Fugu-MT 論文翻訳(概要): Natural Language Processing Psychometrics

論文の概要: Natural Language Processing Psychometrics

arxiv url: http://arxiv.org/abs/2608.07316v1
Date: Fri, 07 Aug 2026 15:10:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-10 16:21:25.538468
Title: Natural Language Processing Psychometrics
Title（参考訳）: 自然言語処理心理学
Abstract要約: 我々は,テキストからの心理的予測を心理学的問題として扱い,スコアを解釈可能な言語的エビデンスにリンクし,トレーニングテキスト形式を超えたテストを行う。我々は,無作為林(RF)レグレクターの人格・社会デマログラフィー変数と合わせて,感情的プロファイルと統語的意味構造をテキスト・フォマ・メンティス・ネットワークを介して抽出した。 RFモデルでは、生活満足度(SWLS)の70.8%、うつ病55.7%(PHQ-9)、うつ病68.5%、不安76.4%、ストレス72.4%が説明されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Natural Language Processing (NLP) models predicting mental health outcomes rarely specify what they measure: contextual knowledge, emotional content, or syntactic structure. NLP Psychometrics treats psychological prediction from text as a psychometric problem, linking scores to interpretable linguistic evidence and testing beyond the training text format. Nine LLMs, conditioned on controlled personas (cognitive digital shadows), completed psychometric questionnaires with textual explanations per item. We extracted emotional profiles and syntactic-semantic structure via textual forma mentis networks, combined with personality and sociodemographic variables in ablated random forest (RF) regressors, using SHAP to identify which features drove performance and in which direction. Full RF models explained up to 70.8% of variance in life satisfaction (SWLS), 55.7% in depression (PHQ-9), and, for DASS-21, 68.5% depression, 76.0% anxiety, 72.4% stress. Sociodemographics alone explained no meaningful variance in depression, anxiety, or stress, but did so for life satisfaction, where emotion features and income were the strongest predictors; neuroticism and network topology instead dominated depression and anxiety, reversing direction between them. Without retraining, RF models separated diaries from low- and high-score personas ($r$ up to 0.91) and, using only network/emotion features, classified clinical from control participants in real transcripts with up to 68% accuracy. These results show the promise and limits of synthetic data: LLM personas can expose model biases, recover patterns consistent with clinical rumination, and support psychometric prediction from human text without a matched questionnaire, but cannot substitute for human validation. NLP Psychometrics makes these distinctions explicit, measurable, and testable through interpretable AI and network/emotional features.
Abstract（参考訳）: 自然言語処理(NLP)モデルでは、メンタルヘルスの結果を予測することによって、文脈的知識、感情的内容、統語的構造などを測定することがほとんどない。 NLPサイコメトリックスは、テキストからの心理学的予測を心理学的な問題として扱い、スコアを解釈可能な言語的証拠とリンクし、訓練されたテキストフォーマットを超えてテストする。コントロールされたペルソナ(認知的デジタル影)を条件とした9つのLCMが,項目ごとのテキスト説明を伴う心理測定アンケートを完了した。テキスト・フォマ・メンティス・ネットワークを用いて感情的プロファイルと統語的意味構造を抽出し,不規則林(RF)レグレクターの人格・社会デマログラフィー変数と組み合わせて,SHAPを用いて,どの特徴がパフォーマンスを駆動し,どの方向へ向かったかを同定した。完全なRFモデルでは、生活満足度(SWLS)の70.8%、うつ病55.7%(PHQ-9)、うつ病68.5%、不安76.0%、ストレス72.4%が説明されている。ソシオデモグラフィーだけではうつ病、不安、ストレスに有意な差異は説明されなかったが、感情の特徴と収入が最強の予測因子であった生活満足度のために、神経症とネットワークトポロジーがうつ病と不安を支配し、それら間の方向を逆転させた。 RFモデルは、訓練を受けずに、日記を低音と高音の人格(r$最大0.91)から切り離し、ネットワーク/感情の特徴のみを用いて、最大68%の精度で実際の文字起こしの参加者から臨床を分類した。 LLMペルソナは、モデルバイアスを露呈し、臨床ルミネーションと整合したパターンを復元し、一致したアンケートを伴わずに人間のテキストから心理測定予測をサポートするが、人間の検証には代わらない。 NLPサイコメトリックスは、これらの区別を、解釈可能なAIとネットワーク/感情的特徴を通じて明確で、測定可能で、テスト可能である。

関連論文リスト

Stories of Your Life as Others: A Round-Trip Evaluation of LLM-Generated Life Stories Conditioned on Rich Psychometric Profiles [0.09558392439655011]
パーソナリティの特徴は、自然言語で十分にエンコードされている。人文で訓練された大きな言語モデル(LLM)は、ペルソナの記述に条件付けされたときに性格をシミュレートすることができる。本研究では,人体実験の信頼性に迫るレベルにおいて,生成した物語から人格スコアを復元できることを示す。
論文参考訳（メタデータ） (2026-04-07T16:51:50Z)
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)
DepFlow: Disentangled Speech Generation to Mitigate Semantic Bias in Depression Detection [54.209716321122194]
抑うつ条件付きテキスト音声合成フレームワークであるDepFlowについて述べる。抑うつ音響カモフラージュは、対向訓練を通じて話者と内容不変の抑うつ埋め込みを学習する。フローマッチングTTSモデルとFiLM変調はこれらの埋め込みを合成に注入し、うつ病の重症度を制御する。プロトタイプベースの重度マッピング機構は、うつ病連続体を滑らかかつ解釈可能な操作を提供する。
論文参考訳（メタデータ） (2026-01-01T10:44:38Z)
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)
Decoding Linguistic Nuances in Mental Health Text Classification Using Expressive Narrative Stories [5.091061468748012]
本研究は,自己宣言型抑うつを伴う人や無関係の人からの表現的物語(ENS)に着目し,そのギャップを埋めるものである。本研究は,従来の言語モデルに対する高度言語モデルであるBERTとMentalBERTの有用性を評価する。 BERT は ENS における話題単語の欠如に対して最小限の感度を示し,より深い言語的特徴を理解する能力に優れていたことを示唆した。
論文参考訳（メタデータ） (2024-12-20T19:29:21Z)
PhDGPT: Introducing a psychometric and linguistic dataset about how large language models perceive graduate students and professors in psychology [0.3749861135832073]
この研究は、PhDGPTを紹介している。PhDGPTは、PhD研究者と教授の機械心理学をカプセル化した、プロンプトフレームワークと合成データセットである。データセットは756,000のデータポイントで構成され、15の学術イベントに300回の反復、生物学的ジェンダー2つ、キャリアレベル2つ、抑うつ、不安、ストレススケール42のユニークな項目応答(DASS-42)を数えている。ネットワーク・サイコメトリックスと心理言語学的次元を組み合わせることで,人間とLLMデータの類似点と相違点を明らかにした。
論文参考訳（メタデータ） (2024-11-06T20:04:20Z)
Evaluating Large Language Models with Psychometrics [59.821829073478376]
本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
論文参考訳（メタデータ） (2024-06-25T16:09:08Z)
LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文参考訳（メタデータ） (2024-06-09T09:03:11Z)
PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文参考訳（メタデータ） (2024-02-19T18:00:30Z)
Mental Health Diagnosis in the Digital Age: Harnessing Sentiment Analysis on Social Media Platforms upon Ultra-Sparse Feature Content [3.6195994708545016]
3次元構造を持つ新しい意味的特徴前処理手法を提案する。強化されたセマンティック機能により、精神障害を予測および分類するために機械学習モデルを訓練する。提案手法は,7つのベンチマークモデルと比較して,大幅な性能向上を示した。
論文参考訳（メタデータ） (2023-11-09T00:15:06Z)
PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2023-10-31T08:23:33Z)

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。