論文の概要: Predicting Psychological Well-Being from Spontaneous Speech using LLMs

• arxiv url: http://arxiv.org/abs/2605.11303v1
• Date: Mon, 11 May 2026 22:46:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.463243
• Title: Predicting Psychological Well-Being from Spontaneous Speech using LLMs
• Title（参考訳）: LLMを用いた自発音声からの心理的幸福感の予測
• Authors: Erfan Loweimi, Sofia de la Fuente Garcia, Saturnino Luz,
• Abstract要約: 本研究では,Large Language Models (LLMs) を用いて,自発音声からのRyff Psychological Well-Being (PWB) スコアのゼロショット予測を行う。 Llama-3, Ministral, Mistral, Gemma-2-9B, Gemma-3 (1B, 4B, 27B), Phi-4, DeepSeek (Qwen, Llama), QwQ-Preview など12種類の命令チューニング LLM の評価を行った。 その結果、LLMは自然発話から意味論的に意味のある手がかりを抽出し、データの80%に対して最大0.8のスピアマン相関を達成できることがわかった。
• 参考スコア（独自算出の注目度）: 8.401493169323944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate the use of Large Language Models (LLMs) for zero-shot prediction of Ryff Psychological Well-Being (PWB) scores from spontaneous speech. Using a few minutes of voice recordings from 111 participants in the PsyVoiD database, we evaluated 12 instruction-tuned LLMs, including Llama-3 (8B, 70B), Ministral, Mistral, Gemma-2-9B, Gemma-3 (1B, 4B, 27B), Phi-4, DeepSeek (Qwen and Llama), and QwQ-Preview. A domain-informed prompt was developed in collaboration with experts in clinical psychology and linguistics. Results show that LLMs can extract semantically meaningful cues from spontaneous speech, achieving Spearman correlations of up to 0.8 on 80\% of the data. Additionally, to enhance explainability, we conducted statistical analyses to characterise prediction variability and systematic biases, alongside keyword-based word cloud analyses to highlight the linguistic features driving the models' predictions.
• Abstract（参考訳）: 本研究では,Large Language Models (LLMs) を用いて,自発音声からのRyff Psychological Well-Being (PWB) スコアのゼロショット予測を行う。 Llama-3 (8B, 70B), Ministral, Mistral, Gemma-2-9B, Gemma-3 (1B, 4B, 27B), Phi-4, DeepSeek (Qwen, Llama), QwQ-Preview など,PsyVoiDデータベースの参加者111名による音声記録を数分間評価した。 ドメインインフォームドプロンプトは臨床心理学と言語学の専門家と共同で開発された。 その結果, LLMは発声音声から意味論的に意味のある手がかりを抽出でき, データの80%に対して最大0.8のスピアマン相関が得られることがわかった。 さらに,予測変数と系統的バイアスを特徴付ける統計的分析を行い,キーワードベースの単語クラウド分析を行い,モデルの予測を駆動する言語的特徴を強調した。

関連論文リスト

• To Words and Beyond: Probing Large Language Models for Sentence-Level Psycholinguistic Norms of Memorability and Reading Times [4.5166266531313966]
  大規模言語モデルは人間の判断と相関する心理言語学の規範を推定する。 我々はこの手法を文の暗記性や読解時間の未検討の特徴に拡張する。
  論文  参考訳（メタデータ） (2026-03-12T16:10:27Z)
• From Five Dimensions to Many: Large Language Models as Precise and Interpretable Psychological Profilers [14.983442449498739]
  本研究は,人間の心理特性の相関構造を,最小の量的入力からモデル化できるかどうかについて検討する。 我々は816人の個人から、他の9つの心理的尺度でのロールプレイを行うために、ビッグファイブ・パーソナリティ・スケールの反応を持つ様々なLSMを誘導した。 LLMは人間の心理的構造を捉えるのに顕著な精度を示した。
  論文  参考訳（メタデータ） (2025-11-05T06:51:13Z)
• SpeechIQ: Speech Intelligence Quotient Across Cognitive Levels in Voice Understanding Large Language Models [76.07833875692722]
  音声に基づくインテリジェンス・クオシエント(SIQ)は、人間の認知にインスパイアされた評価パイプラインの新たな形態であり、大きな言語モデルを理解するためのものである。 私たちのフレームワークは、認知原則を音声指向のベンチマークでブリッジする、第一種知能検査を表現しています。
  論文  参考訳（メタデータ） (2025-07-25T15:12:06Z)
• Spontaneous Speech Variables for Evaluating LLMs Cognitive Plausibility [0.7061230262755125]
  本稿では, 音声コーパスを用いて生成変数(音声の縮小, 韻律的優位性)を導出し, 同様の方法で適用することを提案する。 次に、これらの2つの変数を予測するために、異なる事前学習データセットの標準手順でトレーニングされたモデルをテストします。 以上の結果から,いくつかの微調整の後,モデルがこれらの生産変数をベースラインよりはるかに高い精度で予測できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-22T06:23:02Z)
• Holmes: A Benchmark to Assess the Linguistic Competence of Language Models [59.627729608055006]
  言語モデル(LM)の言語能力を評価するための新しいベンチマークであるHolmesを紹介する。 我々は、計算に基づく探索を用いて、異なる言語現象に関するLMの内部表現を調べる。 その結果,近年,他の認知能力からLMの言語能力を引き離す声が上がっている。
  論文  参考訳（メタデータ） (2024-04-29T17:58:36Z)
• Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
  本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
  論文  参考訳（メタデータ） (2023-08-09T07:51:40Z)
• Naturalistic Causal Probing for Morpho-Syntax [76.83735391276547]
  スペインにおける実世界のデータに対する入力レベルの介入に対する自然主義的戦略を提案する。 提案手法を用いて,共同設立者から文章中の形態・症状の特徴を抽出する。 本研究では,事前学習したモデルから抽出した文脈化表現に対する性別と数字の因果効果を解析するために,本手法を適用した。
  論文  参考訳（メタデータ） (2022-05-14T11:47:58Z)
• Prediction of Listener Perception of Argumentative Speech in a Crowdsourced Data Using (Psycho-)Linguistic and Fluency Features [24.14001104126045]
  議論的発話のクラウドソースデータセットにおいてTEDトークスタイルの感情評価を予測することを目的としている。 本稿では,TEDトーク音声の大規模データセット上で事前学習したモデルを微調整することにより,これらのカテゴリを予測するための分類タスクに有効なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-11-13T15:07:13Z)
• Model-based analysis of brain activity reveals the hierarchy of language in 305 subjects [82.81964713263483]
  言語の神経基盤を分解する一般的なアプローチは、個人間で異なる刺激に対する脳の反応を関連付けている。 そこで本研究では,自然刺激に曝露された被験者に対して,モデルに基づくアプローチが等価な結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-12T15:30:21Z)

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。