為何孤獨？利用大型語言模型衡量照顧者與非照顧者的孤獨感
arXiv - Computation and LanguageMichelle Damin Kim, Ellie S. Paek, Yufen Lin, Emily Mroz, Jane Chung, Jinho D. Choi
利用LLM建立高質量社群媒體資料集，量化照顧者與非照顧者的孤獨差異。
AI 幫你先抓重點
AI 重點 1
LLM驅動的資料流程可大規模、精準衡量不同族群的孤獨感。
滑鼠懸停看 AI 判斷理由
此方法大幅降低人工標註成本與偏差，使研究者能快速擴充樣本並進行跨族群比較，為孤獨干預策略提供更堅實的數據基礎。
AI 重點 2
照顧者與非照顧者的孤獨原因差異凸顯需量身定制的支持方案。
滑鼠懸停看 AI 判斷理由
了解特定驅動因素能協助設計針對照顧者的情緒與社群介入，提升其心理福祉與照顧效能。
AI 重點 3
Reddit 成為多元照顧者研究的新資料來源。
滑鼠懸停看 AI 判斷理由
此平台提供非傳統、真實語境的語料，擴大研究對象範圍，促進更具包容性的孤獨研究。
核心研究發現
- 1
LLM驅動的資料流程（GPT‑4o、GPT‑5‑nano、GPT‑5）在 Reddit 上構建孤獨感評估資料集，評估準確度分別為 76.09%（照顧者）與 79.78%（非照顧者）。
- 2
原因分類框架在微聚合 F1 分數上達到 0.825（照顧者）與 0.80（非照顧者），揭示兩族群孤獨原因分佈差異。
- 3
照顧者的孤獨主要與照顧角色、身份認同與被拋棄感相關，與非照顧者的孤獨來源顯著不同。
- 4
透過人口統計提取證明 Reddit 可作為建立多元照顧者孤獨資料集的可行來源。
對教育工作者的啟發
教育工作者可借助LLM自動化分析學生社群媒體或學習平台留言，快速辨識孤獨或情緒低落訊號，進而設計個別化的情緒支援與社群互動活動。透過將孤獨原因分類框架嵌入課程評量，可協助學生自我覺察並調整學習策略，促進自主學習與社群參與。研究亦示範 Reddit 等非傳統資料源可擴充多元族群研究，教育政策制定者可依此調整資源分配與照顧者支援方案。
原始文獻資訊
- 英文標題：
- Why Are We Lonely? Leveraging LLMs to Measure and Understand Loneliness in Caregivers and Non-caregivers
- 作者：
- Michelle Damin Kim, Ellie S. Paek, Yufen Lin, Emily Mroz, Jane Chung, Jinho D. Choi
- 來源：
- arXiv - Computation and Language
- 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。