Используя разработки в области автоматического распознавания речи, обработки естественного языка и машинного обучения, исследователи Бо Сяо (Ming Hsieh, факультет электротехники в инженерной школе USC Viterbi), Зак Э. Имел (факультет педагогической психологии Университета Юты), Panayiotis Дж. Георгиу (факультет электротехники Мин Се инженерной школы Университета Калифорнии в Витерби), Дэвид С. Аткинс (факультет психиатрии и поведенческих наук Вашингтонского университета) и Шрикант С. Нараянан (факультет электротехники Мин Се Университета Вашингтона) USC Viterbi School of Engineering), разработала программное обеспечение для обнаружения речи с "высокой или низкой эмпатией" путем анализа более 1000 сеансов терапевта и пациента. Исследователи разработали алгоритм машинного обучения, который принимает речь в качестве входных данных, чтобы автоматически генерировать оценку эмпатии для каждого сеанса.Их методология задокументирована в предстоящей статье под названием «Оцените моего терапевта: автоматическое определение эмпатии при консультировании по поводу наркотиков и алкоголя с помощью обработки речи и языка», и, по словам авторов, это первое исследование такого рода, в котором регистрируются сеансы терапии. и автоматически определять качество сеанса терапии на основе одной характеристики.
Исследование опубликовано в декабрьском выпуске PLoS ONE.В настоящее время существует очень мало способов оценить качество сеанса терапии. Фактически, по мнению исследователей, методы оценки терапии оставались неизменными на протяжении семидесяти лет.
Методы, требующие сторонних оценщиков, отнимают много времени и влияют на конфиденциальность каждого сеанса.Вместо этого представьте себе приложение для обработки естественного языка, такое как SIRI, которое отслеживает правильные фразы и вокальные данные. Исследователи развивают новую область в инженерии и информатике, называемую обработкой поведенческих сигналов, которая «использует вычислительные методы, помогающие людям принимать решения о поведенческих явлениях».
Авторы научили свой алгоритм распознавать эмпатию на основе данных тренингов для терапевтов, в частности рассматривая терапевтическое взаимодействие с людьми, борющимися с зависимостью и алкоголизмом. Используя модели на основе автоматического распознавания речи и машинного обучения, алгоритм затем автоматически определил выбранные фразы, которые могли бы указать, продемонстрировал ли терапевт высокое или низкое сочувствие.
Ключевые фразы, такие как «это звучит как», «как вы думаете» и «что я слышу», указывают на высокое сочувствие, в то время как такие фразы, как «следующий вопрос», «вам нужно» и «в прошлом» , "были восприняты вычислительной моделью как низкий уровень эмпатии.Говоря об этом нововведении, Шри Нараянан, Эндрю Дж.
Витерби, профессор инженерных наук в USC и старший автор этого исследования, сказал: «Технологические достижения в обработке поведенческих сигналов человека и информатике обещают не только расширение масштабов и снижение затрат за счет автоматизации процессов, которые обычно выполняются вручную, но позволяют получить новые идеи, предлагая инструменты для открытия. Это конкретное исследование раскрывает скрытое психическое состояние, и оно показывает, что компьютеры можно обучить обнаруживать такие конструкции, как эмпатия, с использованием данных наблюдений ».Команда Нараянана из Лаборатории анализа и интерпретации сигналов в Университете Южной Калифорнии продолжает разрабатывать более продвинутые модели, дающие алгоритму возможность анализировать дикцию, тон голоса, музыкальность речи (просодию), а также то, как ритм одного говорящего в разговоре перекликается с другим (например, когда человек говорит быстро, а устный ответ слушателя отражает ритм быстрой речи).
В ближайшем будущем исследователи надеются использовать этот инструмент для обучения начинающих терапевтов.«Возможность оценить качество психотерапии имеет решающее значение для обеспечения качественного лечения пациентов, — сказал Дэвид Аткинс, профессор психиатрии Вашингтонского университета..«… Технология, которую разрабатывает наша команда инженеров и психологов, может предложить один из способов помочь поставщикам медицинских услуг получать немедленную обратную связь о том, что они делают, и в конечном итоге повысить эффективность психиатрической помощи», — сказал Зак Имел из Университета Профессор педагогической психологии штата Юта и автор статьи.
В конечном итоге команда надеется создать программное обеспечение, которое будет предоставлять обратную связь в режиме реального времени или оценивать сеанс терапии на месте. Кроме того, исследователи хотят включить в свой алгоритм оценки эмпатии дополнительные элементы, включая акустические каналы и частоту, с которой говорит терапевт или пациент.