論文の概要: MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

• arxiv url: http://arxiv.org/abs/2603.06926v1
• Date: Fri, 06 Mar 2026 22:55:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.410784
• Title: MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System
• Title（参考訳）: MindfulAgents:エキスパートアライン・マルチエージェントシステムによるマインドフルネス・メディテーションのパーソナライズ
• Authors: Mengyuan, Wu, Zhihan Jiang, Yuang Fan, Richard Feng, Sahiti Dharmavaram, Mathew Polowitz, Shawn Fallon, Bashima Islam, Lizbeth Benson, Irene Tung, David Creswell, Xuhai Xu,
• Abstract要約: MindfulAgentsは、専門家が確立したマインドフルネスフレームワークに基づいて、ガイド付き想起スクリプトを生成するマルチエージェントシステムである。 フォーマティブなラボスタディでは、MindfulAgentsはセッション内のエンゲージメントと自己認識を著しく改善した。 4週間のデプロイメント調査では、長期的なエンゲージメントとマインドフルネスのレベルが顕著に増加した。
• 参考スコア（独自算出の注目度）: 13.39207977963168
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mindfulness meditation is a widely accessible and evidence-based method for supporting mental health. Despite the proliferation of mindfulness meditation apps, sustaining user engagement remains a persistent challenge. Personalizing the meditation experience is a promising strategy to improve engagement, but it often requires costly and unscalable manual effort. We present MindfulAgents, a multi-agent system powered by large language models that (1) generates guided meditation scripts based on an expert-established mindfulness framework, (2) encourages users' reflection on emotional states and mindfulness skills, and (3) enables real-time personalization of the mindfulness meditation experience for each user. In a formative lab study (N=13), MindfulAgents significantly improved in-session engagement (p = 0.011) and self-awareness (p = 0.014), and reduced momentary stress (p = 0.020). Furthermore, a four-week deployment study (N=62) demonstrated a notable increase in long-term engagement (p = 0.002) and level of mindfulness (p = 0.023). Participants reported that MindfulAgents offered more relevant meditation sessions personalized to individual needs in various contexts, supporting sustained practice. Our findings highlight the potential of LLM-driven personalization for enhancing user engagement in digital mindfulness meditation interventions.
• Abstract（参考訳）: マインドフルネス(Mindfulness)は、メンタルヘルスを支援するための広くアクセス可能でエビデンスに基づく方法である。 マインドフルネス(マインドフルネス)想想アプリの普及にもかかわらず、ユーザーエンゲージメントの維持は依然として永続的な課題だ。 想想体験をパーソナライズすることは、エンゲージメントを改善するための有望な戦略であるが、しばしばコストがかかり、手作業が不要である。 本稿では,(1)専門家が確立したマインドフルネスの枠組みに基づく指導的想想起文を生成する多言語モデルを用いたマルチエージェントシステムであるMindfulAgentsを紹介し,(2)ユーザの感情状態やマインドフルネスのスキルに対する反映を奨励し,(3)各ユーザに対してマインドフルネスの想起体験をリアルタイムにパーソナライズできるようにする。 形式的実験(N=13)では、MindfulAgentsはセッション内エンゲージメント(p = 0.011)と自己認識(p = 0.014)を有意に改善し、瞬間的ストレス(p = 0.020)を低減した。 さらに、4週間のデプロイメント調査(N=62)では、長期のエンゲージメント(p = 0.002)とマインドフルネス(p = 0.023)が顕著に増加した。 参加者は、MindfulAgentsが、様々な状況において個人のニーズに合った、より関連性の高い想想想セッションを提供し、持続的な実践を支援したと報告した。 本研究は,デジタルマインドフルネス介入におけるユーザエンゲージメントを高めるLLMによるパーソナライズの可能性を明らかにするものである。

関連論文リスト

• Mindfulness Meditation and Respiration: Accelerometer-Based Respiration Rate and Mindfulness Progress Estimation to Enhance App Engagement and Mindfulness Skills [0.0]
  スマートフォンの加速度計による呼吸追跡アルゴリズムを開発した。 従来の方法と異なり,本手法では,マインドフルネスに典型的な呼吸パターンを正確に捉えている。 本稿では,加速度計による呼吸データに基づいて,マインドフルネススキルの集中度,感覚的明瞭度,およびエクアニミティを推定する最初の定量的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-23T16:52:42Z)
• Spiritual-LLM : Gita Inspired Mental Health Therapy In the Era of LLMs [32.30725598459055]
  本研究では,Bhagavad Gitaの霊的知恵を,先進的な大規模言語モデルGPT-4oと統合することによって,新たな枠組みを導入する。 我々は、精神保健特定モデルと汎用モデルの両方を含む12の最先端LCMに対して、GITをベンチマークする。 以上の結果から,ユーザ満足度の向上とサポート成果の認識のために,霊的指導に富むAIシステムの可能性が示唆された。
  論文  参考訳（メタデータ） (2025-06-23T23:02:57Z)
• Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
  自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。 現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。 我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
  論文  参考訳（メタデータ） (2025-06-05T14:53:35Z)
• Large Language Model Agents for Improving Engagement with Behavior Change Interventions: Application to Digital Mindfulness [17.055863270116333]
  大規模言語モデルは、社会的支援をエミュレートできる人間のような対話を提供するという約束を示す。 LLMエージェントがマインドフルネス運動のユーザエンゲージメントに与える影響を評価するために2つのランダム化実験を行った。
  論文  参考訳（メタデータ） (2024-07-03T15:43:16Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• MindShift: Leveraging Large Language Models for Mental-States-Based Problematic Smartphone Use Intervention [34.21508978116272]
  問題のあるスマートフォンの使用は、身体的および精神的な健康に悪影響を及ぼす。 先行研究の幅広い範囲にもかかわらず、既存の説得技術は動的説得内容を提供するのに十分な柔軟性を持っていない。 我々は,大規模言語モデル(LLM)を利用して,効果的な説得コンテンツの自動生成と動的生成を実現した。 我々は,新しいLLMを利用したスマートフォン利用介入技術であるMindShiftを開発した。
  論文  参考訳（メタデータ） (2023-09-28T17:49:03Z)
• Memory-Augmented Theory of Mind Network [59.9781556714202]
  社会的推論は、心の理論(ToM)の能力を必要とする。 ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。 我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。 この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
  論文  参考訳（メタデータ） (2023-01-17T14:48:58Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)

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。