Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Señales de lucha: detección de distorsiones cognitivas en el lenguaje y el registro

Created by
  • Haebom

Autor

Abhishek Kuber, Enrico Liscio, Ruixuan Zhang, Caroline Figueroa, Pradeep K. Murukannaiah

Describir

Este artículo explora un enfoque para la detección automática de signos tempranos de angustia mental en adolescentes a partir de textos digitales. Específicamente, nos centramos en la identificación de distorsiones cognitivas, patrones de pensamiento irracionales que exacerban la angustia mental. A diferencia de estudios previos centrados en datos clínicos en inglés, este estudio analiza publicaciones en foros en línea escritas por adolescentes holandeses para presentar el primer estudio exhaustivo sobre la generalización de la detección de distorsiones cognitivas entre idiomas y registros. Si bien las variaciones en el lenguaje y el estilo de escritura afectan significativamente el rendimiento del modelo, los métodos adaptados al dominio muestran los resultados más prometedores.

Takeaways, Limitations

Takeaways:
Presentar la posibilidad de desarrollar un sistema automatizado para el diagnóstico temprano de problemas de salud mental en adolescentes.
Enfatiza la importancia de los métodos de adaptación de dominio para desarrollar modelos de detección de distorsiones cognitivas en diversos idiomas y estilos de escritura.
Potencial para contribuir al desarrollo de estrategias de intervención temprana de bajo costo.
Limitations:
El estudio se limitó a publicaciones en foros en línea de jóvenes holandeses. Se requieren más investigaciones para determinar la generalización a otros idiomas y culturas.
La eficacia de los métodos de adaptación de dominio puede variar según el conjunto de datos y el modelo. Se necesitan metodologías más robustas y generalizables.
Se necesita una mayor validación de la precisión y confiabilidad de la detección de distorsiones cognitivas.
👍