CALLM: Understanding Cancer Survivors’ Emotions and Intervention Opportunities via Mobile Diaries and Context-Aware Language Models

要約

がんの生存者は、生活の質に影響を与えるユニークな感情的な課題に直面しています。
モバイル日記エントリは、感情的な状態を追跡し、自己認識を改善し、幸福の結果を促進するための有望な方法を提供します。
この論文は、モバイル日記を通じて、がん生存者の感情状態と、感情を調節するという欲求や介入に従事する利用可能性など、ジャストインタイム介入の機会に関連する重要な変数を理解することを目的としています。
感情分析ツールは、テキストから感情を認識する可能性を示していますが、現在の方法には、簡単なモバイル日記の物語を解釈するために必要な文脈的理解がありません。
がんの生存者からの日記のエントリの分析（n = 407）は、否定的な影響と規制のニーズに関連する管理および健康関連のコンテキストを伴う、記述された文脈と感情状態の体系的な関係を明らかにしていますが、レジャー活動は肯定的な感情を促進します。
検索されたピアエクスペリエンスと個人的な日記の歴史を統合することにより、これらの短いエントリを分析するために、検索された生成（RAG）を備えた大規模な言語モデル（LLM）を活用するコンテキスト認識フレームワークであるCallmを提案します。
CALLMは、バランスの取れた精度で72.96％に達するバランスの取れた精度で強力なパフォーマンスを示し、陽性の影響で73.29％、感情調節の欲求が73.72％、介入の利用可能性が60.09％、言語モデルのベースラインを上回ります。
事後分析により、モデルの信頼性が精度を強く予測し、より長い日記エントリが一般的にパフォーマンスを向上させ、短いパーソナライズ期間が意味のある改善をもたらすことが明らかになりました。
私たちの調査結果は、モバイル日記のコンテキスト情報を効果的に活用して、感情的な経験を理解し、重要な状態を予測し、パーソナライズされたジャストインタイムサポートの最適な介入モーメントを特定する方法を示しています。

要約(オリジナル)

Cancer survivors face unique emotional challenges that impact their quality of life. Mobile diary entries provide a promising method for tracking emotional states, improving self-awareness, and promoting well-being outcome. This paper aims to, through mobile diaries, understand cancer survivors’ emotional states and key variables related to just-in-time intervention opportunities, including the desire to regulate emotions and the availability to engage in interventions. Although emotion analysis tools show potential for recognizing emotions from text, current methods lack the contextual understanding necessary to interpret brief mobile diary narratives. Our analysis of diary entries from cancer survivors (N=407) reveals systematic relationships between described contexts and emotional states, with administrative and health-related contexts associated with negative affect and regulation needs, while leisure activities promote positive emotions. We propose CALLM, a Context-Aware framework leveraging Large Language Models (LLMs) with Retrieval-Augmented Generation (RAG) to analyze these brief entries by integrating retrieved peer experiences and personal diary history. CALLM demonstrates strong performance with balanced accuracies reaching 72.96% for positive affect, 73.29% for negative affect, 73.72% for emotion regulation desire, and 60.09% for intervention availability, outperforming language model baselines. Post-hoc analysis reveals that model confidence strongly predicts accuracy, with longer diary entries generally enhancing performance, and brief personalization periods yielding meaningful improvements. Our findings demonstrate how contextual information in mobile diaries can be effectively leveraged to understand emotional experiences, predict key states, and identify optimal intervention moments for personalized just-in-time support.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google