Semantic search helper: A tool based on the use of embeddings in multi-item questionnaires as a harmonization opportunity for merging large datasets - A feasibility study.
基於多項問卷中嵌入技術的語義搜尋助手：作為合併大型數據集的協調機會的可行性研究。 Eur Psychiatry 2025-01-20

最近，自然語言處理（NLP）在語意數據分析上有了顯著進展，特別是在問卷研究中。研究者開發了一個「語意搜尋助手」的原型，能有效協調不同工具測量相同構念，並探索新構念組合。透過案例研究，該應用成功識別潛在的協調配對，減少了手動評估的需求。專家評估顯示，模型生成的配對與專家意見高度一致，證實了這種方法的有效性，顯示出嵌入模型在協調複雜數據集中的潛力。 PubMed DOI

SEMbeddings: how to evaluate model misfit before data collection using large-language models.
SEMbeddings：如何在數據收集之前使用大型語言模型評估模型不適合性。 Front Psychol 2025-02-19

這篇論文介紹了一個新工具 SEMbeddings，結合微調的嵌入模型與潛在測量模型，能在實際數據收集前評估項目反應數據的適配度。作者將其應用於 VIA-IS-P 問卷，分析了 31,697 名參與者的回應，結果顯示項目嵌入的餘弦相似度與實證相關性有顯著關聯 (r = 0.67)。論文也提到，傳統適配指標可能不夠準確，但修正指標能提供潛在不適配的見解，對於問卷開發有幫助。隨著大型語言模型的進步，這些方法有望提升新問卷的開發效率。 PubMed DOI

Leveraging on large language model to classify sentences: a case study applying STAGES scoring methodology for sentence completion test on ego development.
利用大型語言模型進行句子分類：應用 STAGES 評分方法於自我發展的句子完成測試案例研究。 Front Psychol 2025-02-21

這項案例研究探討大型語言模型（LLMs）在自我發展測量中的應用，這對成人個性成長至關重要。研究評估專家與LLMs生成的自我發展階段分類的一致性，結果顯示加權Kappa值為0.779，顯示出顯著一致性，證明LLMs能有效自動化此過程。不過，在單句分析上仍有改進空間。研究結果顯示，自動化系統能提供穩健的數據，適用於多層次分析，對組織心理學和企業分析具價值。整體而言，這方法論可應用於其他LLMs的分類任務，展現其在文本分析中的潛力。 PubMed DOI

Large Language Models and Text Embeddings for Detecting Depression and Suicide in Patient Narratives.
大型語言模型與文本嵌入於病患敘述中偵測憂鬱與自殺的應用 JAMA Netw Open 2025-05-23

這項研究發現，大型語言模型和文字嵌入模型能從精神科病患的句子完成測驗中，準確辨識憂鬱症和自殺風險，尤其在分析自我概念相關內容時效果最好。最佳模型偵測憂鬱症的AUROC達0.841。雖然AI有潛力協助心理健康評估，但臨床應用前還需要更多改進和安全驗證。 PubMed DOI

Policy Library Redundancy Analysis Using K-means Clustering.
使用 K-means 分群法進行政策資料庫冗餘性分析 AMIA Annu Symp Proc 2025-05-26

這個專案用AI技術（像是句子嵌入和k-means分群），幫醫療政策資料庫減少重複政策。透過Python原型程式，和認證團隊合作，政策數量減少4%，有效提升管理效率、減輕人力負擔，也展現AI在醫療政策管理上的應用潛力。 PubMed

Talk to your data: Introducing text embedding similarity analysis (TESA) in psychological research.
與你的數據對話：在心理學研究中引入文本嵌入相似性分析（TESA） Behav Res Methods 2025-05-28

傳統質性研究難以驗證假說，因為文字資料不好量化。TESA這個新方法，利用大型語言模型把假說變成搜尋詞，抓出語意嵌入，再跟文本比對相似度。這樣就能用分數分布來做假說檢驗，解決過去方法偏誤和效率低的問題。 PubMed DOI

A semantic embedding space based on large language models for modelling human beliefs.
基於大型語言模型的人類信念語意嵌入空間 Nat Hum Behav 2025-06-04

這項研究用微調過的大型語言模型，把線上辯論中的各種信念轉成神經嵌入，來分析信念間的關聯。這方法能看出信念極化、連結模式，還能預測個人未來可能的信念，並用信念距離估算認知失調。結果顯示，結合語言模型和線上資料，有助於了解人類信念的形成和互動原則。 PubMed DOI

Detecting Redundant Health Survey Questions by Using Language-Agnostic Bidirectional Encoder Representations From Transformers Sentence Embedding: Algorithm Development Study.
利用語言無關的Bidirectional Encoder Representations From Transformers（BERT）句子嵌入偵測健康問卷中重複題目的演算法開發研究 JMIR Med Inform 2025-06-10

這項研究用機器學習模型來比對英文和韓文健康問卷的語意相似度，目的是讓不同語言的健康資料更容易統一和標準化。研究發現，SBERT-LaBSE模型在跨語言比對上表現最好。這方法有助於整合多語言健康問卷，但還需要更多資料和領域來驗證。 PubMed DOI

Neural text embeddings in psychological research: A guide with examples in R.
心理學研究中的神經文本嵌入：以 R 語言為例的指南 Psychol Methods 2025-06-12

這份指南回顧並比較三種心理學構念的向量化方法：用單字清單、問卷和有標記範例。作者指出，若要分析不同文本類型，建議用單字清單；若文本和問卷內容接近，則用問卷；有大量標記資料時，則用標記範例。指南也提醒研究者注意嵌入模型的特性和潛在方法問題。 PubMed DOI

A large-scale replication of scenario-based experiments in psychology and management using large language models.
使用大型語言模型進行心理學與管理學情境式實驗的大規模重複研究 Nat Comput Sci 2025-07-09

大型語言模型能準確重現多數心理學實驗，效果有時甚至比真人還明顯。不過，遇到社會敏感議題或原研究沒發現效果時，模型容易高估結果。LLMs 適合做初步、快速研究，但遇到複雜或敏感議題，還是得靠真人參與才能更全面。 PubMed DOI

原始文章

站上相關主題文章列表