Título do projeto: Personalizing Mental Health Support: A Retrieval-Based LLM Approach to Conversational Agent Development

Nível: Mestrado

Resumo:  Mental health disorders constitute a major global challenge, requiring support solutions that are both accessible and scalable. Conversational agents have emerged as promising tools in this context, but purely generative large language model (LLM) systems remain susceptible to unsupported outputs, weak grounding, and limited adaptation to user-specific context. This work investigates whether combining supervised domain adaptation, guideline-grounded retrieval, and persona-based conditioning improves the quality of emotional-support responses. Three system variants built on the same fine-tuned Llama-3 backbone are compared: a Baseline model controlled through layered prompting, a Hybrid Retrieval-Augmented Generation (RAG) variant grounded in authoritative WHO and NICE mental health guidelines through hybrid retrieval, and a Persona-Based RAG variant that further incorporates persona signs into both retrieval and prompt construction. All variants are protected by a pre-LLM crisis guardrail that short-circuits high-risk inputs and returns a predefined safe response. Evaluation was conducted in a single-turn setting using inputs from mental health datasets associated with multiple persona profiles, and outputs were assessed through both human evaluation and an LLM-as-a-judge protocol under a shared rubric covering empathy, topic adequacy, and personalization. Results from both evaluation sources converge in identifying the Persona-Based RAG variant as the best overall configuration, with the clearest gains in empathy and personalization, while the RAG-only variant remained especially competitive in topic adequacy. These findings indicate that combining grounded retrieval with explicit persona conditioning is a promising strategy for the development of more contextually appropriate and supportive conversational agents for mental health.

Orientadora: Profa. Dra. Helena de Medeiros Caseli

Publicações decorrentes deste projeto:

• PASSADOR, R. V. P. Personalizing mental health support: a retrieval-based llm approach to conversational agent development. Dissertação de Mestrado -- Universidade Federal de São Carlos, 2026. Disponível em: https://hdl.handle.net/20.500.14289/24064 

Título do projeto: Classificação automática de sintomas de transtornos de saúde mental em postagens em redes sociais online

Nível: Iniciação Científica

Breve descrição: A internet ressignificou a forma com a qual as pessoas se comunicam, compram, aprendem, entre outros. Nesse ínterim, observa-se o fenômeno das redes sociais online (RSO) no âmbito da liberdade individual de expressão como uma importante ferramenta para seus usuários pronunciarem seus fazeres cotidianos e, principalmente, seus pensamentos e sentimentos. Concomitantemente, o tratamento de transtornos de saúde mental, dos quais a depressão é o mais conhecido, pode ser considerado uma das questões de saúde mental mais importantes da atualidade. Em particular, no ambiente universitário, cenário escolhido para estudo neste projeto, a prevalência de depressão parece ser maior do que no restante da população. Dessarte, as RSO podem ser importantes aliadas para identificar indivíduos que demonstram possível perfil depressivo (PPD) sendo uma ferramenta útil para o direcionamento efetivo de recursos de saúde mental. Diversos estudos apontam que RSO são ambientes mais naturais para identificação de PPD quando comparados com os instrumentos comumente usados na área de saúde. Com o avanço de novas abordagens no setor de Saúde Mental, que potencializam a identificação de sintomas relacionados a transtornos de saúde mental, levanta-se como foco desse projeto: verificar como esses sintomas se manifestam em postagens textuais e aplicar técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM) para identificá-los e classificá-los automaticamente.

Agência financiadora: FAPESP (2021/02430-9)

Orientadora: Profa. Dra. Helena de Medeiros Caseli

Publicação decorrente deste projeto:

• MENDES, A. R.; PASSADOR, R. V. P.; CASELI, H. M.. Identificando sintomas de depressão em postagens do Twitter em português do Brasil. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 13., 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 162-171. DOI: https://doi.org/10.5753/stil.2021.17795.