ترجمه فارسی مقاله PsyDI: به سوی یک چت‌بات شخصی‌سازی‌شده و عمیق برای سنجش‌های روانشناختی

چکیده

In the field of psychology, traditional assessment methods, such as standardized scales, are frequently critiqued for their static nature, lack of personalization, and reduced participant engagement, while comprehensive counseling evaluations are often inaccessible. The complexity of quantifying psychological traits further limits these methods. Despite advances with large language models (LLMs), many still depend on single-round Question-and-Answer interactions. To bridge this gap, we introduce PsyDI, a personalized and progressively in-depth chatbot designed for psychological measurements, exemplified by its application in the Myers-Briggs Type Indicator (MBTI) framework. PsyDI leverages user-related multi-modal information and engages in customized, multi-turn interactions to provide personalized, easily accessible measurements, while ensuring precise MBTI type determination. To address the challenge of unquantifiable psychological traits, we introduce a novel training paradigm that involves learning the ranking of proxy variables associated with these traits, culminating in a robust score model for MBTI measurements. The score model enables PsyDI to conduct comprehensive and precise measurements through multi-turn interactions within a unified estimation context. Through various experiments, we validate the efficacy of both the score model and the PsyDI pipeline, demonstrating its potential to serve as a general framework for psychological measurements. Furthermore, the online deployment of PsyDI has garnered substantial user engagement, with over 3,000 visits, resulting in the collection of numerous multi-turn dialogues annotated with MBTI types, which facilitates further research. The source code for the training and web service components is publicly available as a part of OpenDILab at: https://github.com/opendilab/PsyDI

چکیده به فارسی (ترجمه ماشینی)

در زمینه روانشناسی ، روشهای ارزیابی سنتی ، مانند مقیاسهای استاندارد ، غالباً به دلیل ماهیت استاتیک ، عدم شخصی سازی و کاهش مشارکت شرکت کنندگان ، مورد نقد قرار می گیرند ، در حالی که ارزیابی های مشاوره جامع اغلب غیرقابل دسترسی است.پیچیدگی کمیت صفات روانشناختی این روشها را بیشتر می کند.علیرغم پیشرفت هایی با مدل های بزرگ زبان (LLM) ، بسیاری هنوز به تعامل یک دور پرسش و پاسخ بستگی دارند.برای عبور از این شکاف ، ما Psydi را معرفی می کنیم ، یک چت بابات شخصی و به تدریج عمیق که برای اندازه گیری های روانشناختی طراحی شده است ، که نمونه آن در چارچوب شاخص شاخص (MBTI) از نوع مایرز-بریگز است.PSYDI اطلاعات چند منظوره مربوط به کاربر را به خود اختصاص می دهد و در تعامل های سفارشی و چند چرخش برای ارائه اندازه گیری های شخصی و به راحتی در دسترس ، ضمن اطمینان از تعیین دقیق نوع MBTI ، درگیر می شود.برای پرداختن به چالش صفات روانشناختی غیرقابل توصیف ، ما یک الگوی آموزشی جدید را معرفی می کنیم که شامل یادگیری رتبه بندی متغیرهای پروکسی مرتبط با این صفات است و در یک مدل نمره قوی برای اندازه گیری MBTI به اوج خود می رسد.مدل نمره PSYDI را قادر می سازد تا اندازه گیری های جامع و دقیق را از طریق تعامل چند چرخش در یک زمینه تخمین یکپارچه انجام دهد.از طریق آزمایش های مختلف ، ما اثربخشی مدل نمره و خط لوله PSYDI را تأیید می کنیم ، و پتانسیل آن را برای خدمت به عنوان یک چارچوب کلی برای اندازه گیری های روانشناختی نشان می دهیم.علاوه بر این ، استقرار آنلاین PSYDI با بیش از 3،000 بازدید ، تعامل قابل توجهی کاربر را به دست آورده است ، و در نتیجه جمع آوری دیالوگ های چند نوری با انواع MBTI ، که تحقیقات بیشتر را تسهیل می کند.کد منبع برای آموزش و مؤلفه های سرویس وب به عنوان بخشی از OpenDilab در: https://github.com/opendilab/psydi در دسترس عموم است.