数据集概述
本数据集围绕对话式人工智能（CAI）在纠正认知偏差及识别人类-AI交互中情感的功效展开研究，重点关注心理理论偏差（如AI拟人化、过度信任）与自主性偏差（如控制错觉、基本归因错误），并结合认知行为疗法（CBT）原则评估干预效果，为数字心理健康应用提供数据支持。
文件详解
- 文件名称: The Efficacy of Conversational Artificial Intelligence in Rectifying the Theory of Mind and Autonomy Biases - Research Protocol and Data.pdf
- 文件格式: PDF
- 核心内容: 包含研究方案与数据，涉及临床虚拟案例场景设计、两类认知偏差评估维度（心理理论偏差、自主性偏差）、基于CBT原则的定性反馈量化（准确性、治疗质量、依从性）及情感识别分析框架。
适用场景
- 数字心理健康研究：分析CAI在纠正认知偏差中的干预效果
- 对话式AI优化：基于CBT原则改进AI交互的治疗质量与情感识别能力
- 认知偏差机制研究：探索心理理论与自主性偏差的量化评估方法
- 医疗AI伦理分析：评估AI拟人化、过度信任等偏差对人机交互的影响
