論文の概要: Structural Stress and Learned Helplessness in Afghanistan: A Multi-Layer Analysis of the AFSTRESS Dari Corpus

• arxiv url: http://arxiv.org/abs/2603.27233v1
• Date: Sat, 28 Mar 2026 11:04:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.857732
• Title: Structural Stress and Learned Helplessness in Afghanistan: A Multi-Layer Analysis of the AFSTRESS Dari Corpus
• Title（参考訳）: アフガニスタンにおける構造ストレスと無力化 : AFSTRESS Dari Corpusの多層解析
• Authors: Jawid Ahmad Baktash, Mursal Dawodi, Nadira Ahmadi,
• Abstract要約: AFSTRESSは、ダリで初の自己報告型ストレス物語の多ラベルコーパスである。 アフガニスタンの個人から収集された737の回答が、現在進行中の人道的危機の中で含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce AFSTRESS, the first multi-label corpus of self-reported stress narratives in Dari (Eastern Persian), comprising 737 responses collected from Afghan individuals during an ongoing humanitarian crisis. Participants describe experienced stress and select emotion and stressor labels via Dari checklists. The dataset enables analysis at three levels: computational (multi-label classification), social (structural drivers and gender disparities), and psychological (learned helplessness, chronic stress, and emotional cascade patterns). It includes 12 binary labels (5 emotions, 7 stressors), with high label cardinality (5.54) and density (0.462), reflecting complex, multi-dimensional stress. Structural stressors dominate: uncertain future (62.6 percent) and education closure (60.0 percent) exceed emotional states, indicating stress is primarily structurally driven. The strongest co-occurrence is between hopelessness and uncertain future (J = 0.388). Baseline experiments show that character TF-IDF with Linear SVM achieves Micro-F1 = 0.663 and Macro-F1 = 0.651, outperforming ParsBERT and XLM-RoBERTa, while threshold tuning improves Micro-F1 by 10.3 points. AFSTRESS provides the first Dari resource for computational analysis of stress and well-being in a crisis-affected population.
• Abstract（参考訳）: AFSTRESSはダリで最初に報告されたストレス物語の多ラベルコーパスで、アフガニスタン人から集めた737の回答を人道的危機の中で紹介する。 参加者は経験豊富なストレスを記述し、Dariチェックリストを通じて感情とストレスのラベルを選択する。 このデータセットは、計算(複数ラベルの分類)、社会(構造的ドライバーと性別格差)、心理的(学習された無力感、慢性的なストレス、感情的なカスケードパターン)の3つのレベルでの分析を可能にする。 12のバイナリラベル(5つの感情、7つのストレスタ)と高いラベルの濃度(5.54)と密度(0.462)を含み、複雑な多次元のストレスを反映している。 構造的ストレスが支配的であり、不確実な未来(62.6%)と教育閉鎖(60.0%)は感情的状態を超えた。 最も強い共起は、絶望と不確実未来(J = 0.388)の間である。 ベースライン実験では、TF-IDFと線形SVMの文字は Micro-F1 = 0.663 と Macro-F1 = 0.651 を達成し、ParsBERT と XLM-RoBERTa を上回り、しきい値調整は Micro-F1 を 10.3 ポイント改善した。 AFSTRESSは、危機に影響を及ぼした人口におけるストレスと幸福の計算分析のための最初のDariリソースを提供する。

関連論文リスト

• Encyclo-K: Evaluating LLMs with Dynamically Composed Knowledge Statements [78.87065404966002]
  既存のベンチマークは、主に質問レベルで質問をキュレートする。 ベンチマーク構築をゼロから再考するステートメントベースのベンチマークであるEncyclo-Kを提案する。
  論文  参考訳（メタデータ） (2025-12-31T13:55:54Z)
• StressRoBERTa: Cross-Condition Transfer Learning from Depression, Anxiety, and PTSD to Stress Detection [4.431531377607482]
  本稿では,英語のつぶやきにおける自己報告型慢性ストレスの自動検出のためのクロス条件伝達学習手法であるScressRoBERTaを紹介する。 本研究は, 臨床関連条件(抑うつ, 不安, PTSD)の連続トレーニングがストレス検出を改善するかを検討する。
  論文  参考訳（メタデータ） (2025-12-29T19:16:14Z)
• multiMentalRoBERTa: A Fine-tuned Multiclass Classifier for Mental Health Disorder [0.6308539010172308]
  ソーシャルメディアからのメンタルヘルス障害の早期発見は、適切なリソースへのタイムリーなサポート、リスクアセスメント、参照を可能にするために重要である。 この研究は、一般的な精神状態のマルチクラス分類用に設計された微調整RoBERTaモデルであるMultiMentalRoBERTaを紹介する。
  論文  参考訳（メタデータ） (2025-11-01T03:55:48Z)
• Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
  ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• The 6th Affective Behavior Analysis in-the-wild (ABAW) Competition [53.718777420180395]
  本稿では,第6回ABAWコンペティションについて述べる。 第6回ABAWコンペティションは、人間の感情や行動を理解する上での現代の課題に対処する。
  論文  参考訳（メタデータ） (2024-02-29T16:49:38Z)
• Detection and Analysis of Stress-Related Posts in Reddit Acamedic Communities [0.0]
  本研究は,Reddit学術コミュニティにおけるストレス関連投稿の検出と分析に焦点をあてる。 テキストは、自然言語処理と機械学習分類器を用いて、強調されているか、そうでないかを分類する。 重要な発見は、Redditの教授コミュニティにおける投稿やコメントが最もストレスが強いことを示している。
  論文  参考訳（メタデータ） (2023-12-02T07:34:03Z)
• Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
  メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。 本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-15T14:34:16Z)
• The MuSe 2023 Multimodal Sentiment Analysis Challenge: Mimicked Emotions, Cross-Cultural Humour, and Personalisation [69.13075715686622]
  MuSe 2023は、現代の3つの異なるマルチモーダル感情と感情分析の問題に対処する共有タスクの集合である。 MuSe 2023は、さまざまな研究コミュニティから幅広いオーディエンスを集めようとしている。
  論文  参考訳（メタデータ） (2023-05-05T08:53:57Z)
• ForDigitStress: A multi-modal stress dataset employing a digital job interview scenario [48.781127275906435]
  本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。 このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。 ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
  論文  参考訳（メタデータ） (2023-03-14T09:40:37Z)
• The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional Reactions, and Stress [71.06453250061489]
  マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。 今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
  論文  参考訳（メタデータ） (2022-06-23T13:34:33Z)

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。