MindScape研究:整合LLM和行为传感以实现个性化AI驱动的日志记录体验
Subigya Nepal1, Arvind Pillai1, William Campbell2
1Dartmouth College, USA.
概括
一个人工智能日记应用程序MindScape使用行为数据来提高大学生的心理健康. 该研究显示,减少了负面情绪和孤独感,证明了语境AI对自我意识的力量.
科学领域:
- 数字心理健康数字心理健康
- 人工智能在心理学中的应用
- 计算社会科学 计算社会科学
背景情况:
- 大学生面临着重大的心理健康挑战.
- 现有的干预措施往往缺乏个性化和背景.
- 由人工智能驱动的工具为增强自我意识和福祉提供了潜力.
研究的目的:
- 探索MindScape,一个人工智能驱动的日记应用程序,在改善大学生心理健康方面的有效性.
- 研究将被动收集的行为数据与大型语言模型 (LLM) 集成,以实现个性化日记的影响.
- 评估语境AI日记对自我意识,积极和消极影响,孤独以及焦虑和抑郁症症状的影响.
主要方法:
- 一项为期8周的探索性研究,涉及20名大学生.
- 使用MindScape应用程序,该应用程序将行为模式 (对话参与,睡眠,位置) 与LLMs集成在一起.
- 测量积极影响,消极影响,孤独和PHQ-4分数 (焦虑/抑郁) 的变化.
主要成果:
- 对负面情绪 (11%) 和孤独感 (6%) 的显著减少.
- 观察到积极影响的7%的增加.
- 每周PHQ-4分数的持续下降 (系数为-0.25),表明焦虑和抑郁症减少.
- 参与者更喜欢定制的,由人工智能驱动的提示,而不是通用的提示.
结论:
- 在MindScape中实施的上下文AI日记,显示了提高大学生心理健康的前景.
- 将行为智能集成到人工智能日记中可以显著提高干预措施的个性化和有效性.
- 需要进一步的研究来探索情境AI日记的长期影响和更广泛的应用.


