大语言模型标注发现治疗师干预多样性越高，工作同盟与疗效评分越好
Leveraging large language models to assess therapeutic technique diversity and its associations with the therapeutic alliance and outcome
一项分析872次心理治疗会谈转录文本的研究发现，治疗师在会谈中使用的干预技术越多样，工作同盟量表（WAI）和疗效评定量表（ORS）得分越高。研究用基于Transformer的模型自动标注治疗师干预，以Shannon熵指数量化治疗技术多样性（TTD），并用多层回归模型分析其变化及关联。
目的：本研究采用一种新颖的方法，利用大型语言模型（LLM）自动检测和标注心理治疗转录中治疗师的干预，以考察治疗师的治疗技术多样性（TTD）及其与工作同盟和来访者功能的关联。方法：分析了872份转录的心理治疗会谈数据集。治疗师的干预使用基于Transformer的模型进行标注。TTD使用Shannon熵指数量化，以计算干预的多样性。多水平回归模型考察了TTD在会谈内、二元组内（会谈间）和二元组间的变化，及其与工作同盟量表（WAI）和结果评定量表（ORS）的关联。结果：TTD在会谈内和会谈间均显著增加。二元组内较高的TTD与WAI和ORS得分呈正相关，尽管在控制会谈次数后，与ORS的关联不再显著。未发现TTD的二元组间效应。结论：TTD作为治疗师行为的一个动态特征出现，与治疗同盟质量和治疗结果相关。这些发现强调了保持多样化干预库的重要性，并突显了LLM在大规模捕捉细粒度治疗过程的潜力。
中文由 AI 翻译，仅供参考，以原文为准。
研究用大语言模型自动标注872次会谈中的治疗技术，为治疗师干预多样性与工作同盟的关系提供了可规模化的测量路径。
来源：Psychotherapy Research · tandfonline.com