Understøtter skala og testfortolkning

Gevinster:

• Evne til at bruge kunstig intelligens som cut-off score, subskala og sproglig forklaringsstøtte ved fortolkning af skala og testresultater
• Evne til at begrænse AI-output ved at fastholde, at diagnosen opstår fra klinisk bedømmelse og flere data, ikke fra skala-score
• Evne til at overveje risici for testophavsret, normkontekst og kulturel validitet i fortolkning af kunstig intelligens

Inden for psykologien er skalaer og tests (såsom angstskala, depressionsopgørelse, personlighedstest, intelligenstest) værktøjer, der forsøger at omsætte en persons indre verden til tal. Men et tal alene beskriver aldrig en person. En person, der scorer "højt" på en depressionsskala, kan faktisk være i en midlertidig tilstand af sorg; En person med en "lav score" skjuler muligvis deres symptomer. Derfor er skalafortolkning en kunst: at kombinere tallet med klinisk dømmekraft, historie og kontekst. Kunstig intelligens (AI) kan være en hjælp i denne proces – at minde om, hvad en underskala måler, forklare en score i almindeligt sprog, forfine en rapportsætning – men den vil aldrig give diagnosen og fortolkningen. I denne enhed lærer du, hvordan du bruger AI som en sikker støtte i skalafortolkning.

Hvad AI kan og ikke kan i skalafortolkning

AI kan: forklare den generelle struktur og underdimensioner af en skala i almindeligt sprog; forklare i generelle vendinger, hvad en score "kunne betyde"; forbedring af sproget i en rapport; udarbejdelse af en simpel tekst til at forklare kunden; Beskriver det overordnede mønster mellem forskellige subskala-scores.

Hvad AI ikke kan: udlede en diagnose ud fra en score; at beslutte, hvad cutoff-score (tærsklen, der markerer grænsen for "klinisk niveau" på en skala) betyder for den pågældende person; at sikre den kulturelle/sproglige gyldighed af resultatet; At kende testens normer (i hvilken gruppe og med hvilke gennemsnit den test er standardiseret). AI kan også generere misinformation ved at "foregive at huske" ophavsretligt beskyttede testelementer.

Forsigtig: Skalaens score er et stykke data, ikke en diagnose. Diagnose; Det er resultatet af kombinationen af ​​interview, historie, observation og flere målinger med klinisk dømmekraft. Spørg AI "hvad er diagnosen baseret på denne score?" At spørge er at invitere agenten til at udføre et arbejde, som han ikke kan udføre.

Cut-off score og normens fælde

Hvert mål har en norm: det vil sige, at testen er standardiseret i en specifik prøve (for eksempel i et specifikt land, alder og sproggruppe). Den samme cutoff-score i en anden kultur kan være vildledende. For eksempel kan en "høj" tærskel for en angstskala udviklet i et land få normale følelsesmæssige udtryk til at virke patologisk i en anden kultur. AI kender ikke denne sammenhæng; Den laver bare en mekanisk kortlægning som "høj score = høj angst". Det er ekspertens opgave at afveje fortolkningen inden for rammerne af kulturel validitet.

Derudover er cutoff-scoren probabilistisk, ikke kategorisk. "1 point over grænsen" er ikke det samme som "20 point over grænsen"; Der er en margin for målefejl. AI har en tendens til at opdele en score i strenge kategorier af "mild/moderat/alvorlig"; hvorimod sand fortolkning ved, at disse grænser er slørede.

Trin for trin: AI-drevet sikker skalafortolkning

1. Beregn/bekræft selv råscore og subskalaer. Overlad ikke scoringen til AI; AI kan også lave regnefejl.
2. Bed AI om strukturafklaring. "Hvad måler denne underskala generelt?" spørge; Dette er generel information, ikke personlig kommentar.
3. Tilføj selv konteksten. Inkorporer historier, observationer og andre data i din egen dømmekraft, ikke AI.
4. Brug AI på sprogniveau. Få AI'en til at udarbejde din forklaring til klienten eller rapporten, og ret den derefter for klinisk nøjagtighed.
5. Spørgsmål om kulturel validitet. Er denne skala passende for denne klients kultur/sprog? Du stiller dette spørgsmål, som AI gik glip af.
6. Etabler diagnose fra flere data. Partituret fortolkes som en del af tabellen, ikke isoleret.

Tip: Brug AI'en som en redaktør, der "oversætter min kommentar til et forståeligt sprog" i stedet for "fortolker partituret". Lad selve fortolkningen komme fra dig; Lad AI bare gøre det smukt.

tre minisager

Sag 1 — Faren ved den mekaniske fortolkning. En ekspert giver resultatet af en depressionsopgørelse (28 point) til AI og siger "fortolk". AI siger "alvorlig depression, behandling påkrævet." Klienten mistede dog en pårørende for to uger siden; Scoren afspejler en sorgreaktion. Uden klinisk kontekst er AI-mærket for "svær depression" vildledende og skadeligt. Når eksperten tilføjer kontekst, ændres fortolkningen fuldstændig.

Case 2 — Den rigtige støtte. En psykolog selvscorer 5 underskalaer af en personlighedsopgørelse og fortæller derefter AI'en "skriv i almindeligt sprog, hvad hver underskala generelt måler, forbered et udkast til tekst, som jeg vil forklare klienten; skriv IKKE en diagnose." AI producerer en klar oversigt; Psykologen retter og bruger klinisk nøjagtighed. Cirka 40 minutters skrivearbejde reduceres til 10 minutter, og kommentaren kommer fra eksperten igen.

Tilfælde 3 — Kulturel gyldighed. En klient scorer højt på en social angstskala udviklet i et andet land. AI antyder "markeret social angstlidelse." Specialisten indser, at skalaens normer ikke passer til klientens kulturelle kontekst, og at nogle genstande patologiserer normal generthed i denne kultur. Scoren er den samme, men fortolkningen ændres, når den passeres gennem filteret for kulturel validitet.

Kopiérbare prompter og skabeloner

Jeg ønsker at forklare underskalaerne af en psykometrisk skala for klienten. For underskalanavnene nedenfor, forklar i almindeligt og ikke-stigmatiserende sprog, hvad hver af dem generelt måler, UDEN SKRIVE EN DIAGNOSE eller KOMME PERSONLIGE KOMMENTARER. Underskalaer: [liste]

Oversæt mit udkast til kommentar nedenfor til et almindeligt sprog, som kunden vil forstå. SKIFT indhold, TILFØJ ny klinisk påstand; bare gøre sproget forståeligt og ikke-dømmende. Tilføjelse af en diagnostisk erklæring.Udkast: [min egen kommentar]

Denne skala [skalanavn/type] bruges i en anden kulturel/sproglig kontekst. Skriv en tjekliste over generelle risici (normkontekst, emnehensigtsmæssighed, formuleringsforskel), som jeg bør være opmærksom på i forhold til kulturel og sproglig validitet.

I rapportafsnittet nedenfor markerer udsagn, der er alt for præcise ("helt sikkert", "alvorligt", "beviser på det") eller indebærer en enkeltscore-diagnose, og foreslår, at jeg omskriver det i et mere målt, multidatabevidst sprog. Afsnit: [tekst]

Svag prompt / Stærk prompt

Svag prompt: "Beck depression score er 28, hvad er diagnosen?"

Denne prompt tvinger AI til at stille en diagnose, selv fra en enkelt score og uden kontekst; Det er både forkert og uetisk.

Stærk prompt: "Forklar i almindeligt sprog, hvilke områder en depressionsopgørelse generelt screener for. DIAGNOSE. Forklar også med en liste over forbehold, hvorfor en høj score alene ikke betyder en diagnose (såsom sorg, forbigående stress, målefejl, kulturel kontekst)."

Denne prompt sætter AI i den pædagogiske/forklarende rolle; overlader diagnosticering og tolkning til speciallægen.

Almindelige fejl

• At stille en diagnose ud fra scoren. Oversættelse af et enkelt tal til en klinisk dom; hvorimod diagnose opstår fra flere data.
• Forveksler cut-off-score som den endelige grænse. Ignorerer målefejl og kontekst og siger "over grænsen = patient".
• Omgå kulturel gyldighed. Anvendelse af en skala udviklet i en anden kultur uden at spørge efter kontekst.
• Overlader scoringen til AI. AI kan lave fejl i aritmetik og varematchning; scoring skal verificeres.
• Udskrivning af ophavsretligt beskyttede testelementer til AI. AI kan "huske" testelementer forkert; Derudover er mange tests ophavsretligt beskyttet.

Sammenfattende

Skalaen og testresultatet er et stykke data, ikke en diagnose. Forklaring af AI-underskalastrukturen hjælper klienten med at forberede et forståeligt sprog og forbedre rapportsætningen; men diagnosen, fortolkningen af ​​cut-off score og beslutningen om kulturel validitet kommer fra eksperten gennem klinisk vurdering. Valider scoren, tilføj kontekst selv, læs cutoff-scoren sandsynligt og kulturelt følsomt. Brug AI ikke som en kommentator, men som en redaktør, der polerer din kommentar.

Ansøgningsopgave

Vælg en underdimension af en skala, du bruger. Skriv først et afsnit af din egen kliniske kommentar. Giv derefter AI'en dette afsnit, hvor der står "oversæt til almindeligt sprog, tilføj klinisk påstand" og sammenlign outputtet: På hvilke punkter greb AI'en ind i indholdet, hvor rettede den lige sproget? Spørg også AI om risiciene ved at bruge den samme skala i en anden kultur og kom med en tjekliste.

tjekliste

• [ ] Jeg bekræftede selv scoringen, jeg overlod det ikke til AI.
• [ ] Jeg etablerede diagnosen ikke ud fra scoren, men ud fra flere data og ræsonnementer.
• [ ] Jeg læste cutoff-scoren som sandsynligheds- og kontekstfølsom.
• [ ] Jeg stillede spørgsmålstegn ved den kulturelle/sproglige gyldighed.
• [ ] Jeg brugte AI som sprogredaktør, ikke som tolk.
• [ ] Jeg har modereret de alt for præcise udsagn i rapporten.