Perspectives fondamentale, clinique et sociétale de l’utilisation des personnages virtuels en santé mentale
Notice bibliographique
Résumé
Along other breakthroughs in computer sciences, such as artificial intelligence, virtual characters (i.e. digitally represented characters featuring a human appearance or not) are foreseen as potential providers of mental healthcare services. However, their current use in clinical practice is marginal and limited to an assistive role to help clinicians in their practices. Safety and efficiency concerns, as well as a general lack of knowledge and experience, may explain this discrepancy between the expected (sometimes futuristic) and current use of virtual characters. An overview of recent evidence would help pinpoint the main concerns and challenges pertaining to their use in mental healthcare. Objective This paper aims to inform relevant actors, including clinicians, on the potential of virtual characters in mental healthcare practices and to raise awareness on societal challenges regarding their use. Method A narrative literature review was conducted to summarize basic and clinical research findings, and to outline an in-depth discussion on various societal caveats related to the inclusion of virtual characters. Results Basic studies highlight several characteristics of the virtual characters that seem to influence patient-clinician interactions. These characteristics can be classified into two categories: perceptual (e.g. realism) and social features (i.e. attribution of social categories such as gender). To this day, many interventions and/or assessments using virtual characters have shown various levels of efficiency in mental health, and certain elements of a therapeutic relationship (e.g. alliance and empathy) may even be triggered during an interaction with a virtual character. To develop and increase the use of virtual characters, numerous socioeconomic and ethical issues must be examined. Although the accessibility and the availability of virtual characters are an undeniable advantage for their use in mental healthcare, some inequities about their application remain. In addition, the accumulation of biometric data (e.g. heart rate) could provide valuable information to clinicians and could help develop autonomous virtual characters, which raises concerns over issues of security and privacy. This paper proposes some recommendations to avoid such undesirable outcomes. Conclusion Due to their promising features, the inclusion of virtual characters will no doubt be increasingly prevalent in mental healthcare services. All involved actors should thus be informed about specific challenges raised by such breakthroughs. They should also actively participate in discussions regarding the development of virtual characters in order to adopt unified recommendations for their safe and ethical use in mental healthcare.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».