Yapay Zeka

Motivasyon Boşluklarını Kapatmak: Yüksek Lisans ve Sağlık Davranışı Değişikliği

Özet: Yeni bir çalışma, ChatGPT, Google Bard ve Llama 2 gibi büyük dil modellerinin (LLM’ler) sağlıkla ilgili bağlamlarda farklı motivasyon durumlarını nasıl ele aldığını araştırıyor ve davranış değişikliğini destekleme yeteneklerinde önemli bir boşluk ortaya koyuyor. Bu üretken konuşma aracıları, kullanıcılara açık hedeflerle bilgi sağlama konusunda başarılı olurken, diyabet gibi durumları yönetmek için daha aktif bir yaşam tarzı benimsemek gibi sağlıkla ilgili değişiklikler yapma konusunda kararsız olanlara rehberlik etmekte zorlanıyorlar.

Bu araştırma, dijital sağlık çözümlerini geliştirmek için yeni yönlere işaret ederek, önleyici sağlık davranışlarını etkili bir şekilde teşvik etmek için Yüksek Lisans’ların psikolojik teorileri ve doğal dil işlemeyi entegre etme ihtiyacının altını çiziyor.

Ana unsurlar:

  1. Üretken konuşma aracıları, kullanıcıların motivasyon durumlarını belirleyebilir ve hedefe yönelik bireyler için ilgili bilgileri sağlayabilir, ancak davranışları değiştirme konusunda kararsız olanlara yardımcı olma konusunda yetersiz kalır.
  2. Çalışma, Yüksek Lisans’ların belirsiz motivasyona sahip kullanıcıları destekleme becerisindeki önemli bir boşluğu vurgulayarak, davranış bilimini sağlığın teşviki ve geliştirilmesi için Yüksek Lisans gelişimine dahil etmenin önemini vurgulamaktadır.
  3. Doktora öğrencisi Michelle Bak ve Yardımcı Doçent Jessie Chin liderliğindeki araştırma ekibi, pozitif sağlık davranışı değişikliklerini teşvik etmek için yüksek lisans eğitimlerinden yararlanan dijital sağlık müdahaleleri geliştirmeyi amaçlıyor.

Kaynak: Illinois Üniversitesi

Yakın zamanda yayınlanan yeni bir çalışma Amerikan Tıp Bilişimi Derneği Dergisi (JAMIA), büyük dil modellerinin (LLM’ler) farklı motivasyon durumlarına nasıl yanıt verdiğini ortaya koyuyor.

Doktora öğrencisi Michelle Bak ve Illinois Urbana-Champaign Üniversitesi Bilgi Bilimleri Fakültesi’nden Yardımcı Doçent Jessie Chin, yüksek lisans temelli üç üretken konuşma aracısının (GA) (ChatGPT, Google Bard ve Llama 2) değerlendirilmesinde şunları buldu: GA’lar, kullanıcıların motivasyon durumlarını belirleyebilir ve bireyler belirli hedefler belirlediğinde ilgili bilgileri sağlayabilir; kullanıcılar davranışlarını değiştirme konusunda tereddütlü veya kararsız olduğunda rehberlik sağlama olasılıkları daha düşüktür.

Bu, dizüstü bilgisayar kullanan bir kişiyi gösterir.
Chin, “LLM’lerin belirli motivasyon durumlarına yanıt vermedeki bu büyük boşluğu, sağlığın teşviki ve geliştirilmesine yönelik LLM araştırmalarının gelecekteki yönlerini gösteriyor” dedi. Kredi: Nörobilim Haberleri

Bak, hareketsiz yaşam tarzını değiştirmeye dirençli diyabetli bir bireyin örneğini veriyor.

“Bir doktor tarafından diyabetlerini yönetmek için egzersiz yapmanın gerekli olacağı tavsiye edilmiş olsaydı, GA’lar aracılığıyla sağlıklı davranışlar hakkında farkındalığı artırmalarına, değişikliklerle duygusal olarak ilgilenmelerine ve sağlıksız alışkanlıklarının nasıl olduğunu fark etmelerine yardımcı olacak bilgiler sağlamak önemli olurdu. etrafındaki insanları etkileyebilir.

Bak, “Bu tür bilgiler, olumlu değişiklikler yapma yolunda sonraki adımları atmalarına yardımcı olabilir” dedi.

Mevcut GA’lar bu süreçler hakkında spesifik bilgilerden yoksundur ve bu da bireyi sağlık açısından dezavantajlı duruma düşürür. Bunun tersine, fiziksel aktivite düzeylerini değiştirmeye kararlı olan (örneğin, kronik depresyonu yönetmek için kişisel kondisyon eğitimine katılmış) bireyler için GA’lar ilgili bilgi ve desteği sağlayabilir.

Chin, “LLM’lerin belirli motivasyon durumlarına yanıt vermedeki bu büyük boşluğu, sağlığın teşviki ve geliştirilmesine yönelik LLM araştırmalarının gelecekteki yönlerini gösteriyor” dedi.

Bak’ın araştırma hedefi, koruyucu sağlık davranışlarını teşvik etmek için doğal dil işlemeyi ve psikolojik teorileri kullanmaya dayalı bir dijital sağlık çözümü geliştirmektir. Lisans derecesini California Los Angeles Üniversitesi’nden sosyoloji alanında aldı.

Chin’in araştırması, yaşam boyu sağlık iletişimini ve davranışını teşvik etmek için sosyal ve davranış bilimleri teorilerini tasarım teknolojilerine ve etkileşimli deneyimlere dönüştürmeyi amaçlamaktadır. Illinois Üniversitesi’nde Uyarlanabilir Biliş ve Etkileşim Tasarımı (ACTION) Laboratuvarını yönetmektedir.

Chin, Ulusal Tayvan Üniversitesi’nden psikoloji alanında lisans derecesine, insan faktörleri alanında yüksek lisans derecesine ve Illinois Üniversitesi’nden öğretme ve öğrenmede bilişsel bilime odaklanan eğitim psikolojisi alanında doktora derecesine sahiptir.

Bu Yüksek Lisans ve Yapay Zeka araştırma haberleri hakkında

Soyut

Sağlık davranışı değişimini kolaylaştırmaya yönelik motivasyon durumlarının belirlenmesinde büyük dil modellerinin potansiyeli ve sınırlamaları

Önem

Çalışma, Büyük Dil Modellerinin (LLM’ler) davranış değişikliği için uygun bilgileri sağlamak amacıyla farklı motivasyon durumlarını tanıma konusundaki potansiyelini ve sınırlamalarını vurgulamaktadır. Transteorik Modeli (TTM) takiben, sağlığın teşviki ve geliştirilmesine yönelik Yüksek Lisans araştırmalarının gelecekteki yönelimlerini önererek, doğrulanmış senaryo çalışmaları yoluyla belirli motivasyon durumlarına yanıt verme konusunda Yüksek Lisans’ların büyük boşluğunu belirledik.

Hedefler

Yüksek Lisans tabanlı üretken konuşma aracıları (GA’lar), kullanıcı niyetlerini anlamsal olarak tanımlamada başarı göstermiştir. Motivasyon durumlarını belirleme ve davranış değişikliği ilerlemesini kolaylaştırmak için uygun bilgileri sağlama yetenekleri hakkında çok az şey bilinmektedir.

Malzemeler ve yöntemler

Değişimin TTM aşamalarını takip eden motivasyon durumlarını belirlemek için 3 GA, ChatGPT, Google Bard ve Llama 2’yi değerlendirdik. GA’lar, 5 TTM aşamasında 5 sağlık konusuna sahip 25 doğrulanmış senaryo kullanılarak değerlendirildi. Değişimin bir sonraki aşamasına geçmek için TTM süreçlerini kapsayan yanıtların uygunluğu ve eksiksizliği değerlendirildi.

Sonuçlar

3 GA, eylem aşamasına geçmek için yeterli bilgi sağlayan hazırlık aşamasındaki motivasyon durumlarını belirledi. Eylem ve sürdürme aşamalarındaki motivasyon durumlarına verilen yanıtlar, bireylerin davranış değişikliklerini başlatması ve sürdürmesi için kısmi süreçleri kapsayacak kadar iyiydi. Ancak GA’lar, süreçlerin yaklaşık %20-%30’unu kapsayan ilgisiz bilgiler sağlayarak, düşünme öncesi ve düşünme aşamalarındaki kullanıcıların motivasyon durumlarını belirleyemedi.

Tartışma

GA’lar, kullanıcıların motivasyon durumlarını belirleyebilir ve bireyler bir eylemi gerçekleştirmek ve sürdürmek için hedefler ve taahhütler belirlediklerinde ilgili bilgileri sağlayabilir. Ancak davranış değişikliği konusunda tereddütlü veya kararsız olan bireylerin, değişimin bir sonraki aşamasına geçmek için yeterli ve ilgili rehberlik almaları pek olası değildir.

Çözüm

Mevcut GA’lar, belirlenmiş hedefleri olan bireylerin motivasyon durumlarını etkili bir şekilde tanımlamaktadır ancak davranış değişikliği konusunda kararsız olanlar için destekten yoksun olabilir.

Kaynak ve İleri Okuma: https://neurosciencenews.com/llm-health-motivation-25857/

İlgili Makaleler

Başa dön tuşu