Speaker
Description
Questo contributo esplora il potenziale dei modelli linguistici di grandi dimensioni (Large Language Models, o LLM) per inferire il rischio di consumo problematico di alcol a partire da contenuti pubblicati su piattaforme social media. In un primo studio (N = 208), due LLM (Gemini 1.5 Pro e GPT-4o), sono stati utilizzati con un approccio zero-shot prompting per stimare il consumo problematico di alcol in post pubblicati su Facebook. Le inferenze dei modelli linguisti hanno mostrato buona convergenza e una correlazione moderata con lo strumento self-report AUDIT-C, con accuratezza maggiore rilevata tra i partecipanti con post più recenti. In un secondo studio (N = 2222) lo stesso prompt è stato utilizzato per classificare gli utenti in base al rischio di consumo problematico di alcol e confrontare i gruppi (basso vs. alto rischio) rispetto a tratti di personalità e indicatori di benessere psicologico. Il gruppo ad alto rischio ha riportato livelli significativamente più elevati di estroversione, impulsività e sensation seeking, e livelli più bassi di stabilità emotiva e amicalità. Non sono emerse differenze significative in termini di salute mentale o qualità della vita percepita, ma gli utenti classificati a rischio di consumo problematico di alcol hanno riferito un miglioramento soggettivo della salute fisica rispetto all’anno precedente. I risultati evidenziano la validità preliminare degli LLM come strumento non invasivo per il monitoraggio del rischio alcolico aprendo prospettive per lo screening non intrusivo attraverso l'analisi di contenuti social media.
| If you're submitting a symposium talk, what's the symposium title? | PSICOMETRIA PER LA SALUTE E LA SOSTENIBILITÀ. |
|---|---|
| If you're submitting a symposium, or a talk that is part of a symposium, is this a junior symposium? | No |
