暴露于由大型语言模型撰写的内容可减少线上社区中阿片类成瘾症污名化
社会与信息网络
2025-04-16 v1 计算与语言
计算机与社会
人机交互
摘要
广泛的污名化——无论是在线上还是线下空间——是阿片类成瘾症（OUD）相关无伤害减量努力的障碍。这种污名化主要指向用于治疗成瘾的临床获批药物（MAT）、患有该病的人以及该病本身。鉴于人工智能技术在促进健康公平性和促进同情性对话方面的潜力，本研究检验了大型语言模型（LLM）能否有助于缓解 OUD 相关污名化。为此，我们进行了一系列事前登记的随机对照实验，让参与者阅读 LLM 生成的、人类撰写的或无响应来应对线上社区中寻求帮助的 OUD 相关内容。实验在两种设置下进行，即参与者阅读一次（N=2,141）或连续 14 天重复阅读（N=107）。我们发现，在两种设置下，参与者在消费 LLM 生成的响应后，对 MAT 的污名化态度最低。这项研究为促进 OUD 相关包容性讨论提供了见解，例如基于我们的发现，LLM 可用作教育性干预，以促进积极态度并增加人们接受 MAT 的意愿。
引用
@article{arxiv.2504.10501,
title = {Exposure to Content Written by Large Language Models Can Reduce Stigma Around Opioid Use Disorder in Online Communities},
author = {Shravika Mittal and Darshi Shah and Shin Won Do and Mai ElSherief and Tanushree Mitra and Munmun De Choudhury},
journal= {arXiv preprint arXiv:2504.10501},
year = {2025}
}