Cognitive Reframing of Negative Thoughts through Human-Language Model Interaction

要約

タイトル：人間言語モデルとの相互作用を通じた否定的な思考の認知的再構築

要約：

– 否定的な思考を肯定的な思考に置き換える治療技術は、実証済みのものである。
– しかし、治療師不足やメンタルヘルスのスティグマによってアクセスが制限されていることが一般的である。
– 本論文では、言語モデルが人々が否定的な思考を再構築するのを助けることができるかどうかの人間中心の研究を行う。
– 心理学の文献に基づき、思考の再構築に使用できる7つの言語属性のフレームワークを定義する。
– これらの属性を測定するための自動化されたメトリックを開発し、メンタルヘルスの専門家の専門家判断で検証する。
– 600の状況、思考、再構築を治療家から収集し、それを使用して、リトリーバル強化インコンテキスト学習モデルをトレーニングする。
– 高品質な認知的再構築を構成するものは何かを調査するために、2,000人以上の参加者がいる大規模なメンタルヘルスウェブサイトでIRB承認済みの無作為化フィールドスタディを実施する。
– その他の発見の中で、人々は過度に肯定的な再構築ではなく、高度に共感的であることが好ましいことが分かった。
– 本研究の結果は、言語モデルが否定的な思考を克服するのを助けるために使用されることに関する重要な示唆を提供する。

要約(オリジナル)

A proven therapeutic technique to overcome negative thoughts is to replace them with a more hopeful ‘reframed thought.’ Although therapy can help people practice and learn this Cognitive Reframing of Negative Thoughts, clinician shortages and mental health stigma commonly limit people’s access to therapy. In this paper, we conduct a human-centered study of how language models may assist people in reframing negative thoughts. Based on psychology literature, we define a framework of seven linguistic attributes that can be used to reframe a thought. We develop automated metrics to measure these attributes and validate them with expert judgements from mental health practitioners. We collect a dataset of 600 situations, thoughts and reframes from practitioners and use it to train a retrieval-enhanced in-context learning model that effectively generates reframed thoughts and controls their linguistic attributes. To investigate what constitutes a ‘high-quality’ reframe, we conduct an IRB-approved randomized field study on a large mental health website with over 2,000 participants. Amongst other findings, we show that people prefer highly empathic or specific reframes, as opposed to reframes that are overly positive. Our findings provide key implications for the use of LMs to assist people in overcoming negative thoughts.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI