論文の概要: Why Are We Lonely? Leveraging LLMs to Measure and Understand Loneliness in Caregivers and Non-caregivers

• arxiv url: http://arxiv.org/abs/2604.07834v1
• Date: Thu, 09 Apr 2026 05:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.721879
• Title: Why Are We Lonely? Leveraging LLMs to Measure and Understand Loneliness in Caregivers and Non-caregivers
• Title（参考訳）: なぜ孤独なのか? 介護者と非介護者の孤独を計測・理解するためにLCMを活用して
• Authors: Michelle Damin Kim, Ellie S. Paek, Yufen Lin, Emily Mroz, Jane Chung, Jinho D. Choi,
• Abstract要約: ソーシャルメディアのテキスト分析における孤独の原因を分類するために,専門家が開発した孤独度評価フレームワークと専門家インフォームドタイポロジーを導入する。 GPT-4o, GPT-5-nano, GPT-5を適用し, 高品質なRedditコーパスを構築し, 両集団間の孤独さを解析した。
• 参考スコア（独自算出の注目度）: 8.240596179677796
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents an LLM-driven approach for constructing diverse social media datasets to measure and compare loneliness in the caregiver and non-caregiver populations. We introduce an expert-developed loneliness evaluation framework and an expert-informed typology for categorizing causes of loneliness for analyzing social media text. Using a human-validated data processing pipeline, we apply GPT-4o, GPT-5-nano, and GPT-5 to build a high-quality Reddit corpus and analyze loneliness across both populations. The loneliness evaluation framework achieved average accuracies of 76.09% and 79.78% for caregivers and non-caregivers, respectively. The cause categorization framework achieved micro-aggregate F1 scores of 0.825 and 0.80 for caregivers and non-caregivers, respectively. Across populations, we observe substantial differences in the distribution of types of causes of loneliness. Caregivers' loneliness were predominantly linked to caregiving roles, identity recognition, and feelings of abandonment, indicating distinct loneliness experiences between the two groups. Demographic extraction further demonstrates the viability of Reddit for building a diverse caregiver loneliness dataset. Overall, this work establishes an LLM-based pipeline for creating high quality social media datasets for studying loneliness and demonstrates its effectiveness in analyzing population-level differences in the manifestation of loneliness.
• Abstract（参考訳）: 本稿では,介護者と非介護者の孤独度を計測・比較するために,多様なソーシャルメディアデータセットを構築するためのLCM駆動型アプローチを提案する。 ソーシャルメディアのテキスト分析における孤独の原因を分類するために,専門家が開発した孤独度評価フレームワークと専門家インフォームドタイポロジーを導入する。 GPT-4o, GPT-5-nano, GPT-5を適用し, 高品質なRedditコーパスを構築し, 両集団間の孤独さを解析した。 孤独度評価の枠組みは、介護者と非介護者それぞれ平均76.09%と79.78%の精度を達成した。 原因分類の枠組みは、介護者および非介護者に対してそれぞれ0.825と0.80のマイクロアグリゲートF1スコアを達成した。 集団全体では、孤独の原因の分布のかなりの違いが観察される。 介護者の孤独感は,介護者の役割,アイデンティティ認識,放棄感に大きく関連し,両者の孤独感を顕著に示していた。 デモグラフィック抽出はさらに、多様な介護者の孤独なデータセットを構築するためのRedditの可能性を実証している。 全体として、この研究は、孤独を研究するための高品質なソーシャルメディアデータセットを作成するためのLLMベースのパイプラインを確立し、孤独の顕在化における人口レベルの差異を分析する上で、その効果を実証する。

関連論文リスト

• Social Simulacra in the Wild: AI Agent Communities on Moltbook [17.60949735143336]
  73,899 Moltbookと189,838 Redditの投稿を分析し,AIエージェントと人間のオンラインコミュニティの大規模な比較を行った。 Moltbookは不平等と高いコミュニティの著者が重複していることがわかりました。 個々のエージェントは、人間のユーザよりも識別しやすく、極端な投稿量によって増幅された、アウトリーなスタイルプロファイルによって駆動される。
  論文  参考訳（メタデータ） (2026-03-17T05:26:55Z)
• Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection [82.70752567211251]
  本稿では,詳細なソーシャルインタラクション検出のためのボトムアップグループ推論フレームワークを提案する。 提案手法は,身体部分の特徴と対人関係を用いて,社会的グループとその相互作用を推定する。 モデルではまず個人を検知し,その特徴を部分認識的手がかりを用いて拡張し,類似性に基づく推論によって個人を連想させることによりグループ構成を推論する。
  論文  参考訳（メタデータ） (2025-11-05T17:33:03Z)
• Social Simulations with Large Language Model Risk Utopian Illusion [61.358959720048354]
  社会シミュレーションにおける大規模言語モデルの行動分析のための体系的枠組みを提案する。 本手法は,チャットルーム型会話を通してマルチエージェントインタラクションをシミュレートし,5つの言語的側面にわたって解析する。 以上の結果から,LSMは真の人間の行動を忠実に再現するのではなく,過度に理想化されたバージョンを反映していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-24T06:08:41Z)
• SocialEval: Evaluating Social Intelligence of Large Language Models [70.90981021629021]
  ソーシャルインテリジェンス(英語版) (SI) は、社会的目標を達成するために社会的相互作用をナビゲートする際に賢明に行動する対人能力を持つ人間を装備する。 結果指向の目標達成評価とプロセス指向の対人能力評価という,運用評価パラダイムを提示する。 スクリプトベースのバイリンガルSIベンチマークであるSocialEvalを提案する。
  論文  参考訳（メタデータ） (2025-06-01T08:36:51Z)
• Loneliness Forecasting Using Multi-modal Wearable and Mobile Sensing in Everyday Settings [1.7253972752874662]
  本研究では、スマートリングや時計などのウェアラブルデバイスを用いて、孤独の初期の生理的指標を監視する。 スマートフォンは初期の孤独の兆候を 捉えるために使われています パーソナライズされたモデルの開発を通じて、7日間の孤独度予測において、顕著な精度 0.82 と F-1 スコア 0.82 を達成した。
  論文  参考訳（メタデータ） (2024-09-15T18:33:02Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  データ構築とモデルチューニングを改善するためのフレームワークPersLLMを提案する。 データ利用が不十分な場合には、Chain-of-Thoughtプロンプトやアンチインダクションといった戦略を取り入れます。 厳密な振舞いパターンを設計し,モデルの性格の特異性とダイナミズムを高めるために自動DPOを導入する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View [60.80731090755224]
  本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。 我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。 以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
  論文  参考訳（メタデータ） (2023-10-03T15:05:52Z)
• Many Ways to be Lonely: Fine-grained Characterization of Loneliness and its Potential Changes in COVID-19 [3.2443914909457585]
  孤独は身体的および精神的な健康に対する否定的な結果に結びついている。 孤独な自己開示において、さまざまな形の孤独と対処戦略がどのように現れるかを調べるために、私たちはデータセット、FIG-Lonelinessを構築しました。 我々はRedditの投稿を、成人向けの2つのフォーラムと、多様な年齢層からなる孤独関連フォーラムで使用した。
  論文  参考訳（メタデータ） (2022-01-19T05:22:55Z)

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。