ALBA：基于自适应语言的心理健康评估
计算与语言
2024-05-17 v2 人工智能
摘要
心理健康问题在个体间差异很大，其体征与症状各异。近来，基于语言的评估在捕捉这种多样性方面展现出潜力，但它们需要每人相当数量的词语样本才能保证准确性。本文引入基于自适应语言的评估ALBA任务，其涉及在利用对先前问题的有限语言回答对个体的潜在心理特质打分的同时，自适应地排序问题。为此，我们在两种心理测量理论下发展了自适应测试方法：经典测试理论与项目反应理论。我们实证评估了排序与打分策略，归纳为两种新方法：基于半监督项目反应理论的ALIRT方法与有监督的Actor-Critic模型。虽然我们发现两种方法均优于非自适应基线，但我们发现ALIRT最准确且可扩展，以更少的问题达到最高准确率（例如，仅3个问题后Pearson r约0.93，而通常至少需要7个问题）。总体而言，抑郁与焦虑的基于自适应语言的评估能够利用更小的语言样本，且不损害效度或带来巨大计算成本。
引用
@article{arxiv.2311.06467,
title = {ALBA: Adaptive Language-based Assessments for Mental Health},
author = {Vasudha Varadarajan and Sverker Sikström and Oscar N. E. Kjell and H. Andrew Schwartz},
journal= {arXiv preprint arXiv:2311.06467},
year = {2024}
}