算法可以告诉你你是多么的精神? 使用生成性预训练过的变压器进行复杂形式的文本分析

科学领域:

• 心理评估 心理评估
• 计算语言学 计算语言学
• 人工智能的人工智能

背景情况:

• 文本分析将定性数据转化为心理评估的定量措施.
• 灵性等微妙的构造对自动化分析提出了独特的挑战.
• 生成式预训练变压器 (GPTs) 是用于自然语言处理的先进人工智能模型.

研究的目的:

• 评估生成预训练型变换器 (GPT) 在心理评估中能否达到与手动文本分析相同的准确性.
• 确定GPT在分析复杂和细微的心理构造,特别是灵性方面的有效性.
• 在基于文本的心理评估中,将GPT的表现与人类评价者的既定"黄金标准"进行比较.

主要方法:

• 两项研究涉及美国本科生和社区成年人,他们提供了关于目标的书面文本,并完成了自我报告措施.
• 通过训练有素的人类研究助理和GPTs,对文本进行了精神分析.
• 数据包括关于灵性,宗教信仰,心理健康,日常日记和行为措施的自我报告.

主要成果:

• 在编码灵性文本方面,GPTs的表现与人类评分器相当.
• 由GPT和人类评分器生成的得分显示出很高的一致性.
• 人类和GPT生成的分数都表现出与其他精神和相关构造的等效关联.

结论:

• 在复杂的文本分析任务中,生成预训练型变压器 (GPT) 能够与人类评分器的准确度相匹配.
• GPTs为心理文本分析提供了一种更具时间和劳动效率的方法.
• 这些发现支持使用GPT作为心理研究中定性数据的定量分析的可靠工具.