Personalizing LLM-powered conversational agents for promoting mental well-being in university students: a participatory design approach

The increasing number of university students and PhD candidates experiencing psychological discomfort highlights the critical need for scalable and easily accessible mental well-being services. However, traditional services often face barriers such as stigma, cost, and limited availability, especially for some specific groups of people (e.g., academia workers and students). Promising answers to this gap are provided by recent developments in Conversational Agents (CAs) driven by Large Language Models (LLMs). This thesis describes the design, implementation, and deployment of Amia, an AI-based CA tailored specifically for university students and PhD candidates experiencing psychological distress. The thesis therefore tackles two complementary research questions: (i) how university students’ well-being needs can steer the design, implementation and real-world deployment of a personalized mental well-being CA system; and (ii) how LLM architecture, fine-tuning and Big-Five personality prompting can be orchestrated to deliver a CA that promotes student well-being while fitting, rather than replacing, therapists’ daily workflows under tight resource constraints. Participatory-design workshops generated a requirement set that shaped Amia: a web app pairing a 24/7 student chat interface with a clinician dashboard for logs, behavioral digests, and personality controls. A three-step modeling pipeline, including few-shot prompting with a clinical corpus, domain-specific fine-tuning of a GPT model and Big-Five personality injection, yielded three calibrated therapist-like personas: BASE (neutral), CORE (high conscientiousness, agreeableness, openness), and NEV (moderate neuroticism). These use case examples exhibit the intended Big Five fingerprints. Students therefore receive empathetic, and context-aware support, while therapists gain longitudinal oversight and dynamic control, laying a pragmatic foundation for a human-AI alliance in university mental well-being care.

Il numero crescente di studenti universitari e dottorandi che sperimentano disagio psicologico evidenzia l’urgente necessità di servizi facilmente accessibili per il benessere mentale. I servizi tradizionali incontrano spesso ostacoli come stigma, costi elevati e disponibilità limitata. Sviluppi promettenti provengono dai Conversational Agent (CA) basati su Large Language Model (LLM). Questa tesi descrive la progettazione, l’implementazione e il distribuzione di Amia, un CA basato su IA pensato specificamente per studenti universitari e dottorandi in difficoltà psicologica. La tesi affronta dunque due questioni di ricerca complementari: (i) in che modo i bisogni di benessere degli studenti universitari possano guidare la progettazione, implementazione e distribuzione di un sistema CA di supporto del benessere mentale; e (ii) come architettura LLM, fine-tuning e prompt di personalità Big Five possano essere orchestrati per fornire un CA che promuova il benessere degli studenti integrandosi, anziché sostituirsi, ai flussi di lavoro quotidiani dei terapeuti in contesti di risorse limitate. I workshop di progettazione partecipativa hanno prodotto un insieme di requisiti che ha modellato Amia: una web-app che abbina un’interfaccia chat 24/7 per gli studenti a una dashboard clinica per log, sintesi comportamentali e controlli di personalità. Una pipeline di modellazione in tre fasi, few-shot prompting su un corpus clinico, fine-tuning di un modello GPT specifico di dominio e iniezione di personalità Big Five, ha generato tre esempi di terapeuti: BASE (neutrale), CORE (alta coscienziosità, amicalità, apertura) e NEV (moderata nevroticismo). Questi casi d’uso mostrano i tratti di personalità Big Five previste. Gli studenti ricevono così un supporto empatico e contestuale, mentre i terapeuti ottengono supervisione longitudinale e controllo dinamico, ponendo le basi pragmatiche per un’alleanza uomo-AI nella cura del benessere mentale in ambito universitario.