Motivation

Une nouvelle étude montre que les LL.M. réagissent différemment selon les motivations des utilisateurs


Cet article a été révisé sous Science X processus d’édition
et politique.
modifier Les attributs suivants sont mis en valeur tout en assurant la crédibilité du contenu :

Fait vérifié

publications évaluées par des pairs

Relecture


Source de l’image : Domaine public CC0

× fermeture


Source de l’image : Domaine public CC0

Une nouvelle étude récente publier à l’intérieur Journal de l’Association américaine d’informatique médicale (Jamia) révèle comment les grands modèles linguistiques (LLM) répondent à différents états de motivation.

Dans une évaluation de trois agents conversationnels génératifs (GA) basés sur LLM (ChatGPT, Google Bard et Llama 2), Michelle Bak, PhD, étudiante à l’École des sciences de l’information de l’Université de l’Illinois à Urbana-Champaign, et Jessie Chin, professeur adjoint, a découvert que même si GA peut identifier les états de motivation des utilisateurs et fournir des informations pertinentes lorsque les individus établissent des objectifs, il est peu probable qu’ils fournissent des conseils lorsque les utilisateurs sont hésitants ou ambivalents quant à un changement de comportement.

Buck donne l’exemple d’un diabétique qui refusait de changer de mode de vie sédentaire.

“Si leur médecin leur recommande de faire de l’exercice pour gérer leur diabète, il est important de leur fournir des informations via GA pour les aider à être plus conscients des comportements sains, à s’engager émotionnellement dans ces changements et à reconnaître comment leurs habitudes malsaines affectent leur santé. Il se peut que cela affecte leur entourage. Ces informations peuvent les aider à passer à l’étape suivante. “, a déclaré Buck.

Les algorithmes génétiques actuels manquent d’informations spécifiques sur ces processus, ce qui désavantage les individus en matière de santé. À l’inverse, l’AG peut fournir des informations et un soutien pertinents aux personnes qui s’efforcent de modifier leur niveau d’activité physique (par exemple, s’engager dans un entraînement personnel pour gérer la dépression chronique).

“Des lacunes majeures dans la réponse du LLM à certains états de motivation suggèrent des orientations futures pour la recherche LLM “, a déclaré Qin.

Les recherches de Bak visent à développer des solutions de santé numérique basées sur l’utilisation et théories psychologiques pour promouvoir les comportements préventifs en matière de santé. Elle a obtenu un baccalauréat en sociologie de l’UCLA.

Les recherches de Chin visent à traduire la théorie des sciences sociales et comportementales dans la conception de technologies et d’expériences interactives visant à promouvoir une communication et un comportement sains tout au long de la vie. Elle dirige le laboratoire de conception adaptative de cognition et d’interaction (ACTION) de l’Université de l’Illinois. Chin est titulaire d’un baccalauréat en psychologie et d’une maîtrise en psychologie de l’Université nationale de Taiwan. , et doctorat.exister Se concentrer en enseignement et apprentissage de l’Université de l’Illinois.

Plus d’information:
Michelle Bak et al., Le potentiel et les limites des grands modèles de langage pour identifier les états de motivation qui favorisent le changement de comportement en matière de santé, Journal de l’Association américaine d’informatique médicale (2024). DOI : 10.1093/jamia/ocae057

Informations sur la revue :
Journal de l’Association américaine d’informatique médicale


Fourni par l’École des sciences de l’information de l’Université de l’Illinois



Source link

See also  Le vice-président des avantages sociaux de Delta Air Lines a déclaré avoir choisi de verser 1,4 milliard de dollars à ses employés uniquement pour retenir et motiver les talents.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button