利用大型語言模型輔助社交恐懼症的想像暴露練習
arXiv - Human-Computer InteractionYimeng Wang, Yinzhou Wang, Alicia Hong, Yixuan Zhang
本研究探索了利用大型語言模型（LLM）生成個人化想像暴露劇本，以輔助治療社交恐懼症的可行性，並初步驗證了其在臨床上的潛力。
AI 幫你先抓重點
AI 重點 1
LLM 輔助生成個人化暴露劇本的可行性
滑鼠懸停看 AI 判斷理由
此研究首次探索了利用 LLM 克服傳統想像暴露治療中構建情境的困難，這對於提升治療效率和患者參與度至關重要，也為未來 EdTech 在心理健康領域的應用提供了新方向。
AI 重點 2
「耐受窗口」概念的應用與限制
滑鼠懸停看 AI 判斷理由
研究強調了在 LLM 生成的情境中維持「耐受窗口」的重要性，這突顯了 AI 在心理健康應用中需要謹慎控制刺激強度的必要性，並為後續設計提供關鍵的指導原則。
核心研究發現
- 1
大型語言模型輔助工具能有效生成生動、個人化的想像暴露情境，有助於社交恐懼症患者為引發焦慮的情境做準備。
- 2
該工具允許使用者即時調整情境，使其保持在治療上有益的「耐受窗口」內，避免過度刺激。
- 3
心理健康專業人士（MHPs）認為，此工具有潛力擴大想像暴露治療的普及性，並提升其可及性。
- 4
使用者和MHPs皆指出，該工具在情境的連貫性和客製化方面仍有改進空間，需要更深入的適應性設計。
- 5
初步研究結果顯示，將大型語言模型整合到結構化的治療實踐中，具有可擴展性和可及性的優勢。
對教育工作者的啟發
此研究為教育科技開發者提供了將大型語言模型整合到心理健康治療中的初步設計思路。未來可開發更具適應性的工具，允許使用者更精細地控制情境的細節，並確保情境的連貫性。此外，研究也提醒我們，在心理健康領域應用 AI 時，必須謹慎考慮倫理問題和患者的安全，並與專業人士合作，以確保治療的有效性和安全性。在教育場域中，此研究的設計理念可借鏡於開發輔助學生應對學習焦慮的工具。
原始文獻資訊
- 英文標題：
- Explore LLM-enabled Tools to Facilitate Imaginal Exposure Exercises for Social Anxiety
- 作者：
- Yimeng Wang, Yinzhou Wang, Alicia Hong, Yixuan Zhang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。