Alapfogalmak
SeSaMe フレームワークを使用して、参加者の内的行動特性に基づいて大規模言語モデルが参加者の心理尺度への回答をシミュレーションできる。このシミュレーションスコアを活用することで、参加者の心理尺度への回答負担を軽減しつつ、精神健康センシング研究の精度を維持できる。
Kivonat
本研究では、参加者の内的行動特性に基づいて大規模言語モデルが参加者の心理尺度への回答をシミュレーションするSeSaMe フレームワークを提案した。このフレームワークでは、参加者の別の心理尺度への回答を行動情報として大規模言語モデルに提供し、目的の心理尺度への回答をシミュレーションする。
SeSaMe フレームワークの評価では、以下の点が明らかになった:
- GPT-4 によるシミュレーションスコアは、実際のスコアと比較して相関関係が強く、分布も異なる傾向にある。
- しかし、PHQ-9 とGAD-7 の間でシミュレーションを行った場合は、良好な結果が得られた。
- SeSaMe シミュレーションスコアを使用して訓練したモデルは、不安スクリーニングでは元のモデルを上回る性能を示したが、うつ症状スクリーニングでは劣る結果となった。
これらの結果から、SeSaMe フレームワークは参加者の心理尺度回答負担を軽減しつつ、精神健康センシング研究の精度を維持する可能性が示唆された。ただし、シミュレーションの精度は尺度間の関係性に依存するため、慎重な検討が必要である。
Statisztikák
参加者の心理尺度スコアは、実際のスコアと比較して相関関係が強く、分布も異なる傾向にある。
PHQ-9 とGAD-7 の間でシミュレーションを行った場合は、良好な結果が得られた。
SeSaMe シミュレーションスコアを使用して訓練したモデルは、不安スクリーニングでは元のモデルを上回る性能を示したが、うつ症状スクリーニングでは劣る結果となった。