたメンタルヘルス状態のリアルタイムモニタリングと介入が可能になった。 これらの機能に基づいて、Just-in-Time Adaptive Interventions(JITAI)は、ユーザの進化するコンテキストとニーズに適応して、オポチュン瞬間にパーソナライズされたサポートを提供することを目指している。 これまでの研究では、一般的な通知や一般的なmHealthメッセージに対するユーザーの反応にコンテキストがどのように影響するかが検討されてきたが、実際のメンタルヘルス介入への関与に影響を及ぼす研究はほとんど行われていない。 さらに、既存の研究の多くは、ユーザーが介入の恩恵を受ける可能性を検出することに重点を置いているが、受容性、すなわち、介入に関わり、行動するユーザの意志や能力を理解することには、注意が払われていない。 本研究では,アクセプション(アクセプション,アクセプション)と実現可能性(与えられた状況制約を満たす能力)という2つの構成要素によるユーザ受容性について検討する。 我々は,受動的センサデータとアクティブなコンテキストレポートを収集し,メンタルヘルスの介入を促すカスタムAndroidアプリLogMeを用いて,70人の学生を対象に2週間にわたる調査を行った。 適応的介入モジュールは強化学習アルゴリズムであるThompson Samplingを用いて構築された。 スマートフォンの特徴と自己申告した文脈を受容と実現可能性に関連づけた4つの研究課題に対処し、適応型強化学習アプローチが、受容報酬の最大化によって介入の伝達を最適化できるかどうかを検討する。 その結果,受動的に知覚されたデータの種類が,介入に対するユーザの受容性に大きく影響したことがわかった。 本研究は,時間的だけでなく,現実の環境でも有効である文脈認識,適応的介入の設計に関する洞察に寄与する。

関連論文リスト

• 'Being there together for health': A Systematic Review on the Feasibility, Effectiveness and Design Considerations of Immersive Collaborative Virtual Environments in Health Applications [3.7285188483791365]
  MEDLINE、PsycINFO、Emcareデータベースをピアレビューされたオリジナルレポートのために体系的に検索した。 没入型拡張現実技術を用いたすべての研究は、1人以上の参加者が直接健康上の利益に介入しながら行われた。 調査では、リハビリテーションへの関与、距離を越えた有意義な相互作用、ポジティブな影響、変革的体験、メンタルヘルス療法、運動スキル学習など、様々なポジティブな結果が示された。
  論文  参考訳（メタデータ） (2024-12-06T03:58:51Z)
• AI-Driven Feedback Loops in Digital Technologies: Psychological Impacts on User Behaviour and Well-Being [0.0]
  本研究は,フィードバックメカニズムがユーザの行動や幸福に与える影響について,肯定的,否定的な心理的影響について検討することを目的とする。 データ駆動フィードバックループは、モチベーションのメリットだけでなく、心理的課題も与えます。 これらのリスクを軽減するために、ユーザはバーンアウトや中毒を防ぐために、テクノロジの使用に関して境界を確立する必要がある。
  論文  参考訳（メタデータ） (2024-10-30T17:11:30Z)
• SouLLMate: An Application Enhancing Diverse Mental Health Support with Adaptive LLMs, Prompt Engineering, and RAG Techniques [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、多様な、アクセス可能な、スティグマのない、パーソナライズされた、リアルタイムのメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-17T22:04:32Z)
• SouLLMate: An Adaptive LLM-Driven System for Advanced Mental Health Support and Assessment, Based on a Systematic Application Survey [9.146311285410631]
  メンタルヘルスの問題は個人の日常生活に大きな影響を及ぼすが、多くの人は利用可能なオンラインリソースでも必要な支援を受けていない。 この研究は、最先端のAI技術を通じて、アクセス可能で、スティグマフリーで、パーソナライズされ、リアルタイムなメンタルヘルスサポートを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-10-06T17:11:29Z)
• 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)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• 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)
• 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)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)

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。