ChatGPT-Based Chatbot for Help Quitting Smoking via Text Messaging: An Interventional Study
Notice bibliographique
Résumé
BACKGROUND: Large language model chatbots such as ChatGPT may be able to provide support to people who smoke cigarettes and are trying to quit. OBJECTIVE: This pilot study examined the feasibility and acceptability of integrating a specialized ChatGPT-based chatbot, BeFreeBot, into a smoking cessation text messaging intervention, BeFree. Chatbot fidelity was also examined. METHODS: Participants who smoked cigarettes in the previous 7 days were recruited from Amazon Mechanical Turk (N=23), enrolled in BeFree, and provided access to BeFreeBot. Surveys were administered at baseline and 4 weeks after enrollment to assess perceptions of BeFreeBot. Computer records of interactions between BeFreeBot and participants were also analyzed to assess participant engagement and adherence of BeFreeBot to its instructions. For the adherence analysis, transcripts were dual coded, and discrepancies were resolved by a third coder. RESULTS: Most participants (16/23, 70%) texted BeFreeBot with questions or concerns at least once. Participants sent 14.5 (SD 23.6) texts to BeFreeBot on average. Most participants were highly satisfied with BeFreeBot (13/18, 72%) and agreed that it was helpful for quitting (11/19, 58%). They also reported that the BeFreeBot responses were clear and easy to understand (16/17, 94%) and that they trusted responses from BeFreeBot (12/17, 71%). Most participants (17/19, 90%) reported trying to quit smoking for 1 day or longer, and 30% (7/23) self-reported no smoking in the previous 7 days. An analysis of transcripts of BeFreeBot responses (n=328) revealed that BeFreeBot functioned as instructed on most measures, with clear language (328/328, 100%), follow-up questions asked of participants (13/16, 81%), and recommendations to seek out professional counseling (13/16, 81%) or consider the use of Food and Drug Administration-approved medications (eg, nicotine replacement therapy; 14/16, 88%). Responses stayed on the topic of smoking cessation counseling (324/328, 98.8%) and did not include information that contradicted the US Preventive Services Task Force guidelines (328/328, 100%). CONCLUSIONS: A specialized large language model chatbot integrated into an SMS text messaging program and accessed through SMS text message was found to be feasible and acceptable to smokers.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».