基于证据的说服特征提示工程大语言模型以提升对心理健康专业人士的信心:一项初步随机实验

《Frontiers in Public Health》:Prompt engineering a large language model with evidence-based persuasive features to improve confidence in mental health professionals: a pilot randomized experiment

【字体: 大 中 小 】 时间:2026年07月27日 来源:Frontiers in Public Health 4.1

编辑推荐:

  背景:抑郁症(Depression)带来沉重的全球负担,但治疗缺口持续存在,主要原因是个人缺乏对心理健康专业人士(mental health professionals)的信心。心理教育(Psychoeducation)可以改变这些信念,但扩大说服性信息(pe

  
背景:抑郁症(Depression)带来沉重的全球负担,但治疗缺口持续存在,主要原因是个人缺乏对心理健康专业人士(mental health professionals)的信心。心理教育(Psychoeducation)可以改变这些信念,但扩大说服性信息(persuasive messages)的规模很困难。大语言模型(Large Language Models, LLMs)提供了一种可扩展的解决方案,尽管使LLM生成的心理教育具备说服力的具体文本特征尚未被识别。本研究识别了这些特征,并测试将其整合到LLM提示(prompt)中以改变对心理健康专业人士的信心。方法:在第一阶段,168名参与者对对比四个候选特征高、低水平的文本对进行评分。在第二阶段,40名参与者被随机分配阅读由保留特征的提示(n=20)或基线提示(n=20)生成的心理教育段落。主要结局是对心理健康专业人士信心的前测-后测变化。结果:来源可信度(source credibility)、论证质量(argument quality)和加工流畅性(processing fluency)显著提升了感知可信度(perceived credibility)和说服力(persuasiveness)(所有p<0.01);情感温暖与共情(affective warmth and empathy)被排除。阅读特征工程化文本的参与者态度改善优于对照组(t(38)=3.37, p=0.002, d=1.07)。控制基线分数后,组别效应仍然显著(F(1,37)=9.31, p=0.004, 偏η2=0.20)。结论:战略性提示工程化的LLM输出,整合了经验筛选的说服特征,显著改善了对心理健康专业人士的信心。本初步研究提供了一个初步的基于证据的框架,可能为可扩展的、由LLM驱动的公共心理健康干预提供信息。
**研究背景与问题**
抑郁症(Depression)是全球疾病负担的主要来源之一,影响约3.32亿人,但治疗缺口持续存在,尤其在低收入和中等收入国家,缺口可超过80%。尽管结构化心理治疗对抑郁症有效,但寻求专业帮助的个体占比不足一半。阻碍求助的因素包括系统性障碍和心理障碍,其中对心理健康专业人士(mental health professionals)的信心是核心态度成分。Fischer和Turner(1970)的原始量表将信心识别为独立维度,近期研究也证实其与求助意图显著相关。心理教育(Psychoeducation)能够改善求助态度,但传统传播方式(如印刷手册、静态网站)面临更新慢、个性化不足、成本高等局限。大语言模型(Large Language Models, LLMs)可快速生成流畅、逻辑连贯的文本,但如何使其输出具备说服力仍缺乏系统性研究。当前LLM应用于心理健康领域的研究多依赖临床直觉,缺少基于理论的说服特征实验操控。因此,本研究旨在识别并整合基于精细化似然模型(Elaboration Likelihood Model, ELM)的理论说服特征,通过提示工程(prompt engineering)生成抑郁症心理教育文本,并检验其能否提升对心理健康专业人士的信心。该论文发表在《Frontiers in Public Health》。

**主要技术方法**
研究分两阶段进行。第一阶段(Phase 1)招募168名普通人群成年人(通过在线平台),采用配对文本对比设计,每个说服特征(来源可信度、论证质量、情感温暖与共情、加工流畅性)各有一组高、低水平文本,参与者对每篇文本的感知可信度和说服力进行5点李克特评分,通过配对样本t检验筛选显著特征。第二阶段(Phase 2)招募40名新参与者(在线平台),随机分为提示工程组(Prompt-Engineered Group, PEG, n=20)和基线提示组(Baseline Prompt Group, BPG, n=20)。使用DeepSeek-V3.2(API访问,2025年12月),生成参数固定(temperature=0.7, top-p=0.9)。实验组提示整合了第一阶段保留的三个特征(来源可信度、论证质量、加工流畅性),基线提示仅要求“写一篇关于抑郁症的心理教育文本”。每个条件生成五个主题(病因与风险因素、诊断与评估、治疗与干预、预防与自我照顾、社会支持与康复)的文本。主要结局为单条目测量的对心理健康专业人士信心(前测-后测变化),采用独立样本t检验和ANCOVA分析。

**研究结果**
**Phase 1:说服特征筛选**
通过配对样本t检验,来源可信度、论证质量和加工流畅性在感知可信度和说服力上均显著优于对照版本(所有p<0.01),效应量Cohen's d范围为-0.28至-0.37。情感温暖与共情仅说服力显著(p=0.023),可信度差异不显著(p=0.355),因此被排除。Bonferroni校正后(α=0.00625),三个保留特征仍然显著,情感温暖与共情则未通过校正。

**Phase 2:随机干预**
随机分组后基线信心无显著差异(t(38)=-1.40, p=0.170)。提示工程组(PEG)前测均值3.15(SD=0.75),后测均值3.60(SD=0.60),变化均值为0.45(SD=0.69),配对t检验显著(t(19)=-2.93, p=0.009, d=-0.66)。基线提示组(BPG)前测均值3.45(SD=0.61),后测均值3.25(SD=0.55),变化均值为-0.20(SD=0.52),变化不显著(t(19)=1.71, p=0.104, d=0.38)。组间变化分数比较显著(t(38)=3.37, p=0.002, d=1.07)。ANCOVA控制前测后,组别主效应显著(F(1,37)=9.31, p=0.004, 偏η2=0.20),校正后后测均值PEG为3.67(SE=0.11),BPG为3.18(SE=0.11)。

**讨论与结论**
讨论部分指出,特征筛选结果支持ELM的双路径模型:来源可信度通过外周路径(启发式线索)起作用,论证质量通过中枢路径(精细加工)起作用,加工流畅性则通过元认知流畅性效应(truth-by-fluency effect)增强说服。情感温暖与共情因未能同时提升可信度而被排除,强调在短篇幅心理教育文本中,流畅性和论证比情感温暖更可靠。随机实验验证了整合特征提示的有效性,基线提示虽流畅但未改变态度,说明说服效果需明确工程化。研究局限性包括:样本量小(n=40);控制条件为最小提示,无法分离各特征独立贡献;结局为单条目即时测量,缺乏持久性数据和行为终点;样本为普通人群,不能推广至临床抑郁症患者;仅测试一个LLM(DeepSeek-V3.2);情感温暖与共情可能在其他情境中有效。结论部分翻译:本初步研究提供了初始证据,表明将经验筛选的说服特征整合到提示中可能为生成心理教育内容提供一种系统方法。在这个小样本中,来源可信度、论证质量和加工流畅性特征与即时自我报告信心的变化相关,而标准提示未观察到这种变化。鉴于样本量(N=40)、单条目即时结局以及缺乏随访,这些发现应被视为初步和假设生成的。它们并未建立可重复的方法或持久的态度改变。实验性说服研究与提示工程的结合为未来工作指明了方向,但当前数据仅指向一个可能的模板,其效用和普适性仍有待检验。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号