論文の概要: Modeling Item Response Theory with Stochastic Variational Inference

• arxiv url: http://arxiv.org/abs/2108.11579v1
• Date: Thu, 26 Aug 2021 05:00:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-27 22:43:32.280413
• Title: Modeling Item Response Theory with Stochastic Variational Inference
• Title（参考訳）: 確率的変分推論による項目応答理論のモデル化
• Authors: Mike Wu, Richard L. Davis, Benjamin W. Domingue, Chris Piech, Noah Goodman
• Abstract要約: 項目応答理論(IRT)のための変分ベイズ推論アルゴリズムを提案する。 この手法を5つの大規模項目応答データセットに適用すると、欠落したデータを出力する際の高いログ可能性と高い精度が得られる。 アルゴリズムの実装はオープンソースであり、簡単に利用できる。
• 参考スコア（独自算出の注目度）: 8.369065078321215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Item Response Theory (IRT) is a ubiquitous model for understanding human behaviors and attitudes based on their responses to questions. Large modern datasets offer opportunities to capture more nuances in human behavior, potentially improving psychometric modeling leading to improved scientific understanding and public policy. However, while larger datasets allow for more flexible approaches, many contemporary algorithms for fitting IRT models may also have massive computational demands that forbid real-world application. To address this bottleneck, we introduce a variational Bayesian inference algorithm for IRT, and show that it is fast and scalable without sacrificing accuracy. Applying this method to five large-scale item response datasets from cognitive science and education yields higher log likelihoods and higher accuracy in imputing missing data than alternative inference algorithms. Using this new inference approach we then generalize IRT with expressive Bayesian models of responses, leveraging recent advances in deep learning to capture nonlinear item characteristic curves (ICC) with neural networks. Using an eigth-grade mathematics test from TIMSS, we show our nonlinear IRT models can capture interesting asymmetric ICCs. The algorithm implementation is open-source, and easily usable.
• Abstract（参考訳）: 項目応答理論 (IRT) は、質問に対する反応に基づいて人間の行動や態度を理解するためのユビキタスモデルである。 大規模な現代のデータセットは、人間の行動におけるよりニュアンスを捉える機会を提供し、心理学的モデリングを改善し、科学的理解と公共政策を改善する可能性がある。 しかし、より大きなデータセットはよりフレキシブルなアプローチを可能にするが、IRTモデルに適合する現代のアルゴリズムの多くは、現実世界のアプリケーションを禁じる膨大な計算要求を持っている。 このボトルネックに対処するために,irtの変分ベイズ推定アルゴリズムを導入し,精度を犠牲にすることなく高速かつスケーラブルであることを示す。 この手法を認知科学と教育の5つの大規模項目応答データセットに適用すると、代替推論アルゴリズムよりも高いログ確率と高い精度が得られる。 この新しい推論手法を用いて, IRTを表現型ベイズ応答モデルで一般化し, ディープラーニングの最近の進歩を活用し, 非線形アイテム特性曲線(ICC)をニューラルネットワークで捉える。 TIMSSの等級数学テストを用いて、非線形IRTモデルは興味深い非対称ICCを捉えることができることを示す。 アルゴリズムの実装はオープンソースであり、簡単に利用できる。

関連論文リスト

• Malicious Internet Entity Detection Using Local Graph Inference [0.4893345190925178]
  大規模ネットワークにおける悪意ある行動の検出は、コンピュータセキュリティにおける機械学習にとって難しい問題である。 現在のサイバーセクト対応アプローチはまだ表現力に制限があるが、他の領域で成功した手法は大量のデータに対してうまくスケールしない。 本研究では,ネットワークエンティティ間の相互作用を異種グラフとしてモデル化するグラフデータから学習する新たな視点を提案する。
  論文  参考訳（メタデータ） (2024-08-06T16:35:25Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• Training Deep Surrogate Models with Large Scale Online Learning [48.7576911714538]
  ディープラーニングアルゴリズムは、PDEの高速解を得るための有効な代替手段として登場した。 モデルは通常、ソルバによって生成された合成データに基づいてトレーニングされ、ディスクに格納され、トレーニングのために読み返される。 ディープサロゲートモデルのためのオープンソースのオンライントレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-28T12:02:27Z)
• MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
  MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。 公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
  論文  参考訳（メタデータ） (2022-05-31T04:57:06Z)
• A Free Lunch with Influence Functions? Improving Neural Network Estimates with Concepts from Semiparametric Statistics [41.99023989695363]
  ニューラルネットワークや機械学習アルゴリズムの改善に使用される半パラメトリック理論の可能性を探る。 本稿では,単一アーキテクチャを用いてアンサンブルの柔軟性と多様性を求めるニューラルネットワーク手法であるMultiNetを提案する。
  論文  参考訳（メタデータ） (2022-02-18T09:35:51Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Learning Reasoning Strategies in End-to-End Differentiable Proving [50.9791149533921]
  条件付き定理プローバーは勾配に基づく最適化により最適規則選択戦略を学習する。 条件付き定理プローサは拡張性があり、CLUTRRデータセット上で最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-13T16:22:14Z)
• Efficient Model-Based Reinforcement Learning through Optimistic Policy Search and Planning [93.1435980666675]
  最先端の強化学習アルゴリズムと楽観的な探索を容易に組み合わせることができることを示す。 我々の実験は、楽観的な探索が行動に罰則がある場合、学習を著しくスピードアップすることを示した。
  論文  参考訳（メタデータ） (2020-06-15T18:37:38Z)
• Variational Item Response Theory: Fast, Accurate, and Expressive [11.927952652448285]
  項目応答理論(IRT)は,質問に対する回答に基づいて人間を理解するためのユビキタスモデルである。 IRTの変分ベイズ推定アルゴリズムを導入し,精度を犠牲にすることなく高速かつスケール可能であることを示す。 この手法を認知科学と教育から5つの大規模項目応答データセットに適用すると、ログの可能性が向上し、欠落したデータを出力する可能性が向上する。
  論文  参考訳（メタデータ） (2020-02-01T20:54:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。