Automatisierte akustisch-prosodische Sprachanalyse für die Psychotherapieforschung und die Entwicklung von e-companion enhancement in der Psychotherapie (ASPIRE)

Automatisierte KI-gestützte Sprachanalyse, die potenziell in Echtzeit (intra-session) relevante Konstrukt-Marker erfassen und deren Auswertung ermöglichen kann, hat das Potenzial zur evidenzbasierten situativen Interventionsgestaltung in der Präzisionspsychotherapie beizutragen und als digitale enhancement-Technologie (e-companion) wirksam zu werden (Kučera & Mehl, 2022; Chekroud et al., 2021; Krüger, Siegert & Junne, 2022).
Ziel des Vorhabens ist im Rahmen eines proof-of-concept-Ansatzes die Entwicklung eines validen Prädiktionsmodells für den zentralen Wirkfaktor therapeutische Beziehung (als Modellkonstrukt) auf Basis von sprachinhaltlichen und prosodisch-akustischen Sprachdaten. Dies ermöglicht automatisierte Marker-Identifikation als Basis für die künftige Rückmeldung an PsychotherapeutInnen zur weiteren gezielten Interventionsgestaltung. Auf Basis von automatisierten Diskursanalysen und validierten Ratingsystemen, sollen Querschnittsanalysen zur interpersonalen Robustheit inhaltsanalytischer und akustisch-prosodischer Marker sowie Längsschnittanalysen individueller Beziehungsverläufe ermöglicht werden. In der Datenanalyse erfolgt eine automatische Extraktion der sprachinhaltlichen und der prosodisch-akustischen Marker aus Audiodaten (insb. solche, die im Zusammenhang mit Pitch, Energie, Voice Quality und Rhythmus stehen). Parallel werden KI-basierte State-of-the-Art Anonymisierungsmethoden für den Erhalt der sprachinhaltlichen und prosodisch-akustischen Marker angepasst und es wird analysiert, inwieweit die anonymisierten Daten für die Bewertung der therapeutischen Beziehung reliabel sind.

Automated acoustic-prosodic speech analysis for psychotherapy research and the development of e-companion enhancement in psychotherapy (ASPIRE)

Automated AI-supported speech analysis, which can potentially capture relevant construct markers in real time (intra-session) and enable their evaluation, has the potential to contribute to evidence-based situational intervention design in precision psychotherapy and to become effective as digital enhancement technology (e-companion) (Kučera & Mehl, 2022; Chekroud et al., 2021; Krüger, Siegert & Junne, 2022).
The aim of the project is to develop a valid prediction model for the central impact factor therapeutic relationship (as a model construct) based on speech content and prosodic-acoustic speech data as part of a proof-of-concept approach. This enables automated marker identification as a basis for future feedback to psychotherapists for further targeted intervention design. On the basis of automated discourse analyses and validated rating systems, cross-sectional analyses of the interpersonal robustness of content-analytical and acoustic-prosodic markers as well as longitudinal analyses of individual relationship trajectories will be made possible. In the data analysis, speech content and prosodic-acoustic markers are automatically extracted from audio data (especially those related to pitch, energy, voice quality and rhythm). In parallel, AI-based state-of-the-art anonymization methods are adapted to obtain the speech content and prosodic-acoustic markers and the extent to which the anonymized data is reliable for the evaluation of the therapeutic relationship is analyzed.