热点事件观察中
大模型语言特征用于压力纵向监测的测量研究
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
一项针对 279 名韩国情绪劳动岗位员工、共 3556 人日的前瞻性队列研究，考察大模型从每日口述叙述中提取的压力语言特征能否作为压力纵向监测的测量补充。研究显示，GPT-5.2 提取的语言特征重复性较高，五次提取均值与单次提取的组内相关系数（ICC）分别为 0.987 和 0.942。最新报道指出，当这些语言特征与量表分类不一致时，专家更多将分歧归因于量表标签本身的局限。目前该研究结果尚未见同行评审或正式发表的报道，相关结论的稳健性有待进一步验证。
AI 根据报道生成 · 3 天前更新
最新进展11月10日 17:32
新报道称，语言特征与量表分类不一致时，专家更多归因于量表标签局限。报道时间线
沿着报道，了解事件的不同侧面。
11月10日
- PsyEngine精选279 名员工 15 天叙述研究：大模型提取的压力语言特征与量表分类不一致时，专家更多归因于量表标签局限
一项纳入 279 名韩国情绪劳动岗位员工、共 3556 人日的前瞻性队列研究显示，GPT-5.2 从每日口述叙述中提取的语言特征重复性较高，五次提取均值与单次提取的 ICC 分别为 0.987 和 0.942。
本事件热度走势
当前热度 3·可比范围峰值 6（11月10日 23:00）·近 24 小时可比范围变化 -21%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。