Leveraging LLMs and wearables to provide personalized recommendations for enhancing student well-being and academic performance through a proof of concept.
利用大型語言模型和可穿戴設備提供個性化建議，以通過概念驗證提升學生的福祉和學業表現。 Sci Rep 2025-02-07

這項研究探討如何利用大型語言模型（LLMs）為高中生提供個性化建議，以提升他們的福祉和學業表現。研究分析了12名學生的數據，包括Fitbit指標和學校表現，並針對每位學生生成建議。結果顯示，雖然建議通常清晰可行，但與學生個別數據的對應程度有所不同，顯示出改進空間。研究強調了LLMs在個性化支持的潛力，但也需進一步驗證和完善，未來應聚焦於介入研究及解決倫理和數據隱私問題。 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

Deriving Insights From Open-Ended Learner Feedback: An Exploration of Natural Language Processing Approaches.
從開放式學習者反饋中獲取洞見：自然語言處理方法的探索。 J Contin Educ Health Prof 2025-02-21

這項研究探討了如何利用自然語言處理（NLP）分析精神醫療機構的專業發展訓練反饋。研究者針對「使用意圖」和「開放式反饋」進行分析，使用了主題建模、情感分析和基於大型語言模型（LLM）的聚類方法。結果顯示，主題建模對短小的「使用意圖」回應效果不佳，情感分析也無法準確捕捉情感基調。相對而言，LLM的聚類方法能有效生成有意義的聚類，顯示其在分析學習者反饋中的潛力。未來研究應進一步探索LLM在不同數據集的應用。 PubMed DOI

LLMs for thematic summarization in qualitative healthcare research: feasibility and insights.
定性醫療研究中主題摘要的LLMs：可行性與見解。 JMIR AI 2025-03-10

這項研究探討大型語言模型（LLMs）在分析線上護理論壇專家文本的應用，目的是提升主題分析的效率。研究過程包括數據收集、主題建模、人為分類及LLMs的主題詮釋。結果顯示，人為詮釋與LLMs生成的詮釋有80%的相似度，且在三分之二的主題上達成共識。LLMs能識別子主題並提供額外見解，增強分析深度，但在質性研究中整合這些模型仍需謹慎。總體而言，LLMs在自動化質性數據詮釋方面展現潛力。 PubMed DOI

Comparing large Language models and human annotators in latent content analysis of sentiment, political leaning, emotional intensity and sarcasm.
比較大型語言模型與人類標註者在情感、政治傾向、情緒強度和諷刺的潛在內容分析中的表現。 Sci Rep 2025-04-03

這項研究分析了七種大型語言模型（LLMs）在潛在內容分析的有效性，並與人類標註者進行比較。研究涵蓋情感、政治傾向、情感強度和諷刺檢測。結果顯示，無論是人類還是LLMs，在情感和政治分析上表現一致，LLMs的可靠性通常超過人類。不過，人類在情感強度評分上較高，兩者在諷刺檢測上都面臨挑戰。總體來看，LLMs，特別是GPT-4，能有效模仿人類的分析能力，但人類專業知識仍然重要。 PubMed DOI

AI Driven Wearables and Large Language Models for Student Well-Being: A Preliminary Study.
AI 驅動的可穿戴設備與大型語言模型對學生福祉的影響：一項初步研究。 Stud Health Technol Inform 2025-04-09

這份報告探討了將大型語言模型（LLMs）與可穿戴技術結合的初步成果，目的是提供個性化建議，提升學生的福祉與學業表現。我們分析了學生的數據，包括可穿戴設備的指標和學術報告的質性反饋，進行情感分析以評估情緒狀態。研究顯示，LLMs能有效分析文本數據，提供實用見解，幫助了解學生的參與度並找出改進空間，顯示出LLMs在教育上的潛力，能更深入理解學生需求。 PubMed DOI

Delving into the Practical Applications and Pitfalls of Large Language Models in Medical Education: Narrative Review.
探討大型語言模型於醫學教育中的實際應用與陷阱：敘述性回顧 Adv Med Educ Pract 2025-04-24

大型語言模型在醫學教育應用越來越普遍，不只幫助老師設計課程、製作教材，也能給予學生回饋，提升語言和寫作能力。這篇綜述分析實際案例，說明LLMs對師生的好處，並討論遇到的挑戰及解方。研究建議醫學教育應更廣泛運用LLMs，以提升學習成效和病人安全。 PubMed DOI

Using large language models (LLMs) to apply analytic rubrics to score post-encounter notes.
使用大型語言模型（LLMs）應用分析性評分規準於後診紀錄評分 Med Teach 2025-05-17

這項研究發現，大型語言模型（LLMs）在有明確、結構化提示下，能準確且一致地評分醫學生臨床紀錄，但如果只給簡單指示，結果會不穩定。LLM有時會算錯總分，需要外部協助。整體來說，經過優化後，LLM有潛力成為醫學教育自動評分工具，但針對更複雜的評分系統還需進一步研究。 PubMed DOI

Using Large Language Models for sentiment analysis of health-related social media data: empirical evaluation and practical tips.
運用大型語言模型進行健康相關社群媒體資料的情感分析：實證評估與實用建議 AMIA Annu Symp Proc 2025-05-26

這篇論文比較了 GPT-3.5-Turbo、FLAN-T5 和 BERT 等大型語言模型在健康社群媒體情感分析的表現。結果顯示，LLMs 比傳統工具（像 VADER）表現更好，但準確度還有進步空間。透過調整提示語和微調，尤其是 BERT，效果會更好。研究也建議未來要在標註資料少的情況下，持續優化這些模型。 PubMed

Using large language models to facilitate academic work in the psychological sciences.
運用大型語言模型促進心理科學的學術工作 Curr Psychol 2025-05-29

大型語言模型在心理科學等學術領域越來越重要，能協助教學、寫作和模擬人類行為。雖然帶來不少好處，但也有倫理和實務上的挑戰。這份摘要整理了最新進展、最佳做法，並提出未來發展方向，幫助學界更負責任且有效地運用LLMs。 PubMed DOI

原始文章

站上相關主題文章列表