آکادمی خردگستر روان‌چی

تازه‌های علمی تحلیل ۲۰۰۰ ساعت روان‌درمانی با هوش مصنوعی از دهه ۱۹۷۰ تاکنون یکی از بزرگ‌ترین مشکلات پژوهش روان‌درمانی این بوده که ما می‌دانیم: اتحاد درمانی مهم است. همدلی مهم است. خودافشایی مراجع مهم است. اما دقیقاً نمی‌دانیم این عوامل چگونه بر یکدیگر اثر می‌گذارند. دلیلش هم ساده است: برای تحلیل یک جلسه درمانی باید پژوهشگران ساعت‌ها فایل را گوش دهند و کدگذاری کنند تا پاسخ این سوال که : کدام مؤلفه‌های فرایند درمان مسئول ایجاد تغییر هستند را پیدا کنند؟ • همدلی؟ • کاوشگری درمانگر؟ • اتحاد درمانی؟ • یا ترکیبی از همه آنها؟ یک تیم پژوهشی از دانشگاه‌های Carnegie Mellon و Pittsburgh نزدیک به ۲۰۰۰ ساعت جلسه روان‌درمانی را بررسی کردند. در پروژه، پژوهشگران ۱۶۱۰ جلسه روان‌درمانی را از مجموعه Alexander Street Psychotherapy Corpus تحلیل کردند. در این پژوهش مدل‌های زبانی بزرگ برای استخراج چند متغیر در فرآیند درمان به کار گرفته شدند: • همدلی Empathy • کاوشگری Exploration • اتحاد درمانی Rapport • خودافشایی Self-disclosure و همچنین شاخص‌هایی از تجربه هیجانی مراجع. سپس روابط میان این متغیرها با مدل‌های ساختاری تحلیل شد. نخستین یافته: همدلی درمانگر به طور معناداری با افزایش خودافشایی مراجع همراه بود. هرچه پاسخ درمانگر همدلانه‌تر ارزیابی می‌شد، احتمال بیان تجربه‌های شخصی و هیجانی توسط مراجع بیشتر بود. یافته دوم: کاوشگری درمانگر نیز اثر مستقلی نشان داد. مداخلاتی که به بسط تجربه و توضیح بیشتر کمک می‌کردند، با افزایش خودافشایی همراه بودند. اما مهم‌ترین یافته مطالعه مربوط به اتحاد درمانی Rapport بود. فرض رایج این است که: اتحاد درمانی قوی باعث خودافشایی بیشتر می‌شود اما نتایج این پژوهش از این فرض حمایت نکردند. بر اساس مدل ارائه‌شده، اتحاد درمانی (Rapport) بیشتر، با کاهش پریشانی هیجانی و تنظیم هیجان مرتبط بود تا افزایش مستقیم خودافشایی. به بیان دیگر، رابطه درمانی ممکن است بیش از آنکه محرک افشاگری باشد، نقش یک بستر ایمن برای پردازش هیجانی را ایفا کند. این یافته نشان می‌دهد: Empathy همدلی و Exploration کاوشگری ممکن است مکانیسم‌های فعال‌تری در پیشبرد گفت‌وگوی درمانی باشند، در حالی که اتحاد درمانی بیشتر نقش زمینه‌ای و تسهیل‌کننده دارد. نکته مهم: این پژوهش هنوز در مرحله Preprint قرار دارد و نیازمند بازبینی و تکرار است. با این حال، مطالعه حاضر نمونه‌ای مهم از کاربرد هوش مصنوعی در پژوهش فرایندهای روان‌درمانی است و نشان می‌دهد که تحلیل کمّی هزاران ساعت جلسه درمانی اکنون امکان‌پذیر شده است.