論文の概要: Automatic Evaluation of Mental Health Stigma in Online Communication

• arxiv url: http://arxiv.org/abs/2610.02775v1
• Date: Fri, 02 Oct 2026 04:02:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.203593
• Title: Automatic Evaluation of Mental Health Stigma in Online Communication
• Title（参考訳）: オンラインコミュニケーションにおけるメンタルヘルススティグマの自動評価
• Abstract要約: 本稿では,オンラインコミュニケーションにおけるメンタルヘルススティグマの自動評価のための理論基盤ベンチマークを提案する。 本フレームワークは,2段階のスティグマ検出タスクと,(i)スティグマモード,(ii)ドメイン,(iii)特定の形態のスティグマを網羅する多段階分類を含む。
• 参考スコア（独自算出の注目度）: 8.447008262480999
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental health stigma has profoundly harmful impacts but its complexity makes it difficult to evaluate. Stigma may involve explicit derogation, but also subtler forms of blame, fear, paternalistic pity, social distancing, structural exclusion, and discrimination. We introduce a theory-grounded benchmark for automatic evaluation of mental health stigma in online communication, consisting of naturally occurring online news and social media text annotated with a fine-grained taxonomy of stigma across multiple mental health conditions. Our annotation framework comprises a binary stigma-detection task and a multi-level taxonomy covering (i) stigma mode, (ii) domain, and (iii) specific components of certain forms of stigma. We apply this framework to texts mentioning six mental health conditions and evaluate large language models alongside stigma-related classifiers for detecting sentiment, toxicity, and hate speech. Results show that mental health stigma is not well captured by models trained to detect these neighboring constructs, and that LLMs often overpredict stigma unless given explicit operational rules - mirroring the importance of decision rules in human annotation. We release the publicly available part of benchmark, annotations, prototypical exemplars of stigma and code at: https://github.com/jemimakang/mh_stigma.
• Abstract（参考訳）: メンタルヘルススティグマは、非常に有害な影響があるが、その複雑さは評価を困難にしている。 スティグマは明示的な偏りを伴うが、非難、恐怖、父性愛の哀れみ、社会的距離、構造的排除、差別の微妙な形も含む。 オンラインコミュニケーションにおけるメンタルヘルススティグマの自動評価のための理論的なベンチマークを,自然発生のオンラインニュースと,複数のメンタルヘルス状態にまたがるスティグマの微粒な分類を付加したソーシャルメディアテキストから導入する。 我々のアノテーションフレームワークは、二段階のスティグマ検出タスクと多段階の分類をカバーしている。 (i)スティグマモード (二)ドメイン、及び (三)特定の形態のシグマの特定成分。 この枠組みを6つのメンタルヘルス状態に言及したテキストに適用し、感情、毒性、ヘイトスピーチを検出するためのスティグマ関連分類器と共に大きな言語モデルを評価する。 結果は、これらの近隣の構成要素を検出するために訓練されたモデルによってメンタルヘルススティグマが十分に捉えられていないことを示し、LLMは明示的な操作規則が与えられない限り、人間のアノテーションにおける決定規則の重要性を反映して、しばしばスティグマを過度に予測していることを示している。 我々は、ベンチマーク、アノテーション、stigmaの原型的な例、コードを公開しています。

関連論文リスト

• Analyzing LLM Reasoning to Uncover Mental Health Stigma [2.5244720333011355]
  大規模言語モデルの中間的推論ステップを分析し,隠れスティグマタイズ言語を明らかにする。 臨床専門知識を用いて、精神状態のある個人に向けられた言語をスティグマタイズする一般的なパターンを分類する。
  論文  参考訳（メタデータ） (2026-04-27T23:08:39Z)
• Language Shapes Mental Health Evaluations in Large Language Models [4.845028079612543]
  本研究では,大規模言語モデル (LLM) が精神保健評価において言語間差異を示すか否かを検討する。 GPT-4o と Qwen3 の2つのモデルを用いて,言語がメンタルヘルス関連評価を体系的に変化させるかどうかを検証した。
  論文  参考訳（メタデータ） (2026-03-06T22:15:09Z)
• 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)
• 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)
• What is Stigma Attributed to? A Theory-Grounded, Expert-Annotated Interview Corpus for Demystifying Mental-Health Stigma [7.719966531864683]
  メンタルヘルスのスティグマは、治療の探究と回復を阻害する広範な社会問題のままである。 本稿では,人間-チャットボットインタビューの専門的,理論的インフォームドコーパスについて述べる。 我々の実験は最先端のニューラルネットワークをベンチマークし、スティグマ検出の課題を実証的に解き放った。
  論文  参考訳（メタデータ） (2025-05-19T05:31:42Z)
• Words Matter: Reducing Stigma in Online Conversations about Substance Use with Large Language Models [0.0]
  Stigmaは、物質使用障害(SUD)に苦しむ個人に対する治療の障壁である 本研究では、ソーシャルメディア、特にRedditにおいて、匿名性によって差別行動が悪化するおそれのあるスティグマがどのように現れるかを調査する。
  論文  参考訳（メタデータ） (2024-08-15T01:00:28Z)
• KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
  症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。 対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。 次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
  論文  参考訳（メタデータ） (2023-05-26T11:23:26Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)

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。