Digital Emotion Regulation on Social Media
Deakin University(迪肯大学)
本文综述社交媒体中的数字情绪调节,分析不同应用在情绪调节各阶段的作用,以支持道德技术设计与发展。
2023-07-25 cs.AI cs.HC
Towards Understanding Emotions for Engaged Mental Health Conversations
Singapore University of Technology and Design(新加坡科技设计大学)
本文提出融合击键动力学与情感分析的被动情绪感知系统,以支撑聊天机器人、在线治疗和求助热线等文本心理健康及危机护理服务。
2024-06-17 cs.AI cs.HC
Affective Automotive User Interfaces -- Reviewing the State of Emotion Regulation in the Car
情感技术提供了令人兴奋的机会,通过迎合人类的情感来改善道路安全。现代汽车内饰能够非接触式检测用户状态,为通过情绪调节系统地促进安全驾驶行为铺平了道路。我们回顾了目前的文献有关情绪对驾驶员行为的影响,并分析了情绪调节方法在汽车中的状态。我们总结了情感互动的文化方面的形式,技术障碍和方法上的考虑,以及机会,以提高道路安全,恢复驾驶员的情绪平衡状态的挑战。本次审查的目的是概述社区的综合知识感兴趣的研究人员,提供一个有重点的介绍从业人员,并确定未来的方向,在汽车中的情感互动。
2021-10-28 cs.HC
Speech Emotion Recognition using Supervised Deep Recurrent System for Mental Health Monitoring
University of Cincinnati(辛辛那提大学);University of Florida(佛罗里达大学);Central Michigan University(中央密歇根大学);University of Louisiana at Lafayette(路易斯安那大学拉法叶分校)
了解人类行为和监测心理健康对维护社区和社会安全至关重要。由于在COVID-19大流行期间,由于精神健康不受控制,精神健康问题有所增加,因此及早发现精神问题至关重要。如今,智能虚拟个人助理(IVA)的使用在全球范围内不断增加。个人使用他们的声音来控制这些设备以满足请求并获得不同的服务。本文提出了一种基于门控递归神经网络和卷积神经网络的新型深度学习模型,用于从语音中理解人类情感,以改善其IVA服务并监测其心理健康。
2022-10-27 cs.HC cs.LG cs.SD
Designing for emotion regulation interventions: an agenda for HCI theory and research
有越来越多的兴趣在HCI设想,设计和评估技术支持的干预措施,支持用户的情绪调节。这种兴趣部分源于越来越多的人认识到,调节情绪的能力对心理健康至关重要,缺乏有效的情绪调节是精神疾病的一个转诊断因素。然而,将创新的人机交互设计与心理学的理论基础和最先进的干预措施相结合的潜力尚未完全实现。在本文中,我们综合了人机交互工作的情绪调节干预措施,并提出了一个由三部分组成的框架,以指导技术设计人员在制定:(一)理论知情的决策干预目标;(二)战略决策的技术支持的干预机制将包括在系统中;(三)围绕以前的实施所选择的干预组件的实际决策。我们展示了这个框架如何既可以系统化人机交互工作的日期,并提出了未来工作的研究议程。
2022-04-04 cs.HC
Behind the Smile: Mental Health Implications of Mother-Infant Interactions Revealed Through Smile Analysis
本研究通过分析94段母婴自由玩耍视频中母亲微笑的时间动态,发现微笑特征与母亲情绪状态相关,为母婴互动中的情绪劳动和情绪调节提供了新见解。
2025-03-11 cs.CY cs.HC
Chatbots for Mental Health Support: Exploring the Impact of Emohaa on Reducing Mental Distress in China
Tsinghua University(清华大学);Beijing Normal University(北京师范大学)
对心理健康支持的需求日益增长,凸显了对话代理作为全球和中国人类支持者的重要性。这些药物可以增加心理健康支持的可用性并降低其相对成本。所提供的支持可分为两大类:认知支持和情感支持。现有的工作主要集中在构建代理,采用认知行为疗法(CBT)的原则。这种代理基于预定义的模板和练习来操作,以提供认知支持。然而,研究情绪支持使用这样的代理是有限的。此外,大多数被构建的代理人使用英语进行操作,这突出了在中国进行此类研究的重要性。在这项研究中,我们分析了Escherhaa在减少精神痛苦症状方面的有效性。Rehhaa是一个会话代理,通过基于CBT的练习和引导对话提供认知支持。它还通过使用户能够发泄他们想要的情绪问题来在情感上支持用户。该研究包括134名参与者,分为三组:Eschhaa(基于CBT),Eschhaa(完全)和对照组。实验结果表明,与对照组相比,使用Escherhaa的参与者在精神痛苦症状方面有了更显著的改善。我们还发现,添加情绪支持剂对这些改善有补充作用,主要是抑郁和失眠。根据所获得的结果和参与者对平台的满意度,我们得出结论,Escherhaa是减少精神痛苦的实用有效工具。
2022-09-21 cs.CL cs.HC
A Robot-Led Intervention for Emotion Regulation: From Expression to Reappraisal
University of Cambridge(剑桥大学)
本研究探讨了在熟悉环境中由GPT-3.5驱动的社交机器人通过认知重新评价协助情绪调节,21名学生参与五次干预后,其情绪自我调节能力、表达能力和情绪状态均获显著改善。
2025-06-30 cs.HC cs.RO
Co-designing a Preliminary Repository of Augmented Reality Concepts for Real-Time Emotion Regulation
Texas A&M University(德克萨斯农工大学)
通过两阶段参与式设计,结合焦虑倾向个体和心理健康专家的意见,构建了包含8个主题簇和106个设计想法的增强现实干预库,以支持实时情绪调节。
2026-06-25 cs.HC
From Regulation to Support: Centering Humans in Technology-Mediated Emotion Intervention in Care Contexts
本研究通过综述53项实证研究,提出以“情绪支持”替代“情绪调节”的以人为中心情绪干预框架,强调在照护情境中尊重情绪复杂性并维护用户能动性。
2025-04-20 cs.CY cs.HC
Manipulating Drivers' Mental Workload: Neuroergonomic Evaluation of the Speed Regulation N-Back Task Using NASA-TLX and Auditory P3a
本研究通过23名参与者的驾驶模拟实验,验证了速度调节n-back任务能有效操纵驾驶员脑力负荷,2-back条件导致NASA-TLX得分升高和P3a振幅减小,证明其作为驾驶研究中操纵脑力负荷工具的有效性。
2024-05-28 cs.HC
Investigating the Feasibility of Virtual Reality for Emotion Regulation with Youth
调节和应对强烈情绪的能力对于保持我们的心理健康和幸福至关重要。然而,学习如何调节情绪可能有点神秘,因为它在很大程度上是一个无形的过程,很难想象出强烈的情绪来练习调节它们。这就是虚拟现实(或VR)的用武之地。VR是计算机生成的3D环境,其中用户体验通过360度视觉、立体声音频和与跟踪传感器的3D交互来体验模拟世界。VR是一种非常发自内心的体验,即使你知道它不是,也会感觉“真实”。如果一个虚拟的球飞到你的头上,你会躲开!我过去的研究表明,我们可以提供VR体验,引发强烈的情绪反应,这样人们就可以练习应对和调节他们的情绪反应。例如,我帮助创建了一个虚拟现实体验,让你置身于大自然中,然后进入太空去看地球;它创造了敬畏和惊奇的情感反应,从而与我们的星球建立了更深层次的联系。这表明情感VR体验可以影响我们在VR和其他领域的情绪和行为。我的研究计划是调查青少年在VR中情绪调节技能发展的可行性。我们的想法是模拟情绪体验(如高中的第一天),作为发展情绪调节技能的一种手段,以便他们能够更好地应对自己的情绪。我将领导这项VR体验的设计、开发和评估,并直接与年轻人合作,以满足他们的需求。这个概念验证原型是开发VR平台的第一步,该平台为年轻人提供了一种有效的方式来调节他们的情绪并改善他们的心理健康,这将导致加拿大和全球年轻人的教育,社会情感和经济成果的改善。
2022-09-14 cs.HC
Considering Gut Biofeedback for Emotion Regulation
最近对肠神经系统(有时被称为第二大脑)的研究揭示了消化系统在预测情绪方面的潜力。尽管人们经常经历胃肠道(GI)的变化,每天多次影响他们的情绪和行为,但针对这种现象的可靠测量和可穿戴设备还没有完全开发出来。然而,自主神经系统的其他表现,如皮肤电活动,心率和面部肌肉运动已被广泛用作情绪的测量或生物反馈应用,而忽略了肠道。我们暴露胃电图(EGG),即,记录胃肠道的肌电活动,作为推断人类情绪的可能措施。在本文中,我们还希望揭示一些基本的问题,情绪,这往往是理所当然的,在人机交互领域,但仍然是一个很大的辩论,在认知神经科学和心理学领域。
2018-09-13 cs.HC
An Adaptive Learning Method of Personality Trait Based Mood in Mental State Transition Network by Recurrent Neural Network
Prefecture University of Hiroshima(广岛县立大学);NEC Solution Innovators, Ltd.(日本电气解决方案创新有限公司);Tokyo Metropolitan University(东京都立大学)
心理状态转换网络(Mental State Transition Network,MSTN)是一个近似于人类心理和精神反应的基本概念。通过情绪生成计算(EGC)方法计算的刺激可以引起情绪从情绪状态到其他情绪状态的转变。本文提出了一种基于情绪的用户个性特征自适应学习方法,使智能体能够与人进行交互,实现顺畅的交流。学习方法包括利润分享(PS)方法和循环神经网络(RNN)。EGC算法首先计算传感器输入到MPEG4的情绪,情绪的变化导致心理状态的变化,然后状态序列形成一个情节。为了有效地学习人格特质的倾向性,应该从事件中去除无效的规则。PS方法在事件中发现了一个迂回,应该删除。此外,RNN的工作,以实现用户的情绪变化。实验结果表明,该方法能够成功地表现出人类各种微妙的情感。
2018-04-09 cs.HC cs.LG cs.NE
Brain-Computer Interfaces for Emotional Regulation in Patients with Various Disorders
Georgia Institute of Technology(佐治亚理工学院)
本文研究基于EEG的脑机接口在多种神经性和生理性疾病患者情绪调节中的应用,提出新型神经网络算法,利用open-Neuro数据修改技术构建疾病患者情绪数据集,实现高准确度情绪状态分类,证明BCIs在辅助情绪识别与调节方面具有潜力。
2024-11-22 cs.HC cs.LG
Offline Contextual Multi-armed Bandits for Mobile Health Interventions: A Case Study on Emotion Regulation
University of Virginia(弗吉尼亚大学)
通过移动电话等普及的电子设备提供治疗建议有可能成为长期健康行为管理的可行和可扩展的治疗媒介。但积极的治疗方案的实验可能是耗时的,昂贵的,在某些情况下完全不道德的。人们越来越感兴趣的方法,让实验者学习和评估部署前的一个新的治疗策略的有用性。我们提出了第一个发展的治疗推荐系统的情绪调节使用真实世界的历史移动数字数据n = 114高社交焦虑的参与者来测试新的情绪调节策略的有用性。我们探讨了一些离线上下文土匪估计学习,并提出了一个一般的框架学习算法。我们的实验表明,提出的双重鲁棒离线学习算法表现明显优于基线方法,这表明这种类型的推荐算法可以改善情绪调节。鉴于情绪调节在许多精神疾病中都会受损,并且这种推荐算法可以很容易地扩大规模,这种方法有可能增加许多人获得治疗的机会。我们还分享了一些见解,使我们能够将上下文强盗模型转化为这种复杂的现实数据,包括哪些上下文特征对于预测情绪调节策略的有效性最为重要。
2020-08-21 cs.HC cs.IR cs.LG
Linking Facial Recognition of Emotions and Socially Shared Regulation in Medical Simulation
McGill University(麦吉尔大学);Nanyang Technological University(南洋理工大学);Stanford University(斯坦福大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Mila-Quebec Artificial Intelligence Institute(魁北克人工智能研究所)
该研究利用跨模态分析比较医学模拟中新手与专家的面部情绪和SSRL互动,揭示二者调节策略差异,并为面向新手的定制化支持提供依据。
2025-10-18 cs.HC
Digital Nudges Using Emotion Regulation to Reduce Online Disinformation Sharing
Institute of Information Security(信息安全研究所)
本研究评估数字助推通过情绪调节减少愤怒驱动的在线虚假信息分享,发现分心助推最有效,可作为干预手段。
2025-03-31 cs.CR cs.CY cs.HC
Portable Silent Room: Exploring VR Design for Anxiety and Emotion Regulation for Neurodivergent Women and Non-Binary Individuals
针对神经多样性女性及非二元性别个体因多重障碍面临的情绪调节问题,本研究通过混合方法获取设计元素,开发并迭代测试可适应个体感官需求的VR原型,为其提供能解决感官过载与晕动症的便携式情绪调节安全空间。
2025-08-26 cs.HC
Understanding Emotional Disclosure via Diary-keeping in Quarantine on Social Media
本研究通过分析微博上58,796条“隔离日记”帖子,提出定量方法揭示隔离期间情感披露的类别、时间变化模式及负面情绪影响因素,为社交媒体心理健康干预提供实践与设计启示。
2024-01-14 cs.HC cs.SI
MentalImager: Exploring Generative Images for Assisting Support-Seekers' Self-Disclosure in Online Mental Health Communities
本文提出技术原型MentalImager,通过生成与主题和情感相关的图像,帮助求助者在在线心理健康社区中进行自我表露,提升了求助者的表露满意度,并唤起了支持提供者的共情与帮助意愿。
2024-09-23 cs.HC
Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion Monitoring
Indian Institute of Information Technology, Allahabad(印度信息技术学院阿拉哈巴德分校);Indian Institute of Technology, Kanpur(印度理工学院坎普尔分校)
该研究提出AI驱动的持续情绪监测方案,利用改进的预训练BERT识别社交媒体和浏览数据中的抑郁文本,并结合可穿戴生理信号实现情绪障碍长期追踪,测试准确率达93%。
2024-01-24 cs.AI cs.HC
Empathic Responding for Digital Interpersonal Emotion Regulation via Content Recommendation
Deakin University(迪肯大学);School of Engineering, Deakin University(迪肯大学工程学院);School of Information Technology, Deakin University(迪肯大学信息技术学院);School of Psychology, Deakin University(迪肯大学心理学院)
本研究针对数字平台情绪调节功能不足的问题,提出基于上下文多臂老虎机的共情内容推荐方法以增强人际情绪调节,经Reddit数据实验验证该推荐比传统情绪调节策略更受用户偏好。
2024-08-05 cs.AI cs.HC cs.IR
Towards Emotion Co-regulation with LLM-powered Socially Assistive Robots: Integrating LLM Prompts and Robotic Behaviors to Support Parent-Neurodivergent Child Dyads
Department of Industrial Design, Eindhoven University of Technology(工业设计系,埃因霍温理工大学);Department of Biomedical Engineering, Eindhoven University of Technology(生物医学工程系,埃因霍温理工大学);Department of Engineering, Institute of Science Tokyo(工程系,东京科学研究所);Department of Engineering, Utrecht University(工程系,乌得勒支大学)
本研究开发了由 LLM 驱动的社交辅助机器人 MiRo-E,整合 LLM 提示与机器人行为,为神经多样性儿童与父母提供情绪协同调节干预,初步测试验证了其积极效果并指出了未来设计方向。
2025-07-14 cs.HC cs.RO
Empathetic AI for Empowering Resilience in Games
University of California(加利福尼亚大学)
失败和韧性是游戏的重要方面。这对于严肃和竞争激烈的游戏尤其重要,玩家需要经常适应和应对失败。在这种情况下,情绪调节-调节情绪以应对和适应挑战性情况的积极过程-变得至关重要。它是人类智力的一个突出方面,促进心理健康和福祉。虽然已经有开发人工情绪调节助手以帮助用户应对智能辅导系统领域中的情绪调节的工作,但很少有人将这样的系统或想法结合到(严肃的)视频游戏中。在本文中,我们引入了一个数据驱动的6阶段的方法来建立移情人工智能(EAI),它对原始聊天记录数据进行操作,以检测关键的情感状态,识别常见的序列和情绪调节策略,并概括这些,使它们适用于干预系统。
2023-02-16 cs.AI cs.HC
Haptically Experienced Animacy Facilitates Emotion Regulation: A Theory-Driven Investigation
University of British Columbia(不列颠哥伦比亚大学);University of Tartu(塔尔图大学)
本研究通过拟人化机器人CHORA探讨触觉体验的动性对情绪调节的影响,验证其在四种情绪调节策略中的理论有效性。
2026-02-07 cs.CY cs.ET cs.HC
Design not Lost in Translation: A Case Study of an Intimate-Space Socially Assistive Robot for Emotion Regulation
University of California Santa Cruz(加州大学圣克鲁兹分校);Kings College London(伦敦国王学院);Sproutel(斯普劳特尔公司)
本文通过设计研究案例,开发了一款面向儿童情绪调节的亲密空间社交辅助机器人,并总结知识转移经验,阐述HCI/HRI中亲密空间社交辅助机器人的设计空间。
2021-04-22 cs.HC cs.RO
AnnoSense: A Framework for Physiological Emotion Data Collection in Everyday Settings for AI
IIIT-Delhi(印度德里理工学院);RIT(罗切斯特理工学院)
针对日常环境中情绪数据收集的挑战,提出AnnoSense框架,基于119名利益相关者的调研与访谈,经25名专家评估,旨在支持AI情绪数据采集与分析。
2025-07-17 cs.AI cs.HC
UXR PoV for Neuroinclusive Emotion Regulation
School of Computing and Engineering, Bournemouth University(伯恩茅斯大学计算机与工程学院);Google Redmond, Washington, USA(谷歌红mond分公司)
本文提出一种生成式AI增强的用户体验研究方法,结合DBT、SDT和COM-B理论框架,通过四阶段流程生成十张UXR游戏卡,为ADHD成人设计神经包容性的数字情绪调节干预。
2026-05-29 cs.AI cs.HC
MITHOS: Interactive Mixed Reality Training to Support Professional Socio-Emotional Interactions at Schools
DFKI GmbH(德国人工智能研究中心);Saarland University(萨尔大学);FoBiD;TriCat GmbH(TriCat公司);University of Augsburg(奥格斯堡大学)
MITHOS是一个混合现实系统,通过虚拟环境与智能体互动训练教师的冲突解决与情感调节技能,验证了场景真实性并提出了以人为中心的XR跨学科研究方法论。
2024-09-02 cs.AI cs.HC
Multi-Source EEG Emotion Recognition via Dynamic Contrastive Domain Adaptation
Northwest University(西北大学);Zhejiang University(浙江大学);Rochester Institute of Technology(罗切斯特理工学院)
提出多源动态对比域适应方法(MS-DCDA),通过多分支对比网络与子域差异学习解决EEG情绪识别的个体差异问题,在SEED和SEED-IV数据集上取得高准确率并优于多种域适应方法。
2024-12-23 cs.HC cs.LG eess.SP
Mental Models of Autonomy and Sentience Shape Reactions to AI
Sentience Institute(意识研究所);Missouri University of Science and Technology(密苏里科技大学);Max Planck Institute for Human Cognitive and Brain Sciences(人类认知与脑科学Max Planck研究所);Stanford University(斯坦福大学);University of Chicago(芝加哥大学)
研究探讨自主性与意识的内心模型如何影响人类对AI的反应,发现意识比自主性更能引发道德考虑,而自主性则增加威胁感知。
2026-02-27 cs.AI cs.CY cs.HC
Mental Well-being Opportunities in Interacting and Reflecting with Personal Data Sculptures of EEG
本研究通过制作EEG个人数据雕塑、观察用户交互并分析反思,验证了这类数据物理化形式可作为心理健康反思引子和自我关怀激励因素,为相关应用探索提供依据。
2024-05-16 cs.HC
Can we say a cat is a cat? Understanding the challenges in annotating physiological signal-based emotion data
针对日常场景下缺乏有效收集真实反映情绪变化的高质量生理信号情绪数据的问题,本文对该类数据的现有标注技术展开立场讨论,强调需细致理解标注过程,以助力探索生理信号与人类情绪的复杂关系。
2024-06-21 cs.HC
Beyond Judgment: Exploring Large Language Models as Non-Judgmental Support for Maternal Mental Health
Chittagong University of Engineering and Technology(吉大港工程技术大学);Bangladesh University of Professionals(孟加拉国专业大学)
本研究探讨了母亲如何利用LLMs作为非评判性支持来缓解育儿焦虑,发现尽管LLMs能提供快速信息和安慰,但大多数母亲仍更看重人类温暖,尤其在联合家庭中,部分人认为LLMs能避免人类评判。
2026-09-30 cs.HC
Mental Health Assessment for the Chatbots
Pattern Recognition Center, WeChat AI, Tencent Inc(腾讯公司微信人工智能模式识别中心);University of Chinese Academy of Sciences(中国科学院大学)
以往对对话系统评估的研究通常集中在聊天机器人生成的响应的质量评估(例如流畅性、相关性等)上,这是局部的和技术性的度量。对于一个回应数百万在线用户(包括未成年人)的聊天机器人,我们认为它应该有一个健康的心理倾向,以避免对他们产生负面的心理影响。在本文中,我们建立了几个心理健康评估维度(抑郁,焦虑,酒精成瘾,共情),并介绍了基于情感的心理健康评估方法。我们对一些著名的开放域聊天机器人进行了评估,发现所有这些聊天机器人都存在严重的心理健康问题。我们认为这是由于在数据集构建和模型训练过程中忽视了心理健康风险。我们期望引起研究者对聊天机器人严重的心理健康问题的关注,并提高聊天机器人的积极情感互动能力。
2022-01-14 cs.CL cs.HC
Exploring User Security and Privacy Attitudes and Concerns Toward the Use of General-Purpose LLM Chatbots for Mental Health
Duke University(杜克大学)
本研究通过21次半结构化访谈发现,用户在使用通用LLM聊天机器人进行心理健康管理时存在严重误解和风险意识缺失,误将其类人共情等同于类人责任并误认受HIPAA等法规保护;研究提出“无形脆弱性”概念,并给出保护用户心理健康披露的建议。
2025-07-14 cs.AI cs.CR cs.CY
FedMentalCare: Towards Privacy-Preserving Fine-Tuned LLMs to Analyze Mental Health Status Using Federated Learning Framework
University of Maryland Baltimore County(马里兰大学巴尔的摩县分校)
FedMentalCare通过联邦学习与低秩适应技术,在保护隐私的同时微调大语言模型,用于分析心理健康状况,提升心理健康护理的可行性和安全性。
2026-01-24 cs.CL cs.HC cs.LG
End-To-End Prediction of Emotion From Heartbeat Data Collected by a Consumer Fitness Tracker
Limbic
情绪的自动检测有可能彻底改变心理健康和幸福。最近的工作已经成功地预测影响,从单峰心电图(ECG)数据。然而,为了与现实世界的应用直接相关,基于生理学的情感检测必须利用由负担得起的消费者健身跟踪器收集的无处不在的光电容积描记图(PPG)数据。此外,情绪检测在医疗保健环境中的应用将需要对模型预测进行一定程度的不确定性。我们在这里提出了一个贝叶斯深度学习模型,用于情绪效价的端到端分类,仅使用消费者健身跟踪器(Garmin Vívosmart 3)收集的单峰心跳时间序列。我们为此任务收集了一个新的数据集,并报告了F1得分峰值为0.7。这表明了基于生理学的情感检测“在野外”今天的实际意义。
2019-07-16 cs.HC cs.LG stat.ML
The Tone of Awareness: Topic, Sentiment, and Toxicity Maps During Mental Health Month on TikTok
Institute for Biocomputation and Physics of Complex Systems (BIFI)(生物计算与复杂系统物理研究所);University of Zaragoza(萨拉戈塔大学);ARAID Foundation(ARAID基金会);Network Science Institute(网络科学研究所);Northeastern University London(伦敦东北大学);Kent Medway Medical School(肯特梅德斯医疗学院);LASIGE(拉西格研究所);Faculdade de Ciências da Universidade de Lisboa(里斯本大学科学学院);Department of Psychology, University of Limerick(利默里克大学心理学系);Observatory on Social Media, Indiana University(社交媒体观察所,印第安纳大学);CSSI - Kellogg School of Management, Northwestern University(CSSI - 北western大学凯洛格管理学院)
通过分析 TikTok 2023-2024 年心理健康月期间的视频和评论,使用 BERTopic 提取主题、XLM-T 和 Detoxify 量化情感与毒性,发现视频情感偏负面而评论更混合,毒性在评论中呈长尾分布且集中于特定主题。
2026-06-12 cs.CL cs.CY cs.HC