تتزايد استخدامات نماذج اللغات الضخمة (Large Language Models - LLMs) في مهام الدعم العاطفي، حيث تلعب دوراً حيوياً في إعادة تشكيل الأفكار السلبية. تهدف هذه الدراسة الجديدة إلى معالجة كيفية تقييم وتغيير الإدراكات المعرفية، وهي التفسيرات الذاتية للأحداث التي تثير مشاعر سلبية.

في هذا السياق، تقوم العديد من النماذج الحالية بتقييم جميع الأبعاد المعرفية بشكل شامل، لكنها تفتقر إلى القدرة على تقدير أهمية هذه الأبعاد طبقاً للسياقات المختلفة. لذلك، طرحت هذه الدراسة سؤالاً مهماً: "هل يمكن لنموذج لغوي كبير استنتاج الأبعاد الأساسية للإدراكات من المحادثات الداعمة عاطفياً؟"

للإجابة على هذا السؤال، تم تقديم مؤشر AppraiSal، الذي يحتوي على 996 محادثة تم تصنيفها بشكل يدوي من قبل البشر لتحديد الحالات الذهنية، بما في ذلك الأبعاد المعرفية المهمة. بالإضافة إلى ذلك، تم اقتراح إطار PRISM، الذي يعتمد على التخطيط العكسي البيزي، والذي يهدف إلى تحسين قدرة LLMs على تحديد الأبعاد المعرفية المحددة في السياق.

أظهرت النتائج التجريبية أن PRISM قد ساهم بشكل ملحوظ في تحسين أداء النماذج اللغوية متعددة الأحجام، وخاصةً في تحديد الأبعاد المعرفية الأهم في المحادثات العاطفية. هذه النتائج تدل على إعادة تشكيل مشهد الدعم العاطفي باستخدام الذكاء الاصطناعي، مما يؤدي إلى تقديم مساعدة أكثر فعالية وملاءمة للأفراد الذين يعانون من الأفكار السلبية.