論文の概要: When Rating Scales Fall Short: LLM-Assisted Discovery of ADHD Signals in Turkish Teacher Narratives

• arxiv url: http://arxiv.org/abs/2606.02509v1
• Date: Mon, 01 Jun 2026 17:22:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.532267
• Title: When Rating Scales Fall Short: LLM-Assisted Discovery of ADHD Signals in Turkish Teacher Narratives
• Title（参考訳）: レーティング尺度が短くなったとき:トルコ教師のナラティブにおけるADHD信号の発見支援
• Authors: Baris Karacan, Irem Aktar Songur, Ahmet Ozaslan, Elvan Iseri,
• Abstract要約: 注意欠陥多動性障害(ADHD)は、小児期で最も一般的な神経発達障害の1つである。 Conners' Teacher Rating Scale-Revised Short Form (CTRS-R:S) のような構造化された楽器はADHD関連の振る舞いを定量化する一方で、教師はオープンな物語も提供する。 教師の物語が、評価尺度で見過ごされるシグナルをエンコードしているかは、まだ不明である。
• 参考スコア（独自算出の注目度）: 0.09999629695552194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Attention Deficit Hyperactivity Disorder (ADHD) is one of the most common neurodevelopmental disorders in childhood, and its diagnosis relies on assessments combining clinician judgment with standardized rating scales and reports from parents and teachers. While structured instruments such as the Conners' Teacher Rating Scale-Revised Short Form (CTRS-R:S) quantify ADHD-related behaviors, teachers also provide open-ended narratives that may contain complementary signals not captured by structured assessments. However, it remains unclear to what extent teacher narratives encode signals overlooked by rating scales. In this study, we analyze de-identified Turkish teacher evaluation forms collected during clinical ADHD assessments, including both CTRS-R:S scores and open-ended teacher narratives. We compare predictive signals from structured scores and narrative text and identify cases where structured assessments fail to clearly distinguish ADHD from non-ADHD students while narrative-based models capture distinct behavioral patterns. Notably, these cases show minimal overlap with those missed by the narrative model, suggesting that structured and narrative information encode complementary signals. To interpret these differences, we apply a large language model (LLM)-assisted theme discovery pipeline that reveals distinct attention, behavioral, and family-related patterns, highlighting the potential of natural language processing (NLP) to uncover clinically relevant signals from teacher narratives and to complement traditional ADHD screening tools.
• Abstract（参考訳）: 注意欠陥多動性障害(ADHD)は小児で最も一般的な神経発達障害の1つであり、その診断は臨床医の判断と標準的な評価尺度、および両親や教師からの報告に依拠している。 Conners' Teacher Rating Scale-Revised Short Form (CTRS-R:S) のような構造化された楽器はADHD関連の振る舞いを定量化するが、教師は構造化された評価によって捉えられない補完的な信号を含むようなオープンな物語も提供する。 しかし、評価尺度で見過ごされる信号がどの程度教師の物語にエンコードされているかは定かではない。 本研究では,臨床ADHD評価において収集された未確認トルコ人教師の評価形式について,CTRS-R:Sスコアと開放型教師の話を含む分析を行った。 我々は、構造化スコアと物語テキストからの予測信号を比較し、構造化評価がADHD学生とADHD学生とを明確に区別できない場合を識別し、物語に基づくモデルは異なる行動パターンをキャプチャする。 特に、これらのケースは物語モデルで見逃されたものと最小の重複を示し、構造化情報と物語情報が相補的な信号を符号化していることを示唆している。 これらの違いを解釈するために,大規模言語モデル(LLM)を用いたテーマ発見パイプラインを適用し,教師の物語から臨床関連情報を抽出し,従来のADHDスクリーニングツールを補完するために,自然言語処理(NLP)の可能性を強調した。

関連論文リスト

• 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)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• Challenges in the Differential Classification of Individual Diagnoses from Co-Occurring Autism and ADHD Using Survey Data [2.521920073279046]
  自閉症とADHD(Autism and Attention-Deficit Hyper Activity Disorder)は、小児期で最もよく見られる神経発達障害の1つである。 両者を区別するための特定の計算アセスメントを提供することは、困難かつ時間を要することが証明される。 自動臨床意思決定支援システムの特徴として,対象とする行動を特定するために,全国小児健康調査のデータを用いた機械学習モデルを訓練した。
  論文  参考訳（メタデータ） (2024-11-13T03:38:56Z)
• On the Within-class Variation Issue in Alzheimer's Disease Detection [66.70233526150723]
  Alzheimer's Disease (AD) 検出では、ADと非ADの個人を区別するために、機械学習の分類モデルを使用している。 そこで本研究では,サンプルスコア推定器を用いて,認知的スコアと整合した標本特異的なソフトスコアを生成できることを確認した。 ソフトターゲット蒸留(SoTD)とインスタンスレベルの再分散(InRe)の2つの簡易かつ効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Egocentric Speaker Classification in Child-Adult Dyadic Interactions: From Sensing to Computational Modeling [30.099739460287566]
  自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、社会的コミュニケーション、反復行動、感覚処理における課題を特徴とする神経発達状態である。 ASDにおける重要な研究領域は、治療中の子供の行動変化を評価することである。 これらの相互作用における子どもの行動を理解する基本的な側面は、自動音声理解である。
  論文  参考訳（メタデータ） (2024-09-14T07:03:08Z)
• Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
  本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。 我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。 分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
  論文  参考訳（メタデータ） (2024-05-03T02:59:15Z)
• Assessment of Autism and ADHD: A Comparative Analysis of Drawing Velocity Profiles and the NEPSY Test [0.0]
  本稿では, NEPSY-II評価における標準化タスクから得られた結果と, デジタルタブレットを用いて収集した速度分布の視覚的解析に基づく観測尺度を比較し, 組み合わせた概念実証を行う。
  論文  参考訳（メタデータ） (2024-01-28T16:02:27Z)
• Exploiting the Brain's Network Structure for Automatic Identification of ADHD Subjects [70.37277191524755]
  我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。 776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
  論文  参考訳（メタデータ） (2023-06-15T16:22:57Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)

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。