arXiv cs.CY· Angela Chen, Siwei Jin, Canwen Wang, Holly Swartz, Tongshuang Wu, Robert E Kraut, Haiyi Zhu·· 12 小时前AI 评分29
基于 LLM 评估的心理治疗师-来访者互动建模实证研究
Modeling of Therapist-Client Dynamics in Psychotherapy Using LLM-Based Assessments: An Empirical Study
AI 导读
研究用 LLM 自动评估管线测量治疗师共情、探索、关系融洽度及来访者自我表露与情绪表达，模型评分与人工标注一致性达 ICC 0.60-0.81。
正文 · AI 翻译
摘要：本研究旨在开发并验证一个用于建模治疗师—来访者互动过程的计算框架，并考察治疗师行为与关系质量如何与心理治疗会谈中来访者的自我表露和情绪表达相关联。我们使用大语言模型（LLM）开发了自动化评估流程，以测量治疗师行为（共情、探索）、关系质量（融洽度）以及来访者结果（自我表露、自我指向的负性情绪、外向指向的负性情绪）。模型生成的分数已对照人工标注进行验证。随后，我们将这些测量应用于 Alexander Street 语料库中约 2,000 小时的心理治疗转录文本。由此得到来自 1,573 次会谈和 37 位来访者的 119,233 条来访者话语的估计样本。自动化测量与人工标注显示出良好至优秀的一致性（ICC = 0.60 - 0.81），其中融洽度（ICC = 0.81）、自我表露（ICC = 0.78）、共情各成分（ICC = 0.60 - 0.75）和情绪测量（ICC = 0.66 - 0.80）。SEM 分析显示，治疗师共情和探索均与来访者表露增加以及自我指向负性情绪表达增加相关。这两种行为还与愉悦表达减少相关。令人意外的是，前一次会谈中的融洽度与来访者自我表露或负性情绪表达均无关联。本研究表明，基于 LLM 的测量结合结构建模能够在大规模上捕捉核心治疗过程。
| 评论： | 已被 JMIR Mental Health 接收 |
| 主题： | 计算机与社会（cs.CY） |
| 引用为： | arXiv:2602.12450 [cs.CY] |
| （或 arXiv:2602.12450v3 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.12450 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haiyi Zhu [查看邮箱]
[v1]
2026年2月12日星期四 22:14:07 UTC（806 KB）
[v2]
2026年6月8日星期一 00:59:55 UTC（730 KB）
[v3]
2026年10月22日星期四 15:08:56 UTC（342 KB）
来源：arXiv cs.CY · arxiv.org