論文の概要: Before and After ChatGPT: Revisiting AI-Based Dialogue Systems for Emotional Support

• arxiv url: http://arxiv.org/abs/2603.13043v1
• Date: Fri, 13 Mar 2026 14:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-16 17:38:12.137887
• Title: Before and After ChatGPT: Revisiting AI-Based Dialogue Systems for Emotional Support
• Title（参考訳）: ChatGPTの前後:感情支援のためのAIベースの対話システムの再検討
• Authors: Daeun Lee, Dongje Yoo, Migyeong Yang, Jihyun An, Christine B. Cha, Jinyoung Han,
• Abstract要約: メンタルヘルスは依然として主要な公衆衛生上の問題であり、タイムリーな心理的サポートへのアクセスは限られている。 大規模言語モデル(LLM)の最近の進歩は、この研究領域を大きく変えた。 本研究は、メンタルヘルスのためのAI駆動対話システムの技術的進化を概観する。
• 参考スコア（独自算出の注目度）: 8.364657957347623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mental health remains a major public health concern, while access to timely psychological support is often limited. AI-based dialogue systems have emerged as promising tools to address these barriers, and recent advances in large language models (LLMs) have significantly transformed this research area. However, a systematic understanding of this technological transition is still limited. This study reviews the technological evolution of AI-driven dialogue systems for mental health, focusing on the shift from task-specific deep learning models to LLM-based approaches. We conducted a bibliometric analysis and qualitative trend review of studies published between 2020 and May 2024 using Web of Science, Scopus, and the ACM Digital Library. The qualitative analysis compared research conducted before and after the widespread adoption of LLMs. Pre-LLM research was represented by highly cited studies and work based on the ESConv dataset, while post-LLM research included highly cited dialogue systems built on LLMs. A total of 146 studies met the inclusion criteria, showing a steady growth in publications over time. Before the widespread use of LLMs, empathetic response generation mainly relied on task-specific deep learning models. Highly cited and ESConv-based studies commonly focused on multi-task learning and the integration of external knowledge. In contrast, recent LLM-based dialogue systems demonstrate improved linguistic flexibility and generalization for emotional support. However, these systems also raise concerns related to reliability and safety in mental health applications. This review highlights the technological transition of AI-based dialogue systems for mental health in the LLM era. By identifying current research trends and limitations, the findings provide guidance for developing more effective and reliable AI-driven counseling systems.
• Abstract（参考訳）: メンタルヘルスは依然として主要な公衆衛生上の問題であり、タイムリーな心理的サポートへのアクセスは限られている。 AIベースの対話システムは、これらの障壁に対処するための有望なツールとして現れており、近年の大規模言語モデル(LLM)の進歩は、この研究領域を大きく変えている。 しかし、この技術移行に関する体系的な理解はまだ限られている。 本研究は、AIによるメンタルヘルスのための対話システムの技術的進化をレビューし、タスク固有のディープラーニングモデルからLLMベースのアプローチへの移行に焦点を当てた。 我々は,Web of Science, Scopus, ACM Digital Libraryを用いて,2020年から2024年5月までに発行された研究の文献分析と質的傾向について検討した。 定性的分析は, LLMの普及前後に行われた研究と比較した。 前LLM研究はESConvデータセットに基づく高度に引用された研究と研究によって表現され、後LLM研究にはLSM上に構築された高度に引用された対話システムが含まれていた。 総計146の研究が包括的基準を満たし、出版物は時間とともに着実に成長した。 LLMが普及する以前、共感的応答生成は主にタスク固有のディープラーニングモデルに依存していた。 高度に引用されたESConvベースの研究は、マルチタスク学習と外部知識の統合に重点を置いている。 対照的に、近年のLLMベースの対話システムでは、言語的柔軟性と感情支援の一般化が向上している。 しかし、これらのシステムは、メンタルヘルスアプリケーションにおける信頼性と安全性に関する懸念も引き起こす。 このレビューは、LLM時代のメンタルヘルスのためのAIベースの対話システムの技術的な変遷を強調している。 現在の研究動向と限界を特定することで、より効果的で信頼性の高いAI駆動カウンセリングシステムを開発するためのガイダンスを提供する。

関連論文リスト

• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Survey on AI-Generated Media Detection: From Non-MLLM to MLLM [51.91311158085973]
  AI生成メディアを検出する方法は急速に進化してきた。 MLLMに基づく汎用検出器は、信頼性検証、説明可能性、ローカライゼーション機能を統合する。 倫理的・セキュリティ的な配慮が、重要な世界的な懸念として浮上している。
  論文  参考訳（メタデータ） (2025-02-07T12:18:20Z)
• Large Language Model for Qualitative Research -- A Systematic Mapping Study [3.302912592091359]
  先進的な生成AIを駆使した大規模言語モデル(LLM)がトランスフォーメーションツールとして登場した。 本研究は, LLMを用いた定性的研究に関する文献を体系的にマッピングする。 LLMは様々な分野にまたがって利用されており、プロセスの自動化の可能性を示している。
  論文  参考訳（メタデータ） (2024-11-18T21:28:00Z)
• Surveying the MLLM Landscape: A Meta-Review of Current Surveys [17.372501468675303]
  MLLM(Multimodal Large Language Models)は、人工知能分野における変革の原動力となっている。 本研究の目的は,MLLMのベンチマークテストと評価方法の体系的レビューを提供することである。
  論文  参考訳（メタデータ） (2024-09-17T14:35:38Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)
• A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
  大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。 本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。 本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
  論文  参考訳（メタデータ） (2023-08-22T13:30:37Z)

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。