ConvCounsel

ConvCounsel数据集是由国立阳明交通大学创建的专门用于学生心理健康咨询的对话数据集。该数据集包含40个录音会话，涵盖了学术挑战、家庭问题、社交关系等多个主题，每个会话都由专业心理咨询师进行标注，包括情感标签和咨询策略。数据集的创建旨在通过主动倾听策略来支持学生心理健康，解决学生与咨询师比例失衡的问题，并促进心理健康对话系统的发展。The ConvCounsel dataset is a specialized conversational dataset for student mental health counseling, created by National Yang Ming Chiao Tung University. It contains 40 recorded sessions covering multiple topics such as academic challenges, family issues, and social relationships. Each session is annotated by professional psychological counselors, including emotional labels and counseling strategies. The dataset is developed to support student mental health through active listening strategies, address the imbalance between the number of students and counselors, and facilitate the development of mental health dialogue systems.

搜集汇总

数据集介绍

构建方式

ConvCounsel数据集的构建过程分为两个主要阶段。首先，通过从视频流媒体平台提取视频，获取了语音数据。其次，与NYCU的辅导员合作，收集了与主动倾听策略相关的文本数据。语音数据的收集包括208小时的通用领域新闻数据和192小时的心理学及心理健康领域数据，涵盖了多样化的口音和说话风格。文本数据则来源于40次模拟的辅导员与学生之间的真实对话，每段对话都经过专业辅导员的详细标注，包括情感标签和时间戳。

特点

ConvCounsel数据集的显著特点在于其专注于学生辅导对话中的主动倾听策略，这是心理健康对话系统中的关键技能。该数据集不仅包含语音和文本数据，还提供了丰富的情感和行为标签，使得研究者能够深入分析对话结构和情感表达。此外，数据集的构建过程中严格遵循伦理考量，确保了参与者的隐私和数据的安全性。

使用方法

ConvCounsel数据集适用于开发和评估心理健康对话系统，特别是那些旨在模拟辅导员主动倾听策略的系统。研究者可以利用该数据集训练自动语音识别模型和自然语言处理模型，以提高对话系统的情感理解和响应能力。此外，数据集中的详细标注和多样化的对话场景为情感检测和对话策略研究提供了宝贵的资源。

背景与挑战

背景概述

学生心理健康问题日益受到关注，尤其是在学生与辅导员比例失衡的情况下，这一问题显得尤为紧迫。大多数大学的学生与辅导员比例远超推荐标准250:1，导致面对面咨询的等待时间过长，治疗效果不佳。为应对这一挑战，研究者们致力于开发基于现有开源心理健康相关数据集的对话系统。然而，现有数据集多聚焦于一般话题或多种策略，难以直接应用于实际咨询，因其涉及众多伦理限制。为此，本文引入了专门针对学生咨询的对话数据集ConvCounsel，该数据集强调在咨询对话中使用的积极倾听策略，包含语音和文本数据，旨在促进心理健康对话系统的开发。

当前挑战

ConvCounsel数据集在构建过程中面临多项挑战。首先，现有心理健康数据集多关注一般话题或多种策略，难以满足大学咨询的特殊需求。其次，数据集的构建需严格遵循伦理规范，确保参与者隐私和文化敏感性。此外，数据集需涵盖多样化的学生心理问题，以确保对话系统的广泛适用性。最后，数据集的有效性需通过实际对话系统的开发和评估来验证，这要求系统能够准确理解和回应学生情感，提供有效的咨询支持。

常用场景

经典使用场景

ConvCounsel数据集在学生心理健康对话系统中的经典应用场景主要体现在其对主动倾听策略的强调。该数据集通过整合语音和文本数据，模拟了40个真实的学生与辅导员之间的咨询会话，每个会话都经过专业辅导员的精确时间戳和情感标签标注。这种设计使得数据集能够支持开发基于主动倾听策略的心理健康对话系统，如NYCUKA系统，该系统通过动画角色和中文对话，提供情感支持和自我反思的机会，从而增强学生的心理健康体验。

衍生相关工作

基于ConvCounsel数据集，衍生了一系列相关工作，包括NYCUKA系统的开发和优化。NYCUKA系统不仅在语音识别和文本生成方面取得了显著进展，还通过引入动画角色增强了用户体验。此外，该数据集还启发了其他研究，如跨模态扩散建模和采样技术，以及模态翻译学习方法，这些技术旨在进一步提高多模态对话系统的理解和响应能力，推动了心理健康对话系统领域的技术创新。

数据集最近研究

最新研究方向

在学生心理健康领域，ConvCounsel数据集的最新研究方向聚焦于开发基于主动倾听策略的对话系统。该数据集通过整合语音和文本数据，强调了在心理咨询中至关重要的主动倾听技巧，如询问、情感反射、释义和总结。这些技巧有助于系统更好地理解学生的情感状态，并提供更为个性化和有效的支持。研究者们利用ConvCounsel数据集开发了NYCUKA系统，该系统通过模拟心理咨询师的回应，显著提升了对话系统的性能。此外，研究还探讨了不同提示策略对系统生成回应质量的影响，发现由专业咨询师设计的提示策略在情感支持和自我反思方面表现更为优越。这些研究不仅推动了对话系统在心理健康领域的应用，也为未来多模态理解和回应生成技术的发展提供了新的方向。

相关研究论文

• ConvCounsel: A Conversational Dataset for Student Counseling

  国立阳明交通大学电机与电脑工程研究所 · 2024年