BriefGPT - AI 论文速递
·
MindShift: 利用大型语言模型进行基于心理状态的手机问题使用干预
💡
原文中文，约600字，阅读约需2分钟。
📝
内容提要
研究发现智能手机使用对身心健康产生负面影响，但现有的说服技术无法提供灵活的内容。研究者设计了四种说服策略并利用大型语言模型开发了一种名为MindShift的新型智能手机问题使用干预技术。实地实验结果显示，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显著下降，自我效能感提高。
🎯
关键要点
- 智能手机使用对身心健康产生负面影响。
- 现有的说服技术无法根据用户的身体状况和心理状态提供灵活的内容。
- 研究总结了导致智能手机问题使用的心理状态：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。
- 开发了名为MindShift的LLM驱动的干预技术，能够动态生成说服内容。
- MindShift接受用户的即时身体状况、心理状态、应用使用行为、用户目标和习惯作为输入。
- 实地实验结果显示，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显著下降，自我效能感提高。
- 研究为其他行为变化领域利用LLMs进行上下文感知的说服提供了启示。
➡️
