- Penangkapan Lima Tersangka Kasus Ganja oleh Satresnarkoba di Lumajang
- Proyek Pembangunan Pasar Agropolitan di Gerbang Wisata Senduro Lumajang Hampir Rampung
- Pelantikan Resmi Indah-Yudha, Janji Mewujudkan Pemerintahan Lumajang Tanpa Korupsi
- Pengaktifan Kembali KUD di Lumajang untuk Memperkuat Perekonomian Desa
- Persiapan Mencetak Generasi Emas oleh Lembaga Parenting di Lumajang
- Aliansi BEM se-Lumajang Protes Program Efisiensi yang Dinilai Tidak Memenuhi Kebutuhan Dasar di DPRD
- Begal Mengintai di Klakah Lumajang Saat Hujan Turun
- Cek Kesehatan Gratis Dimulai di Lumajang, Simak Keuntungannya
- Dukungan Terhadap Penerapan P3K Paruh Waktu di Pemkab Lumajang dari Komisi A DPRD
- Wisuda Akbar Seribu Santri Madin Digelar di Pendopo Arya Wiraraja oleh FKDT Lumajang
Pemetaan Percakapan dalam Sesi Terapi: Mengungkap Dinamika Komunikasi
AI reveals the dynamics of conversation in therapy sessions https://dailyai.com/2024/02/ai-reveals-the-dynamics-of-conversation-in-therapy-sessions/

Keterangan Gambar : Pemetaan Percakapan
Peneliti telah beralih ke kecerdasan buatan (AI) untuk mengupas lapisan-lapisan sesi psikoterapi, mengungkap bagaimana pola bicara tertentu mungkin menjadi kunci untuk memahami ikatan antara terapis dan pasien mereka.
Dipublikasikan dalam jurnal iScience, studi ini menerangi bagaimana kata ganti orang pertama dan keraguan berbicara menandakan kedalaman hubungan terapis-pasien.
Dorongan di balik penelitian ini berasal dari dilema yang berkepanjangan dalam psikoterapi: bagaimana kita secara akurat menilai dan meningkatkan aliansi terapeutik?
Istilah ini merujuk pada hubungan penting antara seorang terapis dan pasiennya, dasar yang diyakini kritis untuk terapi yang efektif.
Secara tradisional, memahami hubungan ini telah menjadi urusan subjektif, bergantung pada laporan pribadi dan observasi pihak ketiga, yang meskipun berharga, mungkin melewatkan dinamika sesi terapi yang sebenarnya.
Peneliti dari Icahn School of Medicine di Mount Sinai melihat kesempatan untuk menggunakan pembelajaran mesin untuk menjelaskan apa yang membuat komunikasi terapeutik berhasil.
Studi ini berlangsung di klinik-klinik di Kota New York, melibatkan 28 pasien dan 18 terapis yang terlibat dalam berbagai sesi terapi. Sebelum sesi dimulai, pasien merenungkan hubungan terapeutik masa lalu dan gaya lampiran mereka melalui survei online.
Peneliti menggunakan pembelajaran mesin untuk menganalisis transkrip sesi menggunakan pemrosesan bahasa alami (NLP), berfokus pada penggunaan kata ganti seperti "saya" dan "kita" serta penanda ketidaklancaran bicara seperti "eh" dan "seperti".
Cara terapis dan pasien menggunakan kata ganti orang pertama tampaknya memengaruhi aliansi.
Misalnya, studi ini menemukan bahwa ketika terapis sering menggunakan "kita," itu tidak selalu meningkatkan aliansi seperti yang mungkin diharapkan, terutama dalam kasus gangguan kepribadian. Hal ini bertentangan dengan asumsi biasa bahwa bahasa inklusif secara otomatis memperkuat hubungan.
Selain itu, ketergantungan berlebihan dari salah satu pihak pada "saya" terkait dengan penilaian aliansi yang lebih rendah, mengisyaratkan potensi bahaya dari terlalu banyak fokus pada diri sendiri dalam sesi terapi.
Penulis menulis, "Temuan utama kami adalah bahwa penggunaan kata ganti orang pertama yang lebih sering baik oleh terapis maupun pasien ("kita," "saya lakukan," "saya pikir," "ketika saya") mencirikan sesi dengan penilaian aliansi yang lebih rendah."
Temuan yang tak terduga adalah bahwa keraguan, sering dianggap sebagai penanda negatif percakapan, terkait dengan penilaian aliansi yang lebih tinggi, menunjukkan bahwa jeda bisa memupuk keaslian dan keterlibatan.
Penelitian sebelumnya telah menemukan bahwa jeda adalah bagian kunci dari percakapan yang sungguh-sungguh berpikir.
Dalam kata-kata peneliti: "Kami menemukan bahwa ketidaklancaran yang lebih tinggi pada pasien (misalnya, "seperti," "eh"), tetapi tidak pada terapis, mencirikan sesi dengan penilaian aliansi yang lebih tinggi oleh pasien."
Peneliti juga memperingatkan bahwa cakupan studi dan sifat observasionalnya berarti bahwa korelasi-korelasi ini tidak selalu menunjukkan sebab dan akibat.
AI telah digunakan untuk analisis bicara dalam pengaturan medis, seperti ketika peneliti UCL dan University of Oxford mengembangkan model untuk mendeteksi potensi skizofrenia dari pola bicara.