Natural language

Introduction Deception elicits measurable cognitive and linguistic changes, yet accurately identifying deceptive language in high-stakes environments remains a persistent challenge. Although natural language processing (NLP) and machine learning (ML) techniques have shown promise in detecting misinformation and low-stakes deception, their performance on spontaneous, stress-induced speech remains poorly understood. This study investigates linguistic markers of deception and evaluates the performance of supervised ML models and a knowledge-grounded language model, FranklinAsk™, across both synthetic and real-world datasets. Methods Linguistic analyses were conducted on responses from a National Center for Credibility Assessment (NCCA) military training exercise involving truthful and deceptive participants. A synthetic dataset was generated using MOSTLYAI to provide a balanced corpus for ML training. Linguistic features were extracted using pretrained NLP models, and supervised classifiers, including logistic regression, Random Forest, Naïve Bayes, and Support Vector Machine (SVM), were trained using LIWC-22 features with 10-fold cross-validation. The FranklinAsk™ RAG system was evaluated using the same participant responses to compare knowledge-grounded reasoning with statistical learning. Results Two linguistic features, cardinal numbers (nominal p = 0.041) and particles (nominal p = 0.0486), reached the unadjusted significance threshold, each with a moderate effect size ( d = 0.55); neither remained statistically significant after Benjamini-Hochberg FDR correction (adjusted p = 0.668 for both). No significant sentiment differences were observed. On the synthetic dataset, logistic regression performed best (F1 = 0.930; ROC AUC = 0.978), but all supervised models showed substantial performance declines when applied to the real-world dataset. In contrast, FranklinAsk™ achieved the highest F1-score (0.519), highest accuracy (0.487), and second-highest recall (0.700) on the military exercise data. Discussion These findings highlight the limited generalizability of synthetic-trained deception models to real-world, high-stakes communication and motivate further investigation of knowledge-grounded language models as an alternative approach when labeled real-world training data are limited. Future research should prioritize expanding ecologically valid datasets and exploring hybrid approaches that combine statistical modeling with knowledge-grounded reasoning.

To handle the problem of resource scarcity and lack of personalization and adaptability in the traditional approach to mindfulness-based cognitive therapy (MBCT) in dealing with college students with anxiety disorders, this study proposes the use of the natural language interface and adaptability properties of large language models (LLMs) to come up with an intelligent college-level MBCT intervention system. To begin with, the system functional requirements and the logic of the system intervention were explained in line with the fundamental ideas of MBCT and the cognitive features of students with anxiety. Second, it was created through a four-stage adaptive architecture that includes perception analysis, intervention, and feedback, providing a dynamic process for user status identification, personal generation of intervention plans, and real-time optimization of the intervention process. Finally, there was a randomized controlled trial whose subjects were 120 college students with anxiety who were separated into an experimental group and a control group. The effectiveness of the intervention was assessed using tools such as the Self-Rating Anxiety Scale (SAS), the Mindful Attention Awareness Scale (MAAS), and the Automatic Thoughts Questionnaire (ATQ). The findings indicated that the SAS score of the experimental group (38.26 ± 5.12) was significantly less than that of the control group (45.89 ± 6.34), the MAAS score (68.73 ± 7.25) was significantly higher than that of the control group (56.41 ± 8.13); and the ATQ score (42.15 ± 6.08) was significantly less than that of the control group. The study reveals that an adaptive MBCT system using large language models may be effective in reducing anxiety symptoms among college students, improving mindfulness, and enhancing cognitive processes, offering a new, readily available strategy for addressing anxiety in college students.

به منظور مقابله با مشکل کمبود منابع و فقدان شخصی‌سازی و تطبیق‌پذیری در رویکرد سنتی درمان شناختی مبتنی بر ذهن‌آگاهی (MBCT) در مواجهه با دانشجویان مبتلا به اختلالات اضطرابی، این پژوهش استفاده از رابط زبان طبیعی و ویژگی‌های تطبیقی مدل‌های زبانی بزرگ (LLMs) را برای طراحی یک سامانه‌ی هوشمند مداخله MBCT در سطح دانشگاهی پیشنهاد می‌کند. ابتدا، نیازمندی‌های عملکردی سامانه و منطق مداخله سامانه مطابق با اصول بنیادین MBCT و ویژگی‌های شناختی دانشجویان مبتلا به اضطراب تبیین شد. سپس، این سامانه از طریق معماری تطبیقی چهارمرحله‌ای شامل تحلیل ادراک، مداخله و بازخورد ایجاد گردید که فرآیندی پویا برای شناسایی وضعیت کاربر، تولید شخصی‌سازی‌شده برنامه‌های مداخله و بهینه‌سازی آنی فرآیند مداخله فراهم می‌آورد. در نهایت، یک کارآزمایی تصادفی‌شده‌ی کنترل‌شده با شرکت ۱۲۰ دانشجوی مبتلا به اضطراب انجام شد که به دو گروه آزمایش و کنترل تقسیم شدند. اثربخشی مداخله با استفاده از ابزارهایی همچون مقیاس خودسنجی اضطراب (SAS)، مقیاس آگاهی و توجه ذهن‌آگاهانه (MAAS) و پرسشنامه افکار خودکار (ATQ) ارزیابی گردید. یافته‌ها نشان داد که نمره SAS گروه آزمایش (38.26 ± 5.12) به طور معناداری کمتر از گروه کنترل (45.89 ± 6.34) بود، نمره MAAS (68.73 ± 7.25) به طور معناداری بالاتر از گروه کنترل (56.41 ± 8.13) بود؛ و نمره ATQ (42.15 ± 6.08) نیز به طور معناداری کمتر از گروه کنترل بود. این پژوهش نشان می‌دهد که سامانه تطبیقی MBCT مبتنی بر مدل‌های زبانی بزرگ می‌تواند در کاهش علائم اضطراب در میان دانشجویان، بهبود ذهن‌آگاهی و ارتقای فرآیندهای شناختی مؤثر باشد و راهبردی نوین و در دسترس برای مقابله با اضطراب دانشجویان ارائه می‌دهد.

The objective of this proof-of-concept study was to apply natural language processing (NLP) techniques to case notes of probationers to identify textual features associated with absconding from supervision. A text regression method called concise comparative summaries (CCS) was applied to case notes from N = 2,000 misdemeanor and felony offenders on probation in Tarrant County, Texas. Half of the probationers had completed probation, while the other half had absconded. There were 10 words and phrases associated with probation absconding (e.g., “technical violation”, “failed pay”, “cannabinoids”) and 14 associated with probation completion (e.g., “paid fees”, “alcohol use”, and “everything going well”). Results affirm the utility of using NLP methods to identify key words and phrases that are associated with probation absconding and completion and may help generate hypotheses for future research on absconding.

هدف این مطالعه اثبات مفهوم، به‌کارگیری تکنیک‌های پردازش زبان طبیعی (NLP) بر یادداشت‌های پرونده افراد تحت آزادی مشروط به‌منظور شناسایی ویژگی‌های متنی مرتبط با فرار از نظارت بود. یک روش رگرسیون متنی با عنوان خلاصه‌های مقایسه‌ای موجز (CCS) بر یادداشت‌های پرونده N = 2,000 نفر از مجرمان دارای جرایم جنحه و جنایی که در شهرستان Tarrant ایالت تگزاس تحت آزادی مشروط بودند، اعمال شد. نیمی از افراد تحت آزادی مشروط دوره خود را به پایان رسانده بودند و نیمی دیگر فرار کرده بودند. ده واژه و عبارت با فرار از آزادی مشروط (مانند «تخلف فنی»، «عدم پرداخت»، «cannabinoids») و چهارده واژه و عبارت با اتمام آزادی مشروط (مانند «پرداخت هزینه‌ها»، «مصرف الکل» و «همه چیز به خوبی پیش می‌رود») مرتبط بودند. نتایج، سودمندی استفاده از روش‌های NLP برای شناسایی واژه‌ها و عبارات کلیدی مرتبط با فرار و اتمام آزادی مشروط را تأیید می‌کند و ممکن است به تولید فرضیه‌هایی برای پژوهش‌های آینده درباره فرار کمک کند.

This study aims to map the global development of Arabic language education research through a bibliometric analysis of publication trends, journal sources, contributing institutions, countries of corresponding authors, and the most-cited documents. It also analyses keyword co-occurrence to identify major research themes, emerging trends, and potential future directions. Data were collected from the Scopus database using a structured search query, resulting in 166 documents after a rigorous screening process. Prior to analysis, metadata were cleaned using OpenRefine to ensure consistency and accuracy by standardizing author names, institutional affiliations, and keyword variations. Bibliometric analysis was conducted using Biblioshiny (R) and VOSviewer. In the VOSviewer analysis, a thesaurus file was applied to standardize terminology and eliminate duplication, ensuring accurate thematic mapping. The findings indicate a significant increase in publications over the past decade, reflecting growing academic interest in Arabic language education. The results show a strong dominance of technology-oriented journals, particularly in artificial intelligence and natural language processing. Research productivity is concentrated in the Middle East, especially in Saudi Arabia and Egypt, although international collaboration is gradually increasing. Highly cited documents tend to focus on computational approaches and the development of linguistic resources, highlighting their central role in advancing the field. Thematic analysis reveals five major research clusters, including machine learning, pedagogy, computational linguistics, speech processing, and natural language processing. The evolution of research topics shows a shift from traditional teaching approaches to advanced technologies such as deep learning and large language models. These patterns indicate an increasing integration of pedagogical and technological perspectives in the field. Future research directions include the development of large-scale Arabic datasets, the integration of explainable artificial intelligence, adaptive learning systems, and ethical considerations in AI-based education. These findings provide empirical insights for researchers and policymakers to support evidence-based development in Arabic language education.

این مطالعه با هدف نقشه‌برداری از روند جهانی توسعه پژوهش‌های آموزش زبان عربی از طریق تحلیل کتاب‌سنجی روندهای انتشار، منابع مجلات، نهادهای مشارکت‌کننده، کشورهای نویسندگان مسئول و اسناد پرارجاع انجام شده است. همچنین، هم‌رخدادی واژگان کلیدی برای شناسایی محورهای اصلی پژوهش، روندهای نوظهور و جهت‌گیری‌های آینده مورد تحلیل قرار گرفته است. داده‌ها با استفاده از یک پرسش ساختاریافته از پایگاه داده Scopus گردآوری شد که پس از فرایند غربالگری دقیق، ۱۶۶ سند به دست آمد. پیش از تحلیل، فراداده‌ها با استفاده از OpenRefine برای اطمینان از یکنواختی و دقت، از طریق استانداردسازی نام نویسندگان، وابستگی‌های سازمانی و گونه‌های واژگان کلیدی پاک‌سازی شد. تحلیل کتاب‌سنجی با استفاده از Biblioshiny (R) و VOSviewer انجام گرفت. در تحلیل VOSviewer، یک فایل اصطلاحنامه برای استانداردسازی واژگان و حذف تکرار به کار رفت تا نقشه‌برداری موضوعی با دقت انجام شود. یافته‌ها نشان‌دهنده افزایش قابل توجه انتشارات در دهه گذشته و بازتاب‌دهنده رشد علاقه علمی به آموزش زبان عربی است. نتایج حاکی از غلبه چشمگیر مجلات فناوری‌محور، به ویژه در حوزه هوش مصنوعی و پردازش زبان طبیعی است. تولید پژوهش عمدتاً در خاورمیانه، به ویژه عربستان سعودی و مصر متمرکز است، هرچند همکاری‌های بین‌المللی به تدریج در حال افزایش است. اسناد پرارجاع عمدتاً بر رویکردهای محاسباتی و توسعه منابع زبانی متمرکزند و نقش محوری آن‌ها در پیشبرد این حوزه را برجسته می‌کنند. تحلیل موضوعی پنج خوشه اصلی پژوهشی شامل یادگیری ماشین، آموزش، زبان‌شناسی محاسباتی، پردازش گفتار و پردازش زبان طبیعی را نشان می‌دهد. تحول موضوعات پژوهشی، گذار از رویکردهای سنتی آموزش به فناوری‌های پیشرفته‌ای چون یادگیری عمیق و مدل‌های زبانی بزرگ را آشکار می‌سازد. این الگوها نشان‌دهنده ادغام فزاینده دیدگاه‌های آموزشی و فناورانه در این حوزه است. جهت‌گیری‌های آینده پژوهش شامل توسعه داده‌مجموعه‌های بزرگ زبان عربی، ادغام هوش مصنوعی قابل تبیین، سامانه‌های یادگیری تطبیقی و ملاحظات اخلاقی در آموزش مبتنی بر هوش مصنوعی است. این یافته‌ها بینش‌های تجربی برای پژوهشگران و سیاست‌گذاران به منظور حمایت از توسعه مبتنی بر شواهد در آموزش زبان عربی فراهم می‌کند.

This paper presents an exploratory systematic review of artificial intelligence (AI) in physics education and its alignment with Sustainable Development Goal 4 (SDG 4). Following Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 guidelines (Page et al., 2021), a Web of Science search conducted on January 15, 2025, yielded 105 records; after independent dual-reviewer screening (Cohen’s κ = 0.82 on n = 105 title/abstract decisions), 12 empirical studies published between 2013 and 2025 were included and analyzed. Given the small corpus and emergent nature of the field, findings are explicitly characterized as exploratory evidence mapping rather than consolidated empirical conclusions. The corpus spans educational contexts from secondary school to teacher training and engages AI types including intelligent tutoring systems, machine learning, natural language processing, and generative models. Results indicate that AI is used in four pedagogical roles: tutor, evaluator, assistant, and analyst, with documented benefits in conceptual understanding, formative feedback, personalization, and self-regulated learning. Alignment with SDG-4-relevant sustainability competencies (critical thinking, problem solving, collaboration, and digital literacy) was identified through a secondary interpretive analysis by the review authors against Education for Sustainable Development competency frameworks (Rieckmann, 2011; UNESCO, 2017; 2024); this alignment is inferential and design-based rather than directly measured by the primary studies. Ongoing challenges include technical reliability, teacher preparation and acceptance, and ethical concerns regarding transparency, bias, equity, and data protection. The review contributes an initial, disciplinary-specific evidence map at the intersection of AI, physics education, and SDG 4, and identifies six evidence gaps for future empirical research. No protocol was preregistered prior to conducting this review; this absence is acknowledged as a transparency limitation.

این مقاله به ارائه یک مرور نظام‌مند اکتشافی درباره هوش مصنوعی (AI) در آموزش فیزیک و همسویی آن با هدف توسعه پایدار ۴ (SDG 4) می‌پردازد. با پیروی از دستورالعمل‌های Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 (Page و همکاران، 2021)، جستجوی Web of Science که در تاریخ ۱۵ ژانویه ۲۰۲۵ انجام شد، ۱۰۵ رکورد را به دست داد؛ پس از غربالگری مستقل توسط دو ارزیاب (ضریب کاپا کوهن κ = 0.82 بر روی n = 105 تصمیم عنوان/چکیده)، ۱۲ مطالعه تجربی منتشرشده بین سال‌های ۲۰۱۳ تا ۲۰۲۵ وارد و تحلیل شدند. با توجه به حجم اندک مطالعات و ماهیت نوظهور این حوزه، یافته‌ها به طور صریح به عنوان نگاشت شواهد اکتشافی و نه نتیجه‌گیری‌های تجربی تثبیت‌شده توصیف می‌شوند. بدنه مطالعات زمینه‌های آموزشی از دبیرستان تا آموزش معلمان را دربر می‌گیرد و انواع هوش مصنوعی شامل سامانه‌های آموزش هوشمند، یادگیری ماشین، پردازش زبان طبیعی و مدل‌های مولد را مورد استفاده قرار می‌دهد. نتایج نشان می‌دهد که هوش مصنوعی در چهار نقش آموزشی شامل معلم، ارزیاب، دستیار و تحلیل‌گر به کار می‌رود و مزایایی چون ارتقای درک مفهومی، بازخورد تکوینی، شخصی‌سازی و یادگیری خودتنظیمی را به همراه دارد. همسویی با شایستگی‌های پایداری مرتبط با SDG-4 (تفکر انتقادی، حل مسئله، همکاری و سواد دیجیتال) از طریق تحلیل تفسیری ثانویه توسط نویسندگان مرور و بر اساس چارچوب‌های شایستگی آموزش برای توسعه پایدار (Rieckmann، ۲۰۱۱؛ یونسکو، ۲۰۱۷؛ ۲۰۲۴) شناسایی شد؛ این همسویی استنباطی و مبتنی بر طراحی است و نه مستقیماً توسط مطالعات اولیه اندازه‌گیری شده باشد. چالش‌های جاری شامل پایایی فنی، آمادگی و پذیرش معلمان و نگرانی‌های اخلاقی درباره شفافیت، سوگیری، عدالت و حفاظت از داده‌ها است. این مرور، نگاشت اولیه و اختصاصی شواهد را در تقاطع هوش مصنوعی، آموزش فیزیک و SDG 4 ارائه می‌دهد و شش شکاف شواهدی برای پژوهش‌های تجربی آینده شناسایی می‌کند. هیچ پروتکلی پیش از انجام این مرور ثبت نشده است؛ این فقدان به عنوان یک محدودیت شفافیت مورد اشاره قرار گرفته است.

Abstract This study introduces K-text, a website designed to measure Korean language proficiency from second language writing and speech data through 20 complexity, accuracy, and fluency indices using natural language processing. A key advantage of K-text is its ability to measure accuracy and fluency in addition to complexity. To test the 20 indices’ preliminary validity, this study investigates whether they can predict overall criterion-based Korean proficiency from 1 to 6 (equivalent to A1 to C2) when they are used to analyze 45,855 second language learners’ essays from the Korean Learner Corpus. The findings show that all of the individual K-text indices are significant predictors of overall Korean proficiency. Together, the 20 indices accounted for 44.50% of the variation observed in proficiency scores. These results suggest that K-text is a valuable resource for analyzing Korean language production data in relation to overall proficiency.

این پژوهش K-text را معرفی می‌کند، وب‌سایتی که برای سنجش مهارت زبان کره‌ای از داده‌های نوشتاری و گفتاری زبان دوم از طریق ۲۰ شاخص پیچیدگی، دقت و روانی با استفاده از پردازش زبان طبیعی طراحی شده است. مزیت اصلی K-text توانایی آن در سنجش دقت و روانی علاوه بر پیچیدگی است. برای آزمون روایی مقدماتی این ۲۰ شاخص، این پژوهش بررسی می‌کند که آیا آن‌ها می‌توانند مهارت کلی زبان کره‌ای مبتنی بر معیار را از ۱ تا ۶ (معادل A1 تا C2) پیش‌بینی کنند، زمانی که برای تحلیل ۴۵٬۸۵۵ انشای زبان‌آموزان زبان دوم از پیکره زبان‌آموزان کره‌ای به کار می‌روند. یافته‌ها نشان می‌دهد که همه شاخص‌های منفرد K-text پیش‌بینی‌کننده معنادار مهارت کلی زبان کره‌ای هستند. در مجموع، این ۲۰ شاخص ۴۴/۵۰٪ از واریانس مشاهده‌شده در نمرات مهارت را تبیین کردند. این نتایج نشان می‌دهد که K-text منبعی ارزشمند برای تحلیل داده‌های تولید زبان کره‌ای در ارتباط با مهارت کلی است.

Can decades of Zen meditation leave measurable traces in the practitioner’s natural language? Long-term contemplative practice is widely understood to reshape emotion regulation, self-referential processing, and perceptual engagement, yet empirical research on these transformations has been fundamentally constrained by two limitations: an observation window of weeks to months at most, and an almost exclusive reliance on self-report and neuroimaging measures that cannot reach the automated, prereflective dimensions of psychological life most directly reshaped by sustained practice. This study applies computational quantitative content analysis to nine major poetry collections by the American Zen practitioner-poet Gary Snyder, spanning six decades (1959-2015), to test three directional hypotheses derived from core Zen concepts: affective settling ( ānxīn , H1), self-referential attenuation ( anātman , H2), and perceptual despecification ( ānimitta , H3). Each hypothesis is held against a rival explanation as a falsification reference. The results reveal career-long changes across three analytical domains: negative-emotion vocabulary declines monotonically while positive and neutral categories show no statistically detectable trend; first-person pronouns, somatic vocabulary, grammatical agency, and cognitive certainty converge in decline across four distinct linguistic layers; embodied sensory specificity thins systematically while vocabulary drifts toward greater abstraction. Changepoint detection offers descriptive corroboration of the periodization. A comparison with a contemporaneous non-practicing poet (Wendell Berry) is descriptive in evidential status: the affective and self-referential trends are significant in Snyder but not in Berry, direct tests of the between-poet differences do not yield differences that are robust across interval-construction methods, and sensory thinning appears in both poets and may reflect processes shared across long poetic careers. These findings constitute what is, to our knowledge, the longest longitudinal linguistic record of a verified long-term Zen practitioner–documenting career-long changes that are consistent with, though not attributable to, sustained practice–and demonstrate the distinctive methodological value of naturally produced creative texts as a comparatively non-reactive observational window for studying long-term contemplative transformation.

آیا دهه‌ها مراقبه ذن می‌تواند ردپای قابل سنجشی در زبان طبیعی کنشگر بر جای گذارد؟ به طور گسترده پذیرفته شده است که تمرین تأملی بلندمدت، تنظیم هیجان، پردازش خودارجاعی و درگیری ادراکی را بازشکل می‌دهد، اما پژوهش‌های تجربی درباره این دگرگونی‌ها به طور بنیادین با دو محدودیت مواجه بوده‌اند: پنجره مشاهده‌ای که در بهترین حالت از چند هفته تا چند ماه را دربر می‌گیرد، و اتکای تقریباً انحصاری بر سنجه‌های خودگزارشی و تصویربرداری عصبی که قادر به دسترسی به ابعاد خودکار و پیشاتأملی زندگی روان‌شناختی که بیشترین تأثیر را از تمرین پایدار می‌پذیرند، نیستند. این مطالعه با به‌کارگیری تحلیل محتوای کمی محاسباتی بر نه مجموعه شعر اصلی از شاعر و کنشگر ذن آمریکایی Gary Snyder، در بازه‌ای شش دهه‌ای (۱۹۵۹ تا ۲۰۱۵)، سه فرضیه جهت‌دار برگرفته از مفاهیم محوری ذن را می‌آزماید: آرام‌گیری عاطفی (ānxīn، H1)، کاهش خودارجاعی (anātman، H2)، و کاهش ویژگی‌مندی ادراکی (ānimitta، H3). هر فرضیه در برابر یک تبیین رقیب به عنوان مرجع ابطال قرار گرفته است. نتایج، تغییرات شغلی در سه حوزه تحلیلی را نشان می‌دهد: واژگان هیجان منفی به طور یکنواخت کاهش می‌یابد، در حالی که دسته‌های مثبت و خنثی روند آماری قابل تشخیصی نشان نمی‌دهند؛ ضمایر اول شخص، واژگان جسمانی، عاملیت دستوری و قطعیت شناختی در چهار لایه زبانی متمایز به طور همگرا کاهش می‌یابند؛ ویژگی‌مندی حسی تجسم‌یافته به طور نظام‌مند کاهش می‌یابد و واژگان به سمت انتزاع بیشتر میل می‌کند. شناسایی نقطه تغییر، تأیید توصیفی دوره‌بندی را فراهم می‌کند. مقایسه با یک شاعر معاصر غیرکنشگر (Wendell Berry) از حیث شواهد توصیفی است: روندهای عاطفی و خودارجاعی در Snyder معنادار است اما در Berry چنین نیست، آزمون‌های مستقیم تفاوت بین شاعران تفاوت‌هایی را نشان نمی‌دهد که در روش‌های مختلف ساخت بازه زمانی پایدار باشند، و کاهش ویژگی‌مندی حسی در هر دو شاعر مشاهده می‌شود و ممکن است بازتاب فرایندهای مشترک در طول دوران حرفه‌ای شاعری باشد. این یافته‌ها، به دانش ما، طولانی‌ترین سابقه زبانی طولی یک کنشگر ذن تأییدشده را تشکیل می‌دهد—و تغییرات شغلی را مستند می‌کند که با تمرین پایدار سازگار است، هرچند به آن منتسب نمی‌شود—و ارزش روش‌شناختی متمایز متون خلاقانه تولیدشده به طور طبیعی را به عنوان پنجره مشاهده‌ای نسبتاً غیرواکنشی برای مطالعه دگرگونی تأملی بلندمدت نشان می‌دهد.

Popular relapse prevention theories are represented using natural language descriptions and lack temporal information about how phenomena of interest (i.e., ‘relapse’, ‘prolapse’, ‘abstinence’) are dynamically caused over time and within individuals. We drew on the Theory Construction Methodology to develop a formal and computational model of relapse in smoking cessation. We used a participatory, iterative, multi-method approach involving i) an informal theory and computational model review, ii) stakeholder interviews with researchers, people with lived experience, stop smoking practitioners, and policymakers ( N = 15) and iii) in silico simulations. We propose an initial within-person system dynamics model of relapse (‘COMPLAPSE’) in which biopsychosocial factors (e.g., stressors, cigarette cues, cravings, self-efficacy) are represented as time-varying inputs and state variables. These factors jointly determine the momentary preference for each behavioural option (i.e., smoke a cigarette, use a regulatory strategy, do nothing), with the probability of selecting each option (i.e., the output) generated by a softmax function. The simulations highlight the model’s ability to generate representational patterns of the phenomena of interest (i.e., relapse, prolapse and abstinence), thus providing an early sense-check of its explanatory adequacy. In addition, local sensitivity analyses demonstrate that systematic variation of selected model parameters leads to expected qualitative shifts from, for example, prolapse to relapse. We discuss the implications of our work for relapse prevention theories and real-world applications, including the development and optimisation of technology-mediated just-in-time adaptive interventions for relapse prevention in smoking cessation.

نظریه‌های رایج پیشگیری از بازگشت به مصرف با استفاده از توصیفات زبان طبیعی ارائه می‌شوند و فاقد اطلاعات زمانی درباره چگونگی ایجاد پویای پدیده‌های مورد علاقه (یعنی «بازگشت به مصرف»، «پیشرفت»، «پرهیز») در طول زمان و درون افراد هستند. ما با بهره‌گیری از روش‌شناسی ساخت نظریه، یک مدل صوری و محاسباتی از بازگشت به مصرف در ترک سیگار توسعه دادیم. ما از رویکردی مشارکتی، تکرارشونده و چند روشی استفاده کردیم که شامل: i) مرور غیررسمی نظریه و مدل محاسباتی، ii) مصاحبه با ذینفعان شامل پژوهشگران، افراد با تجربه زیسته، درمانگران ترک سیگار و سیاست‌گذاران (N = 15) و iii) شبیه‌سازی‌های رایانه‌ای بود. ما یک مدل اولیه پویایی سیستم درون‌فردی بازگشت به مصرف («COMPLAPSE») را پیشنهاد می‌کنیم که در آن عوامل زیستی‌روانی‌اجتماعی (مانند عوامل استرس‌زا، نشانه‌های سیگار، اشتیاق به مصرف، خودکارآمدی) به عنوان ورودی‌ها و متغیرهای حالت متغیر در زمان نمایش داده می‌شوند. این عوامل به طور مشترک ترجیح لحظه‌ای برای هر گزینه رفتاری (یعنی کشیدن سیگار، استفاده از راهبرد تنظیمی، هیچ اقدامی نکردن) را تعیین می‌کنند و احتمال انتخاب هر گزینه (یعنی خروجی) توسط یک تابع softmax تولید می‌شود. شبیه‌سازی‌ها توانایی مدل را در تولید الگوهای بازنمایی پدیده‌های مورد علاقه (یعنی بازگشت به مصرف، پیشرفت و پرهیز) برجسته می‌کند و بدین ترتیب ارزیابی اولیه‌ای از کفایت تبیینی آن ارائه می‌دهد. علاوه بر این، تحلیل‌های حساسیت محلی نشان می‌دهد که تغییر نظام‌مند برخی پارامترهای مدل منجر به تغییرات کیفی مورد انتظار، برای مثال از پیشرفت به بازگشت به مصرف، می‌شود. پیامدهای این پژوهش برای نظریه‌های پیشگیری از بازگشت به مصرف و کاربردهای عملی، از جمله توسعه و بهینه‌سازی مداخلات تطبیقی مبتنی بر فناوری در لحظه برای پیشگیری از بازگشت به مصرف در ترک سیگار، مورد بحث قرار گرفته است.

Large Language Models (LLMs) have demonstrated significant capabilities in generating human-like and contextually relevant responses across a wide range of applications.However, their reliability is affected not only by factual hallucinations but also by failures to correctly understand and follow user instructions.This emerging issue, referred to as intent hallucination, occurs when an LLM omits, misinterprets, or fails to satisfy one or more requirements contained in a user's request, even when the generated response may be factually correct.Such failures can reduce the reliability and usefulness of LLM-based systems, particularly in complex tasks involving multiple constraints.This paper proposes a systematic review of existing research on intent hallucination and instructionfollowing capabilities in Large Language Models.The study will examine major types and causes of instructionfollowing failures, existing benchmarks and evaluation techniques, methods for detecting such failures, and approaches proposed to mitigate them.The review will also compare current evaluation frameworks and investigate limitations in existing research, particularly concerning complex, multi-constraint, and dynamic user instructions.Based on the reviewed literature, the study aims to organize existing approaches into a structured taxonomy covering instruction-following failures, detection and evaluation methods, and mitigation strategies.Finally, the paper will highlight open research challenges and future directions for developing more reliable and intent-aligned LLM systems.The study aims to provide a consolidated understanding of intent hallucination and support future research toward more dependable human-AI interaction.

مدل‌های زبانی بزرگ (LLMs) توانایی‌های قابل توجهی در تولید پاسخ‌های مشابه انسان و مرتبط با زمینه در طیف وسیعی از کاربردها نشان داده‌اند. با این حال، پایایی آن‌ها نه تنها تحت تأثیر توهمات واقعی بلکه همچنین به دلیل ناتوانی در درک و پیروی صحیح از دستورالعمل‌های کاربر قرار می‌گیرد. این مسئله نوظهور که به آن توهم نیت گفته می‌شود، زمانی رخ می‌دهد که یک مدل زبانی بزرگ یک یا چند الزام موجود در درخواست کاربر را حذف، تفسیر نادرست یا برآورده نمی‌کند، حتی اگر پاسخ تولیدشده از نظر واقعی صحیح باشد. چنین شکست‌هایی می‌تواند پایایی و سودمندی سامانه‌های مبتنی بر مدل‌های زبانی بزرگ را به ویژه در وظایف پیچیده با محدودیت‌های متعدد کاهش دهد. این مقاله مرور نظام‌مندی از پژوهش‌های موجود درباره توهم نیت و قابلیت‌های پیروی از دستورالعمل در مدل‌های زبانی بزرگ ارائه می‌دهد. این مطالعه انواع اصلی و علل شکست‌های پیروی از دستورالعمل، معیارها و تکنیک‌های ارزیابی موجود، روش‌های شناسایی این شکست‌ها و رویکردهای پیشنهادی برای کاهش آن‌ها را بررسی خواهد کرد. همچنین این مرور چارچوب‌های ارزیابی فعلی را مقایسه و محدودیت‌های پژوهش‌های موجود، به ویژه در ارتباط با دستورالعمل‌های پیچیده، چندمحدوده‌ای و پویا را بررسی می‌کند. بر اساس ادبیات مرورشده، مطالعه حاضر تلاش دارد رویکردهای موجود را در قالب یک طبقه‌بندی ساختاریافته شامل شکست‌های پیروی از دستورالعمل، روش‌های شناسایی و ارزیابی و راهبردهای کاهش سازماندهی کند. در نهایت، مقاله چالش‌های پژوهشی باز و مسیرهای آینده برای توسعه سامانه‌های مدل زبانی بزرگ پایاتر و هم‌راستا با نیت کاربر را برجسته خواهد کرد. هدف این مطالعه ارائه درکی یکپارچه از توهم نیت و حمایت از پژوهش‌های آتی به سوی تعامل انسان-هوش مصنوعی قابل اعتمادتر است.

Abstract Rapid advancements in education assessment and natural language processing have fundamentally transformed the methodologies employed in multi-dimensional writing assessment. Neural network approaches have shown remarkable effectiveness, obviating the need for handcrafted feature engineering. However, the potential of pre-trained language models for constructing multi-dimensional automated essay scoring (AES) models still needs to be explored. The present study addresses critical challenges, including the resilience of AES models to subtle input perturbations leading to prediction inaccuracies and the elucidation of the intricate mechanisms within deep learning frameworks. We propose an integrated approach leveraging multi-task learning and the pre-trained model Bidirectional Encoder Representations from Transformers (BERT), augmented with adversarial training via the Fast Gradient Sign Method (FGSM), aiming to enhance scoring accuracy and stability in multi-dimensional AES tasks. Findings reveal that BERT-Integrated-MTL-FGSM significantly outperforms existing baselines. Integrating Explainable Artificial Intelligence (XAI) elucidates the complex evaluation processes within the deep learning black box, offering potentially diagnostic feedback for students and assisting educators in delivering individualized instruction guided by word-level attributions across diverse analytic rating scales. These insights enhance the robustness, generalizability, and interpretability of multi-dimensional AES models, thus paving an interdisciplinary pathway for multi-dimensional writing assessment and instruction.

پیشرفت‌های سریع در ارزیابی آموزشی و پردازش زبان طبیعی، روش‌شناسی‌های به‌کاررفته در ارزیابی چندبُعدی نوشتار را به‌طور بنیادین متحول کرده‌اند. رویکردهای شبکه عصبی اثربخشی چشمگیری نشان داده‌اند و نیاز به مهندسی ویژگی‌های دستی را برطرف ساخته‌اند. با این حال، پتانسیل مدل‌های زبانی از پیش‌آموزش‌دیده برای ساخت مدل‌های خودکار نمره‌دهی مقاله (AES) چندبُعدی همچنان نیازمند بررسی است. مطالعه حاضر به چالش‌های اساسی از جمله تاب‌آوری مدل‌های AES در برابر اختلالات جزئی ورودی که منجر به نادرستی پیش‌بینی می‌شوند و تبیین سازوکارهای پیچیده در چارچوب‌های یادگیری عمیق می‌پردازد. ما رویکردی یکپارچه مبتنی بر یادگیری چندوظیفه‌ای و مدل از پیش‌آموزش‌دیده Bidirectional Encoder Representations from Transformers (BERT) ارائه می‌دهیم که با آموزش خصمانه از طریق Fast Gradient Sign Method (FGSM) تقویت شده است، با هدف ارتقای دقت و پایداری نمره‌دهی در وظایف AES چندبُعدی. یافته‌ها نشان می‌دهند که BERT-Integrated-MTL-FGSM به طور معناداری عملکرد بهتری نسبت به خطوط پایه موجود دارد. ادغام هوش مصنوعی قابل‌توضیح (XAI) فرآیندهای ارزیابی پیچیده در جعبه سیاه یادگیری عمیق را روشن می‌سازد و بازخورد تشخیصی بالقوه‌ای برای دانشجویان فراهم می‌کند و به مدرسان در ارائه آموزش فردمحور مبتنی بر انتساب‌های واژه‌محور در مقیاس‌های تحلیلی متنوع کمک می‌کند. این بینش‌ها موجب افزایش تاب‌آوری، قابلیت تعمیم و تفسیرپذیری مدل‌های AES چندبُعدی می‌شود و بدین ترتیب مسیر میان‌رشته‌ای برای ارزیابی و آموزش چندبُعدی نوشتار هموار می‌گردد.