文字資料分析廣泛運用，探討人類行為的情感、話語、詞彙和句法。強調跨領域合作，提供Python程式碼進行分析，以ChatGPT 3.5 Turbo為例。有助於語言學、社會學、精神病學和心理學等領域的研究人員了解人類行為的相關文字特徵。 PubMed DOI

心理學家利用心理測量方法研究不同情境下個人風險行為的差異。文章提出結合大型語言模型（LLMs）來量化風險行為和決策模型，以解釋行為和個人之間的相關性。這種方法可預測行為、解釋原因，並用心理術語解釋，提供對日常行為異質性的洞察。 PubMed DOI

語言模型如BERT被應用在心理學研究，透過填充遮罩聯想測驗（FMAT）探討社會心理學。FMAT可預測聯想、測量態度、捕捉社會印象，並探索社會文化變化。該方法已驗證在不同BERT模型和文本上，複製人類研究結果。FMAT提供更詳盡的語言測量心理學方式，並提供R套件供研究使用。 PubMed DOI

心理研究中使用大型語言模型(LLMs)引起關注，但「GPTology」的使用限制和風險令人擔憂，可能影響像ChatGPT這樣的模型。我們需了解LLMs在心理研究中的限制、道德問題和潛力，解決其對實證研究的影響。重要的是認識全球心理多樣性，謹慎看待LLMs作為通用解決方案，發展透明方法從AI生成的數據中做可靠推論。多元化人類樣本，擴展心理學方法，確保科學包容可靠，避免同質化和過度依賴LLMs。 PubMed DOI

全球心理健康問題日益嚴重，現有的照護模式無法滿足需求。大型語言模型（LLMs）被視為解決方案，能在心理健康教育、評估和介入上提供幫助。本文回顧了LLMs的應用，並指出其潛在的正面影響與風險，強調需採取策略來降低風險。平衡心理健康支持的需求與LLMs的負責任開發至關重要，確保這些模型符合倫理標準，並讓有經驗的人參與開發，以減少傷害並增強其正面影響。 PubMed DOI

這個教程強調大型語言模型（LLMs）在行為科學中的潛力，並指出像Hugging Face這樣的開源框架在透明度和可重現性上的優勢。它提供了使用這些工具的入門指南，包括特徵提取、模型微調和生成行為反應，並附有可執行的代碼，還在GitHub上分享。教程也探討了可解釋性和安全性挑戰，並提供了語言建模與行為科學交集的未來研究機會的見解。 PubMed DOI

大型語言模型（LLMs）在心理學研究中的應用越來越受到重視。為此，開發了名為 "MacBehaviour" 的 R 套件，能與超過 100 種 LLM 互動，包括 OpenAI 的 GPT、Claude、Gemini 和 Llama 等熱門模型。這個套件簡化了實驗設計與執行，讓研究人員只需幾行程式碼就能進行心理學實驗。實驗結果顯示，這些模型在性別推斷上與人類相似。總之，"MacBehaviour" 是一個友好的工具，為研究機器行為提供了重要資源。 PubMed DOI

這項研究探討心理概念重疊的問題，這種重疊讓數據解釋變得複雜，增加了參與者的負擔。研究引入了一種名為嵌入式語義分析方法（ESAA），利用自然語言處理技術檢測心理量表中的冗餘。透過OpenAI的text-embedding-3-large模型，ESAA生成高維語義向量，並用層次聚類識別相似項目。 研究進行了三個實驗，評估ESAA在識別相似項目、區分不同項目及揭示冗餘方面的有效性。結果顯示，ESAA表現穩定且優於基於GPT-4的聊天機器人，顯示其在心理研究中的潛力。 PubMed DOI

EmoAtlas是一個情感分析計算庫，能從18種語言的文本中提取情感與詞彙聯想。它運用可解釋的人工智慧進行語法解析，根據Plutchik理論識別八種情感，並在英語和意大利語的情感檢測上表現優於BERT和ChatGPT 3.5。其憤怒檢測準確率達85.6%，速度比BERT快12倍，且無需微調。EmoAtlas還能分析文本中情感的表達，提供如酒店評論等情境下的客戶情感見解，作為獨立資源發布，旨在提取可解釋的見解。 PubMed DOI

這項初步研究探討了大型語言模型（LLMs），特別是GPT-4，生成心理動力學報告的潛力，幫助個人更好理解自己。研究分為三個步驟： 1. **問卷開發**：參與者回答20個問題，探討人際關係困擾，包含14個GPT-4生成的問題及6個固定的父母關係問題。 2. **專家評估**：七位精神科教授評估AI生成報告的質量及幻覺風險，並與專家推論進行比較。 3. **參與者滿意度**：參與者用李克特量表評價報告的清晰度、洞察力等。 結果顯示，AI報告質量與專家相當，參與者滿意度高，顯示AI可成為心理動力學解釋的有價值工具。 PubMed DOI