論文の概要: Can AI Help You Get Over Your Breakup? One Session with a Belief-Reframing Chatbot Shows Sustained Distress Reduction
- arxiv url: http://arxiv.org/abs/2605.03261v1
- Date: Tue, 05 May 2026 01:22:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.706742
- Title: Can AI Help You Get Over Your Breakup? One Session with a Belief-Reframing Chatbot Shows Sustained Distress Reduction
- Title（参考訳）: AIはあなたのブレイクアップを乗り越えるのに役立つか? チャットボットを信じる1つのセッションは、持続的な距離削減を見せる
- Authors: Thomas Menzel, Michel Schimpf, Thomas Bohné,
- Abstract要約: ロマン主義的な分裂は、心理的苦痛の最も一般的で激しい原因の1つである。
我々は,単一セッションのAIチャットプログラムの評価を行った。
- 参考スコア（独自算出の注目度）: 2.494285265205213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Romantic breakups are among the most common and intense sources of psychological distress. We evaluated *overit*, a single-session AI chatbot that uses cognitive reappraisal to address breakup distress, informed by memory reconsolidation theory. In a pre-registered randomized controlled trial, 254 adults in the United States and United Kingdom who had experienced a romantic breakup were assigned to either an initial survey assessment followed by an AI chat session or to a survey-only control. Breakup distress was measured at baseline, 7 days, and again at an exploratory 1-month follow-up using the Breakup Distress Scale. Participants assigned to *overit* showed a significantly greater reduction in breakup distress than controls at 7 days (time-by-condition interaction B = -5.36, SE = 1.19, p < .001; completer-based d = -0.70). A smaller but still significant treatment advantage remained detectable at the exploratory 1-month follow-up among post-session completers (B = -2.92, SE = 1.22, p = .017). Exploratory post hoc moderation suggested a larger effect among male participants (B = 7.78, p = .003). These results suggest that a brief AI chatbot conversation can meaningfully reduce breakup distress, with exploratory evidence that a smaller advantage persists over the following month. Future work should test the intervention against active controls, evaluate repeated-session use, and recruit more diverse samples.
- Abstract（参考訳）: ロマン主義的な分裂は、心理的苦痛の最も一般的で激しい原因の1つである。
記憶再構成理論により認知的再評価を用いて破滅的苦痛に対処する単一セッションAIチャットボット*overit*を評価した。
登録済みランダム化試験では、ロマンチックなブレイクアップを経験した米国と英国の254人の成人が、最初の調査アセスメントに続いてAIチャットセッション、またはサーベイ専用コントロールに割り当てられた。
ブレークアップ・ディストレス・スケールを用いて, ベースライン, 7日間, 探索1ヶ月のフォローアップで, ブレイクアップ・ディストレス・スケールを測定した。
オーバーイット*に割り当てられた参加者は、7日間の制御よりも破壊的苦痛が著しく減少した(条件付き相互作用B = -5.36, SE = 1.19, p < .001; 完了者ベースd = -0.70)。
B = -2.92, SE = 1.22, p = .017)。
有意差は, 有意差は認められなかった (B = 7.78, p = .003)。
これらの結果は、短いAIチャットボットの会話は、次の1ヶ月で小さなアドバンテージが持続するという探索的な証拠によって、ブレークアップの苦痛を有意義に軽減することができることを示唆している。
今後の作業は、アクティブコントロールに対する介入をテストし、繰り返し使用を評価し、より多様なサンプルを募集する必要がある。
関連論文リスト
- Stated Preference for Interaction and Continued Engagement (SPICE): Evaluating an LLM's Willingness to Re-engage in Conversation [0.0]
Stated Preference for Interaction and Continued Engagement (SPICE)は、大規模言語モデルにYESまたはNO質問をすることで引き起こされる単純な診断信号である。
10-interactionstimul setによる3-tone(親しみやすい,不明瞭,嫌悪感)を用いた実験では,4つのフレーミング条件で4つのオープンウェイトチャットモデルを検証した。
友好的な相互作用は継続をほぼ一様に好んだ(97.5% YES)が、虐待的相互作用は断念を強く好んだ(17.9% YES)
論文 参考訳（メタデータ） (2025-09-10T22:34:17Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z) - Conversational AI Powered by Large Language Models Amplifies False Memories in Witness Interviews [23.443181324643017]
本研究では,AIが人間の虚偽記憶に与える影響について検討する。
犯罪目撃者のインタビューをシミュレートし、人間とAIのインタラクションにおける示唆的質問を通じて、偽の記憶誘導を探索する。
論文 参考訳（メタデータ） (2024-08-08T04:55:03Z) - Should ChatGPT Write Your Breakup Text? Exploring the Role of AI in Relationship Dissolution [13.87095706739594]
分裂プロセスは、コンピュータによるコミュニケーションのような技術によってますます促進される。
以上の結果から, 様々な段階において, 異なるニーズを抱いていることが明らかとなった。
参加者は、GenAIが自己反省を促し、中立的な第二の意見を提供し、分裂に至る計画を支援することができると想定している。
論文 参考訳（メタデータ） (2024-01-18T02:53:36Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳（メタデータ） (2022-08-10T03:41:48Z) - ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。
まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。
最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
論文 参考訳（メタデータ） (2022-07-14T17:46:37Z) - CIL: Contrastive Instance Learning Framework for Distantly Supervised
Relation Extraction [52.94486705393062]
我々は、典型的なマルチインスタンス学習(MIL)フレームワークを超えて、新しいコントラッシブ・インスタンス学習(CIL)フレームワークを提案する。
具体的には、初期MILをリレーショナルトリプルエンコーダと各インスタンスに対する負のペアに対する制約正のペアとみなす。
提案手法の有効性を実験的に検証し, 提案手法をNYT10, GDS, KBPで比較検討した。
論文 参考訳（メタデータ） (2021-06-21T04:51:59Z) - World Trade Center responders in their own words: Predicting PTSD
symptom trajectories with AI-based language analyses of interviews [6.700088567524812]
本研究は、応答者間のPTSD症状の軌跡を予測するためのAIに基づく言語アセスメントの能力を検証した。
横断的に、より大きな抑うつ言語(beta=0.32; p43)と一対一の特異な使用(beta=0.31; p44)は、症状の重症度の増加に関連していた。
長文使用率 (beta=-0.36; p7) と長文使用率 (beta=-0.36; p7) は改善を予測した。
論文 参考訳（メタデータ） (2020-11-12T15:57:23Z)
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。