這項研究評估了OpenAI的AI對話工具ChatGPT在數據分析中的有效性，特別是探索性因素分析（EFA）。研究人員生成了不同條件下的模擬數據，並在兩次不同時間點使用ChatGPT-4進行分析，與R語言的結果進行比較。結果顯示，ChatGPT在計算任務上表現良好，尤其是KMO值和因素載荷的計算，但在確定多維結構時存在一些偏差。因此，研究人員在依賴AI進行決策時應保持謹慎。總體而言，ChatGPT在簡單計算任務上顯示出潛力。 PubMed DOI

這項研究探討了ChatGPT在醫學教育質性研究中進行主題分析的應用。由於質性分析複雜且耗時，研究評估了ChatGPT的有效性並與人類分析師比較。結果顯示，ChatGPT在大多數領域表現良好，但在可轉移性和分析深度上有所不同。六個關鍵主題包括：與人類結果的相似性、正面印象、數據連結清晰、提示影響、缺乏背景描述及理論基礎。雖然ChatGPT能有效識別關鍵數據，但深入分析仍需人類參與以增強深度。 PubMed DOI

這項研究評估了四個大型語言模型（LLMs）在心理健康診斷和治療的能力，包括Gemini 2.0、Claude 3.5、ChatGPT-3.5和ChatGPT-4。主要發現顯示，ChatGPT-4在診斷憂鬱症和PTSD方面優於人類專業人士，但在複雜案例如早期精神分裂症的準確率僅55%。LLMs提供的治療建議較為多樣，但專業人士則偏好具體的精神科諮詢。總體來看，雖然LLMs能協助診斷和治療計畫，但在複雜情況下仍需專業監督。 PubMed DOI

這項研究探討了ChatGPT在提供醫療資訊時，如何根據疾病類型（醫療性 vs. 心理性）和使用者的溝通風格（中立 vs. 表達關心）來調整其回應。研究發現，當面對心理問題或使用者表達關心時，ChatGPT會使用更具同理心的語言；而在中立查詢中則偏向分析性語言。此外，健康相關的語言在心理討論中較常見，疾病相關的語言則多出現在身體狀況的對話中。這顯示ChatGPT的回應會受到疾病類型和使用者情感的影響，能透過調整溝通方式來提升病人的參與感。 PubMed DOI

這項研究評估了ChatGPT在Python程式碼解釋方面的有效性，特別作為數據分析工具。研究使用全國住院病人樣本的子集，重點在數據管理、描述性統計和推論統計。主要發現包括： 1. **數據處理和分類**：ChatGPT能準確重新分類和呈現數據。 2. **描述性統計**：提供正確的均值、標準差等計算。 3. **推論統計**：準確率隨提示具體性提升，從32.5%到92.5%不等。 結論認為，ChatGPT對具備基本統計知識的研究人員是個有價值的工具，但需謹慎構建提示並進行監督，以確保結果準確。 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

這項研究發現，ChatGPT-4在分析日文質性訪談時，對於簡單、描述性的主題表現跟人類差不多，但遇到有文化或情感層面的議題就明顯不如人類。AI適合協助基礎主題辨識，但要深入解讀還是得靠專家。研究也提醒，AI在非英文環境還有進步空間，使用時要注意倫理和法律問題。 PubMed DOI

這項研究發現，聊天機器人雖然能提供基本的情感支持和心理教育，但回應較制式，無法深入探討或安全處理危機。相較之下，治療師會引導來談者多說明，介入方式也更細緻。結論是，目前聊天機器人還不能取代專業心理健康照護，尤其遇到危機時更要小心使用。 PubMed DOI

這項研究發現，ChatGPT在急性精神科危機的德語諮詢中，獲得「有幫助」和「適切」等正面評價，但在「真實感」上表現較差，尤其是精神病案例。多數專業人員認為LLM未來在醫療有潛力，但對其風險仍有疑慮，需更多實際病人研究才能安全應用。 PubMed DOI

這項研究發現，ChatGPT能給家長清楚又實用的ADHD行為訓練建議，但部分資料過時、內容也不夠深入。AI工具雖然能協助照顧者學習，但臨床應用前，建議再加強正確性和細節。 PubMed DOI