Chatbot-Based Interventions for Mental Health Support
Notice bibliographique
Résumé
Objective: Mental health concerns are rising, particularly among post-secondary students, who may lack access to traditional therapeutic resources due to barriers like long wait times and high costs. To help address these challenges, we explored the potential of large language model-based chatbots for supporting mental health and wellbeing in student populations.Methods: We conducted two studies, lasting one week and four weeks, to examine the effectiveness of chatbot interventions over different durations. Both studies compared two chatbot interventions—one mindfulness-focused and one value-focused—against an active check-in-only control condition. The primary outcome measure was the improvement in wellbeing through the mindfulness-to-meaning (MM) pathway, a process in which enhanced decentering, the ability to see one’s experience from a wider perspective, leads to improved positive reappraisal, the ability to find constructive and empowered interpretations of experience.Results: All conditions showed evidence of stress reduction. However, compared to the active control group, both intervention styles at both durations resulted in improved wellbeing via the MM pathway. This effect was primarily driven by significant improvements in decentering. For the longer duration only, we also observed enhanced reappraisal. Conclusions: These results emphasize the potential of chatbot-based interventions to support the development of regulatory skills by leveraging the MM pathway to enhance mental health. Educational institutions and mental health providers might consider integrating such tools into scalable and accessible student support systems, addressing a broader and more diverse audience while promoting sustained wellbeing through skills development.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».