人类共情作为编码器：特殊教育中 AI 辅助的抑郁症评估

在特殊教育等敏感环境中评估学生抑郁症具有挑战性。标准化问卷可能无法完全反映学生的真实情况。此外，自动化方法在处理丰富的学生叙述时往往表现不佳，缺乏源自教师与学生共情连接的关键个性化洞察。现有方法通常未能解决这种模糊性或有效整合教育者的理解。为了通过促进协同的人机协作来解决这些局限性，本文引入了“人类共情作为编码器”（HEAE），一种用于透明且具有社会责任感的抑郁症严重程度评估的、新颖的、以人为中心的 AI 框架。我们的方法独特地将学生叙述文本与教师导出的 9 维“共情向量”（EV）相结合，其维度由 PHQ-9 框架指导，以将隐性的共情洞察显式转化为结构化的 AI 输入，从而增强而非取代人类判断。严格的实验优化了多模态融合、文本表示和分类架构，在 7 级严重程度分类中达到了 82.74% 的准确率。这项工作通过在结构上嵌入人类共情，展示了一条通往更负责任、更合乎伦理的情感计算的道路。