Lived Experience in Dialogue: Co-designing Personalization in Large Language Models to Support Youth Mental Well-being

📄 arXiv: 2511.05769v1 📥 PDF

作者: Kathleen W. Guan, Sarthak Giri, Mohammed Amara, Bernard J. Jansen, Enrico Liscio, Milena Esherick, Mohammed Al Owayyed, Ausrine Ratkute, Gayane Sedrakyan, Mark de Reuver, Joao Fernando Ferreira Goncalves, Caroline A. Figueroa

分类: cs.HC, cs.AI

发布日期: 2025-11-07

💡 一句话要点

通过共创设计，提升大型语言模型在青少年心理健康支持中的个性化体验。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 青少年心理健康 个性化 参与式设计 生活经验

📋 核心要点

  1. 现有大型语言模型在青少年心理健康支持方面缺乏针对异质性生活经验的有效个性化。
  2. 通过与青少年、家长和护理人员共创角色，提取生活经验，指导LLM的设计和微调。
  3. 研究结果表明，将生活经验融入LLM设计能提升干预措施与青少年现实的匹配度。

📝 摘要（中文）

青少年越来越多地使用大型语言模型（LLMs）来寻求心理健康支持，但当前LLMs中的个性化功能可能忽略了塑造他们需求的异质性生活经历。我们与青少年、家长和青少年护理人员（N=38）进行了一项参与式研究，使用共同创建的青少年角色作为支架，以引发社区对LLMs如何促进更有意义的个性化以支持青少年心理健康的看法。分析确定了三个主题：以人为中心的、对瞬时需求做出反应的情境化；围绕范围和线下转诊的明确界限；以及用于反思和自主的对话式支架。我们将这些主题映射到用于任务建议、社会促进和系统可信度的说服性设计特征，并创建了相应的对话摘录来指导LLM微调。我们的研究结果表明，生活经验如何被操作化以告知LLMs中的设计特征，从而增强基于LLM的干预措施与青少年及其社区的现实的对齐，从而有助于更有效地个性化数字健康工具。

🔬 方法详解

问题定义：论文旨在解决大型语言模型（LLMs）在为青少年提供心理健康支持时，缺乏有效个性化的问题。现有的LLMs在个性化方面往往忽略了青少年生活经历的异质性，导致提供的支持可能不贴合实际需求，甚至产生负面影响。因此，如何将青少年的生活经验融入到LLMs的设计中，使其能够提供更具针对性和有效性的心理健康支持，是本研究要解决的核心问题。

核心思路：论文的核心思路是通过参与式设计，将青少年、家长和青少年护理人员的生活经验融入到LLMs的设计中。具体来说，研究团队与这些利益相关者共同创建青少年角色，作为LLMs个性化设计的支架。通过分析这些角色，提取出关键的主题，并将这些主题映射到LLMs的设计特征中，从而使LLMs能够更好地理解和响应青少年的需求。

技术框架：该研究的技术框架主要包括以下几个阶段：1) 参与者招募：招募青少年、家长和青少年护理人员作为研究参与者。2) 角色共创：与参与者共同创建青少年角色，这些角色代表了不同生活经历和心理健康需求的青少年群体。3) 主题提取：分析角色描述，提取出关键的主题，例如以人为中心的情境化、明确的范围界限和对话式支架。4) 特征映射：将提取出的主题映射到LLMs的设计特征中，例如任务建议、社会促进和系统可信度。5) 对话生成：根据映射的设计特征，生成相应的对话摘录，用于指导LLM的微调。

关键创新：该研究的关键创新在于将生活经验操作化，并将其融入到LLMs的设计中。传统的LLMs个性化方法往往依赖于用户画像或行为数据，而忽略了用户的生活经历。本研究通过参与式设计，直接从用户及其社区中提取生活经验，并将其转化为LLMs的设计特征，从而使LLMs能够更好地理解和响应用户的需求。

关键设计：该研究的关键设计包括：1) 角色共创：通过与参与者共同创建角色，确保角色能够代表不同生活经历和心理健康需求的青少年群体。2) 主题提取：采用严格的分析方法，确保提取出的主题能够准确反映角色的生活经验。3) 特征映射：将主题映射到LLMs的设计特征中，确保设计特征能够有效地支持青少年的心理健康需求。4) 对话生成：根据映射的设计特征，生成相应的对话摘录，用于指导LLM的微调，确保LLM能够提供个性化的心理健康支持。

📊 实验亮点

研究通过与青少年、家长和护理人员的合作，识别了三个关键主题：以人为中心的情境化、明确的范围界限和对话式支架。这些主题被成功映射到LLM的设计特征中，并生成了相应的对话摘录，为LLM的微调提供了指导。这些发现为开发更个性化、更有效的青少年心理健康支持工具奠定了基础。

🎯 应用场景

该研究成果可应用于开发更有效、更个性化的数字心理健康工具，尤其是在青少年群体中。通过将生活经验融入LLM设计，可以提升干预措施与青少年现实的匹配度，从而提高干预效果。此外，该方法也可推广到其他领域，例如教育、医疗等，以开发更贴合用户需求的AI应用。

📄 摘要（原文）

Youth increasingly turn to large language models (LLMs) for mental well-being support, yet current personalization in LLMs can overlook the heterogeneous lived experiences shaping their needs. We conducted a participatory study with youth, parents, and youth care workers (N=38), using co-created youth personas as scaffolds, to elicit community perspectives on how LLMs can facilitate more meaningful personalization to support youth mental well-being. Analysis identified three themes: person-centered contextualization responsive to momentary needs, explicit boundaries around scope and offline referral, and dialogic scaffolding for reflection and autonomy. We mapped these themes to persuasive design features for task suggestions, social facilitation, and system trustworthiness, and created corresponding dialogue extracts to guide LLM fine-tuning. Our findings demonstrate how lived experience can be operationalized to inform design features in LLMs, which can enhance the alignment of LLM-based interventions with the realities of youth and their communities, contributing to more effectively personalized digital well-being tools.