MindScape 研究：集成 LLM 与行为感知以实现个性化 AI 驱动的日记体验
人机交互
2024-09-17 v1 人工智能
摘要
大学生中普遍存在心理健康问题，凸显了需要有效干预以促进自我意识和整体福祉的紧迫性。MindScape 首创一种新颖的 AI 驱动式日记方法，通过整合被动收集的行为模式（如对话参与度、睡眠和位置）与大型语言模型（LLM），创建高度个人化且情境感知的日记体验，从而增强自我意识和福祉，通过将行为智能嵌入 AI。我们 presenting 一项为期 8 周、针对 20 名大学生的探索性研究，表明 MindScape 应用在增强积极情绪（提升 7%）、降低消极情绪（降低 11%）、 Loneliness（降低 6%）以及焦虑和抑郁方面均具有显著效果，同时 PHQ-4 分数呈显著的周周递减趋势（-0.25 系数），并在正念（提升 7%）和自我反思（提升 6%）方面取得改善。该研究突显了情境化 AI 日记的优势，受访者尤其欣赏 MindScape 应用提供的量身定制的提示和见解。我们的分析还包括对 AI 驱动的情境化提示与通用提示作出响应的比较、受访者反馈见解，以及提出将情境化 AI 日记用于改善大学校囂中福祉的策略。通过展示情境化 AI 日记支持心理健康的潜力，我们为进一步调查情境化 AI 日记对心理健康和福祉的影响奠定了基础。
引用
@article{arxiv.2409.09570,
title = {MindScape Study: Integrating LLM and Behavioral Sensing for Personalized AI-Driven Journaling Experiences},
author = {Subigya Nepal and Arvind Pillai and William Campbell and Talie Massachi and Michael V. Heinz and Ashmita Kunwar and Eunsol Soul Choi and Orson Xu and Joanna Kuc and Jeremy Huckins and Jason Holden and Sarah M. Preum and Colin Depp and Nicholas Jacobson and Mary Czerwinski and Eric Granholm and Andrew T. Campbell},
journal= {arXiv preprint arXiv:2409.09570},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2404.00487