Navigating Identities in Text: Towards an Approach for Dementia Care
Notice bibliographique
Résumé
Identity, as a concept, is concerned with the social positioning of the self and the other. It manifests through discourse and interactions, and expressed in relation to other perceived identities. For example, can one be or talk as a leader without strictly categorizing those they interact with as subordinates or employees? Research shows that the onset and progression of dementia may undermine the individual's sense of self and identity. This loss of self or identity has not only been found to cause significant decrease in well-being, but also affect caregiver/care-recipient relationships. However, while identity is compromised in some way, it does not necessarily mean it is completely lost. Autobiographical stories, especially those told repeatedly, may serve as means to reveal significant aspects of the storyteller's self and identity. \n \nIn this thesis, we explore the task of persona attribute extraction from dialogues as a proxy for identity cues. We define persona attribute as a triplet (s, r, o), where the relation r indicates the persona attribute type or relationship between the subject s and object o e.g., (I, has_hobby, knitting). Employing an information extraction approach, we design a two-stage persona attribute extractor, consisting of a relation predictor and entity extractor. Respectively, we define relation prediction as a multi-label classification task using BERT embeddings and feedforward neural networks, and entity extraction as a template infilling task following the pre-training objective of T5 (Raffel, 2020). We employ our methods on a proxy dataset created by combining Persona-Chat and Dialogue-NLI. Factoring ethical considerations and potential risks, directly evaluating our methods on a dementia use-case is not a feasible task. Therefore, we utilize a dataset consisting of interviews with older adults to assess feasibility within a context more closely resembling the dementia use-case. \n \nExploring the research problem and developing our methodology highlights the following insights: (1) inferring identities from text, especially considering its nuanced representation in discourse, is challenging due to the abstract nature of identity itself and (2) to our knowledge, there is no available dataset that exhibits the distinct speech characteristics inherent in older adults making training and evaluating models tailored to this demographic very challenging. Furthermore, experiments on the older adults dataset show that a transfer learning approach to solving this problem is insufficient due to significant contrast between the datasets from the source and target domains.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».