論文の概要: UXR PoV for Neuroinclusive Emotion Regulation
- arxiv url: http://arxiv.org/abs/2605.31131v1
- Date: Fri, 29 May 2026 10:40:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.546659
- Title: UXR PoV for Neuroinclusive Emotion Regulation
- Title（参考訳）: ニューロインクルーシブ感情調節のためのUXR PoV
- Abstract要約: 本稿では,ADHD患者に対する感情的知的デジタルER介入の設計を支援するために,ジェネレーティブAIによるUXR手法を提案する。
このアプローチは経験的証拠を、確立された心理学的枠組みである弁証的行動療法(DBT)、自己決定理論(SDT)、COM-B行動モデルと統合する。
この手法は、AIをサポートする仮説生成、基礎計画、ビルディングブロックによる洞察生成、ステークホルダー固有のPoV物語の構築を含む4段階のUXRプロセスを通じて運用されている。
- 参考スコア（独自算出の注目度）: 3.6279953233728084
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Attention-deficit/hyperactivity disorder (ADHD) is a psychiatric disorder which presents itself in individuals through patterns of developmentally inappropriate levels of inattentiveness, hyperactivity, and impulsivity, with difficulties in decision making and emotional regulation (ER). Although digital and AI-based interventions have expanded access to ER support, many existing systems remain limited by weak theoretical integration, insufficient accommodation of neurodiversity, and a lack of structured user experience research (UXR) methodologies, that bridge psychological insight with design practice. This paper introduces a Generative AI-augmented UXR methodology, grounded in the UXR Point of View (PoV) Playbook, to support the design of emotionally intelligent and Neuroinclusive digital ER interventions for adults with ADHD. The approach integrates empirical evidence with established psychological frameworks Dialectical Behaviour Therapy (DBT), Self-Determination Theory (SDT), and the COM-B behavioural model and leverages Generative AI as a co-analytic tool to support synthesis, hypothesis formation, and design articulation. The methodology is operationalized through a four-stage UXR process encompassing AI-supported hypothesis generation, foundational planning, insight generation via Building Blocks, and the construction of stakeholder-specific PoV narratives. This process results in a set of ten theory informed UXR Play Cards that translate psychological mechanisms and empirical findings into actionable design guidance. The primary contribution of this work is a replicable, bias-aware framework for integrating Generative AI into UXR practice, advancing human-centred and Neuroinclusive approaches to digital mental health design.
- Abstract（参考訳）: ADHD(Attention-deficit/hyperactive disorder)は、精神疾患の一種で、発達的に不適切な不注意、過敏性、衝動性のパターンを経験し、意思決定や情緒的調節(ER)に困難を伴う。
デジタルおよびAIベースの介入はERサポートへのアクセスを拡大しているが、多くの既存のシステムは、弱い理論的統合、神経多様性の調節が不十分なこと、構造化されたユーザー体験研究(UXR)の方法論が欠如していることによって制限されている。
本稿では,ADHD の成人に対する感情的知的・神経包括的デジタルER 介入の設計を支援するために,UXR Point of View (PoV) Playbook を基盤とした生成型 AI UXR 手法を提案する。
このアプローチは、実証的な証拠を、確立された心理学的枠組み、弁証的行動療法(DBT)、自己決定理論(SDT)、COM-B行動モデルと統合し、生成AIを共同分析ツールとして活用し、合成、仮説形成、設計記述を支援する。
この手法は、AIをサポートする仮説生成、基礎計画、ビルディングブロックによる洞察生成、ステークホルダー固有のPoV物語の構築を含む4段階のUXRプロセスを通じて運用されている。
このプロセスは、心理学的メカニズムと経験的発見を実用的なデザインガイダンスに変換するUXRプレイカードの10つの理論を導出する。
この研究の主な貢献は、ジェネレーティブAIをUXRプラクティスに統合し、デジタルメンタルヘルスデザインに対する人間中心および神経包括的アプローチを前進させる、レプリカでバイアス対応のフレームワークである。
関連論文リスト
- From Evidence to Design: Developing an AI-Augmented UX Research Point of View for Digital Wellbeing in Emergency and Public Safety Contexts [5.241443752301431]
本稿では、ユーザエクスペリエンスリサーチ(UXR)手法とAIを用いた分析を組み合わせることで、デジタルウェルビーイング介入のための設計方向を明確化する方法について検討する。
本研究では,AIを用いた文献分析プロセスを用いて,反復する心理的,行動的,デザインパターンを同定した。
緊急・公共安全担当者のための効果的な福祉システムは、認知活動を最小限に抑え、運用状況に適応し、心理的安全性を優先しなければならない。
論文 参考訳（メタデータ） (2026-05-29T10:53:57Z) - Developing an AI-Powered UX Research Point of View for Digital Health in A Regulatory Context: An Exemplar Case from MSM and Transgender HIV Care in Nigeria [5.025015307096222]
本稿では、心理的に安全で認知力の低いデジタルヘルス介入の設計を導くために、ジェネレーティブAIによるUXR手法を提案する。
この方法論は、AIをサポートする仮説生成、基礎計画、洞察生成を含む4段階のUXRプロセスを通じて運用されている。
アウトプットは、心理学的洞察と経験的証拠を実用的なデザインガイダンスに変換する10の理論インフォームドUXRプレイカードのセットである。
論文 参考訳（メタデータ） (2026-05-29T10:47:44Z) - Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
パーキンソン病は世界中で1千万人以上に影響している。
個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。
我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
論文 参考訳（メタデータ） (2026-03-31T02:36:10Z) - Enhancing Psychologists' Understanding through Explainable Deep Learning Framework for ADHD Diagnosis [19.50016953929723]
ADHDは神経発達障害であり、診断が困難であり、信頼性が高く透明な識別と分類のための高度なアプローチが必要である。
本稿では、ADHD検出、マルチクラス分類、決定解釈のために、微調整型ハイブリッドディープニューラルネットワーク(DNN)とリカレントニューラルネットワーク(RNN)に基づく説明可能なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-28T09:19:31Z) - Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。
従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。
本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。
我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
論文 参考訳（メタデータ） (2025-10-02T19:38:46Z) - AI Models for Depressive Disorder Detection and Diagnosis: A Review [0.9012198585960441]
うつ病性障害は世界中で障害の原因の1つとなっているが、診断は主観的臨床評価に大きく依存している。
本稿では,55の鍵研究の体系的レビューに基づいて,最先端のAI手法の発見と診断に関する包括的調査を行う。
論文 参考訳（メタデータ） (2025-08-16T11:46:48Z) - Generative Cognitive Diagnosis [13.877294923915118]
本稿では,認知診断を予測モデルから生成モデルへ根本的にシフトさせる新しい生成診断パラダイムを提案する。
生成項目応答理論(G-IRT)と生成的ニューラル認知診断モデル(G-NCDM)という,このパラダイムの単純かつ効果的な2つのインスタンス化を提案する。
我々のフレームワークは、人工知能における認知診断の新たな道を開く。
論文 参考訳（メタデータ） (2025-07-13T23:55:05Z) - CSBrain: A Cross-scale Spatiotemporal Brain Foundation Model for EEG Decoding [57.90382885533593]
脳波信号の一般化のためのクロススケール時空間脳基盤モデルを提案する。
CSBrainはタスク固有のベースラインと基盤モデルのベースラインを一貫して上回ります。
これらの結果は、CSBrainを将来の脳-AI研究の強力なバックボーンとして、重要な帰納バイアスとして、クロススケールモデリングを確立している。
論文 参考訳（メタデータ） (2025-06-29T03:29:34Z) - Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - A Knowledge-Driven Cross-view Contrastive Learning for EEG
Representation [48.85731427874065]
本稿では,限られたラベルを持つ脳波から効果的な表現を抽出する知識駆動型クロスビューコントラスト学習フレームワーク(KDC2)を提案する。
KDC2法は脳波信号の頭皮と神経のビューを生成し、脳活動の内部および外部の表現をシミュレートする。
ニューラル情報整合性理論に基づく事前のニューラル知識をモデル化することにより、提案手法は不変かつ相補的なニューラル知識を抽出し、複合表現を生成する。
論文 参考訳（メタデータ） (2023-09-21T08:53:51Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z)
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。