Human Empathy as Encoder: AI-Assisted Depression Assessment in Special Education

要約

特殊教育のような繊細な環境で学生のうつ病を評価することは困難です。
標準化されたアンケートは、学生の真の状況を完全に反映していない場合があります。
さらに、自動化された方法はしばしば、豊かな学生の物語と揺れ動きますが、教師と生徒との共感的なつながりに起因する重要で個別化された洞察が欠けています。
既存の方法は、このあいまいさに対処したり、教育者の理解を効果的に統合したりすることに失敗することがよくあります。
相乗的な人間とAIのコラボレーションを促進することにより、これらの制限に対処するために、このペーパーでは、透明で社会的に責任のあるうつ病の重症度評価のための斬新で人間中心のAIフレームワークであるエンコーダ（HEA）としての人間の共感を紹介します。
私たちのアプローチは、PHQ-9フレームワークによって導かれたその寸法を教師由来の9次元「共感ベクトル」（EV）と独自に統合し、人間の判断を置き換えるのではなく、構造化されたAI入力増強に暗黙の共感的洞察を明示的に変換します。
厳密な実験により、マルチモーダル融合、テキスト表現、分類アーキテクチャが最適化され、7レベルの重大度分類の精度が82.74％を達成しました。
この研究は、人間の共感を構造的に埋め込むことにより、より責任ある倫理的な感情的なコンピューティングへの道を示しています

要約(オリジナル)

Assessing student depression in sensitive environments like special education is challenging. Standardized questionnaires may not fully reflect students’ true situations. Furthermore, automated methods often falter with rich student narratives, lacking the crucial, individualized insights stemming from teachers’ empathetic connections with students. Existing methods often fail to address this ambiguity or effectively integrate educator understanding. To address these limitations by fostering a synergistic human-AI collaboration, this paper introduces Human Empathy as Encoder (HEAE), a novel, human-centered AI framework for transparent and socially responsible depression severity assessment. Our approach uniquely integrates student narrative text with a teacher-derived, 9-dimensional ‘Empathy Vector’ (EV), its dimensions guided by the PHQ-9 framework,to explicitly translate tacit empathetic insight into a structured AI input enhancing rather than replacing human judgment. Rigorous experiments optimized the multimodal fusion, text representation, and classification architecture, achieving 82.74% accuracy for 7-level severity classification. This work demonstrates a path toward more responsible and ethical affective computing by structurally embedding human empathy

arxiv情報

提供元, 利用サービス

arxiv.jp, Google