BriefGPT - AI 论文速递
·
利用基于智能手机传感器特征的 LLMs 进行情感状态预测
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
智能手机问题使用对身心健康有负面影响。研究发现，无聊、压力和惰性是导致问题使用的心理状态。MindShift是一种干预技术，利用大型语言模型生成有效的说服内容。实地实验显示，MindShift使干预接受率提高了17.8-22.5%，智能手机使用频率降低了12.1-14.4%。用户的智能手机成瘾程度下降，自我效能感提高。这项研究为其他行为变化领域的上下文感知说服提供了启示。
🎯
关键要点
- 智能手机的问题使用对身心健康产生负面影响。
- 导致智能手机问题使用的心理状态包括无聊、压力和惰性。
- 设计了四种说服策略：了解、安慰、唤起和支持习惯。
- MindShift是一种基于大型语言模型的干预技术，能够动态生成说服内容。
- MindShift接受用户的身体状况、心理状态和使用行为作为输入，生成灵活的说服策略。
- 为期5周的实地实验显示，MindShift提高了干预接受率17.8-22.5%，降低了智能手机使用频率12.1-14.4%。
- 用户的智能手机成瘾程度显著下降，自我效能感提高。
- 研究为其他行为变化领域的上下文感知说服提供了启示。
➡️
