利用 AI 互動病患化身提升心理治療訓練可及性
arXiv - Human-Computer InteractionPascal Riachi, Sofie Kamber, Stella Brogna, Andrew Gloster, Rafael Wampfler
開發 AI 互動病患化身，提供即時 ACT 反饋，提升心理治療師訓練效率
AI 幫你先抓重點
AI 重點 1
AI 透過即時回合反饋，讓治療師能在低風險環境下快速調整介入策略
滑鼠懸停看 AI 判斷理由
即時、客觀的回饋使學習者能即時修正錯誤，促進刻意練習與技能內化，改變傳統需依賴監督者的學習模式
AI 重點 2
GPT-4o-mini 的高一致性顯示大型語言模型可作為可靠的評估工具，降低對專業監督者的依賴
滑鼠懸停看 AI 判斷理由
此發現說明 AI 可擴充訓練資源，降低成本與人力需求，為心理治療教育提供可持續、可擴展的解決方案
核心研究發現
- 1
系統使用大型語言模型模擬病患行為，並以真實治療紀錄為基礎，能產生高度真實的互動
- 2
透過自動評估器提供逐回合 ACT 可信度反饋，實驗證明能提升治療師對介入選擇的覺察與實驗能力
- 3
在49份治療紀錄的量化評估中，GPT-4o-mini 成為最佳模型，平均絕對誤差 6.12，與人類監督者的 ACT 可信度評分高度一致
- 4
系統不取代監督，而是作為低風險環境下的刻意練習工具，促進反覆實踐與即時修正
對教育工作者的啟發
本研究提供了可直接落實於心理治療訓練課程的 AI 互動病患化身平台。實務工作者可先在小規模實驗中導入此系統，設定具體的 ACT 介入目標，並利用自動評估器的逐回合反饋進行刻意練習。建議在課程設計時加入反思環節，讓學員在實際對話後回顧 AI 反饋，辨識自身介入選擇的優劣。為確保模型效能，應定期以新資料重新訓練或微調 GPT-4o-mini，並與人類監督者進行交叉驗證，避免評估偏差。最後，透過學習管理系統整合此平台，可追蹤學員進度與 fidelity 指標，為教育者提供客觀的成效評估。
原始文獻資訊
- 英文標題：
- Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars
- 作者：
- Pascal Riachi, Sofie Kamber, Stella Brogna, Andrew Gloster, Rafael Wampfler
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。