ケースレポートの解禁: 子どもの心理的虐待に関する研究を進めるために,大規模な言語モデルで検索拡張生成を活用する

Dragan Stoll¹, Andreas Jud², Samuel Wehrli³

¹Institute of Psychology and Education, Ulm University, Germany; School of Social Work, ZHAW Zurich University of Applied Sciences, Switzerland.

|August 30, 2025

まとめ

大規模な言語モデル (LLM) を使ったリトリーバル・アグメンテッド・ジェネレーション (RAG) は,ナラティブから児童保護サービス (CPS) のケースファクターを正確に抽出します. この自動化されたアプローチはリスクの高い子どもたちの意思決定を助けるために人間の審査員と同じかそれ以上です

科学分野:

コンピュータ社会科学
ソーシャルワークにおける人工知能
児童福祉のための自然言語処理

背景:

児童保護サービス (CPS) の研究は,ケースファイルの構造化されていないデータのために課題に直面しています.
復元拡張生成 (RAG) と大型言語モデル (LLM) は,ナラティブから構造化されたデータを抽出する見込みを示しています.
RAGによる自動分類は,手作業によるデータアノテーションの必要性を減らすことができます.

研究の目的:

RAGとLLMを使用して,ナラティブCPSケースワークレポートから構造化されたデータを抽出します.
心理的虐待,親の協力,親のアルコール乱用を含む 24のCPSケースファクターを分類する.
RAG-LLMメソッドの性能を,複雑で単純なケースファクターに対する人間のコーディングと比較して評価する.

主な方法:

4段階のワークフロー:症例報告の収集,RAGに基づく評価,自動抽出,症例のラベル付け
スイスのCPS報告29,770件 (2008年~2022年) を利用した.
モデルの性能は,専門家の人間のレビューから得られたコンセンサスデータセットに対して検証されました.

主要な成果:

RAG-LLMは高い精度を達成しました:心理的虐待は82%で,親の協力の欠如は83%で,親のアルコール乱用は95%でした.
モデルのパフォーマンスは人間審査員による合意率 (79%,80%,93%) を上回った.
テキストセグメント内の文脈的な手がかりは,RAGの効果的な抽出の鍵でした.

結論:

RAGに基づく評価は,複雑なCPSケースの要因に対する人間の判断を効果的に再現することができます.
親のアルコールの乱用などの素朴な要因については,高い精度を達成しました.
RAGアプリケーションは早期警告システムとして機能し,専門家に重要な要因を特定し,リスクのある子供たちの結果を改善します.

キーワード:

子供虐待児童保護サービスのケースファクター大型言語モデル (LLMS)自然言語処理心理的虐待復元拡張生成 (RAG)

さらに関連する動画