به گزارش خبرگزاری ایمنا، درمانگران سلامت روان نیز نظیر هر متخصص دیگری ممکن است در شرایط پیچیده و پرفشار دچار خطاهای شناختی شوند؛ خطاهایی که گاهی پیش از جلسه، حین گفتوگو با مراجعهکننده یا حتی پس از پایان جلسه شکل میگیرند و ممکن است بدون آنکه درمانگر متوجه شود، بر روند ارزیابی و تصمیمگیری او اثر بگذارند.
در همین راستا، استفاده از هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLM) بهعنوان ابزاری برای بازبینی عملکرد درمانگران، مورد توجه قرار گرفته است. این فناوری میتواند متن پیادهسازیشده جلسات درمانی را بررسی و الگوهایی را که احتمال دارد نشاندهنده خطاهای شناختی باشند، شناسایی کند.
خطاهای شناختی به الگوهای نادرست یا ناقص در پردازش اطلاعات گفته میشود که میتوانند بر قضاوت فرد اثر بگذارند. در محیط درمان، نمونههایی مانند سوگیری تأییدی، یعنی توجه بیشتر به اطلاعاتی که باور قبلی درمانگر را تأیید میکند، یا «ذهنخوانی» و «تعمیم افراطی» میتواند بر نحوه تفسیر صحبتهای مراجعهکننده تأثیر بگذارد.
هوش مصنوعی میتواند با بررسی محتوای جلسات، مواردی را که احتمال دارد چنین خطاهایی در آنها رخ داده باشد، برای بازبینی به درمانگر گوشزد کند. هدف این رویکرد جایگزین کردن هوش مصنوعی با متخصص نیست، بلکه فراهم کردن یک ابزار کمکی برای افزایش دقت در فرایند درمان است.
درمانگران در جلسات خود با شرایطی روبهرو هستند که تصمیمگیری را دشوار میکند؛ فشار زمانی، اطلاعات ناقص درباره وضعیت مراجعهکننده و پیچیدگی مسائل روانی میتواند احتمال …
