論文の概要: Overview of the PsyDefDetect Shared Task at BioNLP 2026: Detecting Levels of Psychological Defense Mechanisms in Supportive Conversations
- arxiv url: http://arxiv.org/abs/2605.24907v1
- Date: Sun, 24 May 2026 07:17:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.502722
- Title: Overview of the PsyDefDetect Shared Task at BioNLP 2026: Detecting Levels of Psychological Defense Mechanisms in Supportive Conversations
- Title（参考訳）: BioNLP 2026におけるPsyDefDetect共有タスクの概要:支援会話における心理的防衛メカニズムの検出
- Authors: Hongbin Na, Zimu Wang, Zhaoming Chen, Yining Hua, Rena Gao, Kailai Yang, Ling Chen, Wei Wang, Shaoxiong Ji, John Torous, Sophia Ananiadou,
- Abstract要約: PsyDefDetectについて概説する。情緒的支援対話における心理的防衛機構のレベルを検出するための共有タスクである。
このタスクでは,対象者の発話を,7つの階層的防衛メカニズムレーティング尺度(DMRS)レベルと2つの補助ラベルの9つのカテゴリの1つに分類するようシステムに求めている。
最良のシステムは0.420のマクロF1スコアを達成し、データセットで報告された最強の微調整ベースラインを顕著な差で上回った。
- 参考スコア（独自算出の注目度）: 33.49851288070166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an overview of PsyDefDetect, the shared task on detecting levels of psychological defense mechanisms in emotional support dialogues, co-located with BioNLP@ACL 2026. Grounded in the clinically validated Defense Mechanism Rating Scales (DMRS) framework, the task asks systems to classify a target seeker utterance, given its preceding dialogue context, into one of nine categories: seven hierarchical DMRS levels plus two auxiliary labels. Participants worked on PsyDefConv, a newly released corpus of 200 dialogues and 2336 help-seeker utterances annotated under DMRS with substantial inter-annotator agreement. The task attracted 172 participants on CodaBench who produced 563 submissions, with 21 teams officially registering their results for the final ranking. The best system achieved a macro F1-score of 0.420, surpassing the strongest fine-tuned baseline reported in the dataset paper by a notable margin, yet leaving clear headroom. Our analysis highlights (i) a persistent tendency to over-predict the majority High-Adaptive class, (ii) a widening gap between accuracy and macro-F1 that reveals class-imbalance sensitivity, and (iii) the value of theory-aware and LLM-based approaches for fine-grained defensive-function classification. We release all task materials and invite the community to continue work on this novel intersection of clinical psychology and NLP.
- Abstract（参考訳）: PsyDefDetectは,BioNLP@ACL 2026と共同で,感情的支援対話における心理的防衛機構のレベルを検出するための共有タスクである。
臨床的に検証された防衛メカニズムレーティング尺度(DMRS)の枠組みに基づき、この課題は、対象者の発話を、先行する対話状況から、9つのカテゴリの1つ、階層的DMRSレベルと2つの補助ラベルに分類するようシステムに求める。
PsyDefConvは、200の対話と2336のヘルプ・シーカーの発話をDMRSの下で注釈付きでアノテータ間契約で新たにリリースしたコーパスである。
このタスクにはコダベンチの172人の参加者が参加し、21チームが最終ランキングに登録した。
最高のシステムは0.420のマクロF1スコアを達成し、データセットで報告された最強の微調整ベースラインを、顕著なマージンで上回ったが、明確なヘッドルームを残した。
分析のハイライト
(i)多数派高順派を過度に予測する永続的な傾向
(ii)クラス不均衡感度を示す精度とマクロF1とのギャップを広げ、
三 詳細な防御機能分類のための理論認識及びLLMに基づくアプローチの価値。
我々は,すべての課題資料を公開し,この新たな臨床心理学とNLPの交わりへの取り組みを継続するよう,コミュニティに呼びかける。
関連論文リスト
- Mitigating Data Scarcity in Psychological Defense Classification with Context-Aware Synthetic Augmentation [3.11997128394121]
心理的防衛メカニズム(英: Psychological Defense Mechanism、PDM)は、個人が感情的苦痛にどう反応するかを調節する無意識の認知過程である。
本稿では,ハイブリッド分類モデルと組み合わせた文脈認識型合成拡張フレームワークを提案する。
本モデルでは,文脈言語表現を基本的臨床特徴と統合し,150個のアノテートされた防衛項目を合成する。
論文 参考訳（メタデータ） (2026-05-14T05:02:34Z) - UTS at PsyDefDetect: Multi-Agent Councils and Absence-Based Reasoning for Defense Mechanism Classification [1.348563827917271]
本稿では,感情支援対話における心理的防衛機構の分類システムについて述べる。
中心的な洞察は、防御メカニズムが欠落しているものによって定義されることである。
我々はこれを、最も大きな単一利得を考慮に入れた、即効レベルの臨床規則における感情認知統合スペクトルとしてエンコードする。
論文 参考訳（メタデータ） (2026-05-10T21:30:02Z) - Nürnberg NLP at PsyDefDetect: Multi-Axis Voter Ensembles for Psychological Defence Mechanism Classification [0.0]
PsyDefDetectでは8つの正の防衛カテゴリーが表面言語を共有しており、実用的機能だけが異なる。
この知見を3つの軸にまたがる9声のアンサンブルに変換する。
システムは隠れたテストセットで$Ftest=.420$に達し、21の登録チームの中で第1位となる。
論文 参考訳（メタデータ） (2026-05-08T11:32:31Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - AILS-NTUA at SemEval-2026 Task 10: Agentic LLMs for Psycholinguistic Marker Extraction and Conspiracy Endorsement Detection [14.20669481486209]
本稿では,SemEval-2026 Task 10 のための新しいエージェント LLM パイプラインを提案する。
マーカー抽出のために,意味的あいまいさと文字レベルの脆さを解消するために,決定論的アンカーを用いた動的離散Chain-of-Thought (DD-CoT)を提案する。
共謀検知のためには、キャリブレート判事による反対パラレル協議会で構成される「反Echoチャンバー」アーキテクチャが「レポータートラップ」を克服する。
論文 参考訳（メタデータ） (2026-03-05T08:09:10Z) - DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳（メタデータ） (2025-10-24T08:01:21Z) - LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。
本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。
実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
論文 参考訳（メタデータ） (2025-01-07T08:49:04Z) - Measuring Equality in Machine Learning Security Defenses: A Case Study
in Speech Recognition [56.69875958980474]
この研究は、学習したシステムを守るためのアプローチと、異なるサブ人口間でのセキュリティ防衛がパフォーマンス上の不平等をもたらす方法を検討する。
提案された多くの手法は、虚偽の拒絶やロバストネストレーニングの不平等といった直接的な害を引き起こす可能性がある。
本稿では, ランダム化スムースメントとニューラルリジェクションの2つの防御法の比較を行い, マイノリティ集団のサンプリング機構により, ランダム化スムースメントがより公平であることを見出した。
論文 参考訳（メタデータ） (2023-02-17T16:19:26Z) - RuArg-2022: Argument Mining Evaluation [69.87149207721035]
本稿は、ロシア語テキストを扱う議論分析システムの最初のコンペティションの主催者の報告である。
新型コロナウイルスの感染拡大に伴う3つの話題について、9,550文(ソーシャルメディア投稿記事)のコーパスを用意した。
両タスクで第一位を獲得したシステムは、BERTアーキテクチャのNLI(Natural Language Inference)変種を使用した。
論文 参考訳（メタデータ） (2022-06-18T17:13:37Z)
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。