論文の概要: PHORECAST: Enabling AI Understanding of Public Health Outreach Across Populations

• arxiv url: http://arxiv.org/abs/2510.02535v1
• Date: Thu, 02 Oct 2025 20:10:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.16139
• Title: PHORECAST: Enabling AI Understanding of Public Health Outreach Across Populations
• Title（参考訳）: PHORECAST: 人口全体にわたる公衆衛生のアウトリーチをAIで理解する
• Authors: Rifaa Qadri, Anh Nhat Nhu, Swati Ramnath, Laura Yu Zheng, Raj Bhansali, Sylvette La Touche-Howard, Tracy Marie Zeeger, Tom Goldstein, Ming Lin,
• Abstract要約: PHORECAST (Public Health Outreach Receptivity and CAmpaign Signal Tracking) は、個人レベルの行動応答と、ヘルスメッセージングに対するコミュニティ全体のエンゲージメントパターンの両方を詳細に予測するための、マルチモーダルデータセットである。 このデータセットは、マルチモーダル理解、応答予測、パーソナライゼーション、社会的予測といったタスクをサポートし、現代のAIシステムがいかにして、異種公共の感情や振る舞いをエミュレートし、解釈し、予測できるかを厳格に評価することができる。
• 参考スコア（独自算出の注目度）: 35.05830534020054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how diverse individuals and communities respond to persuasive messaging holds significant potential for advancing personalized and socially aware machine learning. While Large Vision and Language Models (VLMs) offer promise, their ability to emulate nuanced, heterogeneous human responses, particularly in high stakes domains like public health, remains underexplored due in part to the lack of comprehensive, multimodal dataset. We introduce PHORECAST (Public Health Outreach REceptivity and CAmpaign Signal Tracking), a multimodal dataset curated to enable fine-grained prediction of both individuallevel behavioral responses and community-wide engagement patterns to health messaging. This dataset supports tasks in multimodal understanding, response prediction, personalization, and social forecasting, allowing rigorous evaluation of how well modern AI systems can emulate, interpret, and anticipate heterogeneous public sentiment and behavior. By providing a new dataset to enable AI advances for public health, PHORECAST aims to catalyze the development of models that are not only more socially aware but also aligned with the goals of adaptive and inclusive health communication
• Abstract（参考訳）: 多様な個人やコミュニティが、説得力のあるメッセージングにどのように反応するかを理解することは、パーソナライズされた社会的に意識された機械学習を前進させる大きな可能性を秘めている。 大きなビジョンと言語モデル(VLM)は約束を提供するが、不均一で異質な人間の反応をエミュレートする能力、特に公衆衛生のような高い領域では、包括的でマルチモーダルなデータセットが欠如しているため、まだ探索されていない。 我々は、個人レベルの行動応答とコミュニティ全体のエンゲージメントパターンの両方を、健康メッセージングに詳細に予測するためのマルチモーダルデータセットであるPHORECAST(Public Health Outreach Receptivity and CAmpaign Signal Tracking)を紹介した。 このデータセットは、マルチモーダル理解、応答予測、パーソナライゼーション、社会的予測といったタスクをサポートし、現代のAIシステムがいかにして、異種公共の感情や振る舞いをエミュレートし、解釈し、予測できるかを厳格に評価することができる。 PHORECASTは、AIによる公衆衛生の進歩を可能にする新しいデータセットを提供することによって、社会的に意識されただけでなく、適応的で包括的な健康コミュニケーションの目標に沿ったモデルの開発を促進することを目指している。

関連論文リスト

• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Mentalic Net: Development of RAG-based Conversational AI and Evaluation Framework for Mental Health Support [0.0]
  メンタルネット会話AIはBERTスコアが0.898であり、他の評価指標は満足のいく範囲内にある。 我々は,このようなトランスフォーメーション技術を開発する上で,人間-イン-ザ-ループアプローチと長期的かつ責任ある戦略を提唱する。
  論文  参考訳（メタデータ） (2025-08-27T03:44:56Z)
• Vision Language Models in Medicine [3.964982657945488]
  Medical Vision-Language Models (Med-VLMs) は、医療結果を改善するために、視覚データとテキストデータを統合している。 Med-VLMs が臨床, 教育, 患者医療に与える影響を強調した。 データ不足、タスクの一般化、解釈可能性の問題、公平性、説明責任、プライバシといった倫理的懸念といった課題が強調されます。 今後の方向性には、大規模で多様なデータセットの活用、クロスモーダルな一般化の改善、解釈可能性の向上などが含まれる。
  論文  参考訳（メタデータ） (2025-02-24T22:53:22Z)
• Emergence of human-like polarization among large language model agents [79.96817421756668]
  我々は、何千もの大規模言語モデルエージェントを含むネットワーク化されたシステムをシミュレートし、それらの社会的相互作用を発見し、人間のような偏極をもたらす。 人間とLLMエージェントの類似性は、社会的分極を増幅する能力に関する懸念を提起するだけでなく、分極を緩和するためのもっともらしい戦略を識別するための貴重なテストベッドとして機能する可能性も持っている。
  論文  参考訳（メタデータ） (2025-01-09T11:45:05Z)
• Persuasion with Large Language Models: a Survey [49.86930318312291]
  大規模言語モデル (LLM) は説得力のあるコミュニケーションに新たな破壊的可能性を生み出している。 政治、マーケティング、公衆衛生、電子商取引、慈善事業などの分野では、LLMシステムズは既に人間レベルや超人的説得力を達成している。 LLMをベースとした説得の現在と将来の可能性は、倫理的・社会的リスクを著しく引き起こす可能性が示唆された。
  論文  参考訳（メタデータ） (2024-11-11T10:05:52Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• Predicting Consultation Success in Online Health Platforms Using Dynamic Knowledge Networks and Multimodal Data Fusion [2.8726075770916792]
  オンライン相談の成功を予測することは、患者の全医療ジャーニーにおける仮想相談の役割の一部が原因で困難である。 オンライン相談における患者データは、しばしばスパースで不完全であり、重要な技術的課題と研究のギャップを提示する。 本稿では,オンライン医療相談の予測能力を高める動的知識ネットワークとマルチモーダルデータフュージョンフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-06T16:23:00Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)

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。