TheraVatars: Emotionele Avatars ter ondersteuning van psychologen in opleiding

Deze aanvraag beoogt de ontwikkeling van een virtuele patiënt die psychologen in opleiding een platform biedt om hun soft skills te trainen in een breed scala aan situaties. Ontwikkeling hiervan biedt betrokken MKB de mogelijkheid onderzoek en ontwikkeling te doen naar zo’n platform en hun expertise in AI te verrijken

Momenteel is de praktijk van soft skills training hoofdzakelijk gericht op rollenspellen met medestudenten, maar in een beperkt aantal scenario’s. Dit betekent dat studenten niet adequaat worden voorbereid op de complexiteit van de klinische praktijk. Hoewel er al langer gezocht wordt naar alternatieven, zoals oefenen met acteurs, blijkt dit in de praktijk moeilijk te realiseren en financieel belastend. Hierdoor worden studenten onvoldoende blootgesteld aan de realiteit van het beroepenveld waarin ze zullen werken.

Voor een authentiekere wisselwerking tussen de therapeut in opleiding en de virtuele patiënt, is het belangrijk dat er emoties worden getoond tijdens de gesprekken. Daarom onderzoeken we de mogelijkheden van automatische emotieherkenning in dialooginteracties, zodat de virtuele patiënt in staat is om emoties in zijn taalgebruik te integreren. Dit stelt de therapeut in opleiding in staat om een diagnose te stellen gebaseerd op zowel de inhoud van het gesprek als de uitgedrukte emoties.

Door interactie met de virtuele patiënt kunnen studenten experimenteren met diverse situaties, reacties en persoonlijkheden, wat een realistischere trainingsomgeving biedt. Deze aanpak vult niet alleen het bestaande tekort aan diverse oefenervaringen aan, maar biedt ook een flexibele en schaalbare oplossing die eenvoudig kan worden geïntegreerd in bestaande lesprogramma's. Het resultaat is een verbeterde voorbereiding van studenten op hun toekomstige professionele praktijk. Virtuele patiënten kunnen deze interactieve ervaringen mogelijk maken. Hiermee wordt ingegaan op de wens van betrokken MKB zich verder te verdiepen in AI technologie die de zorgsector ten goede komt.

Het project TheraVatars had als doel een eerste prototype te ontwikkelen van een virtuele patiënt die psychologie¬studenten ondersteunt bij het oefenen van gespreksvaardigheden en diagnostisch redeneren. Traditionele rollenspellen bieden hiervoor waardevolle oefening, maar missen vaak emotionele nuance en variatie. Daarom onderzocht dit project hoe moderne AI-technologie, zoals grote taalmodellen (LLM’s), kan bijdragen aan gesprekspartners die natuurlijker, consistenter en emotioneel geloofwaardig reageren.
Een belangrijk onderdeel van het project was het ontwikkelen van een emotielabel-dataset. Hiervoor werd gebruikgemaakt van echte therapiedialogen uit bestaande bronnen. Met een semi-automatische methode werden eerst automatische emotievoorspellingen gegenereerd, waarna alleen de onzekerste uitspraken handmatig nagekeken werden. Deze aanpak leverde een compacte maar hoogwaardige dataset op met zes basisemoties (neutral, happiness, sadness, fear, anger en disgust). De dataset werd vervolgens gebruikt om LLM’s te fine-tunen, waardoor de modellen emoties beter kunnen herkennen en toepassen in hun eigen antwoorden.
Naast emotiedetectie werd een interactieve dialoogmodule gebouwd waarin meerdere AI-modellen (TinyLlama, DeepSeek en een RAG-variant) ingezet werden als virtuele patiënt. Daarbij lag de nadruk op een depressieve casus, een van de meest voorkomende en voor studenten herkenbare problematieken. De virtuele patiënt moest niet alleen inhoudelijk passend reageren, maar ook emotioneel consistent blijven over langere gesprekken.
Het prototype werd vervolgens getest door drie groepen gebruikers:
– een psychologiestudent vanuit de opleiding,
– medewerkers van De Kindertelefoon, ervaren in het voeren van emotioneel gevoelige gesprekken,
– en een data-scientist/psycholoog van het betrokken MKB, gespecialiseerd in AI-toepassingen in de zorg.
Deze groepen beoordeelden het prototype vanuit zowel pedagogisch, psychologisch als technologisch perspectief.
Tot slot werd de AI-gestuurde gesprekspartner gekoppeld aan een digital human, een virtueel gezicht dat de zes basisemoties zichtbaar kan uitdrukken. Via een toegankelijke (Gradio-)interface kunnen studenten nu oefenen met levensechte scenario’s waarin zowel taal als emotionele expressie centraal staan.