多语言心理健康数据集构建：仅靠国籍与语言参数化存在局限

人工智能与大语言模型在应对全球心理健康挑战方面展现出潜力，但高质量多语言数据集的短缺制约了相关系统的训练与评估。当前，研究人员常通过合成临床角色模拟用户数据，以测试数字心理健康支持系统，但现有验证角色多基于英语语境。

本研究探讨了类似角色生成方法是否适用于构建多语言心理健康数据集。研究人员通过调整角色中的国籍和语言参数，生成了中文、孟加拉语和印地语的临床对话，并比较了不同大语言模型评估这些多语言数据集抑郁严重程度的表现，以英语基线为参照。

结果显示，仅添加国籍和语言参数可能不足，这可能导致跨语言临床一致性降低。大语言模型评估非英语文本的抑郁严重程度时经常出现偏差，且不同模型表现差异显著。这暴露了将英语中心角色应用于多语言场景的系统性局限。

研究最终强调，亟需开发文化敏感的数据生成方法，以确保全球心理健康系统的公平性与有效性。