タイトル：Small Language Model-Based Intermediate Interpretations for Predicting Nurse Stress and Its Factors from Step Count Data

著者名：Yusuke Fukazawa（深澤佑介),  Megumi Kodaka （小高 恵実）

ジャーナル名：New Generation Computing, Springer

発行年月日：2025年3月5日

SpringerのHP：https://link.springer.com/article/10.1007/s00354-026-00319-7

概要：本研究では、看護師の歩数データからストレス状態とその要因を分析するために、小規模言語モデル（SLM）による解釈と機械学習による予測を組み合わせた手法を提案しました。30名の看護師を対象に、1か月間にわたり収集した歩数データと抑うつ評価（QIDS）、およびストレス要因アンケートを用いて検証を行いました。その結果、歩数データを直接入力する場合と比べて、中間的なテキスト解釈を介してBERTで分析することで、ストレス推定の精度が向上することが確認されました。また、職場の人間関係や業務の忙しさなど、仕事に関連するストレス要因との関連も示されました研究は「上智大学学術研究特別推進費」による研究助成の支援を受け、上智大学看護学科の小高准教授との共同研究として実施されました。今後も、AIを活用したメンタルヘルス分析の高度化を通じて、社会課題の解決に貢献する研究を進めていきます。