Concetti Chiave
Große Sprachmodelle können die Beziehung zwischen Hypothesen und Textabstracts nicht so gut erkennen wie traditionelle Sprachverarbeitungsmodelle und Transferlernmodelle.
Sintesi
Die Studie untersucht, inwieweit moderne Sprachmodelle in der Lage sind, Beweise für spezifische wissenschaftliche Hypothesen aus Textabstracts zu erkennen. Dafür wurde ein neuartiger Datensatz mit von Experten annotierten Studien aus den Sozialwissenschaften erstellt.
Die Ergebnisse zeigen, dass die Aufgabe der wissenschaftlichen Hypothesenprüfung für die aktuellen Sprachmodelle eine Herausforderung darstellt. Klassische Sprachverarbeitungsmodelle, die auf dem Datensatz trainiert wurden, schnitten besser ab als große Sprachmodelle in Zero-Shot- und Few-Shot-Einstellungen. Die Autoren diskutieren Möglichkeiten für zukünftige Forschung in diesem Bereich.
Statistiche
Individuen, die sich häufiger mit anderen vergleichen, die es besser haben, haben eine höhere Wahrscheinlichkeit, an einer schweren Depression zu leiden (p = 0,005).
Individuen, die angeben, dass es sie mehr stören würde, in unvorteilhaften Bildern markiert zu werden, haben eine höhere Wahrscheinlichkeit, an einer schweren Depression zu leiden (p = 0,011).
Individuen, die seltener Bilder von sich zusammen mit anderen Personen posten, haben eine höhere Wahrscheinlichkeit, an einer schweren Depression zu leiden (p = 0,015).
Teilnehmer, die 300 oder mehr Twitter-Konten folgen, haben eine geringere Wahrscheinlichkeit, an einer schweren Depression zu leiden (p = 0,041).
Teilnehmer mit höheren Werten auf der Skala zur Sucht nach sozialen Medien haben eine signifikant höhere Wahrscheinlichkeit, die Kriterien für eine schwere Depression zu erfüllen (p = 0,031).
Citazioni
"Individuen, die mehr negative Verhaltensweisen in sozialen Medien zeigen, haben eine höhere Wahrscheinlichkeit, an einer schweren Depression zu leiden."
"Die Forschungs- und klinischen Implikationen werden berücksichtigt."