論文の概要: LLMs for health: Perceived benefits, risks, intention to use AI chatbots, and willingness to self-disclose across sensitive health topics
- arxiv url: http://arxiv.org/abs/2607.09253v1
- Date: Fri, 10 Jul 2026 10:07:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.818746
- Title: LLMs for health: Perceived benefits, risks, intention to use AI chatbots, and willingness to self-disclose across sensitive health topics
- Title（参考訳）: 健康のためのLLM: 利益、リスク、AIチャットボットの使用意図、敏感な健康トピックを自己開示する意思を知覚する
- Abstract要約: 本研究は,主観的利益とリスクに対するトピックタイプと個人特性の役割について検討する。
2(トピック型:身体型と心理型、物体間)x2でオンライン実験を行った。
参加者は,高感度トピックと比較して,低感度トピックの使用意図が高かった。
- 参考スコア（独自算出の注目度）: 1.4898183413499773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI chatbots are increasingly used for answering health-related questions. This study examines the role of topic type discussed with an AI chatbot and individual characteristics on perceived benefits and risks, intention to use an AI chatbot, and willingness to self-disclose health information. We conducted an online experiment with a 2 (topic type: physical versus psychological, between-subjects) x 2 (topic sensitivity: low versus high, within-subjects) mixed design among a Dutch representative sample (N = 1,388). Results showed that perceived benefits were positively associated with intention and willingness to self-disclose, while perceived risks were negatively associated. Moreover, participants reported higher usage intentions for low-sensitive topics compared to high-sensitive topics. Furthermore, perceptions, intention, and willingness to self-disclose varied by individual characteristics. Overall, our findings suggest that intentions to use AI chatbots and self-disclosure of health-related information are primarily related to perceived benefits and risks and to personal characteristics rather than to topic type.
- Abstract（参考訳）: AIチャットボットは、健康に関する質問に答えるためにますます使われています。
本研究は,AIチャットボットで議論されるトピックタイプの役割と,認識されるメリットとリスク,AIチャットボットの使用意図,健康情報の自己開示への意欲について考察する。
オランダ代表者(N=1,388)を対象に,2(トピックタイプ:物理対心理,物体間)x2(トピック感度:低対高,物体内)混合設計を行った。
その結果, 自己開示に対する意図と意思に有意な相関が認められたが, リスクは負の関連が認められた。
さらに、参加者は、高感度のトピックと比較して、低感度のトピックの使用意図が高いことを報告した。
さらに,自己開示に対する意識,意図,意欲は,個人的特徴によって異なる。
以上の結果から,AIチャットボットの使用意図や,健康関連情報の自己開示は,主観的利益やリスク,トピックタイプよりも個人的特性に大きく関連していることが示唆された。
関連論文リスト
- Psychological Influences of Conversational AI: Research and Design Directions for Reducing Harm and Promoting Well-Being [14.277797750398513]
本稿では,汎用AIシステムの動作を導くための一連の願望的方向を提案する。
提案された方向性は、既存の研究や専門家の洞察によって支えられているが、オープンな質問やより深い研究を必要とする領域を特定するものもある。
この定式化とこれらの仮説は、さらなる議論、実証的研究、インタラクティブデザインアプローチの探求を促進することを願っている。
論文 参考訳（メタデータ） (2026-07-27T20:35:43Z) - Never say never: Exploring the effects of available knowledge on agent persuasiveness in controlled physiotherapy motivation dialogues [0.0]
ロボットの生理的動機づけの文脈で, 説得性ChatGPT産生メッセージについて検討した。
以上の結果から,LSMをベースとしたGSAは,主張的・表現的性格特性に適応できる可能性が示唆された。
本研究は, GSAの行動パターンを実証的に研究することの重要性を強調した。
論文 参考訳（メタデータ） (2026-02-13T13:28:55Z) - Towards Better Health Conversations: The Benefits of Context-seeking [17.329382113242556]
我々は、人々が大きな言語モデル(LLM)とどのように相互作用するかについての洞察を自身の健康問題に対して提示する。
研究は、ある人がボランティアや共有することができない特定の詳細を引き出すために、会話型AIにおける文脈探索の重要性を明らかにした。
我々は、積極的にコンテキストを検索する「Wayfinding AI」を開発した。
論文 参考訳（メタデータ） (2025-09-14T01:08:42Z) - On the Reliability of Large Language Models to Misinformed and Demographically-Informed Prompts [20.84000437261526]
本研究では,大言語モデル(LLM)が支援するチャットボットを用いて,人口統計情報を用いて,誤情報や質問に対処する。
True/Falseの質問を使って定量的に分析すると、これらのチャットボットがこれらのクローズドな質問に対して正しい答えを与えることができることが分かる。
ドメインの専門家から集めた質的な洞察は プライバシーや倫理的影響に 懸念がまだあることを示している
論文 参考訳（メタデータ） (2024-10-06T07:40:11Z) - Trust No Bot: Discovering Personal Disclosures in Human-LLM Conversations in the Wild [40.57348900292574]
人間とチャットボットのインタラクションにおける個人の開示を測定することで、ユーザのAIリテラシーをよりよく理解することができる。
我々は、実際のユーザが商用のGPTモデルに対して行った個人情報を詳細に分析する。
論文 参考訳（メタデータ） (2024-07-16T07:05:31Z) - DAIC-WOZ: On the Validity of Using the Therapist's prompts in Automatic Depression Detection from Clinical Interviews [39.08557916089242]
近年の研究では、インタビュアーのプロンプトをモデルに組み込んだ場合の性能向上が報告されている。
インタビュアーのプロンプトを用いたモデルでは,過去のメンタルヘルス問題に関する質問が質問されるインタビューの特定の領域に焦点を絞ることが分かる。
故意に利用することで0.90F1のスコアを得ることができ、このデータセットで報告された最も高い結果は、テキスト情報のみを用いてである。
論文 参考訳（メタデータ） (2024-04-22T09:07:50Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳（メタデータ） (2023-02-11T18:07:11Z) - A Categorical Archive of ChatGPT Failures [47.64219291655723]
OpenAIが開発したChatGPTは、大量のデータを使って訓練され、人間の会話をシミュレートしている。
それは、広範囲の人間の問い合わせに効果的に答える能力のために、大きな注目を集めている。
しかし、ChatGPTの失敗の包括的分析は欠落しており、これが本研究の焦点となっている。
論文 参考訳（メタデータ） (2023-02-06T04:21:59Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。
多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
論文 参考訳（メタデータ） (2020-09-21T03:45:14Z)
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。