論文の概要: Large Language Models as Simulative Agents for Neurodivergent Adult Psychometric Profiles

• arxiv url: http://arxiv.org/abs/2601.15319v1
• Date: Fri, 16 Jan 2026 10:16:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-23 21:37:20.34868
• Title: Large Language Models as Simulative Agents for Neurodivergent Adult Psychometric Profiles
• Title（参考訳）: ニューロディバージェント・アダルト心理学的プロファイルのための模擬エージェントとしての大規模言語モデル
• Authors: Francesco Chiappone, Davide Marocco, Nicola Milano,
• Abstract要約: 成人神経分岐障害(ADHD)、高機能自閉症スペクトラム障害(ASD)、認知解離症候群(CDS) 大言語モデル(LLM)が、幅広い性格特性よりも、正確に、安定して神経発達特性をモデル化できるかどうかは不明だ。 本研究では, 構造化質的面接において, LLMが実際の個人に近似した心理測定応答を生成できるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adult neurodivergence, including Attention-Deficit/Hyperactivity Disorder (ADHD), high-functioning Autism Spectrum Disorder (ASD), and Cognitive Disengagement Syndrome (CDS), is marked by substantial symptom overlap that limits the discriminant sensitivity of standard psychometric instruments. While recent work suggests that Large Language Models (LLMs) can simulate human psychometric responses from qualitative data, it remains unclear whether they can accurately and stably model neurodevelopmental traits rather than broad personality characteristics. This study examines whether LLMs can generate psychometric responses that approximate those of real individuals when grounded in a structured qualitative interview, and whether such simulations are sensitive to variations in trait intensity. Twenty-six adults completed a 29-item open-ended interview and four standardized self-report measures (ASRS, BAARS-IV, AQ, RAADS-R). Two LLMs (GPT-4o and Qwen3-235B-A22B) were prompted to infer an individual psychological profile from interview content and then respond to each questionnaire in-role. Accuracy, reliability, and sensitivity were assessed using group-level comparisons, error metrics, exact-match scoring, and a randomized baseline. Both models outperformed random responses across instruments, with GPT-4o showing higher accuracy and reproducibility. Simulated responses closely matched human data for ASRS, BAARS-IV, and RAADS-R, while the AQ revealed subscale-specific limitations, particularly in Attention to Detail. Overall, the findings indicate that interview-grounded LLMs can produce coherent and above-chance simulations of neurodevelopmental traits, supporting their potential use as synthetic participants in early-stage psychometric research, while highlighting clear domain-specific constraints.
• Abstract（参考訳）: アテンション・デフィシット・ハイパーアクティビティ障害(ADHD)、高機能自閉症スペクトラム障害(ASD)、認知障害症候群(CDS)などを含む成人の神経分岐は、標準的な心理測定器の識別感度を抑える相当な症状の重なりが特徴である。 近年の研究では、Large Language Models (LLMs) が定性的データから人間の心理測定応答をシミュレートできることが示唆されているが、広い性格特性よりも、正確に安定して神経発達特性をモデル化できるかどうかは不明である。 本研究では, 構造化質的面接において, LLMが実際の個人に近似した心理測定応答を生成できるか, 特性強度の変動に敏感かを検討した。 成人26人は29項目の公開インタビューと4つの標準自己申告措置(ASRS, BAARS-IV, AQ, RAADS-R)を完了した。 2つのLCM (GPT-4o, Qwen3-235B-A22B) を用いて, 面接内容から個別の心理的プロファイルを推定し, 質問紙内回答を行った。 精度,信頼性,感度を,グループレベルの比較,誤差指標,正確なマッチングスコアリング,ランダム化されたベースラインを用いて評価した。 GPT-4oは高い精度と再現性を示した。 シミュレーションされた反応は、ASRS, BAARS-IV, RAADS-Rのヒトデータと密に一致したが、AQは、特に詳細への注意において、サブスケール固有の制限を明らかにした。 以上の結果から, 面接対象のLLMは, 神経発達特性のコヒーレントかつ超精密なシミュレーションを生成でき, 早期心理測定研究における合成参加者としての可能性を支持しつつ, 明確なドメイン依存の制約を強調できることがわかった。

関連論文リスト

• MindEval: Benchmarking Language Models on Multi-turn Mental Health Support [10.524387723320432]
  MindEvalは、現実的でマルチターンのメンタルヘルスセラピー会話において、言語モデルを自動的に評価するためのフレームワークである。 シミュレーションされた患者が生成したテキストに対する現実性を定量的に検証し、自動判断と人的判断との間に強い相関関係を示す。 われわれは12の最先端のLCMを評価し、AI固有のコミュニケーションパターンに特に弱点がある平均6点中4点以下で、すべてのモデルが苦戦していることを示す。
  論文  参考訳（メタデータ） (2025-11-23T15:19:29Z)
• From Five Dimensions to Many: Large Language Models as Precise and Interpretable Psychological Profilers [14.983442449498739]
  本研究は,人間の心理特性の相関構造を,最小の量的入力からモデル化できるかどうかについて検討する。 我々は816人の個人から、他の9つの心理的尺度でのロールプレイを行うために、ビッグファイブ・パーソナリティ・スケールの反応を持つ様々なLSMを誘導した。 LLMは人間の心理的構造を捉えるのに顕著な精度を示した。
  論文  参考訳（メタデータ） (2025-11-05T06:51:13Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Detecting PTSD in Clinical Interviews: A Comparative Analysis of NLP Methods and Large Language Models [6.916082619621498]
  外傷後ストレス障害 (PTSD) は, 臨床現場ではまだ診断されていない。 本研究では,臨床面接書からPTSDを検出するための自然言語処理手法について検討した。
  論文  参考訳（メタデータ） (2025-04-01T22:06:28Z)
• Investigating Large Language Models in Inferring Personality Traits from User Conversations [5.705775078773656]
  大規模言語モデル(LLM)は、多様なドメインにまたがる目覚ましい人間のような能力を示している。 本研究は, GPT-4o と GPT-4o mini が, ビッグファイブの性格特性を推測し, ユーザの会話から BFI-10 項目のスコアを生成できるかどうかを評価する。
  論文  参考訳（メタデータ） (2025-01-13T18:09:58Z)
• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• 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)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。